LTVの計算方法と応用

ユーザーライフサイクルはあらゆる製品が注意を払う必要がある重要な概念ですが、その計算方法と応用をご存知ですか?この記事ではこれを共有しますので、見てみましょう。

今回のテーマは「 LTV、顧客生涯価値」です。謎は、誰もがその概念を理解しているように見えるが、誰もそれを正確に計算できないという事実にあります。

簡単に言えば、購入者、ユーザー、メンバーなど、各ユーザーが将来的に製品やサービスに貢献する可能性のある総商業価値を指します。注目すべきは、これは単一のユーザーの価値を測定し、スケール指標ではなく、このユーザーの品質を示すために使用されるということです。

例えば：

アプリストアの読書製品の顧客獲得コストが10元で、ユーザーの有料読書、広告クリック、メンバーシップ購入などのさまざまな手段を通じて、1日平均0.5元の収益を生み出すことができると仮定します。以前のコンテンツで共有したように、製品の新規ユーザーは約30〜40％にとどまり、60〜70％のユーザーが失われることになります。商業的な収益化の観点から見ると、顧客獲得コストと収益化収益の間には大きなギャップがあり、それはばかげているように思えます。

- しかし

あなたもそう思うなら。

あなたは完全に間違っています。

資本は非常に賢明であり、損失が出るような事業は決して行いません。

上記の質問に戻りますが、現在、期間を 90 日、180 日、365 日、またはそれ以上に延長しています。 90 日間を例にとると、この 90 日間に各ユーザーが会社に生み出すことができる合計価値LTVは、0.5 元/日 × 90 日で 45 元になります。このプロセスでは、ユーザーがアクティブである日数が長くなるほど、利益が高くなります。つまり、10 元を費やしてユーザーを購入することは、依然として非常に費用対効果が高いようです。

したがって、 LTV とは、長期間にわたってユーザーによって生み出された価値を測定することを指します。

それは多くのことを物語っています。

実際のビジネスにおいてLTVはどのような役割を果たすのでしょうか?

実際の応用では、LTV はユーザーの長期的な価値を評価することができます。ユーザーの消費、購入、収益化行動、ユーザー維持率などの主要指標を詳細に分析することで、ユーザーのライフサイクル全体にわたる期待価値を計算し、各ユーザーのビジネスへの長期的な貢献を把握できます。

製品のコスト回収期間と将来のDAU傾向を予測します。

顧客獲得コストを決定し、チャネルを通じてユーザーの質を比較し、配信戦略を調整します。ユーザー規模を追求しながらユーザーの質を確保することは難しい。チャネル ユーザーの品質に基づいて、高品質ユーザーと低品質ユーザーの適切な比率を実現できます。

ROI比率を計算し、利益モデルを検証します。

製品機能の更新と反復、イベント操作などの効果を評価します。

次の図は一般的な導出式です。左側では、1 日の維持率に 1 日あたりの平均ユーザー収益を掛けたものを使用し、右側では、ライフサイクルの合計期間にユーザーあたりの平均収益を掛けたものを使用します。

では、どちらが正しいのでしょうか。また、それはどのように導き出されたのでしょうか。

実は、この 2 つの式は 1 つの式であり、右側の式は左側の式の簡略化されたバージョンです。

LTVの定義によると、 LTV = ユーザーの生涯の合計価値 = サイクル中のユーザーの合計収益をユーザー総数で割ったものとなります。

ユーザーの総数を推定する必要はないので、ユーザーの総収益をどのように計算するかが問題になります。

総ユーザー収益は、1 日あたりのアクティブ ユーザー数に 1 日あたりのアクティブ ユーザーの平均収益を掛けて計算できます。これを式に代入すると

1 日あたりのアクティブ ユーザー数をユーザー総数で割った値が、1 日あたりの維持率になります。

ARPU が定数に等しい場合、定義によれば、 LTV = LT × ARPU であると再び推測できます。

より深く学びたい学生は、微積分における微分と定積分について学ぶことができます。これをもう少し簡単に拡張すると、微分は特定の点付近での関数の変化を記述し、定積分は特定の区間における関数の累積効果を記述します。これらはそれぞれ、特定の時点での関数の変化率と、特定の間隔にわたる関数の累積効果を表します。

これを見て混乱する人も多いかもしれません。

大丈夫ですか？

私は学生時代、数学が得意ではありませんでした。

微分と定積分。私は数学が得意ではありません。まだこれを学ぶことはできますか？

もっと簡単に計算する方法はありますか？

答えは「はい」です。

さて、次にEXCELを使ってLTVを計算する方法を学びましょう。

LTVを計算する前に、 「 LT 」とリテンションデータを処理する必要があります。

LT = ユーザーの平均ライフサイクル。 LTVとは異なることに注意してください。 LTVと比較すると、 LT には「価値」という言葉がありません。ユーザーの最初の訪問から最後の訪問までのアクティブな日数です。

