近年来，一系列指导性文章都对客户生命周期价值 (LTV) 进行了描述，这些文章通常使用一般术语、计算公式，并且经常附有一系列改进建议。也许更有用的是提醒大家，如果正确计算 LTV，它能起到什么作用，为什么它有时无法提供有用的信息，以及为什么它仍然具有价值。
什么是客户生命周期价值？
利用 Rusa Data 的手机号码数据最大限度地发挥您的营销潜力！我们全面的潜在客户评分系统可识别高价值潜在客户，让您能 手机号码数据 够优先考虑推广并提高转化率。通过精确、经过验证的数据获得见解、增强定位并推动成功。提升您的营销策略 — 立即访问 Rusa Data！
为什么客户生命周期价值 (LTV) 是一个关键的业务指标？首先，客户 LTV 表示平均每个客户在与公司建立整个关系期间（无论是三年还是（在品牌忠诚度极高的情况下）其 实际生命周期）花费了多少钱。换句话说，LTV 是公司在整个业务与客户关系期间期望实现的完整利润率。
了解公司客户的未来价值（个人、细分市场和总体）可以让领导层了解潜在收入和限额。
客户生命周期价值 (CLV、CLTV 或 LTV) 可用作任何专注于未来盈利能力预测的商业模式的一部分——无论是判断投资、产品线、营销还是客户服务成本。
为什么客户生命周期价值至关重要？
LTV 与 CAC
客户 LTV 是公司为获得新客户愿意支付的最高限额。超出此限额的支出不会给公司带来任何经济利益。客户获取成本 (CAC) 是获取新客户的总成本——换句话说，公司在第一次购买并将潜在客户变成客户之前的所有成本。如果 CAC 为 500 美元，而 LTV 为 350 美元，那么公司将在客户身上亏损。这样一来，CAC 就是实现盈利所需的最低 LTV 指标。
虽然 LTV 是平衡基本利润方程的关键部分，但它也可以计算不同渠道甚至不同客户群的客户的 LTV 比较。一家公司可能会确定高利润渠道使用的不同营销技巧，并将其复制到其他低利润渠道。它还可以按渠道或利润层级验证不同的维护和支持成本，甚至产品供应。
了解客户的价值是一项资产。它是衡量所有其他支出、决策和收入的参考点。可以监控客户 LTV，以衡量持续营销、客户参与、促销和沟通的影响。
正确获取这个数字（并 维护 它），并将其插入任何商业智能或预测模型对于运营数据驱动的业务至关重要。
客户生命周期价值计算
客户 LTV 公式和计算各不相同，有的极其简化，有的则包含大量公式值，力图考虑进入客户领域的所有成本变量，从而可能影响客户的未来价值。最简单的模型使用购买收入和最近一年的数据，而更复杂的模型则包括实时个人总数和计数，并考虑客户流失率、折扣率、多重利润、收购/营销成本、保留成本、风险等，所有这些都是多期计算的结果。
基本客户 LTV 公式
简单地说，客户生命周期价值就是客户在一段时间内获得的利润：
（平均年客户利润）x（平均客户保留时长）
然而，为了计算这个公式，基本组件分解如下：
（平均销售价值）x（交易次数）x（毛利率）x（保留时间）
平均销售额 = （年销售总收入）/（年订单总数）
平均交易次数 = （年度订单总数）/（年度独立客户总数）
毛利率 = （总销售收入 – 销售成本，或 COGS）/（总销售收入）
保留时间段 = （所有客户作为客户的生命周期的平均值）
使用此公式时，务必记住“平均值”既不是猜测、范围也不是假设；相反，它是一个公式的结果，该公式填充了从记录系统中提取的实际业务数据，例如企业会计系统 (EAS) 或类似系统、客户数据平台 (CDP) 或客户关系管理 (CRM)，以及在某些情况下，数字广告平台。
对于 平均销售额
年度销售总收入和年度订单总数应基于最近 12 个月的财务系统记录。但是，如果想要确定特定细分市场的 LTV，则应使用目标细分市场的年度总收入和订单数量进行计算，并且需要财务系统使用字段（标签或元数据）标记收入和订单，以指示包含收入和订单的数据的细分市场
分析师会以类似的方式计算 平均交易次数：在同一 12 个月期间，将年度订单总数除以年度唯一客户总数，数据同样来自记录的财务系统，并且可能来自 CDP/CRM，具体取决于数据结构和存储规则。同样，如果目标是客户子集，则只会编译目标客户的值。
此模型通常使用毛利率 ，计算产品超出生产成本 (COGS) 的利润。营业利润率和净利润分别加上管理成本、税费和任何其他费用。不包括利润并用于与其他收入进行比较的模型很容易最终与纯利润数字进行比较。审查最终 LTV 报告的主管和经理必须确保在规划和运营中进行比较或决策之前清楚地表明收入/利润计算。
保留期限 或客户生命周期
方法 1：利用现有的长期客户数据。计算方法是将所有与公司有业务往来的客户“生命周期”相加，然后除以客户总数。
