微信扫码登录

其他登录方式

绑定手机号

注册

我同意用户协议

忘记密码

用户协议

绑定手机号

近期有不法分子打着爱盈利的旗号,制作“爱盈利”名称的App,并伪造爱盈利证件,骗取用户信任,以抖音点赞赚钱或其他方式赚钱为名义,过程中以升级会员获得高佣金为名让用户充值。
爱盈利公司郑重声明:我司没有研发或运营过任何名为“爱盈利”的APP,我司做任务赚钱类产品从没有让任何普通用户充值升级会员。我公司产品均在本网站可查询,请将网站拉至底部,点击“关于我们”可查看爱盈利相关产品与服务。
温馨提示:当遇到此类问题请拨打官方电话或添加官方微信,以免财产损失。爱盈利官网地址:www.aiyingli.com。
  • 推广与合作
X

LTV:衡量用户对产品的价值

来源:网络 2604

爱盈利(aiyingli.com)移动互联网最具影响力的盈利指导网站。定位于服务移动互联网创业者,移动盈利指导。我们的目标是让盈利目标清晰可见!降低门槛,让缺乏经验、资金有限的个人和团队获得经验和机会,提高热情,激发产品。

有效地利用LTV,不仅仅是为了衡量用户对产品的价值,更重要的是进一步驱动产品的进步。

 

一、LTV定义

LTV(life time value)也就是用户生命周期价值,是产品从用户获取到流失所得到的全部收益的总和。LTV用于衡量用户对产品所产生的价值,是所有用户运营手段为了改善的终极指标,同时LTV也应该是所有运营手段的最终衡量指标。以用户获取为例,一个用户获取渠道的新客成本是否昂贵,并不仅仅取决于这个新客成本的绝对值的高低,还取决于获取到的用户LTV是多少。同样一个产品,A渠道的新客获取成本是150元,B渠道的新客获取成本是300元,直观地感受A渠道效果更好。但是如果后续追踪LTV之后,A渠道的用户平均LTV是100元,B渠道用户平均LTV是400元。在考虑LTV之后发现,A渠道每个新客亏损50元,B渠道赢利100元,虽然B渠道新客价格更贵,但是B渠道更加有效。

不管是用户获取、留存还是唤醒,需要投入多少资源,都可以用LTV来进行衡量。统一成公式就是如下所示:

LTV:衡量用户对产品的价值

其中rate代表投入产出比,LTV:衡量用户对产品的价值 代表用户运营活动使得LTV增加的量,cost代表运营活动投入的成本。

当投入产出比大于1的时候,则代表这次活动就是有正收益的。这是一个非常简单的公式,但是在实际的用户运营中,却很少用到,除了LTV概念没有深度普及之外,还有一个关键的原因就是,生命周期价值的提升难以在短时间内衡量。实际上这个问题也并非没有解决办法。下面我们就会提到如何计算LTV,从而提升LTV的投入产出比。

二、LTV的计算

在网上目前会看到一些比较通识性的LTV计算方法,使用MMR代表每月用户用户给平台带来的收入,churn rate代表用户的月流失率,那么LTV的计算方法如下所示:

LTV:衡量用户对产品的价值

这种简单的计算方法隐含了两个假设:用户结构稳定不变、用户质量稳定不变。这两个假设就意味着,新用户的质量总是长期稳定不变,不管从什么渠道获取到的用户都有一样的流失率和收入情况,同时产品的用户规模不会出现比较大的波动。显然这些假设在实际中就是不存在的。用这种方式计算的LTV仅仅能作为一个宏观数据的参考,并不能真正指导业务。

那么,什么样的LTV计算才是有价值的呢?结合我们提到的LTV的应用场景,就是要能够计算用户运营活动的投入产出比。不管是拉新、留存还是召回,本质上都是针对不同用户的活动,每次活动的成本是可以计算的,那么为了计算运营活动的投入产出比,这就意味着需要尽快检测出来不同维度的用户群的LTV变化。