保持データのサンプリングについてお話ししましょう。 LTV を計算する場合、多くの学生は直近 1 ～ 30 日間のリテンションデータを直接取得するか、平均を直接計算します。ただし、平均を計算する際には重みを無視せず、平均を加重平均に変換する必要があります。

重みを考慮せずにスコアを直接平均すると、平均が大きくなりすぎますが、加重平均は全体的なレベルをより適切に反映できます。

新規ユーザーは変数です。ある日突然、新規ユーザー数が減ったものの、たまたま維持率が比較的高い水準にあるとすると、平均維持率は引き上げられることになります。ただし、加重計算後は、異常日のデータは大きな影響を与えなくなります。

これは、2 つの異なる計算方法のデータによって発生するエラーです。

データ サンプルは通常、1 日、2 日、3 日、4 日、5 日、6 日、7 日、14 日、30 日間保持されます。理論的には、保持されたデータ サンプルがより完全であればあるほど、データ エラーは低くなります。

注: 上記で使用されているデータ サンプルはすべてランダムな数字であり、実際のビジネスとは関係ありません。

用語集:

LV「ライフタイム、ユーザーの平均ライフサイクル」

LTV（生涯価値）

加重和で算出した維持率をもとに散布図を描き、散布図を用いてトレンドラインを設定し、計算式を求めます。

トレンド ラインを設定するときは、指数関数、線形関数、対数関数、べき乗関数などを使用して曲線を適合させることができます。一般的に、べき乗関数の方が頻繁に使用されます。関数の種類を確認した後、EXCELで数式を取得し、推定日数を代入して保持率を計算し、表示式を確認してR²を表示します。次にこれら 2 つのフィールドを使用します。

保持関数の定積分を求めるLTの原理は、曲線の下の網掛け部分を取得することであり、網掛け部分がユーザーライフサイクルLTです。

R²が 1 に近いほど、曲線フィッティング効果は高くなります。

ARPU値が一定期間にわたって安定していると仮定すると、平均値を直接使用してARPU値を定数として使用できます。

ARPU値が不安定であると仮定すると、データ取得期間内のARPU値に基づいて区分関数を設定する必要があります。

LT を計算した後、 LT×ARPUを使用してLTVを計算する場合は、推定ターゲットに基づいてさまざまな維持曲線を当てはめる必要があります。チャネルや支払いタイプが異なると、ユーザー維持率やARPU値も大きく異なります。干渉項目を減らすために、分析データ内の 1 つの変数を保持することが可能となります。

例えば。

式は次のようになります:距離 = 速度 * 時間。

わかりやすいのが利点です。

欠点も非常に明白で、それはあまりにも理論的すぎるということです。

現実の世界では、車両の速度は電力、交通、天候などの要因によりいつでも変化します。

同様に、 LTは簡単に推定できるデータではなく、 ARPU は平均化しやすい定数値ではありません。このような計算結果はマクロ参照としてのみ使用できます。

維持率とARPU値をLTV の計算式に代入すると、次のようになります。

LTVの計算は、 「 CAC 」や「 PBP 」と合わせて議論されることが多いです。上記の図を例にとると、ユーザーアクティベーションコストCPA = 15元と仮定すると、5/1から5/30までの新規ユーザーの場合、180日間でコストを回収できます。登録後365日で、各ユーザーは平均23.5元の利益を得ることができます。

用語集:

ARPU (ユーザーあたりの平均収益)は、次のように計算されます: ARPU = 収益 / アクティブ ユーザー数、つまり、特定の期間の総収益 / その期間のユーザー数。このユーザーは、有料ユーザー、アクティブ ユーザーなどになります。

PBP (回収期間)とは、一般的に投資コストを回収するのにかかる期間を指します。

CPA (Cost Per Action) は通常、ダウンロード/アクティベーションを指します。

CAC (顧客獲得コスト)は通常、有料ユーザーを指します。多くの人は CPA と CAC の違いを理解しておらず、混同したり、両方を顧客獲得コストと呼んだりすることがよくあります。実際のところ、これらはまったく異なる指標です。トラフィックが必ずしもユーザーになるわけではありません。間には有料コンバージョン率CRがあります。

この号では主に、一般的なライフサイクル式の導出と、EXCEL テーブルを使用してユーザーのライフサイクルを推定する方法について説明します。

LTVは静的フィッティングデータであることに注意してください。実際の業務では、推定データには一定の誤差が生じます。製品の実際の状況を組み合わせて、データエラーを減らすために継続的な修正を行う必要があります。