热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

手游LTV(用户终生价值)计算公式

在承接APP推广项目中,手游价值变现最直接,核心是获取更多的充值,其中LTV(Lifetime-Value生命周期价值)是一个重要参考指标,可以理解为玩家在其生命周期内对游戏的平均贡献值,为什么要计算

在承接APP推广项目中,手游价值变现最直接,核心是获取更多的充值,其中LTV(Lifetime-Value生命周期价值)是一个重要参考指标,可以理解为玩家在其生命周期内对游戏的平均贡献值,为什么要计算LTV呢?在游戏进入市场推广阶段后,手游LTV可以有以下两点用途:

1、计算投入产出

ROI=LTV/CP*,LTV作代表收入,广告投入CP*(CPM、CPC、CPD、CPA等)代表成本。

2、优化广告投放配置

计算各个渠道导入用户的LTV、CP*、ROI,筛选出优质渠道优化投放,统计边际效益数据。

LTV游戏用户生命周期价值

 

如何计算手游LTV(用户终生价值)?让我们先了解这些手游运营数据指标:

DNU(Daily-New-Users): 每日游戏中的新增用户数量

AU(Active-Users):活跃用户,在统计周期内登录过游戏的用户数,统计周期包括DAU(日活跃用户)、WAU(周活跃用户)、MAU(月活跃用户)

PU ( Paying-User):付费用户

APA(Active-Payment-Account):活跃付费用户数

PUR(Pay-User-Rate):付费比率,计算公式:APA/AU

ARPU(Average-Revenue-Per-User) :平均每用户收入,计算公式:总收入/AU

ARPPU (Average-Revenue-Per-Paying-User): 平均每付费用户收入,计算公式:总收入/APA

LTV(Lifetime-Value):生命周期价值,即平均一个用户在首次登录游戏到最后一次登录游戏内,为该游戏创造的收入总计

用户留存率(Retention):用户在某段时间内开始使用游戏,经过一段时间后,仍然继续使用游戏的被认作是留存用户,这部分用户占当日新增用户的比例即是用户留存率,统计周期包括日留存(1Day Retention)、周留存(7Day Retention)、月留存(30Day Retention)

在理解上述手游运营数据指标后,让我们了解不同阶段手游LTV的计算公式:

一、LTV计算公式:LTV = LT * ARPU

如果用户LT(平均生命周期)是3个月,ARPU(平均用户收入)是10元/月,那么LTV = 3 * 10 = 30元

这个公式就好比:距离 = 速度 * 时间,优点就是非常好理解,缺点也非常明显,就是非常理论化。但是实际生活中开车,车速受到动力、交通、天气等因素影响随时变化,而手游在刚开始设计时,没有数据,怎么去评估用户的生命周期?而且ARPU也不是一个固定数值,具体可参考下图两种类型走势。

游戏ARPU数值

 

二、LTV计算公式:LTV = N天流水/N天新增(N≥30)

如何不想计算用户生命周期?咱们不如就自己定义吧,建议可以定义的长一些,30天、60天、90天,这个可以通过观察用户留存率来看,正常60日留存是1%以内,差不多用户生命周期。这个一般需要真实数据了,可以通过友盟或talkingdata把近几个月的用户留存率拉一下,你看到第几周用户留存在1%左右了,就按照这个天数来吧。

用户留存

 

三、LTV计算公式:通过计算留存率模型、收益函数模型来评估

根据Talkingdata的数据分析,用户的留存率在推广渠道、产品版本既定的情况下应当呈现一定的发展趋势。一般来讲用户留存会呈现如下的发展趋势曲线:

用户留存率发展趋势

 

前N天极速衰减,终端出现稳定的衰减收敛序列,这样可以推荐分段计算。假设留存函数是 y=a*x^b的幂函数,其中x为使用天数,a和b是模型的系数。首先预估的是180天内的留存率。它使用了第2天、7天、14天、30天和180天的加权系数,加权值为:2.5、7、12、57.5、100(顺序对应)。基于LTV公式的加权系数比在幂函数求积分更简单,对于精确度的影响也没有那么大。当用户生命周期计算好后,用ARPDAU乘以生命周期即可计算出LTV值。


