Customer Lifetime Value — berechnen, interpretieren, steuern

Der Customer Lifetime Value (CLV) ist der gesamte Wertbeitrag, den ein Kunde einem Unternehmen über die komplette Geschäftsbeziehung bringt — berechnet als Ø Bestellwert × Bestellfrequenz × Marge × Haltedauer. Er ist die zentrale Steuerungsgröße jeder kundenorientierten Organisation — und zugleich die am häufigsten falsch berechnete Kennzahl im Marketing. Dieser Artikel zeigt die Formeln (mit interaktivem Rechner), ein komplettes Rechenbeispiel für einen Online-Shop, die Podcast-Praxis von Rosental bis Mytheresa und die typischen Fallen.

Was CLV ist — und was nicht

CLV ist der gesamte Wert, den ein Kunde einem Unternehmen über die gesamte Geschäftsbeziehung bringt. Der wichtige Teil ist „gesamt" — ein Blick auf eine Einzelbestellung ist CLV-fremd.

CLV ist nicht:

• Der letzte Kauf-Betrag (das ist der durchschnittliche Bestellwert, AOV)
• Der Umsatz der letzten 12 Monate (das ist historische Performance)
• Der „durchschnittliche Kunde wert X" (das ist eine Durchschnittszahl, die keinem Kunden entspricht)

CLV ist eine Zahl pro Kunden-Segment (oder Kunden-Profil), die zukünftige erwartete Wertbeiträge einrechnet.

Die drei Berechnungsarten

Variante 1 — Historischer CLV. Formel: Summe aller bisherigen Margen-Beiträge eines Kunden. Backwards-looking. Einfach, exakt für vergangene Werte, aber nicht direkt für Targeting nutzbar.

Einsatz: Reporting, retrospektive Analyse, ABC-Erweiterung.

Variante 2 — Prognostizierter (vorhergesagter) CLV. Formel: Durchschnittlicher Umsatz pro Periode × erwartete Verbleib-Dauer × Marge. Vorwärts-gerichtet, aber statistische Annahmen notwendig.

Beispiel-Rechnung für einen Bestandskunden:

• Durchschnittlicher Jahresumsatz: 500 €
• Erwartete Verbleib-Dauer: 3,5 Jahre
• Marge: 40 %
• Prognostizierter CLV: 500 × 3,5 × 0,4 = 700 €

Die schwierige Variable ist „erwartete Verbleib-Dauer", die meist aus Churn-Rate abgeleitet wird (1 / Churn-Rate).

Einsatz: Akquise-Budgets (CAC vs. CLV), Retention-Priorisierung, Segment-Targeting.

Variante 3 — Diskontierter CLV. Wie Variante 2, aber mit Diskontierung zukünftiger Zahlungen (typ. 8–12 Prozent p. a.). Erfasst, dass Geld in 3 Jahren weniger wert ist als heute.

Einsatz: Investitionsrechnung, M&A-Bewertungen, langfristige strategische Entscheidungen.

CLV-Formel mit Churn-Rate

Eine saubere einfache Formel für Subscription-Modelle:

CLV = (durchschnittlicher Monats-Umsatz × Marge) / Monats-Churn-Rate

Beispiel:

• Monats-Umsatz: 20 €
• Marge: 60 %
• Monats-Churn: 2 % (d. h. 0,02)
• CLV = (20 × 0,6) / 0,02 = 600 €

Das ist eine Näherung ohne Diskontierung. Für tiefere Genauigkeit Diskontierung ergänzen.

