2021/8/12
获客环节的核心能力: 精准拿量能力. 扩大新增用户规模, 同时保证新用户质量
获客环节的关键问题:
- 目标用户
- 用户值多少钱(LTV), 成本(CPA, CAC), 多长时间回本
- 渠道质量, 资源分配
- 如何触达用户
- 产品和服务的推广方式
针对上述问题2: 单位经济(UE)模型, 从单用户视角出发, 拆解成本和收入
成本
很多人不理解CPA与CAC有什么区别，常把他们混淆，或者都叫新用户成本。实际上他们是完全不同的指标。
- CPA是指获取一个流量的所花费的成本。
- CAC则是指获取一个客户所花的成本。（一般指付费用户）
流量不一定会成为客户，他们中间差着一个付费转化率CR。
付费转化率CR = CPA / CAC (=获取付费用户数 / 获取流量数)，付费转化率越高，获取一个付费客户的成本CAC越低。这是通过CPA和转化率推导CAC的方式，其实CAC本身是有更准确的计算方式的。
收入
LTV详解见本文后半部分.
UE模型的应用价值：
- 用户生命周期价值及增长趋势，并可预估未来价值。
- 各项成本支出及回收周期，可以判断成本控制范围，能否收回。
- 单用户在整个生命周期内贡献的净价值。
个人理解:
- 在该分析模型中, 考虑指标的 价值维度(衡量用户价值大小) 时间维度(成本回收周期), 考虑付费前后的user-base metrics
- 在商业上, 补充考虑了获客成本控制(例如成本 < 1/5*LTV), 渠道质量评估和资源分配, 以及每个用户的成本回收期
source: 生命周期价值LTV预测 (qq.com)
1. LTV定义: 在获得新用户后的一段时间内, 没以为用户的平均利润净现值
2. LTV指标定位:公司级大帐, 带预测属性. 同为大帐的还有获客成本, ROI=LTV / 获客成本.
3. LTV使用场景: 应用于市场营销领域, 判定企业是否能获取高利润的重要参考. 最初多应用于游戏行业
3.1 计算ROI
获客成本可分为: CPM, CPC, CPD, CPA
3.2 预估成本回收期
得到获客成本, 并且计算出n日用户LTV后, 可评估出在第k日时回收成本
若回收期过长, 则需要改造产品功能和商业逻辑
3.3 判定渠道质量
渠道评估: 分渠道, 注册日期, 人群等多维度进行LTV对比
成本控制: 在已知LTV的前提下, 可评估最大买量成本
投放配比: 依据渠道用户LTV, 进行高低质量用户策略配比, 保证游戏氛围活跃又有一定充值用户
3.4 支持产品运营
产品功能调整 功能变化前后的LTV对比
运营策略方向 如电商不同品类的LTV对比
LTV计算逻辑
趋势接近幂函数
LTV预测方法
方法1: LT * 活跃ARPU
1.1 预测逻辑:
LT基于留存率衰减趋势( $\sum_{n=1}^N n日留存率$), 其中N日留存率为0.
单用户活跃天内ARPU: 趋势不稳定难以预估, 一般使用一段时期内的均值
1.2 优点: 简单, 适合产品功能稳定后预测
1.3 缺点: 留存率拟合存在误差, 忽视了不同时期的用户ARPU是动态变化的
方法2: 依据交易预测 付费LT*付费ARPU
新客预测: 付费LT * 付费ARPU
全量用户预测: 付费LT * 付费APRU * 新付费转化率
2.1 预测逻辑:
预测用户付费生命周期: 幂函数拟合各周付费率衰减趋势
假定不同阶段用户周付费ARPU不变
如需预测全部用户, 需加入付费转化率
2.2 优点：简单粗暴、常用、模型化
2.3 缺点：需要预测3个变量增大预测偏差
①付费率拟合存在误差
②不同付费周期用户ARPU是动态变化的，用户贡献价值是不同的。
③付费转化率受产品调整及运营活动影响较大
方法3: 实际LTV数据拟合预测
3.1 预测逻辑:
幂函数曲线拟合历史LTV数据
3.2 优点: 依据真实历史LTV预测
3.3 缺点: 对数据量和质量要求较高, 数据量少时需人工修正预测结果