如何實際計算 Retention、LTV ，並產出可執行的商業計畫
特別感謝前 Data Scientist 戰友 @ Miko 內部實作相關分析。技術部分是以 Google Colab 實作呈現，但因涉及公司內部數字本文將不貼出內部 Colab 呈現。Life Time Value(LTV), Retention Rate 應該是網路創業者中最為關鍵的兩個數字，但實際計算時，你可曾覺得算法不知該如何算起？不知道如何應用在公司的商業決策與行動中。
本文將介紹 Retention, LTV 的簡易版計算方法，以及從「商業分析」層面來看如何應用這兩個數字（*注意這裡不是說資料分析）。
「商業分析」之目的，是為了產生具商業價值、可被執行的行動方案
如果對如何定義商業指標有興趣，可參考下篇文章：
而商業分析第一步是了解你的聽眾是誰，從本篇來說即是 — 了解你的 Retention 聽眾是誰？
本文 Retention 中的回客計算，從電商/遊戲產業面是指有花錢的使用者、從 SaSS/訂閱式服務是指有繼續付費訂閱的使用者。
怎麼定義「回頭客」，其實也是大學問，上面的企業營運指標文章有提到我們怎麼定義旅行回頭客，本篇就不深入探討。
給外部聽眾的 Retention
先來聊聊外部聽眾，像是投資者、新聞從業者、(老闆?)⋯。這類聽眾關注的是能「簡單被理解」的數字，所以坊間常見的是被壓成一個比率的數字 – 回客率。
每月回客率 = 當月舊客戶/當月總客戶
不過 回客率 事實上有兩個缺點：
- 分母
會受當月新客數量影響 (e.g., 當月新客變少、比率可能因此變高，但不代表回客率變好；反之亦然。)
- 分子
舊客「總基數」原本隨著時間演進就會不斷變大。當月舊客總數也理應越來越大，所以也不一定代表回客率真的變好。
因為上述兩點，其實無法完全真實體現平台回客狀況有持續變好。所以事實上通常看 Retention 會用 cohort analysis（接下來段落會介紹到）。
那為什麼還是要用 回客率 呈現呢？如同前面提到，聽眾需求不一定是要精準的數字，而是容易理解的數字。解釋 cohort 給沒聽過的人可能得花上 5~10 分鐘，那些新聞的讀者應該是沒耐心、也沒興趣看下去。
給內部聽眾的 Retention
接下來進入本文重點，對於內部聽眾（管理、運營、產品⋯團隊）如何定義 Retention 指標，並產出可被規劃執行的方案。一開始你需要了解什麼是 Cohort Analysis，先來看看它長什麼樣子。
以上圖為例，簡單介紹一下概念：
- 縱軸，是新使用者進入時間點 (Oct 7, 2013 有 44 位新使用者)
- 橫軸，是該群新使用者回來的時間點與比率 (1 隔一週, 2 隔兩週回來…)
進一步而言，co-hort 有三種看法：
1. 直線看法(功能改善)，代表的是不同群「隔一週」回來的客人
2. 橫線看法(黏著度/存活率)，代表的是「同群新使用者」每週回來的比率
橫線看法，同群使用者的存活率，會是計算 Life Time Value(LTV)的關鍵把表格轉為曲線圖呈現就會變成 Survival Curve （存活曲線）。
3. 斜線看法(特殊活動)，代表的是「同一週出現的所有使用者」
斜線看法，把斜線數字加總，就會是該週所有的舊客總數，也就是上段落 回客率 的分子。【行銷部門】
從 CRM/Marketing Campaign 來看，如果想知道活動是否成功吸引到舊客戶：「斜線看法」就是檢驗的最佳方式(是否因為活動期間，以前的舊客戶都回來了)。
【產品部門、商品/服務部門】
想知道產品是否有本質性的改善、亦或是商品/服務品質的改善，是否吸引消費者持續回購，「直線看法+橫線看法」是最佳檢驗方式。
Life Time Value
終於聊完 Retention, Cohort Analysis，接下來聊聊重頭戲 LTV。計算前，需要先探討一個問題…
怎麼定義「客戶生命週期長度」？
