ltv预测

clv和ltv的区别

对于一款免费移动游戏来说，开发人员早晚得计算用户的终生价值(LTV)，当然你也可以称之为客户终身价值(CLV)。在实际的计算中，其实是有许多的方法来计算LTV的。在这篇文章中，蝉大师将为大家介绍三种常见的计算方法，并就一些计算方法说出优缺点。

生命周期价值(LTV)是预测玩家在第一天到最后一天在游戏中产生的利润。

计算LTV方法之一

这里有一个非常简单的方法，便是按照不同时期的整个游戏的收入，除以同一时期的总用户数，公式如下图：

优点：计算速度超快的，甚至有时候你不用计算器，都能口算出来。

缺点：在这种方法中，对于每个用户段难以计算LTV，需要事先知道该段的大小和用户从该段带来的金额。

计算LTV方法之二

如果我们知道用户平均在应用程序中花费的天数，并且了解每天平均的消费金额，那么，我们就可以估算出他能为应用带来的总价值。而这个价值也就是我们说的LTV。这种计算LTV的公式如下：

这时候可能大家会问了，我该如何计算ARPU呢?这里蝉大师啰嗦一句，ARPU的计算方法如下：

ARPU (ARPU = ARPDAU )计算公式是，每日收入除以DAU。

优点：此公式非常的简单，甚至很容易就计算出ARPU。而且如果你有兴趣，可以每天计算LTV，可以单独为每个用户段计算LTV。

计算LTV方法之三

这种方法来自一位网友的文章，它的计算公式和LTV方法二的公式一样。

但在实际计算过程中它会更复杂，同样的得出的结果也将更准确一些。(下图为用户保留趋势图)。

根据已知值(例如1，7和28天)，我们需要构建保留率的曲线。 这时候我们会用到另一个方程式：

其中t - 是第一次访问的天数，F(t) - 未来保留方程，以及A，B和C--模型系数。

将已知的保留值(不管有多少)代入方程中，并获得系数A，B和C的方程组。

计算F(t)的实际值和建模值之间的偏差的平方差的和。

找到最小化累积偏差的A，B和C的值。 例如，使用MS Excel中的“Solver”工具非常简单。

在方程中用A，B，C的取代值代替，得到该函数，可用于根据需要评估多次的保留。

此外，您仍然可以选择复杂或简单的方法。

复杂的方法是找到保留函数的积分：

简单的方法在于，根据寿命值将保留曲线划分成段。 例如：一天后离开的用户，通过保留表计算与之相关的用户百分比(段权重)，然后计算所有段的平均生存期。

而另一种复杂的方法的公式是：

WACC是公司实际的加权平均资本成本。也可以将其等同于期望的股本回报率或替代项目的股本回报率。

我们假设我们计算了生命周期，然后再计算ARPU(收入/ DAU)，再乘以ARPU乘以寿命最终获得LTV。

优点：准确率非常的高，尤其是用户的寿命值，偏差很小。但这种方法，说实话，我看着脑袋都大了，当然，它能分别计算每个细分LTV。

缺点：计算复杂，尽管有些牛人会在几分钟内能计算出来，但说实话，我做不到。

好了，今天蝉大师为大家介绍的几个计算LTV的方程式的方法就说到这里，如果大家有什么疑问的话，可以联系我们，其实利用什么方法计算并不重要，重要的是适合自己就好，大家说是吗?。

本文由ASO蝉大师王雪华整理提供，如需转载 ，请注明出处，否则禁止转载!~~。

Ping++ 增长智能系统的用户生命周期价值（ LTV ）评估是怎么计算出来的？

没有区别。用户生命周期价值，英文名称 Customer Life Time Value，简称 CLV 或者 LTV。

随着精细化运营的铺开，过去粗放式的、买量用户已经不再买账。每个用户所能接受的最低服务各不相同。如何根据用户价值，进行资源的有效利用。最大化杠杆的使用，成为企业生死的关键。

过去，没有统一的理论出现在互联网应用或是游戏中。但是，运用跨学科的思维，就可以发现：市场营销领域已进行过研究，并给出了精度极高、可解释性强的模型方法。

用户生命周期判定，需要三个指标：

1、frequency 用户登录的频率，这里为周期内的天数。

2、recency 用户的最大周期，即第一次活跃到最后一次活跃。

3、T 用户所处阶段，第一次活跃到观察周期结束。

对于付费预测，还需要用户的平均付费金额。

通过分析历史交易数据预测出来的，背后的计算逻辑还蛮复杂的，需要很强的大数据分析能力才行。

原文地址：http://www.qianchusai.com/ltv%E9%A2%84%E6%B5%8B.html