计算LTV的方法 - Wq

对于APP拉新来说，重点要看的是投放带来新客的收益是否能cover住获客成本，用公式表示就是LTV > CAC。

其中LTV(Lifetime Value)是新客作为用户的生命周期价值；CAC（Customer Acquisition Cost）。

CAC很好计算，只要看此次获客投放花出去的金额，除以获得的新客数量。

而LTV的计算稍微麻烦些。

单个用户的生命周期价值，等于生命周期的时长乘以单个周期内的消费金额。然后可对所有用户的生命周期价值加总。

如果直接以整体来看得到总的生命周期价值，那么可以将所有用户的生命周期加总，再乘以平均的用户消费金额。

LTV = LT × ARPU

其中，ARPU是平均消费金额，可以进一步拆解。

ARPU = 平均客单价 × 平均消费频次

这里的重点和难点就是LT的计算，即要得到某一次获客活动得到的全部新客用户的加总生命周期。

LT的计算，一般来说，有两种思路。

第一种，求和法。

基于历史获客数据，来回算用户的总LT。这就依赖需要先用历史数据做一个Cohort Analysis（用户同期群分析）。这个分析是对每个周期的获客计算出T+n不同期数的留存率，n看行业特征取多少，一般可以取24个月或36个月截断。

然后对每一期的留存率加总，即：

LT = 1 + R(1) + R(2) + … + R(n)

第二种，函数法。

现实中用户的留存率可能不是稳定的、或者很难在用户已经过了12个月再去看这批用户的LT是多少，更多的时候我们需要根据用户早期的一些表现来“预测”用户的LT，这样才能更快地调整拉新策略或者运营策略，这时候就涉及到了函数法。

函数法的基本逻辑是用一个函数来预测用户的留存率曲线，因为LT本质上是对留存率曲线进行求积分，所以一旦我们能够根据用户早期的留存情况拟合一个用户留存曲线出来，那么我们在用户生命周期的早期就能“预测”这批用户的LT，所以说函数法是真正用来做LTV预测的方法。

函数法，核心是用何种函数来进行拟合。这个问题没有标准答案，但是有经验解。一般来说，工业界常用的函数有三种：