如何理解和预测客户终身价值

什么是CLTV？

客户终身价值（Customer Lifetime Value, CLTV或LTV）是表明业务整体健康状况和在客户生命周期中留住客户的能力的最重要指标之一。当客户选择使用公司的产品或服务一段时间后，TA们在这段时间内支付的净额将决定TA们的终身价值。了解和监测客户在整个客户旅程中的价值，可以让公司规划并提高各种活动的生产力和效率。

CLTV与客户终身收入（Customer Lifetime Revenue, CLTR）不同。CLTR反映的是客户对顶线收入的贡献，而CLTV衡量的是从客户的收入贡献中扣除主营业务成本（Cost of Goods Sold, COGS）后的利润贡献。

Photo by Austin Distel on Unsplash

如何衡量CLTV？

CLTV=ARPU（或ARPPU）*毛利率*留存率

CLTV的计算包括三个主要部分：

• ARPU（或ARPPU）
• 毛利率
• 留存率

ARPU（Average Revenue per User，每用户平均收入）反映了客户做出的收入贡献。ARPPU（Average Revenue per Paying User，每付费用户平均收入）是指从总的客户群中减去非付费客户后，付费客户所做出的收入贡献。当ARPU和ARPPU较低时，往往意味着业务未能从产品或服务中提取足够的价值，原因是错误地锁定了低收入客户，或者缺乏可靠的计划升级或向上销售的策略。

毛利率衡量的是在扣除COGS后占总收入的百分比。例如，某公司有10万名客户，ARPU为1000美元，COGS为8000万美元。毛利润为2000万美元（=1亿美元-8000万美元）。毛利率为20%（=2000万美元/1亿美元），即总收入的20%为利润。

留存率是指公司能够留住客户并让TA们坚持使用产品和服务的比率。留存率是另一个重要指标，可以从中洞察客户行为随时间的变化。满意的客户很可能会长期使用业务，而不满意的客户则会逐渐变得不活跃和/或最终从业务中流失。为了衡量从现有客户和潜在客户那里获得的预期收入，需要准确捕捉和预测留存率。

如何计算留存率？

有两种常用的方法来计算现有客户的留存率。一种方法是基于快照（snapshot）视图。另一种方法是基于同期群（cohort）视图。

当客户购买行为更像是一次性承诺时，快照法是很有用的。它意味着客户一旦购买，交易就完成了。面临的挑战是，在识别愿意重复购买的客户以及TA们何时可能进行重复购买时，往往存在不确定性。此外，也很难确定哪些客户变得不活跃并停止购买产品或服务。

同期群留存率可以监控某一客户同期群在整个客户生命周期内的健康状况。可以使用不同的获取或行为属性来定义客户同期群，例如，客户何时进行初次购买或何时首次下载并使用该应用程序等。在订购类业务中，可以直接确定客户何时订购产品、内容和/或服务，以及客户何时决定终止订购。对于经常性交易的订购模式，根据客户的付款周期来衡量留存率是相当有用的。

为了基于快照视图计算留存率，需要在期初对客户群创建快照。然后确定期间新增客户数和流失客户数。留存客户数就是期初客户数加上新增客户数，再减去流失客户数。

快照留存率=留存客户数/收入客户群

假设在某一时期开始时，拥有900名客户，而在这一时期内增加了100名新客户，流失了300名客户。该时期结束时的留存客户数为800名。这个时期的留存率为800/1000=80%。

要衡量同期群留存率，首先需要根据初始购买日期、注册日期或利用其他客户属性将客户划分为同期群。同期群留存率计算的是某一客户同期群在其初始购买日期或注册日期之后的每个连续时期的留存率。

假设同期群规模为1000名客户——TA们在某一月内注册了订购服务，初次注册日期后30天内留存了800名，初次注册日期后60天内留存了750名，初次注册日期后90天内留存了700名。M1（1个月）的绝对同期群留存率为80%、M2（2个月）为75%，M3（3个月）为70%。

衡量评估CLTV

虽然衡量和追踪现有客户群的实际CLTV很重要，但是公司还需要能够估量现有客户和潜在客户在较长时期内的CLTV。在预测CLTV时，需要考虑以下几点：

1. 预测需求

在了解未来需求时，需要估计新获取的数量。在计划营销预算和营销活动时，需要通过各种营销渠道或营销活动来了解业务的未来需求。需求预测的一些关键投入包括：

• 预期营销支出
• 每次获取成本（CPA）
• 预期部署的活动以及活动部署的频率
• 预期的流量（即会话等）
• 转化率（即访客注册率、点击率等）

2. 预估留存率

理解和监控留存率有助于准确预测客户保持使用业务的可能性有多大。在对现有客户群进行细分时，可能会发现不同细分类别的客户留存模式各不相同，需要将适当的留存曲线应用于正确的客户细分类别或同期群。此外，可以利用高级分析和机器学习来识别客户概况和行为属性，并预测现有客户和潜在客户保留业务或从业务中流失的可能性有多大。另外，这还提供了一些视野，使业务团队能够主动与客户联系、提供相关产品，并将潜在的流失客户带回其生命周期。

3. 估算利润率

随着CLTV预测过程越来越复杂，需要考虑估算利润率，其中包括估算ARPU（或ARPPU）和COGS。根据不同业务模式的侧重点，有些业务会专注于现有客户的收入扩展，而另一些业务则可能专注于瞄准新市场和潜在客户。ARPU（或ARPPU）和COGS的变化速度会随着时间而改变。

进一步讨论

在下面的示例中，同期群1（Cohort 1）的客户相比于同期群2（Cohort 2）的客户具有更高的预估CLTV。Cohort 1的24个月CLTV为53美元，而Cohort 2的24个月CLTV为38美元。假设客户获取成本（Customer Acquisition Costs，CAC）为15美元，则Cohort 1的24个月CLTV/CAC比率为3.5，而Cohort 2的24个月CLTV/CAC比率为2.5。

业务从Cohort 1的客户那里获得的终身价值大约是Cohort 1的客户获取成本的3.5倍。然而，Cohort 1的CLTV/CAC比率也高于Cohort 2，这表明Cohort 1可能比Cohort 2具有更好的产品或服务市场契合度。需要（1）优化CLTV，以及（2）重新评估CAC，以确保能够优化和花费适量的CAC来为业务吸引最有价值的客户。

首先，需要考虑运行情景分析，看看如何提高CLTV。例如，可以通过增加ARPU或ARPPU（即向上销售、交叉销售等）和/或降低COGS（即生产成本、服务成本等）来提高毛利率。还要注重提高客户的留存率，想办法让客户更长时间地保留业务。

总而言之，CLTV反映了公司在保持已获取的客户回访并重复购买方面的表现。了解现有客户的终身价值并估算未来需求的CLTV，有助于准确管理和规划客户获取成本（CAC），最终实现效率和可盈利增长。