推荐阅读
  • AARRR:数据运营模型
    一、基础知识产品经理《增长黑客》数据分析基础--获取(Acquisition)--激活(Activation)--留存(Retention)--收入(Revenue)--传播(Re ... [详细]
  • 自SQL Server 2005以来,微软的这款数据库产品逐渐崭露头角,成为企业级应用中的佼佼者。本文将探讨SQL Server 2008的革新之处及其对企业级数据库市场的影响。 ... [详细]
  • 58同城的Elasticsearch应用与平台构建实践
    本文由58同城高级架构师于伯伟分享,由陈树昌编辑整理,内容源自DataFunTalk。文章探讨了Elasticsearch作为分布式搜索和分析引擎的应用,特别是在58同城的实施案例,包括集群优化、典型应用实例及自动化平台建设等方面。 ... [详细]
  • 深入解析:主流开源分布式文件系统综述
    本文详细探讨了几款主流的开源分布式文件系统,包括HDFS、MooseFS、Lustre、GlusterFS和CephFS,重点分析了它们的元数据管理和数据一致性机制,旨在为读者提供深入的技术见解。 ... [详细]
  • ArchSummit深圳2014将于7月18日拉开帷幕,所有讲师已确认,涵盖9个热门话题,共36场精彩报告。InfoQ中文站提供了详细的讲师和报告列表。 ... [详细]
  • 大数据核心技术解析
    本文深入探讨了大数据技术的关键领域,包括数据的收集、预处理、存储管理、以及分析挖掘等方面,旨在提供一个全面的技术框架理解。 ... [详细]
  • 不仅数据分析师的招聘中要求具备可视化,和使用PPT制作分析报告的技能。对于非数据分析师的岗位,例如产品、市场、运营等,每天也会接触大量的图 ... [详细]
  • 本主题面向IT专业人士,介绍了Windows Server 2012 R2和Windows Server 2012中的组托管服务账户(gMSA),涵盖了其应用场景、功能改进、硬件和软件要求以及相关资源。 ... [详细]
  • PHP 过滤器详解
    本文深入探讨了 PHP 中的过滤器机制,包括常见的 $_SERVER 变量、filter_has_var() 函数、filter_id() 函数、filter_input() 函数及其数组形式、filter_list() 函数以及 filter_var() 和其数组形式。同时,详细介绍了各种过滤器的用途和用法。 ... [详细]
  • 这个项目可以理解为针对互联网IT人打造的中文版awesome-go。已有的awesome-go项目,汇总了很多go开源项目,但存在的问题是收集太全了,而且每个项目没有详细描述。 ... [详细]
  • 通讯社区社交产品功能分析报告:知乎圈子广场vs百度贴吧
    以下的分析内容,是我作为一名产品小白的一些不成熟的看法。如有疏漏,请多指教。一、竞品分析目的通过对竞品界面和功能的分析,找到知乎“知乎圈 ... [详细]
  • 10 个 GitHub 上超火和超好看的管理后台模版,后期工作可能用的上
    大家好,我是你们的超级猫,一个不喜欢吃鱼、又不喜欢喵的超级猫~前言一般人没事的时候刷刷朋友圈、微博、电视剧、知乎,而有些人是没事的时候刷刷 ... [详细]
  • UI框架哈哈哈
    在前端项目开发过程中,总是会引入一些UI框架,已为方便自己的使用,很多大公司都有自己的一套UI框架,下面就是最近经常使用并且 ... [详细]
  • QCon北京2018圆满结束,探索前沿技术最佳实践
    \看新闻很累?看技术新闻更累?试试下载InfoQ手机客户端,每天上下班路上听新闻,有趣还有料!\\\由极客邦科 ... [详细]
  • 摘要:昨天,国内独立第三方数据服务提供商TalkingData正式发布《2014移动互联网数据报告》。报告显示:2014年,我国移动智能终端用户规模达10.6亿,较2013年增长231.7%,增速远 ... [详细]
author-avatar
陈珍贵263483
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有