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?
LTV的应用场景
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: ......
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。
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
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。
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。
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。