LTV（客户生命周期价值）

公式，以及每个术语背后隐藏的含义

标准公式是每期平均收入乘以利润率，再乘以平均客户生命周期——其中平均生命周期被视为一除以流失率。用数字写出来时它是明确的，这既是它的优点，也是它的陷阱。

以每月收费 $45、贡献毛利率为 40% 的订阅服务为例，每次续订贡献 $18，每月流失 6% 的订阅者。平均生命周期是一除以 0.06，即 16.7 个月。LTV 是 $18 除以 0.06，即 $300。

现在改变一个输入参数。如果每月流失率为 8%，同样的客户价值是 $18 除以 0.08，即 $225——减少了四分之一，仅仅因为流失率增加了两个百分点。LTV 对流失率输入参数的敏感度高于公式中任何其他参数，这就是为什么它是一个有用的管理数字，也是为什么通过选择一个美化的流失率定义很容易改变它。

这个公式包含一个已知是错误的假设：它将客户生命周期中的流失率视为恒定不变。实际的留存曲线早期陡峭，后期趋于平缓，因此，统一应用一个单一的混合流失率会低估那些在前几个月存活下来的客户，而高估那些没有存活下来的客户。这两个错误不会以任何可预测的方式相互抵消，这使得该公式成为一个可用的估算值，但却是一个糟糕的预测。

LTV 在没有明确时间范围的情况下毫无意义

一除以流失率是一个趋于无穷大的总和。它假设企业会从客户那里持续收款，只要算术运算继续，但没有哪个企业会这样做——资金、库存和规划都发生在有限的时间窗口内，而一个忽略了该窗口的数字无法为在该窗口内做出的决策提供信息。

纠正方法是引用带有时间范围的LTV：90天LTV、12个月LTV、24个月LTV。对于足够老的同期群，这些是实际测量的，而非模型估算的，它们才是实际做出获客决策的依据，因为本月用于广告的现金必须在某个可明确的时间段内收回。

这个差距比看起来要大。沿用同样的例子——1,000名客户，每月贡献 $18，每月流失 6%，第一个月完全计入——每位获客客户的累计贡献如下所示。一家企业以 $100 的获客成本宣称 $300 的LTV，即三比一的回报。同样的业务在十二个月的时间范围内，回报率约为 1.6 比一，并且必须再为差额提供两年的资金。这两个数字都正确；但只有一个是计划。

贡献毛利LTV 对比 收入LTV

LTV 虚高的最大单一来源是在应该使用贡献值的地方使用了收入值，这并非四舍五入的差异。

继续以上述例子为例：一笔 $45 的订单，商品成本 $14，拣货、包装和运输成本 $8，支付处理费 $1.60，折扣和退货准备金 $3.40，最终留下 $18 的贡献。在 6% 流失率下，收入LTV 是 $45 除以 0.06，即 $750。贡献LTV 是 $300。对比 $100 的获客成本，前者显示 7.5 比一，后者显示 3 比一——其中一个支持将支出翻倍，而另一个则表明业务已接近盈亏平衡点。

应扣除的项目包括：商品成本、履约和运输成本、支付处理费、促销折扣、退货和退款，以及任何可真实归因的每订单支持成本。不应扣除的项目包括：不随客户变化而变化的固定开销，以及获客成本本身，LTV 是与其进行比较，而非从中扣除。如果你确实扣除了获客成本，请将结果标记为净LTV，因为这两个量经常被混淆。

为什么同期群LTV 优于单一混合数字

混合LTV 是根据当前所有在册客户计算的，这意味着它是根据那些存活下来的客户群体计算的。那些已流失的客户不包括在内。每当获客速度减慢时，结果就会向上漂移；每当获客速度加快时，结果就会向下漂移，其原因与客户的实际价值无关。

同期群LTV 提出了一个不同的问题：在特定月份获得的所有客户中，到第 1、3、6、12 个月，他们各自产生了多少累计贡献？分母在获客时就已固定，并包括了已流失的客户，因此这个数字不会因混合效应而被美化。

它还能在变化发生时立即显现，而不是在客户生命周期结束后才显现。获客渠道的变化、更深的入门折扣或新的入门产品会立即体现在下一个同期群的第 3 个月数据中，而混合平均值则需要与平均客户生命周期一样长的时间才能反映出来。

实际形式是一个表格：同期群在侧边（行），自获客以来的月份在顶部（列），单元格中是每位获客客户的累计贡献，并且只有超出实际观察月份的数据才使用模型值——并标记为“模型估算”。任何超出观察窗口的数据都是预测，在页面上应明确显示为预测。