LTV 概念

LTV(Life Time Value)生命周期总价值，是指用户终身价值，是公司从用户所有的互动中所得到的全部经济收益的总和。一个用户从注册到卸载，整个生命周期为你带来的全部收益。

LTV通常情况下会和 CAC 指标进行对比，比较投入产出。CAC（Customer Acquisition Cost）是指用户获取成本，即花多少钱获取一个客户。

这里注意的一点是，比较投入产出用 LTV/CAC，而不是用户首次订购费用。但是在一些行业和部分商业模式下。确实会把直接把首次订购费用和 CAC 对比。比如：SaaS 类订阅应用、一次订购 1 年课程的在线教育，这也无可厚非。

另外，看到一个说法：LTV/CAC = 3 的时候是最健康发展的（小于 3 说明转化效率低，大于 3 说明在市场拓展上还太保守）。个人觉得不能一概而论，这个比例还是要根据行业特性、渠道情况、上下游情况综合来看。

LTV 的公式：
$$LTV= LT * ARPU$$

ARPU(Average Revenue Per User)即每用户平均收入。这里也是分行业理解。比如：

  • 电商行业，每用户平均收入就是常说的客单价。每用户平均收入 = 用户购买总金额 / 用户购买总数量；
  • 采取订阅模式付月费的产品，往往我计算的是月客单价，就是平均 1 个用户，每个月的产生的收益（先说概念，公式写在下面）。

ARPU 还好说，比较难测算的是 LT。LT（Life Time）为用户的平均生命周期，是指一个用户从第一次到最后一次使用产品之间的时间段。

LTV 计算

看到网上给出的 LTV 的计算公式，有各种算法。难点在于计算 LT（因为产品处于成长期，有些也用到了一元线性回归），ARPU 因为行业不同也各不相同。本来想找一个科学的方法，看完之后还是决定继续使用自己的方法。

先说前提，项目是订阅模式付月费的产品。粗略计算作为参考还是比较容易的。我的方式为：

  1. LT 的计算：拉付费用户数的历史订购数据，例如使用 3 年（也就是 36 个月的用户）内：

$$平均生命周期（单位：月）= \frac{用户总留存月份}{总用户数} $$

  1. ARPU 的计算：

imag

LT 公式解释：LT 公式的业务逻辑是拿到 3 年内所有用户订购月份周期，比如有的用户订购 1 个月就历史，有的用户订购了 12 个月又续订了 6 个月。那就计算出用户平均订购了几个月。时间限制在 3 年内是纯粹的经验判断，用户基本最多使用 3 年以上就流失了。这个可以根据自己应用情况来。

ARPU的公式解释：一目了然，就是将所有的销售额分摊在单个月份下面。因为“30.00/月” 和 “50.00/季度”对于摊到每个月的费用是不同的。

按照 LTV 的定义，显然还有些场景没有考虑到，不过也不过多纠结了。因为这样计算已经够用，我的理解是：

  1. LTV 最常用的场景是用来看趋势。只要每次计算定义一样，这样计算已经能说明问题；
  2. 看 LTV 数据值本身，还是需要回到产品。比如运营人员认为带来销售额就算有价值，但产品经理认为用户分享裂变拉新也有价值。那就额外再核算就可以，不影响上面 LTV 定义；
  3. LTV 这种业务指标，一定要是业务逻辑能直接说清楚。

LTV 总结

ARPU 等指标本身只能显示用户在一段时间内的价值。通过将 ARPU 和用户生命周期（或者说留存用户）相结合，LTV 能为经营者建立一个大致的模型来预测用户未来的价值。这个指标能让经营者看到那些长期内能带来高于平均收入的用户，提高他们获取高价值用户的概率。

对于刚起步（或者成长期）产品，最多看用户的年度收益也行。

另外，LTV 指标本身也有局限。Bill Gurley 的一篇文章提到不应该盲目推崇 LTV 的10 大理由，我是赞同的。下面提供链接。

有人翻译了这篇文章：LTV 的危险诱惑