LTV（Life Time Value，生命周期价值）分析指对客户在其整个生命周期内为公司创造的总价值进行量化和分析的过程，是产品能否取得高利润的重要参考指标，在市场营销、客户关系管理和财务规划方面有着广泛的应用。DataFinder为您提供LTV分析工具，本文为您介绍DataFinder的LTV分析的计算逻辑和配置要点。
说明
DataFinder的LTV分析功能当前仅支持对真实营收数据进行计算分析，暂不支持对未来营收价值进行预测分析。
计算逻辑
由上述介绍可知，LTV分析主要的分析重点在新用户的营收价值效果，DataFinder的LTV分析工具支持配置分析的营收事件场景包含普通事件带来的营收，也包含广告事件带来的营收。
如下图所示，配置LTV分析的营收事件时可选择内购事件指标或广告事件指标。两类指标的配置界面示例和计算公式如下。
LTV计算公式 |
|---|
【内购事件指标】：假设某日的人均LTV为LTVn，则计算公式为： LTVn = 当天新增用户在随后n天的购买事件收入总和 / 当天新增用户数
= 当天新增用户在随后n天的花费的金额累加求和 / 当天新增用户数
|
【广告事件指标】：假设某日的人均LTV为LTVn，则计算公式为： LTVn = 当天新增用户在随后n天的广告事件收入总和 / 当天新增用户数
= 当天新增用户在随后n天的广告点击次数*(每日的ecpm/1000)累加求和/当天新增用户数
说明 ecpm：”每千次展示可以获得的广告收入”的缩写（effective cost per mille，mille 是拉丁语中的千），是数字广告中最重要的关键绩效指标之一，显示了某些广告位、应用程序、网站和其他维度的利润率。 |
由上述计算公式可见，理解两类事件指标的计算结果，其中关键的数据在于以下几个概念：
关键概念 | 详细说明 |
|---|
当天新增用户数 | 在DataFinder的LTV分析中，通过统计在某一天中，触发“起始事件”的用户uid，来统计当天新增用户数。 |
随后n天的花费的金额累加求和 | 在DataFinder的LTV分析中，通过统计配置的内购事件的属性进行求和： - 统计的用户范围范围：某一天所有的新增用户。
- 营收计算：从用户首次触发“起始事件”的当天，到随后的第n天，每一天的内购事件属性累计求和。
|
随后n天的广告点击次数 | 在DataFinder的LTV分析中，通过统计配置的营收事件-广告事件的事件发生次数（PV）作为广告点击的次数。 - 统计的用户范围范围：某一天所有的新增用户。
- 营收计算：从用户首次触发“起始事件”的当天，到随后的第n天，每一天的广告点击次数*(每日的ecpm/1000)之和。
|
以下会以一个配置示例，为您详细介绍LTV分析的配置操作和计算逻辑。
操作步骤
step1：配置指标与全局筛选
- 在配置指标区域配置起始事件和营收事件，用于后续LTV分析的新增用户数和营收总和的计算。配置指导和示例如下。
参数 | 内购事件指标配置说明 | 广告事件指标配置说明 |
|---|
起始事件 | 通过起始事件，来圈定目标人群。 - 配置起始事件后，后续会统计触发起始事件的用户uid数，作为待分析的新增用户数。
- 您可单击过滤条件按钮，通过属性对后续统计的用户进行过滤。
如上图所示，后续计算时会统计每日触发了“clickhouse_query”事件，且“query_type”不为空的用户uid，其用户数则为后续计算公式中的“当天新增用户数”。 |
营收事件 | 通过营收事件及属性，来计算营收金额： - 可单击“+LTV指标”添加多个事件指标作为营收事件，参与后续的营收数据计算，最多支持添加10个。
- 包含“内购事件指标”和“广告事件指标”两类。两类营收事件的配置细节不同，详情可参见下文的详细介绍。
- 支持对每个营收事件配置过滤条件，通过属性对后续统计计算的营收事件进行过滤。
|
“内购事件指标”配置指导： - 选择营收事件及属性，后续对配置的事件属性进行累计求和，作为营收效果数据。
- 支持配置利润比例，最多支持3位小数，配置后，营收效果数据计算时会将属性累计之和与利润比例相乘，作为最终的营收效果数据。
如上图所示，后续计算时，会对每个新增用户的“clickhouse_query”事件的“time_cost”属性求和，并乘以利润比例100%作为这些新增用户的营收数据。 | “广告事件指标”配置指导： - 选择广告事件，并按照eCPM文档模板要求上传广告eCPM文件。
- eCPM文件模板可在上传界面中下载，需按模板要求填写日期及对应的eCPM值，便于后续计算广告营收效果数据。
|
- 配置细分筛选。
综合运用细分筛选能力，可以实现比较复杂的人群细分和过滤筛选，场景上可以参考「文内分群」，该能力私有化4.4版本以后支持。
通过配置细分筛选，可以支持根据以下条件或多个条件的组合过滤要分析的用户：
- 按用户群：选择「按用户分群」作为过滤条件，并指定要筛选的用户群；
- 按公共属性：选择公共属性（如操作系统、软件版本等）作为过滤条件，并完善筛选条件；
- 可以同时选择并设定多个条件，这些条件之间为「并且」的关系，即筛选同时满足这些条件的用户。
- 配置对照组：建立对比，对比不同的人群的LTV情况。
step2：配置并查看分析图表
- 您可以在左上方配置需要进行LTV分析的时间范围及图表展示类型。
- 完成后下方可查看对应的LTV分析图表和每天的详细计算数据。
- LTV分析图表：图默认呈现近7天数据。可以切换LTV趋势或者LTV对比：
- 在LTV趋势下，可以查看所有人或者某一天的人，从LTV1到LTVn指标变化趋势；
- 在LTV对比下，可以查看不同天的用户群体，在某个LTVn指标上的数据表现情况；
