LTV：衡量用戶對產品的價值

一、LTV定義

LTV(life time value)也就是用戶生命周期價值，是產品從用戶獲取到流失所得到的全部收益的總和。LTV用于衡量用戶對產品所產生的價值，是所有用戶運營手段為了改善的終極指標，同時LTV也應該是所有運營手段的最終衡量指標。以用戶獲取為例，一個用戶獲取渠道的新客成本是否昂貴，並不僅僅取決於這個新客成本的絕對值的高低，還取決於獲取到的用戶LTV是多少。同樣一個產品，A渠道的新客獲取成本是150元，B渠道的新客獲取成本是300元，直觀地感受A渠道效果更好。但是如果後續追蹤LTV之後，A渠道的用戶平均LTV是100元，B渠道用戶平均LTV是400元。在考慮LTV之後發現，A渠道每個新客虧損50元，B渠道贏利100元，雖然B渠道新客價格更貴，但是B渠道更加有效。

不管是用戶獲取、留存還是喚醒，需要投入多少資源，都可以用LTV來進行衡量。統一成公式就是如下所示：

其中rate代表投入產出比， 代表用戶運營活動使得LTV增加的量，cost代表運營活動投入的成本。當投入產出比大於1的時候，則代表這次活動就是有正收益的。這是一個非常簡單的公式，但是在實際的用戶運營中，卻很少用到，除了LTV概念沒有深度普及之外，還有一個關鍵的原因就是，生命周期價值的提升難以在短時間內衡量。實際上這個問題也並非沒有解決辦法。下面我們就會提到如何計算LTV，從而提升LTV的投入產出比。

二、LTV的計算

在網上目前會看到一些比較通識性的LTV計算方法，使用MMR代表每月用戶用戶給平台帶來的收入，churn rate代表用戶的月流失率，那麼LTV的計算方法如下所示：

這種簡單的計算方法隱含了兩個假設：用戶結構穩定不變、用戶質量穩定不變。這兩個假設就意味著，新用戶的質量總是長期穩定不變，不管從什麼渠道獲取到的用戶都有一樣的流失率和收入情況，同時產品的用戶規模不會出現比較大的波動。顯然這些假設在實際中就是不存在的。用這種方式計算的LTV僅僅能作為一個宏觀數據的參考，並不能真正指導業務。

那麼什麼樣的LTV計算才是有價值的呢？結合我們提到的LTV的應用場景，就是要能夠計算用戶運營活動的投入產出比。不管是拉新、留存還是召回，本質上都是針對不同用戶的活動，每次活動的成本是可以計算的，那麼為了計算運營活動的投入產出比，這就意味著需要儘快檢測出來不同維度的用戶群的LTV變化。

要精確的計算每個用戶的LTV，意味著需要等用戶流失之後才能知道LTV的精確值，這個過程短則幾個月，長則數年。顯然用戶運營活動顯然不可能等比較長時間之後，才去看這個精確的LTV結果。為了能及時計算LTV的變化，就需要用一些回歸或者預測類的演算法。比如最典型的新用戶獲取問題，一般投放的BD衡量一個渠道的好壞，除了看新客成本，還通過一些短期數據來簡單判斷某個渠道內用戶的整體質量如何以及將來的贏利能力如何。這些短期數據包括新客的次日留存，7日留存，30日留存這些留存數據，以及7日消費額，30日消費額等營收數據。既然BD可以用這些數據可以做出基於人工經驗的判斷，那麼就意味著短期數據中有足夠預測用戶長期LTV的信息量。相比於人工考慮的短期數據，數據系統記錄用戶短期內使用產品的全部行為數據包含了更大的信息量，用這些數據作為入參，可以更好的更好地預測LTV的結果，進而檢測LTV的變化。利用歷史上用戶行為數據以及最終的LTV情況作為訓練數據，利用用戶行為數據中的多個維度的特徵作為入參，可以做出準確率相對比較高的LTV預測模型。這其中無論是使用決策樹、回歸演算法還是神經網路，只要數據量滿足，預測的準確率是可以基本保證的。一旦擁有了這樣的LTV預測模型，那麼用戶運營的結果就可以有效的監控起來。

雖然機器學習關於預測的演算法已經非常成熟且越來越普及，但是確實也不是所有的公司都具有開發預測模型的能力。在不具有開發預測模型的能力的情況下，負責用戶運營的同學也可以根據歷史上用戶的短期留存率和短期營收數據作為入參，擬合出來粗略的LTV計算公式。作為用戶運營的基礎數據模型。

三、LTV的應用

當LTV的數據計算方法被各方認同之後，利用LTV可以做用戶運營效果的檢測，並沉澱為後續用戶運營活動的經驗。

在用戶獲取和用戶召回的時候，利用不同渠道獲取到了用戶的短期行為數據作為基礎預測出的LTV。在計算出LTV後，就可以同時綜合考慮投放成本，確定不同渠道的價值，從而確定怎樣的投放組合在用戶獲取中是最高效的方法。在用戶留存時，不論是做活動還是發送優惠券，都需要衡量這些用戶運營活動之後LTV的預測值的變化。根據LTV預測值的提升結果，可以了解到不同活效果的好壞，從而總結後續以留存為目的的運營活動到底該如何改進。

不僅僅日常的用戶運營活動需要看LTV，一些特殊階段也不例外，比如早期增長或者產所在行業面臨激烈競爭的時候。在這些特殊階段，團隊決策層的注意力可能會僅僅放在用戶運營結果的絕對量上，比如活躍用戶數，新增用戶數。即使在這種情況下，用戶運營的投入產出比可以為負數，單並不意味這LTV可以放棄去考慮。資源有限的情況下，總是找到最優解。使用LTV來提前預估不同的投資組合的效果之後，在產品早期或者競爭期會更有優勢。

有效地利用LTV，不僅僅是為了衡量用戶對產品的價值，更重要的是進一步驅動產品的進步。

推薦閱讀：