终身价值是个难题。寿命值 最简单也是最可靠的 LTV 计算方法 告诉你过去发生了什么：X 分部每个用户赚了 Y 美元。在一个完美的世界里，这就足够了。
但通常情况下，您希望了解未来，这就意味着要建立 更复杂的模型.
"复杂 "有很多含义，从相对快速简单的公式到尖端的机器学习设置，不一而足。大多数初创公司在开始研究 LTV 模型时发现，找到范例很容易，但很难找到关于哪种模型最好的评论或证据。
缺乏实质性信息不仅是因为大公司不愿意谈论它们使用的信息。另一个原因是没有 "最佳 "做法。只有在特定情况下有效的做法。因此，这篇文章是我们 LTV 101 简介下面我将谈谈为什么需要模型，以及如何从零开始。
简要回顾
LTV 101 提供了开发人员计算 LTV 的几个典型原因：明智地使用收购资金、随时了解应用程序的健康状况以及做出商业决策。
即使是最简单的计算，也能满足上述每个目的：将一个群组在一段时间内的已知收入除以时间。因此，举例来说，如果你知道你的 Facebook 18-25 岁用户群（由 1000 名用户组成）在 90 天内的收入为 $10,000，那么你就可以证明每个用户 90 天的 LTV 为 $10。
这个数字可能会告诉你，你可以在 $10 的时间内获取类似用户；你的应用有机会获得投资者的青睐；你可以扩大用户获取规模。但它并不能告诉您其他组群的未来。
如果收入只有 $1,000 呢？无法预测未来的投资回报率，就等于错失了在必要时进行调整的机会，或者在所有迹象都向好的情况下，失去了自信地向前冲的机会。
预测 LTV 的一种方法
您可以使用我们称之为 "比率法 "的简单历史模型，开始预测其他组群的 LTV。
要使用这种方法，您需要至少一个过去组群的 90 天数据。根据这些过去组群的数据，您就可以找到一个可用于未来组群的增长率。
下面是使用比例法的步骤方法：
- 对于您过去的组群，请找出 7 天和 90 天 LTV 的美元金额（例如，第 7 天为 $1.50，第 90 天为 $6）
- 用 90 天的金额除以 7 天的金额（6 / 1.50 = 4）
- 查找新组群（如 $2）的 7 天 LTV 金额
- 用新组别 $2 的 LTV 乘以原组别 4 的比率
在这种情况下，您对新组群的预期 90 天 LTV 为 $8。
随着时间的推移和队列数据的增加，你的比率会越来越精确，因此，即使有了更复杂的公式，这种方法仍然是一种有用的备用方法，既可用于快速的封底计算，也可作为其他计算的基准。
下一个：更复杂的模型
学习了比率法之后，下一步就是建立自己的完整公式，这个公式可以基于动力曲线甚至机器学习等原理。在努力实现这一目标的过程中，值得注意的是，还有两个因素可能会影响到 LTV：
- 广告 - 如果您在应用程序中运行广告，则需要在计算 LTV 时添加收入。
- 病毒性 - 在具有可衡量病毒性的应用程序中，病毒式邀请也可计入 LTV：当一个用户邀请另一个用户时，邀请者实际上要对被邀请者的未来消费负责。计算 K 因子（例如 0.1），乘以被邀请者的预计 LTV（例如 $5），然后将结果加到邀请者的 LTV 上（0.1 * $5 = $0.50 额外 LTV）。
天神公司自己的工具在开箱即用的情况下，确实会考虑广告和病毒性。
接下来的工作就比较困难了--但还是可以应付的！敬请期待本系列的第三篇文章，我们将介绍天神为 LTV 准备的几款机型。