- 真实值计算包括LTV1~10、LTV14、LTV30、LTV60，LTV至今。
- 汇总LTVn=所有内购事件LTVn+所有广告事件LTVn。该指标默认展示在图表区。
- LTV分析表格：表格呈现为金字塔状，首列是日期，次列是新增用户数，首行表头主要表示从LTV0到LTVn的数值。
计算与分析示例
内购事件
事件/日期 | 计算示例 |
|---|
新增用户数计算详解 | - 您可以在事件分析中，查看在07-12当天触发了clickhouse_query事件的新用户数，如下图所示，为8人。
 - 则LTV分析工具的结果表格中，07-12当天新增用户数为8人，您可单击用户数后查看详细用户列表。
|
LTV0计算详解
（以起始日为07-12作为示例） | - 您可以在事件分析中，对07-12当天触发了clickhouse_query事件的所有新用户，按time_cost进行求和，结果为386,221。
- 则LTV分析工具的结果表格中：
- 07-12当天：LTV0 = 386,221 / 8 = 48,277.625 ≈ 48,277.63（保留两位小数的近似值）
|
某一天后的N天的LTVn计算详解
（以起始日为07-12作为示例） | - 您可以将07-12当天新增用户保存为用户分群后，在事件分析中查看07-12后的n天，对每天这些用户的time_cost进行求和。
 - 则LTV分析工具的结果表格中：
- 07-13：LTV1 =（386,221+0）/ 8 = 48,277.625 ≈ 48,277.63
- 07-14：LTV2 =（386,221+0+0）/ 8 = 48,277.625 ≈ 48,277.63
- 07-15：LTV3 =（386,221+0+0+64,237）/ 8 = 56,307.25
- ……
|
总体LTVn计算详解 | - 总体LTV0={
（07-12的新增用户数 * 07-12的LTV0）
+（07-13的新增用户数 * 07-13的LTV0）
+ （07-14的新增用户数 * 07-14的LTV0）
+ ……
} / {
07-12的新增用户数+07-13的新增用户数+07-14的新增用户数……
} - 总体LTV1={
（07-12的新增用户数 * 07-12的LTV1）
+（07-13的新增用户数 * 07-13的LTV1）
+ （07-14的新增用户数 * 07-14的LTV1）
+ ……
} / {
07-12的新增用户数+07-13的新增用户数+07-14的新增用户数……
} - ……
|
LTV趋势分析 | 您可以选择分析总体LTVn的趋势，也可以选择分析时间范围内某一天作为起始日，后续的LTVn趋势。
通过LTVn趋势图，可直观的看到整体而言或某一天作为起始日时，后续的N天内平均每个新用户带来的营收总数的变化趋势，可结合一些其他数据进行业务判断，例如，LTVn趋势图如果持续上涨，可能表示随着时间的推移用户愿意消费的金额越来越多，可能表示长期用户贡献的收入超过了新用户获取的成本等等。 |
LTV对比分析 | 您可以选择查看在分析时间段内，LTV1~10、LTV14、LTV30、LTV60，LTV至今在每一天的数值，进行对比分析。
如上图所示即为06-18~07-16时间范围内，每一天作为起始日期的LTV0的折线图，可对比分析每一天的LTV0数值，例如分析查看LTVn是否有明显的时间周期规律等等。 |
广告事件
LTV分析图表
LTV分析表格
事件/日期 | 计算示例 |
|---|
新增用户数计算详解 | - 同内购事件指标分析过程类似，您可以在事件分析中，查看在07-12当天触发了clickhouse_query事件的新用户数，为8人，并将这些用户存为用户分群。
- 则LTV分析工具的结果表格中，07-12当天新增用户数为8人，您可单击用户数后查看详细用户列表。
|
某一天后的N天的LTVn计算详解
（以起始日为07-12作为示例） | - 示例中上传的eCPM文件如下，可查询每天的eCPM值，其中07-12的eCPM值为65
- 您可以在事件分析中，对07-12当天触发了clickhouse_query事件的所有新用户，查询每天事件发生的总次数，其中07-12当天的数据为720。
 - 则LTV分析工具的结果表格中：广告点击次数*(每日的ecpm/1000)/当天新增用户数
- 07-12当天：LTV0 = 720*（65/1000） / 8 = 5.85
- 07-13：LTV1 = LTV0 + 0*（32/1000） / 8 = 5.85
- 07-14：LTV2 = LTV0 + 0*（32/1000） / 8 + 0*（45/1000） / 8 = 5.85
- 07-15：LTV3 = LTV0 + 0*（32/1000） / 8 + 0*（45/1000） / 8 + 115*（3/1000） / 8 ）≈ 5.89（保留两位小数点）
- ……
|
总体LTVn计算详解 | - 总体LTV0={
（07-12的新增用户数 * 07-12的LTV0）
+（07-13的新增用户数 * 07-13的LTV0）
+ （07-14的新增用户数 * 07-14的LTV0）
+ ……
} / {
07-12的新增用户数+07-13的新增用户数+07-14的新增用户数……
} - 总体LTV1={
（07-12的新增用户数 * 07-12的LTV1）
+（07-13的新增用户数 * 07-13的LTV1）
+ （07-14的新增用户数 * 07-14的LTV1）
+ ……
} / {
07-12的新增用户数+07-13的新增用户数+07-14的新增用户数……
} - ……
|
LTV趋势分析<V对比分析的分析功能与分析思路与内购事件指标一致。
视频讲解