LTV和CAC(Customer Acquisition Cost)“用户获取成本”、PBP(Payback Period)“回收期”

LTV(Life Time Value):用户的终身价值或用户生命周期价值(这两种表述都可以)

含义上很好理解,就是平均每个用户可以带来多少价值。可以用来决策可以为每个用户付出多少获取成本。也可以用来计算ROI。

LTV经常会和CAC(Customer Acquisition Cost)“用户获取成本”、PBP(Payback Period)“回收期”一起来讲。

市场普遍认为 LTV>CAC的时候公司是有可能性的,LTV<CAC的时候模式是无意义的,而LTV/CAC=3的时候是公司最能健康发展的(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)。

PBP的意思是花出去的用户获取成本可以在多长时间内回本。PBP越短越好,说明资金周转快,企业能更快增长。

如何计算LTV?

游戏行业经常会遇见这个问题,游戏内测了一个月,老板就要预估LTV是多少,而现在根本就不知道用户生命周期是多长。那该怎么办呢?

LTV短期内只能预估,无法精确计算。但还是有办法的。

实际上LTV是以用户生命周期为单位的ARPU值。LTV=(Life Time)ARPU。我们只需要计算用户的平均生命周期,再计算这个周期内的ARPU值,就能得出平均每个用户可以带来多少价值。

怎么计算LT呢?

假设现在已经知道了一个月的留存情况:

=第一天留存率*1+第二天留存率*1+…

近似等于留存曲线下方扫过的面积。——这个结论很重要

将留存数据导入到Excel表格中(这里又要进一步带大家领略Excel的魅力了)

1、用Excel画出留存曲线图

2、鼠标右击曲线,出现弹窗,选择“添加趋势线”

3、在指数、线性、对数、多项式、幂、移动平均中选择一条跟留存曲线拟合最好的曲线(实际上是机器代替人进行了数学建模,机器会自动找出拟合最好函数)。这一步是为了对留存率做预测。

注意:这里要勾选上“显示公式”和“显示R平方值”,R² 代表拟合度,R² 越接近1说明拟合度越高。“前推周期”自己根据曲线走势填入一个数字,这里要多尝试几个,目的是让曲线趋近于0,这样计算出来的面积才准确。

4、得出完整留存曲线走势图,我这里机器计算出来的函数是y = 0.5796e^-0.054x

R² = 0.9953

5、到这一步就八仙过海各显神通了,数学好的可以根据高数学的定积分计算函数的面积。还有就是根据函数,将函数写入到Excel表格中,拉一下,得出后续的留存率。注意:这里 x 代表的是第几天。

e=2.718281828459

6、最后根据sum函数得出累积留存率,我这里得出的是1054%。

也就是说平均用户生命周期是10.54天,按10天计算的话,就去计算10天ARPU值,就是LTV了。

以上。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,547评论 6 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,399评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,428评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,599评论 1 274
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,612评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,577评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,941评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,603评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,852评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,605评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,693评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,375评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,955评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,936评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,172评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 43,970评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,414评论 2 342

推荐阅读更多精彩内容