定义:
预测LTV,即预测生命周期价值(pLTV),是对某个用户或获客cohort未来预计会产生多少收入的估算。在移动营销中,预测LTV利用早期行为、收入和历史信号,帮助营销人员在完整的用户生命周期成熟之前评估campaign质量。
什么是预测LTV?
预测性LTV 是一种 预测分析。它是一种在实际价值产生之前,用来估算用户未来价值的指标。 它与传统的生命周期价值(LTV)相关。传统LTV基于过去的数据,衡量的是用户或cohort已经产生的收入。与传统LTV不同,pLTV是一种预测:它利用生命周期早期的信号,推断并估算某个cohort的用户在之后会产生多少收入。
pLTV对需要快速做决策的用户获取团队非常有用。营销人员并不总能等上几周甚至几个月,等cohort成熟之后再决定是追加预算扩量、维持还是暂停某个campaign。 例如,第1天获取的用户最终可能通过以下方式产生价值:
- 应用内购买
- 广告收入
- 订阅付费
- Renewals
- 其他变现事件
好的pLTV指标能够基于算法中的特定信号来估算和预测价值。
预测LTV与历史LTV
历史LTV或 传统LTV 衡量的是已实现的价值,而预测LTV估算的是未来价值。 来看两个获客后第7天的用户cohort。
A 活动
- 第7天已实现LTV:$1.50
- 预测的未来LTV:$4.20
B 活动
- 第7天已实现LTV:$1.70
- 预测的未来LTV:$2.40
如果只看已实现价值,Campaign B看起来比A更强;但看pLTV预测,Campaign A才是赢家。这一结论基于Campaign A的早期信号——它可能有更多会话、更好的留存、更高的参与度、更强的购买意愿,或兼而有之。 pLTV这一指标能够识别早期信号模式,并在收入尚未完全体现之前反映出它们的强弱。
预测LTV是如何运作的?
预测LTV模型通常会把早期用户行为与已成熟cohort的历史规律结合起来。可能用到的信号包括:
- 早期收入
- Sessions
- Retention 留存
- 广告曝光
- 购买行为
- 参与深度
- 获客来源
- 地理
- 平台
- 应用内行为
预测模型的任务是学习早期信号与后续预测值之间的关系和相关性。例如,某个应用的历史数据可能显示:完成5次会话、观看10次激励广告并进行过一次购买的用户,更有可能产生更高的LTV。因此,当同一应用的新cohort开始表现出类似行为时,模型就能给出更高的LTV预测。
每种预测分析方法都有所不同,每家MMP都有自己的算法。各个系统使用的模型、信号和预测窗口各不相同,因此使用pLTV的营销人员务必要了解该指标所代表的含义。
什么是Tenjin的预测LTV?
Tenjin在收入面板中提供预测生命周期价值(pLTV)。 Predicted Revenue 指标(例如Predicted Revenue D7)将广告聚合收入、内购和订阅信号整合为一个机器学习预测值。根据 文档,Tenjin的pLTV模型:
- 使用第1天到第30天的cohort
- 结合广告聚合和内购信号
- 使用已成熟cohort和历史数据
- 处理早期行为和变现信号
- 平均准确率约为90%
- 最多可使用78个输入信号
只需在面板的添加指标区域搜索pLTV,即可将该指标添加到收入报告中。由于可以直接在面板中使用,营销人员能够立即按cohort查看pLTV,并与花费和LTV放在一起评估。
预测LTV与订阅类应用
预测LTV对订阅类应用尤为重要,因为与许多超休闲和游戏应用相比,订阅的生命周期需要更长时间才能展开。新获取的订阅cohort最初可能只有一些安装、试用开始和少量首次付费;一个月后,同一cohort才可能产生续订、取消、重新激活,并达到成熟的订阅用户LTV。
类似的模式和时间差问题也出现在 混合变现模式中。而在压力之下,营销人员可能需要在完整的订阅周期显现之前就做出预算决策。
订阅LTV的早期信号会考虑:
- 试用开始率
- 试用转付费率
- 套餐选择
- 首次续订行为
- 早期参与度
- 取消时间
订阅用户LTV的早期信号有所不同,它关注的是付费订阅用户产生的价值。例如,成熟的年度订阅用户平均价值可能在$80左右,而预测模型可能估算新获取的cohort有望产生$70。
与传统或历史LTV类似,订阅用户LTV描述的是已产生的价值,而pLTV描述的是预计的订阅用户价值。两个指标都有助于判断campaign的经济性。
pLTV与pROAS
如果说pLTV是对用户或cohort价值的预测估算,那么pROAS就是对ROAS(即收入相对于广告花费的回报)的预测估算。pROAS的计算公式很简单:
Predicted ROAS = Predicted Revenue or LTV ÷ Spend × 100
例如:
- Campaign花费 = $10,000
- 收入 = $6,000
- pLTV = $14,000
在这个例子中,当前已实现的ROAS为60%,而pROAS为140%。pLTV预测表明,随着cohort成熟,该campaign有望实现盈利。与只看早期收入相比,这提供了重要的参考:团队不必根据当前ROAS停掉campaign,而是可以继续投放,并观察表现是否符合预测。
这说明预测LTV比单看早期收入信号更有用。早期信号噪声很大:少数几个“鲸鱼”用户就可能让新cohort看起来比实际更强;同样,一个购买缓慢但稳定的cohort在初期可能显得很弱,最终却有更大的长期潜力。同样的道理也适用于混合变现和订阅类应用:首次付费通常能反映出续订质量。
好的预测模型会考虑更广泛的信号,并为决策提供一个经过训练的指标。
什么样的预测LTV模型才算好?
