有限資料下， 如何計算LTV

在往下之前，我們先來看一下常見的LTV 計算公式是什麼(以訂閱制服務為 ... 分群估算LTV 這個概念很重要，要用同一個Retention Curve 和ARPU（Average ... 訂閱電子報，新文章不漏接 GO 跳至主要內容 文章導覽 ←上一篇 下一篇→ LastUpdatedon2021年06月10日bymrpm 在往下之前，我們先來看一下常見的LTV計算公式是什麼(以訂閱制服務為例）： LTV=ARPU/Churnrate （可看一下這：LTV公式怎麼來的） 問題來了，你的訂閱服務剛上線不久，有用戶付費，也有用戶流失了，但在計算LTV上，有幾個點讓你很苦惱： 每個月的ChurnRate變化很大，第一個月50%，第二個月5%，第三個月變10%，那我在公式中的churnrate，該抓多少？ 年約方案還沒有用戶流失，這樣難道公式中的Churnrate用0套入嗎？這樣會造成LTV無法計算。

有限的資料下，怎麼計算LTV 在這種有限資料的狀況下，我們必須回頭看一下LTV的本質是什麼： 營收=LTV*用戶數 依照上面的算式，其實估計LTV就是估計營收。

那我們再來算下面兩個不同retentioncurve的營收差異會如何： 假設每個月的訂閱費用都是100元，則 藍色線營收：3,000元=>LTV：300元 橘色線營收：2,100元=>LTV：210元 藍色線比橘色線多了42.8%，差異頗大。

在資料有限的情況下，要估計LTV的話，我們需要一些協助 所以我們可以知道ARPU/Churnrate這個公式背後，是假設流失率是固定的，但在實務上，流失率是第一個月最高，然後慢慢降低的，所以在用ARPU/Churnrate來計算LTV時，會有錯估的風險。

沒有人會知道LTV是多少，LTV一直以來都是個一直變化的估計值 LTV是透過估算未來用戶的生命週期長度和付出的金額，來作為估計的基礎。

所以產品越run越久後，你收集到更多資料，估計起LTV就會越準，所以你每個月估計的LTV，可能會是這樣： 2020/01：300元 2020/02：280元 2020/03：340元 每一次的變動都是你對於用戶churnrate和付出的金額，有更深入的了解後，做出的調整，這很正常，沒有產品的LTV應該是固定不動的。

所以當你手頭資料有限時，你估算LTV的方法，其實就是在估算你的retentioncurve會是長的什麼模樣。

假設你的retentioncurve是： 2020/01：100%(來自realdata） 2020/02：40%(來自realdata） 2020/03：35%(來自realdata） 2020/04：30%(來自realdata） 假設之後2020/04後，每個月的churnrate固定是5% 假設用戶數一開始是100個，ARPU是50，這樣LTV計算方式就會是：100*50+40*50+35*50+30*50/5%=38,750。

LTV：38,750/100=387.5。

所以當你越run越久，你知道2020/4之後的churnrate其實更低，你就可以修正你的LTV，或是因為你做了優化和迭代，所以前三個月流失的比例變少了，這樣你的LTV也會跟著改變。

來試試看用EXCEL算LTV吧 若你對EXCEL很熟的話，你也可以用畫出趨勢線的方法，來估計RetentionCurve，進而算出LTV。

像下圖你可以算出估計的RetentionCurve曲線是Y=0.506X^2–0.654，可以用這個方程式推估後面的留存率。

這邊是用來估算RetentionCurve範例表格 年約用戶還沒流失，那怎麼計算LTV 面對年約用戶，在估算LTV有幾個點需要注意一下。

一般來說，我們會把月費和年費客戶的LTV和CAC（顧客獲取成本）作為兩個族群分開來看，分群估算LTV這個概念很重要，要用同一個RetentionCurve和ARPU（AverageRevenuePerUser），是會產生極大的誤差，一定要分開來估計。

估計年費用戶LTV的作法，一樣也是先估計營收和續約率，雖然年費客戶還沒開始續約，但你可以透過客戶的使用量來預估續約機率，我們可以抓取月費用戶的使用量和續約率的資訊，請資料科學家協助，資料科學家就可以幫忙預估續約率，有了續約率之後，估算LTV自然就簡單了。

第一次續約和第二次續約的客戶行為差蠻多的，建議也是拆開來看。

LTV其實很難用，其他數字重要多了 因為LTV是一直在變動的，而SaaS若處在早期，資料不足很難估計LTV的話，不如不要估，應該要把時間花在PBP（PaybackPeriod）、新客留存率（一個月、三月月、六個月、一年）、MRR（MonthlyRecurringRevenue）這些指標上會更有意義些。

LTV對筆者來說，對剛上線的產品，就只能是估計值，所以作假機會很高，所以算是虛榮指標，對現況的改善不大，所以奉勸大家，若你的SaaS服務處在早期，就別花太多時間糾結計算LTV囉。

-- 我的線上課：數據化營運和產品增長，都上線囉，歡迎大家報名 關於作者：Mr.PM下午先生 資深產品顧問、數據化營運專家、企業內訓講師。

這邊有更詳細的個人簡介 過往演講投影片整理 FB社團：Growthhacker秘密筆記簿 免費OfficeHour：線上預約我的OfficeHour 數位時代訪談：做好產品經理三法則。

用E-mail接收最新文章通知: Leavethisfieldemptyifyou'rehuman: 相關文章: 能產生共鳴的廣告範例LastUpdatedon2019年05月28日bymrpm…閱讀全文→... 產品增長計畫的制定LastUpdatedon2020年03月08日bymrpm…閱讀全文→... 【APP改版系列】如何設定APP回訪率KPILastUpdatedon2019年12月04日bymrpm…閱讀全文→... DAU、WAU、MAU哪一個為主？RetentionCohort該看日、週、月哪一個？LastUpdatedon2020年05月02日bymrpm... 從AARRR到RARRALastUpdatedon2019年11月21日bymrpm…閱讀全文→... LTV常見公式推導+應用限制討論LastUpdatedon2020年09月26日bymrpm…閱讀全文→...