🏠 首页 / 📂 06-数据分析与建模

📄 06.31-02-用户生命周期价值LTV计算与分层

📅 日期: 2026-05-30

02-用户生命周期价值LTV计算与分层

💡 问题

很多电商花大价钱买量，但算不清"这个新用户到底值多少钱"。获客成本（CAC）节节攀高，如果LTV < CAC，买一个亏一个。电商人必须掌握LTV计算方法，才能回答：我们应该花多少钱去买一个用户？

📖 学习

参考文章：《产品思维体系｜如何理解LTV模型与用户增长》（人人都是产品经理）

LTV核心公式

LTV（Lifetime Value）：指一个用户在生命周期内创造的价值总和。 基本公式： `

LTV = LT（用户生命周期） × ARPU（每次活跃产生的价值）

`

其中：

  • LT（Lifetime）：用户从第一次启动到最后一次启动之间的时间
  • ARPU（Average Revenue Per User）：用户每次活跃中产生的收入价值

简化计算公式

`

LTV = 每月平均用户收入 × 平均生命周期（月）

` 示例：如果ARPU = $0.5/月，平均生命周期 = 3个月，那么LTV = $0.5 × 3 = $1.5

LT的计算方法

LT ≈ 各日留存率之和（对数/乘幂拟合的优度接近1）

具体：第1天留存时间X/X=1天，第2天X2/X天...累计即为LT。

ARPU的计算

`

ARPU = 某时间周期内总收入 / 同周期内用户数

`

对于电商：ARPU = 活跃天数 × 客单价产生的价值

🔍 分析

用户增长的双因素模型

用户规模不能只看数量，要考虑质量：

`

用户规模 = (新增 + 活跃 + 唤醒 - 流失) × 用户质量

`

用户质量指标参考RFM模型（R=最近交易间隔，F=交易频次，M=交易金额）。

AARRR与RARRA模型

  • AARRR：Acquisition → Activation → Retention → Revenue → Referral
  • RARRA（存量时代衍生版）：Retention → Activation → Revenue → Referral → Acquisition

- 核心变化：从"先获取再留存"变为"先做留存再做获取"——存量时代，留存比拉新更关键

🧠 理解

底层逻辑：LTV本质上是一种折现思维——把用户未来能产生的总收入折现到现在，用来评估"值不值得去获取这个用户"。

类比：买股票——CAC（获客成本）是买入价，LTV（生命周期价值）是这只股票的长期价值。LTV < CAC 就是买贵了，这只"用户股票"不值得投资。

关键洞察：
  • LTV > 3×CAC 才是健康的商业模式（很多SaaS公司的标准）
  • 高客单价 ≠ 高LTV，低价值用户也可能因为长期复购而LTV很高
  • LTV的计算精度取决于LT的估算（留存率拟合曲线的选择）

    • 🔗 内化

    关联已有知识：
    • 关联「02-市场洞察与产品研发/用户画像」：LTV分层和用户画像需要结合，才能做差异化运营
    • 关联「03-财税法务与资本/ROI计算」：LTV/CAC比例是判断商业模式是否成立的核心财务指标
    • 关联本文「06-数据分析与建模/04-RFM模型」：RFM是LTV的输入之一，通过RFM分层后计算各层用户的LTV
    类比迁移：
    • LTV就像超市的会员卡——短期看每次购物金额不大，但长期的复购价值巨大
    • CAC就像钓鱼的鱼饵成本——必须确保钓上来的鱼（LTV）比饵料（CAC）值钱

    🚀 迁移（实战应用）

    LTV应用的四大场景

  • 优化投放策略：不同渠道用户对比LTV，决定预算分配
  • 业务赋能决策：不同项目/品类用户LTV对比，决定资源投入
  • 用户转化提升：运营活动前后LTV曲线变化，评估活动效果
  • 流失预警：LTV下降至阈值，触发流失召回策略

    • LTV预估模型五阶段策略

  • 用户引入阶段：降低获客成本，根据用户画像预估价值，指导出价
  • 新增用户阶段：衡量买量效果，通过用户行为数据做A/B测试迭代
  • 活跃用户阶段：筛选高/中/低价值用户，匹配不同策略
  • 流失预警阶段：价值波动大时触发push召回
  • 流失召回阶段：通过LTV判断是否值得召回（召回成本 < 新增成本通常值得）

    • ✅ 实践

    案例数据（某电商APP测算）

    • 渠道A：CAC=50元，月ARPU=15元，平均留存4个月 → LTV=60元 → LTV/CAC=1.2 ❌
    • 渠道B：CAC=80元，月ARPU=25元，平均留存6个月 → LTV=150元 → LTV/CAC=1.875 ✅

    → 结论：加大渠道B投入，优化渠道A的留存策略

    常见错误（错题本）

    | 错误 | 后果 | 纠正 |

    |------|------|------|

    | 用全部用户平均LT | 高价值用户的LTV被"平均"掉 | 按用户分层分别计算LTV |

    | 忽略时间折现 | 高估远期收入 | 加折现率，N年后的100元不值100元 |

    | LT拟合方法不对 | LTV偏差巨大 | 选对数/乘幂拟合，验证拟合优度R² |

    | 只看LTV不看CAC | 不知道亏不亏钱 | 永远看LTV/CAC比例 |

    🔄 调整

  • 定期校准LT：每月重新计算留存率，更新LT拟合曲线
  • 渠道LTV对比：每周渠道报表加上预估LTV列
  • LTV预警机制：当LTV/CAC < 1.5时，触发预警

    • 🎯 成事

    一句话总结：LTV是电商获客的"价格锚"，不知道用户值多少钱，花出去的每一分获客费都是赌博。记住LTV > 3×CAC是健康信号，LTV < CAC是死亡信号。 核心知识点：

    ✅ LTV = LT（生命周期） × ARPU（活跃收入）

    ✅ LT ≈ 各日留存率之和（需做拟合）

    ✅ LTV/CAC > 3 才是健康商业模式

    ✅ 使用LTV做渠道评估、用户分层、活动评估

    ---

    参考文章：[1] 人人都是产品经理《产品思维体系｜如何理解LTV模型与用户增长》
    ↑ 返回顶部