如何實際計算 Retention、LTV ,並產出可執行的商業計畫

Lucas Hsieh
Sep 9, 2018 · 9 min read
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:

當月新客數會影響分母,進而影響回客率

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。

cohort analysis

以上圖為例,簡單介紹一下概念:

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)。

Survival Curves, source: https://blog.exploratory.io/an-introduction-to-cohort-and-survival-analysis-29a8cc74a5d

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」

把人/回來比率,改為營收

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。

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 : )


Lucas Hsieh

Written by

Enjoying everything about product growth. Follow me on Facebook: https://bit.ly/2Czt8uE

Welcome to a place where words matter. On Medium, smart voices and original ideas take center stage - with no ads in sight. Watch
Follow all the topics you care about, and we’ll deliver the best stories for you to your homepage and inbox. Explore
Get unlimited access to the best stories on Medium — and support writers while you’re at it. Just $5/month. Upgrade