其實 LTV、生命週期，可以用很複雜的數學模型去計算、預測。但個人認為對於新創公司來說，費時且意義不大(稍後也會提到一些原因)，所以建議可以用下述兩個面向去簡化假設、快速計算預估：
A. 手上握有的現金流週轉
如果你手上的現金僅足夠公司運營 1~2 年，建議可以抓 1 年當作客戶的生命週期；原因是你無法負擔高過一年的 CAC (Customer Acquisition Cost)成本，你需要 1 年內能回收的營收預估。
B. 顧客流失率
如果你發現顧客大概 3 個月沒回來，就不會回來了，那你可以考慮抓 3 個月為 LTV。而流失的客戶當然有可能再喚回，但喚回都需要額外的 CAC 成本，所以 CAC 與 LTV 可能類等比上升，而相互抵消。
定義好自己的顧客平均生命週期後，我們可以開始正式計算 LTV。其實 LTV 可以從 「cohort 橫線看法」計算得出，計算關鍵有兩步，第一步是…
1. 把 cohort 表的單位 「人」 換成 「營收」
2. 將上述表格的營收加總
第二步，將橫排加總到你定義的平均客戶生命週期後停止（如定義是一年，就抓 12 個月），即可得出類似下圖，每個月進來的新使用者群各自的 1 Year LTV。
照理講上述線圖應該會相對平穩，如果跳動很大，幾個可能原因包含：樣本數太少、售出的商品組成改變、不同季節導致的浮動、回客率太低導致跟隨 AOV(平均客單價) 浮動…。
建議從上述方向排除原因後，選擇一個比較合理的平均數字(或是看中位數大概落在哪)、另一種作法是計算平均 1 年獲得的「額外營收比」可避免一些季節性因素。
假設 2017.09 的新客共貢獻了 $1,000 (第一次 AOV)、而在往後的一年裡，這群客人又再貢獻了 $500。也就是說， 1 Year LTV = $1,000+$500額外營收比 ~= $1,500 / $1,00 = 50%，意思是可預期一個新客在未來的一年內可額外多帶 50% 營收。
而坊間說法最佳狀況是， LTV >> 3*CAC （考慮行銷成本外的營運成本、人事成本…）。
LTV 算出來後，如何應用在商業決策上呢？
【獲客策略】
如果原本每單平均毛利是 100 ，在考慮至少行銷費用與毛利打平的狀況下， CPA (獲取每單的成本) 可能會先訂在 100。
但如果算出 1 Year LTV 其實是 150，你可以考慮加大行銷預算，將 CPA 提高至 150。如此一來，將有機會獲得更多短期+長期的客人與營收。
【分行銷渠道分析】
另一個變種的用法是，分不同的行銷渠道分析 e.g., Google Adwords 廣告, 不同 Partner 流量, Facebook 流量…。
如果單看 AOV, CAC，短期的看法有可能遺漏掉某個渠道進來的顧客忠誠度/ LTV 比較高。不同渠道可能有讓人意外的 LTV 數字，也許會因此大幅改變不同渠道的預算調配挪移。
新創比較不適宜從「獲客角度」作分群分析?
回頭聊聊，為何不實際運算每個客戶的 LTV，再作分群分析(Clustering)？原因是下述問題可能導致分析出來無法有獲客的行動方案。
- 新創公司樣本數或資料構面不夠多去分群分析
- 真的分群出來後，行銷團隊不一定有辦法獲取該群客戶
- CAC 計算，很難計算單一客戶、或是依分群計算 CAC。因為各渠道的 CPC/行銷成本一直不斷變動，且資料來源眾多很難真的實作計算。分群CAC 算不出來，也就無法對比分群 LTV。
上述三種原因導致有高機率無法產生獲客行動方案，而商業分析的價值也可能因此隨之而散。
* 這裡不是說實際計算每個人的 LTV 沒價值、不可能做到，而是對新創公司而言要負擔的成本與效益比可能不高。* LTV 分群分析在 CRM 角度還是有很大的價值，像是如何維繫好高 LTV 客群，讓他們願意再花更多錢、變得更忠誠；當然也可從中思考品牌定位是否該調整。
「商業分析」之目的，是為了產生具商業價值、可被執行的行動方案
本文於此結束～如果有人跟你要一個 Retention 數字，又或是算單一客人的 LTV，建議你可以分享此篇給他看看 : )
對於商業分析、或是資料分析有興趣，也推薦你看看下述文章。
