万博手机网页版

手游LTV(用户终生价值)计算公式

/
172017

手游LTV(用户终生价值)计算公式

  • By 小泽
  • 2 标签

手游LTV怎么算?有标准计算公式吗?一般是多少合格?作为新手,小泽也曾怀着急切的心态,好想获得一个简洁明了的答案,但随着不断地学习和研究,发现LTV这个指标的计算方法,不仅烧脑,而且主要靠猜,完全具备了一部悬疑推理剧的所有要素,接下来让我们一起揭开手游LTV的神秘面纱吧。

一、手游LTV计算公式的推导

LTV,是英文Life Time Value的简写,中文译为用户生命周期总价值(或用户终身价值)。手游行业里,通常指一个用户从第1次到最后1次参与游戏过程中产生的所有收入,包括不限于付费下载、内容收费、增值服务(金币、道具、卡牌)、嵌入广告等。

手游LTV生命周期价值

因为,不同用户的生命周期和产生的价值会非常不一样,举个栗子:

一款手游,A玩了1天,觉得没意思就卸载了,一分钱没花;B玩了3天,产生了兴趣,但实力不允许,只办了张25元的月卡,准备慢慢肝;C属于氪金大佬,为了玩的爽快,一周内已经消费了1275元。

手游用户充值

所以,基于手游的众多用户,我们只能计算平均值,平均用户生命周期是多少天,平均每个用户收入是多少。这个平均收入是否有点眼熟,是不是就是ARPU?让我们来温习一下ARPU的定义:

ARPU(Average Revenue Per User):一段时间内游戏从每个用户那获得的平均收入。

没错,就是它!如果我们知道平均用户玩多少天(LT:用户生命周期),也知道平均每个用户每天花了多少钱,那么两者相乘不就是用户终身价值LTV嘛?其实,LTV就是用户生命周期内的ARPU。

因此,可以推导出手游LTV计算公式:

LTV = LT * ARPU

为了理解上述游戏LTV计算方法,举个栗子:比如一款手游6月份平均用户收入ARPU是120元/月,用户生命周期LT为15天,那么LTV=15天*(120元/30天)=60元(1个月要换算成30天)

简单吧,其实难点才刚刚开始!LTV计算公式是掌握了,但是LT怎么算?ARPU怎么算?

二、用户生命周期(LT)的预估

我们以天为时间单位,假设一款手游第1天新增了一批数量为X的用户,接着每天都有用户会流失,第2天这批用户数量减少为X2,第3天用户数量下降为X3,直到第n天最后一批数量为Xn用户登录。

根据定义,LT是用户平均生命周期,求的是平均数,所以每一天的留存时间都要除以X求平均,第1天的平均留存时间为X/X=1天,第2天的平均留存时间为X2/X(天),第3天的平均留存时间为X3/X(天),直至第n天的平均留存时间为Xn/X(天),每天平均留存时间的累加就是这批用户的生命周期。

lt用户生命周期计算公式

等等,第n天留存用户数Xn除以新增用户X不就是第n天的用户留存率Rn嘛?

用户留存率计算公式

用户留存率(User Retention Rate )用户在某个时间点开始使用应用,经过一段时间后,仍然继续使用应用的用户,被成为留存用户,这部分用户占当时新增用户的比例就是留存率,一般按照单位时间(日、周、月)进行统计。

因此,用户生命周期就等于用户留存率之和:

用户生命周期LT计算公式

手游用户每天新增就可能有成百上千,通过记录每一个用户的所有数据,工作量非常大,非人力所能为也,而一般手游运营人员的数据来源于自研统计平台或友盟、Talkingdata等第三方统计工具,而其中就包含了用户留存率这个关键指标,但往往只提供7日、14日、30日留存率,或者因为产品上线时间不长,拥有的留存数据有限,这个时候就需要预估留存率来计算LT。

怎么预估呢?没有数学基础没关系,只要你会Excel就可以,举个栗子:

用户留存率数据案例

上述表格为一款iOS应用14天加权平均的留存数据,当初小泽主要出于测试目的开发的免费应用,所以就是几个简单的功能(-_-!留存数据比较烂),装的是友盟统计。

为什么不直接用每天的留存率求个平均数呢?小泽觉得加权平均会避免异常数据导致的误差,因为每天新增用户数量有高有低,如下图所示,第一天新增1000用户,第二天只有100用户,平均和加权平均算出来的留存率差异很大,以每天新增用户数作为权重,通过加权平均得出来的数据会更加精准。

