LTV is a myth (Andrew Mende, Booking.сom)

LTV как метрика успеха продуктовых экспериментов даёт слишком медленный и шумный сигнал — полноценный расчёт возможен только когда продукт закрыт. Предсказанный LTV на базе ML создаёт тавтологию: меняя продукт, продакт-менеджеры просто хакают фичи, на которых построена модель, а не улучшают бизнес. Кейс с лидербордом это подтверждает: фича заставила пользователей платить больше на старте, но затем они быстро уходили, реальный LTV падал, баланс продукта разрушался. Подход — заменить LTV на прокси-метрики уровня retention, которые обновляются ежедневно, устойчивы к хакингу и показывают реальную ценность для пользователя.

• Понять, почему LTV не работает в A/B-тестах из-за шума и долгого ожидания
• Распознать ML-тавтологию при оптимизации предсказанного LTV
• Подобрать ежедневные прокси-метрики вместо LTV по примеру Netflix