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。
Table of Contents
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、產品增長 和 產品企劃力,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
- 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。