在往下之前，我們先來看一下常見的 LTV 計算公式是什麼 (以訂閱制服務為例）：
LTV = ARPU / Churn rate
（可看一下這：LTV公式怎麼來的）
問題來了，你的訂閱服務剛上線不久，有用戶付費，也有用戶流失了，但在計算 LTV 上，有幾個點讓你很苦惱：
- 每個月的 Churn Rate 變化很大，第一個月50%，第二個月5%，第三個月變10%，那我在公式中的 churn rate，該抓多少？
- 年約方案還沒有用戶流失，這樣 難道公式中的 Churn rate 用 0 套入嗎？這樣會造成 LTV 無法計算。
內容目錄
有限的資料下，怎麼計算 LTV
在這種有限資料的狀況下，我們必須回頭看一下 LTV 的本質是什麼：
營收 = LTV * 用戶數
依照上面的算式，其實估計 LTV 就是估計營收。那我們再來算下面兩個不同 retention curve 的營收差異會如何：
假設每個月的訂閱費用都是100元，則
藍色線營收：3,000 元 => LTV：300元
橘色線營收：2,100 元 => LTV：210元
藍色線比橘色線多了 42.8 %，差異頗大。
在資料有限的情況下，要估計 LTV 的話，我們需要一些協助
所以我們可以知道 ARPU / Churn rate 這個公式背後，是假設流失率是固定的，但在實務上，流失率是第一個月最高，然後慢慢降低的，所以在用 ARPU / Churn rate 來計算 LTV 時，會有錯估的風險。
沒有人會知道 LTV 是多少，LTV 一直以來都是個一直變化的估計值
LTV 是透過估算未來用戶的生命週期長度和付出的金額，來作為估計的基礎。所以產品越 run 越久後，你收集到更多資料，估計起 LTV 就會越準，所以你每個月估計的 LTV，可能會是這樣：
- 2020/01：300元
- 2020/02：280元
- 2020/03：340元
每一次的變動都是你對於用戶 churn rate 和付出的金額，有更深入的了解後，做出的調整，這很正常，沒有產品的 LTV 應該是固定不動的。
所以當你手頭資料有限時，你估算 LTV 的方法，其實就是在估算你的 retention curve 會是長的什麼模樣。假設你的 retention curve 是：
- 2020/01：100% (來自real data）
- 2020/02：40% (來自real data）
- 2020/03：35% (來自real data）
- 2020/04：30% (來自real data）
- 假設之後2020/04後，每個月的churn rate固定是 5%
假設用戶數一開始是100個，ARPU 是 50，這樣 LTV 計算方式就會是：100* 50 + 40*50 + 35*50 + 30*50 / 5% = 38,750。
LTV：38,750 / 100 = 387.5。
所以當你越 run 越久，你知道 2020/4 之後的 churn rate其實更低，你就可以修正你的LTV，或是因為你做了優化和迭代，所以前三個月流失的比例變少了，這樣你的 LTV 也會跟著改變。
來試試看用 EXCEL 算 LTV 吧
若你對 EXCEL 很熟的話，你也可以用畫出趨勢線的方法，來估計 Retention Curve，進而算出 LTV。像下圖你可以算出估計的 Retention Curve 曲線是 Y= 0.506 X^2 – 0.654，可以用這個方程式推估後面的留存率。
這邊是用來 估算Retention Curve範例表格
年約用戶還沒流失，那怎麼計算 LTV
面對年約用戶，在估算 LTV 有幾個點需要注意一下。
- 一般來說，我們會把月費和年費客戶的 LTV 和 CAC（顧客獲取成本）作為兩個族群分開來看，分群估算 LTV 這個概念很重要，要用同一個 Retention Curve 和 ARPU（Average Revenue Per User），是會產生極大的誤差，一定要分開來估計。
- 估計年費用戶 LTV 的作法，一樣也是先估計營收和續約率，雖然年費客戶還沒開始續約，但你可以透過客戶的使用量來預估續約機率，我們可以抓取月費用戶的使用量和續約率的資訊，請資料科學家協助，資料科學家就可以幫忙預估續約率，有了續約率之後，估算 LTV 自然就簡單了。
- 第一次續約和第二次續約的客戶行為差蠻多的，建議也是拆開來看。
LTV 其實很難用，其他數字重要多了
因為 LTV 是一直在變動的，而 SaaS 若處在早期，資料不足很難估計 LTV 的話，不如不要估，應該要把時間花在 PBP（Payback Period）、新客留存率（一個月、三月月、六個月、一年）、MRR（Monthly Recurring Revenue） 這些指標上會更有意義些。
LTV 對筆者來說，對剛上線的產品，就只能是估計值，所以作假機會很高，所以算是虛榮指標，對現況的改善不大，所以奉勸大家，若你的 SaaS 服務處在早期，就別花太多時間糾結計算 LTV 囉。
--我的線上課：數據化營運 和 產品增長，都上線囉，歡迎大家報名
- 資深產品顧問、數據化營運專家、企業內訓講師。 這邊有更詳細的個人簡介
- 過往演講 投影片整理
- FB社團：Growth hacker秘密筆記簿
- 免費 Office Hour：線上預約我的 Office Hour
- 數位時代訪談：打造產品飛輪。
- 數位時代訪談：做好產品經理三法則。
- 理財小時候影音訪談：產品經理選股法。