Probier es aus: der CLV-Schnellrechner

Schritt für Schritt: Rechenbeispiel Online-Shop

Nehmen wir einen mittelgroßen deutschen Online-Shop (Kosmetik, D2C) und rechnen den prognostizierten CLV einmal komplett durch:

1. Ø Bestellwert bestimmen: 80 € (aus dem Shop-Backend, Median statt Durchschnitt prüfen — Ausreißer verzerren).
2. Bestellfrequenz je Jahr: 2,5 Bestellungen (aus der Kohorten-Analyse der letzten 24 Monate, nicht geschätzt).
3. Marge ansetzen: 35 % Deckungsbeitrag nach Wareneinsatz, Versand und Payment — nicht der Bruttoumsatz.
4. Haltedauer ableiten: Bei 33 % Jahres-Churn bleiben Kunden im Schnitt rund 3 Jahre (1 / 0,33).
5. Rechnen: 80 € × 2,5 × 0,35 × 3 = 210 € CLV.
6. In eine CAC-Obergrenze übersetzen: Bei einer Ziel-Ratio von 3:1 darf die Akquise eines Neukunden maximal ~70 € kosten — kanalweise geprüft, nicht als Durchschnitt.

Wie stark der Zeitraum das Ergebnis verändert, zeigt eine Passage aus dem Podcast, die ich seither ständig zitiere: Ein Unternehmer nennt 900 € CLV — gerechnet über drei Monate. Über zwölf Monate sind es 2.700 € (Folge mit Raoul Plickat). Dieselbe Kundin, dieselben Daten, dreifacher Wert — nur weil der Horizont anders gewählt ist. Deshalb gehört zu jeder CLV-Zahl die Angabe des Zeitraums, sonst ist sie wertlos. Plickats Steuerungslogik dahinter ist die Kurzfassung dieser ganzen Seite: „Solange deine CAC unter dem CLV sind, wächst du. Dann ist die einzige Frage, wie schnell du den Cashflow einsammelst."

Und dass diese Rechnung kein Konzern-Luxus ist, zeigt das Startup Rosental: CLV von 35–45 € über zwölf Monate, durch Produkt-Routinen um rund 5 € pro Monat gesteigert — „bei zwölf Monaten haben wir 60 Euro on top" — und daraus direkt das Akquise-Budget abgeleitet (zur Folge). Bemerkenswert an dem Case: Nach der Kanal-Umstellung halbierte sich der CAC, während der CLV der Kohorten um 30–40 % stieg — die verbreitete These „billige Akquise = billige Kunden" ist also kein Naturgesetz.

CLV im Treiberbaum

Im Treiberbaum sitzt der CLV nicht als eigener Ast, sondern als Verdichtung der Retention-Seite: Ø Bestellwert × Frequenz × Haltedauer sind genau die Treiber, die unterhalb von „Umsatz aus Bestandskunden" hängen. Wer den CLV steigern will, arbeitet also immer an einem der drei Unter-Treiber — mehr Warenkorb, mehr Frequenz (der Rosental-Hebel: Routinen statt Einzelprodukt) oder längere Haltedauer.

Auf Portfolio-Ebene wird daraus die Benchmark-Logik, die Investoren anlegen: Ole B. von Project A prüft im Treiberbaum-Kontext „das Verhältnis von einem Kundenwert über seinen gesamten Zeitraum im Vergleich zu den Kundenakquisitionskosten" als Standard-Kennzahl (zur Folge). Und auf Segment-Ebene entscheidet der CLV real über Media-Einkauf: Bei Telefónica hat der iPhone-Nutzer „im Durchschnitt einen höheren CLV" — mit direktem Impact auf Kampagnen-Ausspielung und Marge (zur Folge).

Pro Segment, nicht pro Einzelkunde

CLV ist als Steuerungsgröße pro Segment sinnvoll. CLV-Werte pro Einzelkunden sind statistisch instabil — der einzelne Kunde ist zu individuell, seine Zukunftszahlen zu unsicher.

Praktische Segmentierung:

• CLV nach Akquisekanal (welcher Kanal bringt die wertvollsten Kunden?)
• CLV nach Erst-Produkt-Kategorie (welche Produkte ziehen Hoch-CLV-Kunden?)
• CLV nach Akquise-Jahr (veralten die Kohorten oder bleiben sie stabil?)