要精确的计算每个用户的LTV,意味着需要等用户流失之后才能知道LTV的精确值,这个过程短则几个月,长则数年。显然用户运营活动显然不可能等比较长时间之后,才去看这个精确的LTV结果。为了能及时计算LTV的变化,就需要用一些回归或者预测类的算法。比如最典型的新用户获取问题,一般投放的BD衡量一个渠道的好坏,除了看新客成本,还通过一些短期数据来简单判断某个渠道内用户的整体质量如何以及将来的赢利能力如何。这些短期数据包括新客的次日留存,7日留存,30日留存这些留存数据,以及7日消费额,30日消费额等营收数据。既然BD可以用这些数据可以做出基于人工经验的判断,那么就意味着短期数据中有足够预测用户长期LTV的信息量。

相比于人工考虑的短期数据,数据系统记录用户短期内使用产品的全部行为数据包含了更大的信息量,用这些数据作为入参,可以更好的更好地预测LTV的结果,进而检测LTV的变化。利用历史上用户行为数据以及最终的LTV情况作为训练数据,利用用户行为数据中的多个维度的特征作为入参,可以做出准确率相对比较高的LTV预测模型。这其中无论是使用决策树、回归算法还是神经网络,只要数据量满足,预测的准确率是可以基本保证的。一旦拥有了这样的LTV预测模型,那么用户运营的结果就可以有效的监控起来。

虽然机器学习关于预测的算法已经非常成熟且越来越普及,但是确实也不是所有的公司都具有开发预测模型的能力。在不具有开发预测模型的能力的情况下,负责用户运营的同学也可以根据历史上用户的短期留存率和短期营收数据作为入参,拟合出来粗略的LTV计算公式。作为用户运营的基础数据模型。

三、LTV的应用

当LTV的数据计算方法被各方认同之后,利用LTV可以做用户运营效果的检测,并沉淀为后续用户运营活动的经验。

在用户获取和用户召回的时候,利用不同渠道获取到了用户的短期行为数据作为基础预测出的LTV。在计算出LTV后,就可以同时综合考虑投放成本,确定不同渠道的价值,从而确定怎样的投放组合在用户获取中是最高效的方法。在用户留存时,不论是做活动还是发送优惠券,都需要衡量这些用户运营活动之后LTV的预测值的变化。根据LTV预测值的提升结果,可以了解到不同活效果的好坏,从而总结后续以留存为目的的运营活动到底该如何改进。

不仅仅日常的用户运营活动需要看LTV,一些特殊阶段也不例外,比如早期增长或者产所在行业面临激烈竞争的时候。在这些特殊阶段,团队决策层的注意力可能会仅仅放在用户运营结果的绝对量上,比如活跃用户数,新增用户数。即使在这种情况下,用户运营的投入产出比可以为负数,单并不意味这LTV可以放弃去考虑。资源有限的情况下,总是找到最优解。使用LTV来提前预估不同的投资组合的效果之后,在产品早期或者竞争期会更有优势。

有效地利用LTV,不仅仅是为了衡量用户对产品的价值,更重要的是进一步驱动产品的进步。

 

爱盈利-运营小咖秀(www.aiyingli.com) 始终坚持研究分享移动互联网App运营推广经验、策略、全案、渠道等纯干货知识内容;是广大App运营从业者的知识启蒙、成长指导、进阶学习的集聚平台;

想了解更多干货知识,请关注公众号运营小咖秀(微信搜索: yunyingshow)

【转载说明】   若上述素材出现侵权,请及时联系我们删除及进行处理:8088013@qq.com

评论

相关文章推荐

SELECT dw_posts.ID,dw_posts.post_title,dw_posts.post_content FROM dw_posts INNER JOIN dw_term_relationships ON (dw_posts.ID = dw_term_relationships.object_id) WHERE 1=1 AND(dw_term_relationships.term_taxonomy_id = 3083 ) AND dw_posts.post_type = 'post' AND (dw_posts.post_status = 'publish') GROUP BY dw_posts.ID ORDER BY RAND() LIMIT 0, 6

京ICP备15063977号-2 © 2012-2018 aiyingli.com. All Rights Reserved. 京公网安备 11010102003938号