精选干货｜如何做好用户生命周期价值分析（LTV）
什么是用户生命周期价值呢？
先来给大家举个例子，xx公司开发了一款app，投钱进行营销活动，12月2日新增了100个人访问，12月3日的时候这100个人还有90个人访问，12月4日的时候这100个人还有70个人访问......也就是说，随着时间的推移留下来继续访问的用户数在减少，怎么评估这100个人给产品带来了多大的价值呢？
这就用到了用户生命周期价值LTV指标。
目录
- 什么是用户生命周期价值（LTV）
- LTV的应用场景
- LTV与CAC协同分析
- LTV计算公式拆解
- 计算用户生命周期价值LTV实战案例
01 什么是用户生命周期价值（LTV）
LTV（全称为Life Time Value）即用户生命周期总价值，用于衡量用户对产品产生的价值。
要保证产品不亏损，就需要保证用户在整个生命周期中给产品带来的价值大于获取用户所耗费的成本，即LTV>CAC（CAC为获得单个客户的平均费用）。
获客成本低并不代表用户就能给产品带来正向的价值，获客成本高也不代表就不能为产品带来正向的价值。这就需要采取LTV来评估用户的终身价值。
以获客为例：
从成本来看，A渠道的获客成本低，但是从LTV来看，B渠道的LTV更高，且扣除成本之后盈利也更高，因此采取B渠道作为首选获客渠道效果更好。
这就是用户生命周期价值LTV的作用。
02 LTV的应用场景
文字云制作来源于https://www.moage.cn/materia
- 场景一：通过不同渠道中的活跃用户的用户价值，评估不同渠道的未来价值，确认是否需要调整渠道，辅助广告投放决策。
- 场景二：通过对比产品在不同城市中的LTV，评估该产品在不同城市的未来转化价值，确认未来拓展方向更集中于哪个城市较好。
- 场景三：通过LTV评估获客成本的最高阈值，获客成本不可超过LTV，争取做到成本可控。
- 场景四：产品功能迭代前后的用户价值的对比，评估功能的变化是否会减少有价值的用户，驱动产品进步，提升产品体验。
- 场景五：运营活动举办前后ltv的对比，判断运营活动是否会带来更大的用户价值。
- 场景六：对不同的业务项目进行用户价值对比，确认哪个更具备商业变现能力，以便及时调整重点运营方向。
- 场景七：预测回本周期，可以通过预测的LTV以及已知的CAC，预估回本周期。倘若预估的回本周期较长，可促使项目负责人可及时调整业务策略。
- 场景六: ......
03 LTV与CAC协同分析
LTV：前面已经提到指的是获得单个客户的平均收益。
CAC：指的是获得单个客户的平均费用，比如包括推广渠道费用、销售费用、运营的人力成本、市场的人力成本、营销工具费用等，实际情况根据公司具体需求来计算。
① 当LTV/CAC<1时，说明用户获取越多，亏损越严重，商业变现失败，缺乏明确的变现方式。
② 当1 < LTV/CAC < 3时，说明产品是有明确的变现方式的，获客可以获得正向收益，存在一定的发展空间，但收益与成本的转化率较低。
③ 当LTV/CAC = 3时，可以判断该产品的发展潜力较大，模式更容易被认可。
④ 当LTV/CAC>3时，说明市场拓展太保守，为了保持该转化率，过于严控获客成本，不利于开拓市场，应该加大投入。
04 LTV公式理解
LTV=LT*ARPU
即:用户的平均生命周期*单个用户的平均收益
其中：
（1）关于LT的理解
LT：用户的平均生命周期（注意不同于LTV，比LTV少个“价值”二字，两者单位不同），是用户首次访问至末次访问期间的活跃天数。比如LTn就代表用户的生命周期是n天，其实就是活跃n天。所以，LT考虑的只是活跃用户。
LTn
=1+次日留存率+3日留存率+...+n日留存率关于留存的知识可以参考我之前写的一篇笔记《留存分析3500字干货，方法+案例+参考代码》，这篇文章在“人人都是产品经理”平台上已经有4.8k的阅读量了，自我感觉讲的还算明白，欢迎大家参考看看哈～
那么问题来了，LT为什么等于留存率之和呢？
咱们先将以下公式做个转换:
LT
=1+次日留存率+3日留存率+...+n日留存率
=（新用户+次日留存用户+3日留存用户+...）/新用户然后回到“前言”中举的例子，该产品在在12月2日新增了100个人访问，极端点，12月3日的时候这100个人全部又访问了，12月4日这100个人全部再次访问了，那么这100个人平均每个人访问的天数为:
（100+100+100）/100=3天，即平均每个人访问了3天，这个3就是用户生命周期LT。
将以上极端的访问留存数据换成正常的留存数据，12月2日新增了100个人访问，12月3日的时候这100个人中还有90个人访问，12月4日的时候这100个人中还有70个人访问，那么用户生命周期就是（100+90+70）/100=2.6天，其实也是1+90/100+70/100=1+次日留存率+3日留存率=2.6天。
这就很好理解了用户生命周期LT为什么是留存率之和了吧？
（2）关于ARPU的理解
ARPU：每用户平均收益，一般采取日均值即可，即某期间内点总收入/该期间内的用户数，这个用户可以是付费用户，可以是活跃用户等。
05 计算用户生命周期价值实战案例
下图是一张留存率图
以2021.12.01——2021.12.07之间的七天留存率来预估14日留存、30日留存等。
先将黄色部分的七天的留存率取均值，得到图上最下方的留存平均值。
然后按照留存率的均值做拟合，拟合后的结果如下图所示。
选择幂函数拟合，因为幂函数拟合的R方接近于1，拟合效果较好。
（具体拟合预估方式可参考我之前写的一篇文章《销量预测模型案例实战》，这里就不详谈了）
则LT14=100%+51%+53%+37%+32%+29%+29%+25%+23%+22%+20%+19%+18%+17%
=4.75天
LT已经算出来了，那么下一步就是计算ARPU了。ARPU值直接取日均值就可以了，假如ARPU日均值是￥60，则LTV=4.75*60=285
即用户14天的平均生命周期是4.75天，用户在该生命周期内能带来的总价值为￥285
延伸下，如果想知道花费在这批用户身上的成本需要多久才可以回本，怎么计算呢？这就涉及到了回本周期预估。
比如在前面已经预估了LTV14为￥285，假如已知该渠道的CAC是￥30，
则预估的回本周期是=285/30=9.5天
即投入在该群用户身上的成本需要9.5天方可回本。
06 结语
分享结束了......
此外，虽然我现在已经从数据分析师转成了数据产品经理，但数据分析思维是当今大数据时代不可或缺的，依旧需要继续训练和学习下去，好比这篇用户生命周期价值的研究，不管对数据分析还是对产品经理来说，探索用户永远是一个积极的话题，对数据分析以及产品运营的重要性不言而喻。 转载自公众号：溜溜笔记说