# LTV分析 >[warning] 如需使用该功能,请联系您的客户经理开通权限 # 一、LTV 概述 ## 1、LTV **LTV(lifetime value)**,用户生命周期价值,是企业在与用户的互动过程中所获取的经济收益(收入或利润)的总和,是一个常用的分析指标。 LTV 关注的是用户在其整个生命周期中为企业创造的商业价值,是一个以收入/利润为导向的数据指标,通常用于进行用户成本-收益分析、回本周期估算,也用以辅助业务分析人员寻求高价值用户群体,挖掘可以提升用户价值的线索,或者帮助分析人员确定用户生命周期阶段的划分标准,从而对不同阶段、不同价值分层的用户施加不同的运营策略,提升总体用户价值。 在统计口径层面,测量一个产品的 LTV 时,通常计算的是所有用户或者某个指定人群的 **人均生命周期价值**,一般不会单独去看某个用户的生命周期价值。 ## 2、Llifetime 一个用户的完整生命周期,包括了其从成为新用户到最终流失的整个过程。 如果严格从定义出发,基于用户完整生命周期,进行价值测量,需要待到用户生命周期结束以后(用户流失以后)方可获取完整数据。这种统计方法被称为完整生命周期统计法。 采用这种统计方式得到的数据,虽然是精确、完整的,但却是以数据滞后过时、以损失时效性为代价的,而且这样计算得出的 LTV,反映的是已流失部分用户的 LTV,无法对当前仍留存和活跃的用户价值及其价值变动趋势进行评估。 因此,在日常经营分析时,考虑数据的时效性,一般对用户引入后一段时间(比如30天、60天、90天)内累计创造的价值进行统计,并观察这段时间内用户价值的增长趋势即可,因此这种方法也称之为区间统计法。例如可以去统计用户注册成功后N天内累积贡献的价值,同时还可以看到从第1天到第N天用户价值的增长趋势。易观方舟 LTV 分析,即是以“区间统计法”来计算LTV的。 ## 3、Value 企业在与用户的互动过程中所获取的经济收益(收入或利润),通常会选择以 充值金额、购买付费金额 等**营收性指标**来度量用户的Value,可以选择以毛收入来计算,也可以选择统计净利润。 # 二、 LTV 算法逻辑 ## 1、关键变量 方舟智能分析即支持以区间统计方法进行LTV计算,**在 LTV 分析模型中,有几个关键的变量(模型参数)需要确定:** * ### **初始时间** 即用户生命周期的起点,也是进行LTV计算的起点时间。在方舟中,可以选择指定某一事件,比如“注册”、“首购”,将事件的触发时间作为**初始时间**,也可以指定某一个日期(通过用户属性上报的时间型字段)作为**初始时间**。 * ### **营收指标** 可以选择某个或者某几个事件作为营收事件,并指定有多大的比例可被计为营收,比如可以定义将充值金额 的 70% 计为营收。 * ### **LT** 生命周期时长,在方舟中可以选择LTV 7、LTV 15、LTV 30、LTV 60、LTV 90几个时间节点,计算起始时间点当天以及之后的第1-7天、15天、30天、60天、90天的LTV。 根据上述变量,圈定要计算的人群后,去统计该部分人群,在指定生命周期时长内,累积贡献总价值的人均值,得到LTV\_n。 ## 2、计算过程 >[info] #### 以 LTV 7 为例说明生命周期价值的计算过程 * #### **Step 1:根据选定的初始时间,圈定初始用户群体** 指定某事件,将事件的触发时间作为 **初始时间**(如果在查询时间范围内用户多次触发该事件,则以第一次事件的触发时间作为初始时间),或者指定某个日期型用户属性作为 **初始时间。** 当 **初始时间** 在查询时间范围内时,即可以将相应的用户记为初始用户。 例如,查询时间范围为 20210101-20210102, 如果初始事件选择 “注册成功”事件,那么注册成功事件的发生时间在 20210101-20210102 区间的用户则为 初始用户群体; 如果初始时间选择了用户属性字段:“用户注册时间”,则注册时间在 20210101-20210102 区间的用户为 初始用户群体。 * #### **Step 2:根据选定的营收指标和LTV长度(LTV 7),计算该初始用户群体累计贡献的总价值** 对初始群体中的每个用户在指定LTV长度(LTV 7)上累计贡献的价值进行统计,并对所有用户的价值进行加和 * #### **Step 3:用初始用户群体累计贡献的价值 除以 初始用户数,得到人均** **LTV** 用初始用户群体的总累计价值,除以对应的初始用户数,得到相应LTV长度上的人均 LTV ,即为 LTV 7的结果值。 # 三、功能说明 >[warning] 如需使用该功能,请联系您的客户经理开通权限 ![](https://img.kancloud.cn/48/97/489750bc10b9380cbf21074174918a2a_2876x1444.png) 根据您的分析需求,设定模型条件,点击查询即可 其中 **初始事件/初始时间、营收事件、LTV n 为必选项,是模型条件中的关键参数**,详细原因和解释见上文“LTV算法逻辑“介绍部分 其他条件请根据需求设置 ## **1 初始事件/初始时间(必选)** ### **1)初始事件** 一般,初始事件是标识用户生命周期开始的事件,初始事件的触发时间即为 初始时间,例如可以选择 注册成功事件 作为初始事件 如果统计范围内,用户触发了多次 指定事件,则以第一次触发的时间为初始时间 支持指定 任一事件(元事件/虚拟事件) 作为初始事件 支持 +条件 过滤 ### ![](https://img.kancloud.cn/12/3e/123ead231ed2a745f873ba16dcf13ad1_752x174.png) ### **2)初始时间** 点击“切换用户属性“,即可选择 用户属性字段(**仅日期型字段**) 作为初始时间 ![](https://img.kancloud.cn/4d/33/4d33a098b548c72c42670fc11e9eb33f_748x546.png =746x) ## **2、营收事件(必选)** **指定事件**+**事件属性**(数值型属性)+**营收占比**(可选) ,共同构成营收指标 ![](https://img.kancloud.cn/60/8f/608f737c6bcf06f5a69ea0187a8bdb34_746x342.png) ### **1)事件** 通常会选择 “支付“、“充值“ 等有经济行为相关的事件 作为营收性事件,例如充值、提交订单等与“钱“交易行为相关的事件 可指定任一个或多个事件(元事件/虚拟事件)作为营收事件 支持 +条件 过滤 ### **2)事件属性** **必须选择 数值型 属性,才能构成有意义的营收指标** 例如 “支付金额“ ### **3)营收占比** 针对只有 一定比例收入 才计为营收的情况, 可以设置 相应的百分比 (非必填,默认100%) ![](https://img.kancloud.cn/5e/8f/5e8fd6e6fc0b7ff416dd656da9837478_748x294.png) ## **3、LTV\_n(必选)** 方舟支持选择以下备选项:LTV 7、LTV 15、LTV 30、LTV 60、LTV 90 暂不支持自定义 n 的取值 ![](https://img.kancloud.cn/59/4e/594ed54d885f304a9f01fd5f7231a915_2360x638.png) ### **4、查询时间范围(必选)** 初始事件/初始时间 在指定时间范围内的人群 才会纳入计算 ![](https://img.kancloud.cn/2b/8e/2b8e1d443903ceaa3f6e32d5774e70c0_2408x630.png) ***** ### **5、细分维度** 指对 初始事件/初始时间进行细分 * **选择 初始事件时,细分维度 仅可选择 事件属性 和 维度表** * **选择 用户属性时,细分维度 仅可选择 用户属性 和 用户标签** 支持 多维交叉 >[info] 【注意】: > 多维度和多人群对比互斥,如果选了多维度就不能多人群,如果不选维度可以多人群 ### **6、公共过滤条件** 仅支持筛选 用户属性(包括用户属性、用户标签) > 【说明】: > LTV 分析,以“用户”为主要分析维度,看的是 “用户”对企业贡献的价值,通过用户属性进行过滤的场景 更常用 > 比如,可能需要看 iOS平台用户 或者 看某一地区用户 贡献的价值,因为IOS平台用户可能 也在跨平台设备上使用过产品贡献过营收,"北京地区"用户的行为也可能在多地发生过 > 如果需要对营收事件属性过滤,比如看用户对某一商品品类 贡献的营收,可以用营收事件筛选来实现的 > 故,公共过滤条件仅支持筛选用户属性 ### **7、用户群** 默认选择“所有用户“ 您可以切换其他分群,也可以在多个分群之间进行对比 通过对不同群组用户 LTV 的对比,或许可以帮助您寻找高价值用户,挖掘和分析能够促进低价值用户向高价值用户的转化的线索;进而通过产品和运营手段,引导和刺激用户转化为高价值用户、提升用户生命周期价值。 *****