用户全生命周期价值（LTV）指标如何计算

今天想和大家分享的LTV，顾名思义就是用户生命周期价值。 以互联网的产品来说，用户生命周期（Life Time， LT）即是第一次下载并打开你的APP至再也不来的周期。在这个周期内用户使用服务或商品所贡献的商业价值。

一、LTV如何计算

LTV 的计算有很多模型，我们先用最简单直白的方式来解释 LTV。

用户生命周期价值（LTV）=平均用户生命长度（LT））*用户价值（ARPU）

用户价值（ARPU，Average Revenue Per User/Unit）=一段时间内的平均用户每次付费的金额*一段时间内的平均用户购买频率。（按行业的不同，一般会采用年/月/周作为一段时间来计算）

平均用户生命长度：平均用户持续于平台上购买的时长

这里关键点是LT不容易获得，我们需要用模型来预测LT,LT计算常用公式如下：

LT=1/（1-留存率）

现在需要解决留存率的预测即可

留存率预测模型通过回归算法方式建模，根据前几个月留存数据预测后续月的留存，从而及时调整增长策略。

首先我们先得到30天留存数据：

如何通过30天留存率预测用户180天以上的留存率呢？

我们用一元二次回归函数拟合出回归函数y = 0.3317x-0.315

R方一般大于0.8表示拟合优度较高，拟合度较好

这个函数是怎么拟合出来的呢，我们用Excel实现一下

使用以上的30天留存数据先生成一个散点图，然后插入趋势线，选择幂函数，下方的显示公式和显示R方都选中，这样就得到留存率的拟合图和公式。

接下来要通过公式拟合30天以上的留存率，怎么操作呢？从第一天开始，留存率输入拟合函数=0.3317*POWER(E22,-0.315)，这样可以得到任意N天的留存率，形成MAU沉淀的测算模型。

如果我们要计算用户180天的生命周期价值，留存率预测为6%，则LT=1/（1-6%）=1.06天。

ARPU是这段期间内的用户实付金额/用户数

这样我们就得到了目标期间内的用户LTV。

二、LVT怎么使用？

有三个场景可以应用LTV

• 拿来衡量既有的 CAC 指标是否合理
• 提升LTV以提升公司整体营收与获利
• 衡量不同的用户群/获客渠道/营销方案/产品功能迭代的质量与效果。

如何深度应用我们之后的文章再深度讲解。

来源：用户运营观察