# 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

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
### 
### **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

## **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

### **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 针对事件属性添加条件 进行事件过滤
### **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%)

## **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

### **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

*****
### **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**
* **选择 用户属性时,细分维度 仅可选择 用户属性**
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
> 【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。
*****
- 产品简介
- 快速上手
- Step 1 安装部署
- Step 2 激活系统创建项目
- Step 3 开启您的分析旅程
- 1. 集成 SDK
- 2. 可视化埋点
- 3. 创建分析模型
- 附:埋点方案设计
- 附:数据分析思路
- 产品更新日志
- V5.5 新增LTV分析功能等
- V5.3 UI 升级、分布分析重构、维度表动态更新、细节优化等
- V5.2 新增归因分析、消息中心、重构埋点方案、优化看数据体验……
- V5.1.0317 体验优化& Bug修复
- V5.1 升级可视化埋点、增强权限控制……
- Part I 产品功能说明
- 名词解释
- 指标说明
- 看板
- 5.3.3 看板 UI 重构
- 分析
- 事件分析
- 渠道分析
- 渠道相关名词解释
- 来源识别规则
- 搜索引擎
- 社交媒体
- 小程序场景值
- Session 分析
- Session 规则
- 实时分析
- 留存分析
- 转化漏斗
- 智能路径
- 归因分析
- 热图分析
- Web/H5 热图
- APP 热图
- 分布分析
- 间隔分析
- 属性分析
- LTV 分析
- 多主体分析
- 自定义查询
- 用户
- 用户分群
- 用户探查
- 用户标签
- 标签体系应用概览
- 标签体系
- 标签生命周期管理
- 标签加工
- 如何自定义SQL创建标签
- 单用户档案
- 运营
- 广告跟踪
- 微信小程序渠道追踪
- 预置广告媒介和渠道
- App 推广监测(Beta版本)
- 电子邮件(即将下线)
- 短信(即将下线)
- 消息通知(即将下线)
- 项目管理
- 项目概览
- 项目角色管理
- 项目成员管理
- 数据接入管理
- 埋点方案
- 可视化埋点
- 集成SDK接入数据
- 数据验证
- 用户数据导入
- 微信小程序全埋点事件定义
- 元数据管理
- 元事件
- 虚拟事件
- 事件属性
- 用户属性
- Session 管理
- 页面组管理
- 维度表
- 服务集成配置
- 监控告警
- 智能监控
- 自定义监控
- 平台管理
- 企业概览
- 项目管理
- 成员管理
- 安全设置
- 企业设置
- 日志管理
- 帐号设置
- Part II 技术文档
- 技术接入准备工作
- 部署环境检测工具
- 数据模型
- 数据格式
- 预置事件和属性
- App预置事件/属性
- JS 预置事件/属性
- 如何准确识别用户
- 如何设计埋点方案
- 分平台上报数据 vs 跨平台打通
- SDK 指南
- Android SDK
- 快速集成
- 全埋点模块
- 消息推送模块
- Android Hybrid模式
- SDK Gradle集成方式
- 多渠道打包
- 易观小工具
- 合规相关
- iOS SDK
- 快速集成
- 全埋点介绍
- iOS Hybrid模式
- 消息推送模块
- JS SDK
- 快速集成
- JS SDK基础版
- JS SDK插件
- uni-app SDK
- 快速集成
- 打包原生APP
- 开启移动端全埋点
- uni-app SDK标准版
- 微信小程序 SDK
- 快速集成
- 微信小程序标准版
- 微信小程序插件版
- 微信小程序通用框架版
- 支付宝小程序 SDK
- 支付宝小程序标准版
- 支付宝小程序通用框架版
- 字节跳动小程序 SDK
- 字节跳动小程序标准版
- 字节跳动小程序通用框架版
- 百度小程序 SDK
- 百度小程序标准版
- 百度小程序通用框架版
- 钉钉小程序 SDK
- 钉钉小程序标准版
- 钉钉小程序通用框架版
- QQ小程序 SDK
- QQ小程序标准版
- QQ小程序通用框架版
- 快应用 SDK
- 华为WeCode小程序
- WeCode SDK 标准版
- WeCode SDK插件
- PhoneGap SDK
- mPaaS SDK
- ReactNative SDK
- Flutter SDK
- Java SDK
- Python SDK
- PHP SDK
- C++ SDK
- C# SDK
- Node JS SDK
- Lua SDK
- Golang SDK
- SDK FAQ
- identify与alias的区别
- 爬虫数据如何识别?
- 页面停留如何获取时间?
- 如果获取SDK及更新日志
- 代码埋点和无埋点有什么区别
- Web页面中发现丢失某一个事件
- 自研 SDK 注意事项
- 页面时长统计功能
- 飞书小程序 SDK
- 飞书小程序标准版
- 飞书小程序通用框架版
- Unreal Engine SDK
- 数据验证
- 客户端埋点验证
- Debug 数据验证
- 数据入库验证
- 数据导入
- 接口导入
- JAVA工具包
- 标准json文件导入
- csv格式导入
- 数据导入FAQ
- 数据导出
- JAVA工具包
- 事件数据导出
- 用户数据导出
- 直接从Kafka中消费数据
- 使用程序访问数据库
- 脚本工具
- API
- 分析API
- 事件分析
- 留存分析
- 自定义查询
- 转化漏斗
- 属性分析
- Session分析
- 渠道分析
- 分布分析
- 用户API
- 分群查询
- 用户档案
- 分群管理
- 管理API
- 权限管理
- 元数据管理
- 埋点方案管理
- 维度表管理
- 运营API
- 广告跟踪
- APP推广监测
- 平台管理API
- 项目管理
- 成员管理
- 第三方登录
- OAuth2.0登录
- LDAP登录
- GDPR 合规
- Part III 常见问题
- License 许可
- 产品试用及采购
- 参与贡献