新闻资讯
SQL数据分析实战(六):计算LTV
在游戏行业有两个核心的指标,第一个是用户成本(cost),另一个是用户价值(LTV)。
用户成本包含了CPC(点击成本)、CPD(下载成本)、CPA (激活成本)、CPR(注册成本)、CPL(登陆成本)、以及付费成本等。
LTV(Life Time Ⅴalue)指的是某个用户在生命周期内为该游戏应用创造的收入总计,可以看成是一个长期累计的ARPU值。用户的生命周期是指一个用户从第一次启动游戏应用,到最后一次启动游戏应用之间的周期。
用LTV /cost对应的就是投资回报率(简称ROI),我们用这个ROI来衡量买量是否回本,用该公式得出:
若ROI>1,则盈利;若ROI=1,则盈亏平衡;若ROI<1,则亏损。
LTV没有高低之分,只有值或者不值。当LTV高于买量成本CPL且能回本,就是值,否则就不值。LTV是非常重要的数据,是买量的指南针,也是游戏生死的关键指标,而影响LTV的关键指标是留存率和ARPU(后面会介绍计算公式)。
一、估算:
每个用户平均的LTV = ARPU * 用户平均生命周期
优点:计算速度快,非常好理解;
缺点:不够精准,往往会出现LTV偏高的结果。主要因为:
1)用户平均生命周期无法准确定义生命周期的长度。
2)ARPU 亦非一个容易平均的恒定值,这样的计算结果只能作非常宏观的参考。例如,有以下两种计算方式:
如果游戏日均ARPU为5元, 游戏用户平均生命周期为60天,那么LTV = 5 * 60 = 300元。
如果游戏月均ARPU为50元, 游戏用户平均生命周期为60天,那么LTV = 50 * 2 = 100元。
以上按日均和月均计算的LTV差异很大。建议生命周期的长度和ARPU按月份来平均计算,得出的LTV相对更准确。即:
每个用户平均的LTV = 月ARPU *用户按月计的平均生命周期
二、计算总LTV:
总LTV = 累计收入/累计新增
优点:简单,直接,计算速度快,非常好理解;
缺点:时间颗粒度不够细,为某一天或某一段时间的总LTV,非加权值。如果取第一天或前N天的用户,用户质量可能较高,导致总LTV偏高;如果取游戏所总收入和总新增用户,部分用户的生命周期未到,跟加权值相比存在一定误差。
三、计算每天新用户第N天LTV:
1、计算开服第1天新用户N天LTV
1天LTV=第1天新用户在1天内带来的收入/第1天新用户数
7天LTV =第1天新用户在7天内带来的累积收入/第1天新用户数
14天LTV =第1天新用户在14天内带来的累积收入/第1天新用户数
2、计算开服第2天新用户N天LTV
1天LTV=第2天新用户在1天内带来的收入/第2天新用户数
7天LTV =第2天新用户在7天内带来的累积收入/第2天新用户数
14天LTV =第2天新用户在14天内带来的累积收入/第2天新用户数
3、计算开服第3天新用户N天LTV
……
计算公式如下:
说明:LT(life Time)就是用户生命周期,如果我们要计算N天的LTV,则直接将公式中的LT改成N天即可。这个公式常用于利于已知历史数据精确计算N日的LTV。
例如:某日新增用户100,首日他们充值500元,则首日LTV=500/100=5元;第2天充值300元,则2天LTV=(500+300)/100=8元,以此类推。
影响LTV的关键指标是留存率和ARPU,以下表数据为例,比如,一款游戏测试7天,将每天的留存率*ARPU,再求和,得出7天LTV为15.6元。
计算公式:
以下面积部分就是LTV值:
数据分析师跟进项目,LTV是必须要输出的内容之一。如果能准确、快速地计算出LTV,那么能大大提升效率。下面就以某款游戏为例,计算每日LTV和加权LTV。
- 计算每日LTV
运行结果(仅显示2020年1月1日至1月7日的数据):
- 计算一段时间内的加权LTV
以2020年1月1日-1月7日的数据为例,取这7天用户的加权LTV如下:
运行结果为:
回复列表