一个有用的LTV预测模型应具备:
相关的输入
模型需要真正与未来价值相关的信号。
足够的成熟历史数据
模型需要知道类似用户过去的表现。
定期重新校准
用户行为、变现方式、素材策略和获客渠道都会随时间变化。
清晰的预测定义
营销人员应清楚预测的是哪些收入来源、多长的时间范围。
与实际值对比验证
随着数据成熟,应将预测值与cohort的实际表现进行对比。
无法验证的模型,很难让人放心地据此做预算决策。
MMP如何利用预测LTV做campaign决策?
MMP本身已经掌握了以下获客信息:
- Network
- Campaign(广告活动)
- Creative(素材)
- Country(国家)
- 平台
- Spend
当预测收入与其他报表放在同一环境中时,营销人员就能更早地将预测价值与获客成本进行对比。
这有助于做出以下决策:
- 为预测价值高的campaign扩量
- 在等待更多数据的同时维持花费
- 减少预测经济性较差的cohort的花费
- 在CPI之外比较素材质量
- 优先投放预计能带来更高长期价值的渠道
Tenjin的pLTV正是为此设计的:把预测值带入营销人员评估花费和实际LTV的同一个UA工作流中。
预测LTV与混合变现
当用户以多种方式变现时,预测LTV尤其有价值。然而,能支持多种变现组合的工具非常少。许多平台仍把应用变现当作单一的IAA、IAP或订阅来处理,从不考虑混合变现。如果您有不止一种收入来源,这就可能变成衡量上的问题。
例如,如果一款混合变现游戏同时产生IAA和IAP收入,而模型只预测其中一种,总价值就可能被低估。这就是为什么Tenjin的pLTV结合了广告聚合和内购信号,这也体现了一个更广泛的衡量原则:应当从所有为业务贡献收入的变现来源来评估用户价值。
更多内容请阅读我们的博客: IAP+IAA产品的LTV预测:四大挑战及解决方案.
使用预测LTV的最佳实践
把预测当作估算值。
它可以辅助决策,但不能替代实际表现。
清楚包含了哪些收入。
不同的pLTV产品可能预测不同的变现来源。
将预测值与实际值对比。
随着cohort成熟验证模型。
将pLTV与花费结合使用。
把预测价值转化为预期ROAS或盈利能力时,它会更有用。
按campaign和渠道细分。
混合在一起的预测可能掩盖有意义的获客差异。
避免比较定义不同的cohort。
确保预测窗口和收入输入保持一致。
使用足够的数据。
规模很小的cohort可能产生不稳定的信号。
相关术语
常见问题解答
什么是预测LTV?
预测LTV是基于早期数据和历史数据,对用户或cohort未来预计会产生多少收入的估算。
LTV和预测LTV有什么区别?
LTV可以描述已经累积的已实现价值,而预测LTV预测的是尚未产生的价值。
预测LTV在移动营销中如何使用?
营销人员用它在cohort完全成熟之前更早地评估campaign质量和预期ROAS。
Tenjin的pLTV包含哪些内容?
Tenjin的Predicted Revenue指标将广告聚合、内购和订阅信号整合为一个机器学习预测值,用于移动UA分析。
预测LTV准确吗?
准确度取决于模型、输入、应用和cohort。Tenjin目前的文档显示其pLTV指标平均准确率约为90%,但随着cohort成熟,仍应将预测与实际表现进行对比验证。