数据分析中关于LTV的计算与预估

大家好，我是才哥。

不少朋友们看完后留言希望出一期关于LTV的计算和预估科普贴，刚好最近才哥也在做这方面的数据处理。

考虑到有的同学更习惯用Excel，那么今天我们就一起来看看分别用Excel与Python计算和预估LTV吧。

1. 认识LTV

LTV(Life Time Value) 生命周期价值，也可以叫用户终身价值，一般来说我们用来指单个用户生命周期的平均价值，更通俗理解就是平均每个用户从开始使用到不再使用产品期间为产品贡献的总收入，注意这里是平均到每个用户的。

和LTV经常同时出现的还有CAC(Customer Acquisition Cost)用户获取成本以及ROI(Return On Investment)投资回报率。

其中CAC就是指产品获取单个用户需要的成本，我们在《》介绍过广告投放常见的数据指标中CP*如CPA、CPM等计费方式都是可以折算为单用户获取成本的。

而ROI = LTV / CAC：如果ROI>1，我们可以理解为收回了获量成本；业内一般认为ROI≥3，潜力无限啊；而若ROI<1，要哭了！！

到这里，有小伙伴可能就会问了，如果单纯在LTV是需要知道生命周期的，再去计算ROI的时候似乎是很滞后了。

对，小伙伴说的对。所以，这里我们会再引入PBP(Payback Period)回收周期和N日-LTV(N日内的LTV)。

关于N日-LTV，就是指平均每个新用户在N天内累计为产品贡献的总收入。

关于PBP，就是指当 N日-LTV / CAC>=1 时，N的值，此时意义上就是第N天收回了获量成本。

基于以上介绍，我们大致知道了LTV就是用户生命周期价值，它可以用来做以下事情：

• 衡量用户的质量（付费能力）
• 计算投资回报率
• 以及基于上述两点延展开的如 渠道用户质量对比、不同用户群质量对比，以此再进行投放计划调整或者产品内容推送优化等等

基于以上概念，接下来我们再详细介绍LTV的数理逻辑、利用历史数据计算N日-LTV以及利用历史数据预估LTV。

2. LTV的数理逻辑

我们再看一下概念：LTV(Life Time Value) 生命周期价值，也就是平均每个用户从开始使用到不再使用产品期间为产品贡献的总收入。

2.1. 最直接的计算公式

那么，我们得到最简单的计算公式如下：