In Folge 22 von MY DATA IS BETTER THAN YOURS (MDIBTY) spricht Jonas Rashedi mit Juliana J. (CLV-Expertin, the clv lady) über Customer Lifetime Value. Konkret: CLV ≠ AOV × Kaufzyklen × Lebensdauer — das ist Pseudo-CLV. Echte CLV-Modelle brauchen Churn-Wahrscheinlichkeit und Heterogenität. Themen: Customer Lifetime Value, CRM Analytics. Die Folge zeigt: Customer Value entsteht nicht aus Transaktionen allein, sondern aus Beziehung + Empfehlung.
3 Erkenntnisse aus dieser Folge
- 01
CLV ≠ AOV × Kaufzyklen × Lebensdauer — das ist Pseudo-CLV.
- 02
Echte CLV-Modelle brauchen Churn-Wahrscheinlichkeit und Heterogenität.
- 03
Customer Value entsteht nicht aus Transaktionen allein, sondern aus Beziehung + Empfehlung.
Worum es in dieser Folge geht
Juliana ist als "the clv lady" bekannt und hat sich ganz auf Customer Lifetime Value spezialisiert. Die Folge ist eine seltene englischsprachige MDIBTY-Folge mit Fachtiefe.
Die Storyline
Was CLV wirklich ist
Most companies calculate a pseudo-CLV. Average order value times frequency times estimated lifetime. That's an average, not a customer value. It hides all the heterogeneity that matters.
Was echte CLV-Modelle brauchen
- Churn-Wahrscheinlichkeit pro Kunde/Kohorte.
- Heterogene Ausgaben-Verteilung (nicht Durchschnitt).
- Zeitverzinsung (NPV-Logik).
- Nicht-Transaktions-Wert (Empfehlungen, Daten).
Warum pseudo-CLV schadet
- Falsche Akquise-Budgets für "Durchschnitts-Kunden".
- Zu hohe CACs für vermeintlich lohnende Segmente.
- Verpasste Chance, hochwertige Kunden gezielt zu halten.
Warum mich das besonders umtreibt
CLV ist in 2026 immer noch eine der Top-Buzzword-Metriken. Juliana räumt 2021 auf — und ihre Argumente sind zeitlos. Für jede/n, die/der Customer-Analytics ernst nimmt, ist diese Folge ein Pflicht-Reminder.
Jetzt reinhören
Jetzt reinhören
Diese Folgen könnten dich auch interessieren
Folge 323
Solo gegen alle: Wie 15 Jahre Datenhandwerk eine D2C-Brand allein tragen
Carlos Yniguez · 60Kollektiv
Folge 322
KI in NRW: Warum 90 % des Mittelstands noch nicht wirklich anfängt
Christian Temat · KI.NRW (Fraunhofer IAIS)
Folge 319
Warum Data Mesh ohne Data Citizens scheitert
Jonas Kell · Siemens Energy