Die CLV:CAC-Ratio

Die wichtigste CLV-Anwendung ist das Verhältnis zu Customer Acquisition Cost (CAC):

CLV : CAC

Als Faustregel: Eine Ratio unter 1:1 ist Verlust. 1:1 bis 3:1 ist kritisch. Ab 3:1 gesund. Über 5:1 oft Zeichen, dass der Kanal unterausgelastet ist — man könnte mehr investieren.

Aber Achtung: CLV:CAC ignoriert den Cashflow. Ein Unternehmen mit 6:1 Ratio kann trotzdem in Liquiditätsprobleme laufen, wenn die CAC-Payback-Zeit 3 Jahre ist. Deshalb beide Metriken parallel.

Typische CLV-Fallen

Falle 1 — CLV ohne Churn-Realismus. Wenn du 3 Jahre Verbleib-Dauer annimmst, aber deine tatsächliche Churn-Rate 30 Prozent pro Jahr ist, passt das nicht zusammen. Churn empirisch aus Kohorten-Analyse ableiten.

Falle 2 — CLV mit Bruttoumsatz. Marge muss rein. Ein 1.000-€-Kunde mit 5-Prozent-Marge ist weniger wert als ein 300-€-Kunde mit 70-Prozent-Marge.

Falle 3 — CLV ohne Akquisekanal. Akquise über Google Ads liefert oft andere CLV-Profile als Akquise über SEO oder Empfehlungen. Ein globaler CLV verschleiert das.

Falle 4 — Statischer CLV. CLV driftet — wenn du Preise änderst, Retention-Prozesse umbaust, Wettbewerber eintreten. Halbjährlich neu berechnen.

Falle 5 — CLV als einzige Metrik. Es gibt Kunden mit niedrigem CLV, die strategisch wertvoll sind (Referenzen, Marken-Aufbau, Daten). Diese müssen separat gesteuert werden.

Prognose-Modelle (Predictive CLV)

Für große Kundenportfolios lohnen sich ML-Modelle, die CLV aus Verhaltens-Signalen prognostizieren. Typische Inputs:

• Erste 30 Tage Aktivität
• Kategorie-Diversität der Käufe
• Rückkehr-Muster
• Ursprungs-Kanal
• Zahlungsverhalten

Libraries wie lifetimes (Python, auf BG/NBD-Modellen basierend) machen diese Prognose zugänglich. Das sind aber bereits Predictive-Analytics-Methoden — ohne Data-Science-Kompetenz schwer umzusetzen.

Wie das in der Praxis aussieht, beschreibt Katharina B. von Mytheresa im Podcast: ein „CLV-Vorhersagemodell", das Top-Kunden „beim ersten Kauf oder vielleicht sogar vor dem ersten Kauf" identifiziert — welche Treiber zeigen die Kunden, die später in hoher Frequenz einkaufen? (zur Folge) Voraussetzung war dort dieselbe wie überall: erst Segmentierung nach Wert einführen, dann prognostizieren. Bei Douglas markierte die „Customer-Lifetime-Value-Generierung" mit anschließender Kanal-Aktivierung genau den Sprung von klassischem Reporting zu Advanced Analytics (Jubiläumsfolge mit Max M.). Die Modell-Perspektive für Fortgeschrittene findest du auch im Cluster Predictive Analytics im Marketing.

Anwendung in der Praxis

Bei FALKE haben wir CLV pro Akquisekanal und pro Erst-Produkt-Kategorie getrackt. Das Ergebnis: Der Loyalty-Programm-Kanal brachte Kunden mit 60 Prozent höherem CLV als Paid-Search — aber bei geringerem Volumen. Die Konsequenz: Paid-Search blieb als Volumen-Hebel, aber Investment in Loyalty wurde erhöht.

Die wichtigste Erkenntnis war nicht der absolute CLV-Wert, sondern das Delta zwischen den Kanälen. Das ist die typische CLV-Erkenntnis: Relative Unterschiede zählen mehr als absolute Werte.

Verbindungen: ABC-Analyse für historische Wert-Perspektive. Predictive Analytics für Modell-basierte CLV-Prognose. Segmentierung für CLV-Cluster.