订阅用户生命周期LTV的衡量方案

目前，AI方向的应用常见商业模式都是订阅（Subscription）。当然，越来越多的工具类和内容类产品都引入了订阅制，提供高级会员服务。本文主要是研究订阅用户的生命周期价值（LTV，Lifetime Value）的衡量方案，以及如何确定获客成本（CAC, Customer Acquisition Cost）。特别是对现金流和利润敏感的团队，CAC<LTV至关重要，否则很容易一顿操作猛如虎，最后没赚到钱。

一、业务问题

团队中的不同角色关心和思考的业务问题各不相同：

• 管理：按照当前发展趋势，MRR (Monthly Recurring Revenue)在年底能做到多少？
• 财务：月度/季度/年度的净现金流是盈利还是亏损？当前获客支出是否满足ROI>1？
• 用增：每个付费用户的获客成本应该控制在多少钱？第一笔付款占全部LTV的比例？在有限预算下，应该如何最大化收入规模或者MRR？
• 商业化：如何提升付费用户LTV？如何利用促销等策略提升收入规模或者MRR？

对上述问题感兴趣的朋友，欢迎给我留言和讨论。虽然这些问题不同，但都依赖一个正确且清晰的LTV衡量方案作为基础。本文将提出这样一个方案，并且尝试回答以下3个具体的业务问题：

• 通过关键指标和模型，预测一个订阅用户的生命周期价值LTV是多少？（获取一个订阅用户能赚到多少钱？）

• 一个订阅用户LTV的回收周期是多久？（这笔钱需要多久可以全部赚到手？）

• 在获客ROI>=1的条件下，如何给用户增长团队制定获客成本的目标？（获取一个订阅用户最多可承担的成本是多少？）

二、订阅用户LTV的衡量方案

计算一个订阅用户的LTV的步骤如下：

第一步：确定平均每用户收入（Average Revenue Per User, ARPU）

以月为单位来计算，那么月包和年包用户的Monthly ARPU分别是：

如果不考虑折扣促销等情况，那么Monthly ARPU就是月包价格，Annual ARPU就是年包价格除以12。

第二步：估算用户的平均生命周期（Average Customer Lifetime, ACL）

平均生命周期指的是一个用户从订阅开始到取消订阅的平均时间，需要引入留存率（Retention Rate）的概念，但实际上这里可以用续费率（Renew Rate）来代替，即订阅用户到期后是否考虑继续付费订阅。如果不续订，那么可以视为订阅用户流失。

以月为单位来计算的场景下，月包续费率比较好理解，年包续费率需要做一个简单的换算：

计算用户生命周期，假设起始点有100个订阅用户，每月续费率为R%，那么每期订阅用户数量求和应该是：

其实，生命周期就是各期续费率的求和；如果是免费游戏或应用，就是各期留存率的求和。为了方便大家理解，所以假设第一期是100个订阅用户，最后除以100得到一个订阅用户的情况）上述等比数列求和再除以100，得到每一个订阅用户的生命周期：

注意：上述公式是简化计算的办法，因为订阅用户在各期的续费率并不是一致的，而是第一次续费往往最低，随时间逐渐提升，并稳定在一个较高水平。所以，为了预估更接近真实情况，可以简单地优化如下：

