LTV 201：シンプルな予測方法

ライフタイムバリューは扱いが難しい。その 最も簡単で、かつ最も信頼性の高いLTVの計算方法 過去に何が起きたかをお伝えしましょう。セグメントXでは、ユーザー1人あたりYドルの収益がありました。理想的な状況であれば、それで十分でしょう。.

しかし、たいていの場合、未来を知りたくなるものであり、そのためには より複雑なモデル.

“「複雑」という言葉には、比較的簡潔で分かりやすい数式から、最先端の機械学習の仕組みに至るまで、さまざまな意味が含まれます。多くのスタートアップがLTVモデルの調査を始めると気づくのは、具体例は簡単に見つかるものの、どのモデルが最適かについての評価や根拠を見つけるのは難しいということです。.

具体的な情報が不足しているのは、大企業が自社の利用状況について話したがらないからだけではありません。もう一つの理由は、「ベストプラクティス」というものが存在しないからです。あるのは、特定の状況で効果のある方法だけなのです。そこで、前回の記事に続く今回の投稿では、 LTV 101 入門, 、今回は、なぜモデルが必要になるのか、そしてゼロから始める方法についてお話しします。.

簡単なまとめ

「LTV 101」では、開発者がLTVを算出する代表的な理由として、獲得費用を賢く活用すること、アプリの健全性を把握すること、そしてビジネス上の意思決定を行うことなどが挙げられました。.

これらの目的は、いずれもごく単純な計算で満たすことができます。つまり、ある期間におけるコホートの既知の収益を、その期間で割るだけです。例えば、 Facebookの18～25歳のコホート（ユーザー1,000人）が、90日間の期間に$10,000の収益を上げたことが分かっている場合、ユーザー1人あたりの90日間のLTVは$10であることが証明できます。.

この数字からは、最大$10までの類似ユーザーを獲得しても問題ないこと、アプリが投資家から注目される可能性があること、そしてユーザー獲得を拡大できることが読み取れるかもしれません。しかし、他のコホートの将来については何も示していません。.

もし収益がたったの$1,000だったとしたらどうでしょう？将来のLTVを予測できないということは、必要な時に方向転換する機会を逃したり、すべての兆候が好転している時に自信を持って前進する機会を逃したりすることにつながります。.

LTVを予測する1つの方法

「比率法」と呼ばれるシンプルな履歴モデルを使えば、追加のコホートについてLTVの予測を開始することができます。“

この手法を利用するには、過去のコホートから少なくとも1つについて、90日分のデータが必要となります。この過去のコホートデータに基づいて、将来のコホートに適用できる成長率を算出することができます。.

以下に、比率法を使用するための手順を順を追って説明します。

1. 1. 過去のコホートについて、7日目および90日目のLTVの金額を算出してください（例：7日目は$1.50、90日目は$6）。
   1. 90日分の金額を7日分の金額で割る（6 ÷ 1.50 = 4）
   1. 新しいコホート（例：$2）の7日間LTV額を算出する
   1. 新規コホートの LTV（$2）に、元のコホートの比率 4 を乗じる

このシナリオでは、新規コホートの90日間の予想LTVは$8となります。.

時間が経ち、より多くのコホートデータが収集されるにつれて、算出される比率はより正確になっていきます。そのため、より複雑な計算式がある場合でも、この方法は、手計算による大まかな見積もりや、他の計算結果との比較検討を行う上で、引き続き有用な補助手段となるでしょう。.

次は、より複雑なモデル

「比率法」を学んだ後の次のステップは、完全な数式を構築することです。この数式は、パワーカーブや機械学習などの原理に基づいて作成することができます。この目標に向けて取り組むにあたっては、LTVに影響を与える可能性のある以下の2つの要素も念頭に置いておく価値があります：

• • 広告 — アプリ内で広告を掲載する場合は、その収益をLTVの算出に含める必要があります。.
  • バイラル性 — バイラル効果が測定可能なアプリでは、バイラル招待もLTVに算入できます。あるユーザーが別のユーザーを招待した場合、招待者は実質的に招待されたユーザーの将来の支出に対して責任を負うことになります。K係数（例えば0.1）を算出し、それを招待されたユーザーの予測LTV （例：$5）を掛け合わせ、その結果を招待者のLTVに加算します（0.1 × $5 = $0.50の追加LTV）。.

Tenjin独自のツールは、初期設定の段階で広告やバイラル効果をすでに考慮しています。.

その先は少し難しくなりますが、何とか乗り切れるはずです！このシリーズの第3弾では、TenjinがLTVの算出に活用しているいくつかのモデルをご紹介しますので、お楽しみに。.