用户留存率加权平均计算

接下来怎么操作呢?鼠标左键全选上述14天留存数据,点击顶部导航栏<插入>,再点击<推荐的图表>,然后选择XY散点图(折线也可以)。

用户留存率散点图

得到散点图后,鼠标左键点击选中表格中的散点后,右键打开选择<添加趋势线>:

用户留存率趋势线

在excel表格右侧会出现趋势线选项,先勾选底部的<显示公式>、<显示R平方值>按钮,然后挨个点击<指数>、&lt;线性>、<对数>、<多项式>、<乘幂>、<移动平均>,左侧会出现模拟趋势线,x代表天,y代表留存数值,R2代表趋势线的匹配精度,越接近1代表越准确。

因为<乘幂>的R2是0.9906最靠近1,所以,小泽选择了乘幂公式y=0.1414x^-0.917。(不同数据,公式不同,不要套用,一般对数和乘幂比较符合)

用户留存率趋势线公式

有了公式,我们就可以代入excel模拟未来的留存率,X代表天数,Y代表用户留存率,通过X来计算Y。excel中的公式指数(幂)中,X为底数,-0.917为指数,X^-0.917叫幂,参考下图所示:

代入公式计算用户留存率

这样的话,我们就可以预估30天、90天、120天的用户留存率,保留实际留存率。

用户留存率模拟预测

最终通过公式模拟至254天时,用户留存率为负数,所以取253天所有留存数据汇总为103.36%。

LT=1+1.0336=2.0336

因此,这款应用的用户生命周期预估为2天,尴尬~要研究一下如何提升用户生命周期了。

当然,不一定按照上述方法模拟到254天,可以确定一个周期,比如30天、60天、90天,180天,根据产品属性不同,灵活定义一个周期。

三、用户平均收入(ARPU)的计算

ARPU是计算某段时间内平均每个活跃用户产生的收入。让我们了解一下相关术语:

AU(Active Users):活跃用户,统计周期内,登录过游戏的用户数。

PU ( Paying User):付费用户。

APA(Active Payment Account):活跃付费用户数。

PUR(Pay User Rate):付费比率,计算公式:APA/AU。

ARPU:平均用户收入,计算公式为:ARPU=总收入/活跃用户数(AU)

ARPPU(Average Revenue Per Paying User):平均每付费用户收入,计算公式:总收入/APA。

ARPU是自带时间属性的,可以定义日ARPU、周ARPU、月ARPU等,不是一个固定数值,会随着时间的增加和变化,手游ARPU通常前期增幅较大,后期趋于平稳,具体参考下图两种类型走势。

游戏ARPU数值

因此,在计算LTV时,建议取周期较长的ARPU作为参考,比如像月ARPU。

四、计算手游LTV的意义

这一章主要用来回答“手游LTV一般多少合格?”其实,不同类型的手游LTV肯定不一样,但是任何一款手游要盈利,都要遵循一个原则,就是获取用户的成本要小于用户带来的价值。

CAC(Customer Acquisition Cost):用户获取成本,即平均花多少钱获取一个客户。在移动互联网中,很多时候使用CPI(Cost Per Install)与LTV进行比较,指App应用安装每次所需成本。

简单来讲,LTV>CAC有可能赚钱,因此,手游LTV一般多少合格主要看当下主流渠道的买量成本多少。

为什么说有可能?因为小泽参与过iOS手游联运项目,不但要考虑团队运营成本,而且要扣除应用商店(30%)、开发者(30%)分成,还有税务、账期等问题,LTV/CAC≥3才有可能获得盈利。

在买量过程中,不同渠道CAC不同,带来LTV也有高低之分,计算各个渠道导入用户的CAC、LTV,通过ROI=LTV/CAC,就能筛选出优质的渠道投放,具体可以参考以下策略:

ltv和cac对比分析

LTV高的渠道:CAC低就果断加大投放,CAC高就控制投放比例,用于提升用户付费率;

LTV低的渠道:CAC低可以控制采量比例,用于提升用户规模,CAC过高建议放弃投放。

因此,计算手游LTV和CAC,不仅可以验证产品的盈利模式,预估大概的回本周期,而且可以对比分析各个获客渠道的用户质量,从而优化广告投放策略。

< 感谢阅读,欢迎交流,微信号:appxiaoze >