• 通过历史数据获得真实的每期多次续费率；

• 将第1次的续费率提取出来，例如提取首次续费率50%；

• 假设第2次及以上的多次续费率为固定值，得到算术平均值，再利用上述公式计算

这样做有2个好处：第一，方便后续利用真实收入验收第一次续费率，以及真实收入回收比利；第二，在获客场景，通过第一次续费率的变化快速估算CL变化，进而调整出价。

第三步：计算订阅用户生命周期价值（Lifetime Value, LTV）

分别计算月包和年包用户的LTV：

考虑月包和年包用户的占比，得到一个平均订阅用户LTV

三、具体案例

假设一款【三良出海App】的会员订阅有2种模式，分别是月包和年包，各自的价格分别是$9.90和$99.00。具体计算步骤如下：

• 计算ARPU：月包的月度ARPU是$9.9；年包的月度ARPU是$99 / 12 = $8.25

• 计算CL：

  • 月包续费率是90%，则月包用户生命周期Monthly CL = 1 / (1-90%) = 10个月

  • 年包续费率是70%，换算为月度续费率是0.7开12次方，约等于0.97，Annual CL = 1 / (1-0.97) = 34个月

• 计算月包和年包的LTV

  • Monthly LTV = $9.9 * 10 = $99

  • Annual LTV = $8.25 * 34 = $280.5

• 假设年包占比10%，月包占比90%，则一个订阅用户LTV是
  Overall LTV = 90% * $99 + 10% * $280.5 = $117.15

公众号【回复】LTV，可获得含计算公式的Excel

四、订阅用户LTV的回收周期

在上述方案中，不难发现与回收周期最相关的指标是续费率，特别是长期续费率。现实情况中，各期续费率不是一样的，往往是前期更低，后期更高。续费次数越多，用户忠诚度更高，后期续费可能性越高。所以，需要根据真实的续费率情况来确定回收周期。

• 情况1: 假设续费率始终是90%。（下图1）

• 6个月回收47%，12个月回收72%，24个月回收93%，36个月回收98%；

• 情况2: 假设第一期续费率是50%，后续依次是60%、70%、80%、90%，最后稳定在90%。（下图2）

• 6个月回收63%，12个月回收81%，24个月回收95%，36个月回收99%；

需要根据真实的续费率来画出订阅用户LTV曲线，判断对应的回收周期。在实际业务场景，还需要考虑资金的周转效率，需要框定一个回本周期。所以，在给定回本周期的条件下，给LTV打一个折扣。

例如，获客支出的回收周期设定在12个月。那么，主要影响的就是月包用户，我们需要在Monthly LTV上做相应折扣，例如情况1中的72%。

五、订阅用户的获客成本

在获客ROI>=1的业务意义是：每支出100元，能够赚不低于100元。既然我们已经估算出一个订阅用户LTV，那么以利润为目标的要求就是：一个订阅用户的获客成本应该不高于这个LTV的金额。

但是，仅仅提出这个要求是不够的。因为，现实情况往往会发生变化。投放策略和外部因素都会导致真实续费率发生变动；折扣促销、退款、黑产攻击等等都会造成真实LTV回收产生影响。所以，我们还需要利用同批人的真实收入数据（Revenue Cohort）去验收和校正模型。

例如：在8月初，我们就可以把1月份新增订阅用户的续费率和真实的每月收入分析：

• 验证2月-7月这6期的续费率是否与模型时使用的数据一致，年包用户占比是否一致；

• 验证2月-7月每月真实收入现金流是否与模型的比例一致；

一般情况下，因为内部策略和外部影响，同期的真实收入现金流的回收比例更低，大概是在模型的90%左右。所以，订阅用户的获客成本时，需要在考虑回收周期的折扣情况下，给LTV再打一次折扣。

六、建议的工作流

模型预估LTV往往会使用很多历史数据，但是仍然建议每月验收年包用户占比、续费率等指标，及时调整LTV预估，确保订阅用户LTV的变化能够及时反映到获客拉新策略上，保证ROI符合要求。

【正向飞轮】最好的情况是，每个月验收的时候，各项关键指标都在上升，例如年包占比更高、续费率更高。那就意味着过去一个月获客支出的实际ROI要比预估更高。那么，在后续获客策略上就更有信心给出更高预算和出价。这样又能带来更多高价值的新用户，实现正向循环。

【负向螺旋】最坏的情况是，每个月验收的时候，各项关键指标都在下降，例如年包占比更低、续费率更低。那就意味着过去一个月获客支出的实际ROI要比预估更低。那么。在后续获客策略上就需要降低出价，这样可能会造成新用户质量更低，进入负向循环。这个时候，需要暂缓拉新投放或者缩减预算，全面调整增长/商业化/产品策略之后，再重新评估。