总生命周期/客户总数=平均生命周期
例如，公司已营业 4 年，CDP 中服务的唯一客户总数为 750。此外，CDP 中还记录了与每位客户的关系长度。总服务年限加在一起为 1474 年（客户服务年限从 3.8 年到 0.08 年不等）。
1474/750=1.96，即平均2年
方法 2：使用有限的客户数据。计算保留时间段的另一种方法是使用流失率。要确定流失率，请跟踪时间段（通常为 1 年）开始和结束时的客户数量。
流失率 =（时间段结束时的客户数量 – 时间段开始时的客户数量）/时间段开始时的客户数量。
（结束时有 80 位客户）-（开始时有 100 位客户）= -20/100 或 .2 或 20% 的流失率
保留率（结束时有 80 位客户）/（开始时有 100 位客户）= 80/200 或 0.8 或 80%
客户生命周期 = 1/流失率
客户生命周期 = 1/.2 或 5 年
客户终身价值示例
电子商务专业清洁工客户生命周期价值
SwiftClean 是一款天然多 35 个着陆页示例，为您带来灵感 功能清洁剂，5 年前在社交媒体活动中流行起来。平均销售额为 38.95 美元，利润率为 24%。3 年内平均客户每年购买 3.7 次。
38.95（平均销售额）x 3.7（交易量）x 3（期限）= 432.35 美元 x .24（利润率）= 103.76 美元 LTV
由于营销成本极低CAC 相对较低 = 15.73 美元
（注意：大多数 LTV 计算示例并未区分毛利率、净利率或营业利润率。为了获得准确的 LTV，比较应定义利润率类型，并确保价值比较使用相同的利润率类型。）
订阅或 SaaS 客户 LTV
然而，在某些情况下，CAC 可能高于前几笔客户交易的回报，但仍在 LTV 的限制范围内。例如，像 Netflix 这样的订阅服务可能提供每月 15 美元左右的低价，而营销成本和促销费用相当可观，将 CAC 推高至 200 美元。从他们的 LTV（例如 250 美元）来看，Netflix 知道客户的未来价值超过 200 美元，这使得交易值得。
LTV 的错误误用和局限性
尽管在计算 LTV 时最容易犯的错误是不准确的数据，但在计算或使用超出其适用范围的数据点时也会出现一些常见错误。
将客户盈利能力 (CP) 与 LTV（客户过去的盈利能力）相混淆， 虽然后者更容易量化，但对于企业的前瞻性决策用处不大。
在公式中应用收入而不是利润 。如果 10 次购买的终身价值为 25 美元 = 250 美元。客户获取成本 = 175 美元，因此终身价值 > 客户获取成本。但如果利润率为 50%，则终身价值为 125 美元，并且每获得一个新客户都会亏损。
当新企业没有足够的历史来衡量平均客户生命周期时， 设定不切实际的生命周期 (LT) 。或者一家拥有流动产品线的公司，排除了单一历史来衡量客户的平均生命周期，从而做出了过高的预测。
NPV 与名义预测 确定未来利润。使用未来利润的净现值 (NPV) 可计算货币的未来价值减值，并需要考虑折现率。由于此类计算必然很复杂，大多数组织使用名义、非折现值来计算 LTV。这些预测自然会偏高，并且预测越远，预测值就越高。
LTV 不是一个静态模型。 作为等式的输出，如果任何输入发生变化（例如，定制沟通、促销活动可能会改变留存率等），LTV 也会发生变化。随着产品、渠道和策略的变化，您的客户资料也会发生变化。如果业务环境中的一切似乎都在发生变化，则可能应该经常重新计算 LTV。
对不同的客户群体使用
为所有客户创建 LTV 具有实用价值，但细分差异很大的客户可以使输出结果更准确。真正的数学平均值将为差异很大的客户产生平均购买量、频率和关系持续时间。但数据池越小，方差越大，平均值的帮助就越小。相反，细分客户 LTV 是计算 LTV 的好处之一。
高估现有客户，低估潜在客户。 通过 LTV 创造者每天实践的营销技巧，低价值客户可以通过有效的营销转变为高价值客户。由于“中等价值”客户比高价值客户多得多，因此以牺牲他们为代价优先考虑较小群体是适得其反的。
上述许多错误或限制 TR 编号 都是由于在计算客户 LTV 时未使用实际业务数据造成的。没有数据，计算就不再具有超出期望猜测的重大价值。借助 Arcalea 的 Galileo 归因平台，营销人员可以按渠道、计划和营销资产计算 CAC 和 LTV。因此，可以消除表现不佳的资源或将其重新分配给表现更好的资源。
那些致力于基础设施建设、将平台和其他数据源作为业务模式单一组成部分进行维护的公司，更有可能做出数据驱动的决策，并从业务计算（包括客户 LTV）中产生准确的输出。
