การคำนวณ LTV
แบบจำลองและสูตร
การคำนวณ LTV เป็นบทเรียน Digital Marketing Academy ฟรีบน CoddyKit นี่คือบทเรียนที่ 2 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน Digital Marketing Academy และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส Digital Marketing Academy มีบทเรียนทั้งหมด 4 บทเรียน
สูตรอย่างง่าย
สูตร LTV ที่ใช้กันอย่างแพร่หลายที่สุดคูณรายได้เฉลี่ยต่อผู้ใช้ด้วยส่วนต่างกำไรขั้นต้น แล้วหารด้วยอัตราการเลิกใช้งาน
การหารด้วยอัตราการเลิกใช้งานมีค่าเทียบเท่าทางคณิตศาสตร์กับการคูณด้วยอายุการเป็นลูกค้าเฉลี่ย ดังนั้นบรรทัดเดียวนี้จึงรวมรายได้ ความสามารถในการทำกำไร และการรักษาผู้ใช้ไว้ด้วยกัน
LTV = ARPU x gross margin x (1 / churn rate)ตัวอย่างการคำนวณ
สมมติว่าบริการสตรีมมิงเรียกเก็บค่าบริการเดือนละ 12 มีส่วนต่างกำไรขั้นต้น 70% และสูญเสียผู้สมัครสมาชิก 4% ในแต่ละเดือน
เมื่อนำค่าเหล่านี้เข้าสูตร จะได้ LTV ที่ชัดเจนและน่าเชื่อถือ ซึ่งคุณสามารถนำไปเปรียบเทียบโดยตรงกับต้นทุนการได้มาของลูกค้า
ARPU = 12/month
Gross margin = 0.70
Churn = 0.04
LTV = 12 x 0.70 x (1 / 0.04)
LTV = 8.4 x 25 = 210เลือกช่วงเวลา
ARPU และอัตราการเลิกใช้งานต้องใช้หน่วยเวลาเดียวกัน การผสม ARPU รายเดือนกับอัตราการเลิกใช้งานรายปีจะทำให้ตัวเลขคลาดเคลื่อนอย่างมาก
สำหรับผลิตภัณฑ์แบบสมัครสมาชิก การใช้หน่วยเดือนเป็นเรื่องเหมาะสมตามธรรมชาติ สำหรับธุรกิจค้าปลีก การใช้ช่วงเวลารายปีมักเหมาะกว่า เพราะการซื้อเกิดขึ้นเป็นครั้งคราว เลือกหน่วยใดหน่วยหนึ่งแล้วใช้ให้สอดคล้องกันกับข้อมูลนำเข้าทุกค่า
Consistent units (monthly):
ARPU 12/mo, churn 0.04/mo -> OK
Mismatch: ARPU 12/mo, churn 0.40/yr -> WRONGLTV จากธุรกรรม
ธุรกิจที่ไม่มีระบบสมาชิกคำนวณ LTV จากพฤติกรรมการซื้อ ได้แก่ มูลค่าคำสั่งซื้อเฉลี่ย ความถี่ในการซื้อ และอายุการเป็นลูกค้า
วิธีนี้เหมาะกับธุรกิจพาณิชย์อิเล็กทรอนิกส์และธุรกิจค้าปลีกที่ไม่มีค่าธรรมเนียมแบบเรียกเก็บซ้ำ มีเพียงการซื้อซ้ำตามความต้องการของลูกค้า
LTV = AOV x purchase frequency x lifespan x margin
AOV 60, freq 4/yr, lifespan 3 yr, margin 0.40
LTV = 60 x 4 x 3 x 0.40 = 288การเพิ่มอัตราคิดลด
สำหรับลูกค้าที่เป็นลูกค้าเป็นเวลานาน ควรคิดลดกำไรส่วนต่างในอนาคตให้เป็นมูลค่าปัจจุบัน สูตรที่ปรับแล้วจะนำกำไรส่วนต่างต่อเนื่องมาหารด้วยอัตราการเลิกใช้บริการบวกอัตราคิดลด
วิธีนี้ทำให้ได้ LTV ที่ระมัดระวังมากขึ้น ซึ่งทีมการเงินให้ความเชื่อถือ โดยเฉพาะเมื่อลูกค้ามีอายุการเป็นลูกค้านานเกินสองหรือสามปี
LTV = (ARPU x margin) / (churn rate + discount rate)
(12 x 0.70) / (0.04 + 0.01) = 8.4 / 0.05 = 168LTV ตามกลุ่มลูกค้า
แทนที่จะใช้สูตรเดียว การวิเคราะห์กลุ่มลูกค้าจะติดตามกลุ่มลูกค้าที่ได้มาในเดือนเดียวกัน และแสดงกราฟกำไรส่วนต่างสะสมตามเวลา
เส้นกราฟมักเพิ่มขึ้นอย่างรวดเร็วแล้วจึงแบนราบ การคาดการณ์ส่วนหางที่แบนราบออกไปจะให้ค่า LTV จากพฤติกรรมจริง แทนที่จะอาศัยสมมติฐานอัตราการเลิกใช้บริการเพียงค่าเดียว
Cohort cumulative margin per customer:
Month 1: 8.4
Month 6: 40
Month 12: 70
Month 24: 110 (curve flattening)การจัดการอัตราการเลิกใช้บริการที่ไม่คงที่
ในความเป็นจริง อัตราการเลิกใช้บริการแทบไม่คงที่ ลูกค้าใหม่เลิกใช้บริการเร็วที่สุด ขณะที่ลูกค้าที่ยังอยู่จะมีความภักดีเพิ่มขึ้นเรื่อย ๆ ดังนั้นการใช้อัตราการเลิกใช้บริการคงที่จะประเมินมูลค่าระยะยาวต่ำเกินไป
เส้นโค้งการอยู่รอดหรือตารางการรักษาลูกค้าแยกตามเดือนช่วยสะท้อนลักษณะนี้ได้ การนำกำไรส่วนต่างของแต่ละช่วงเวลาคูณด้วยจำนวนลูกค้าที่ยังอยู่ในช่วงนั้นจะให้ผลรวมที่แม่นยำยิ่งขึ้น
Retention by month: 100% -> 70% -> 60% -> 55% -> 53%
Churn slows as the cohort maturesแนวทางเชิงความน่าจะเป็น
ทีมที่มีความเชี่ยวชาญใช้แบบจำลองเชิงความน่าจะเป็น เช่น BG/NBD สำหรับความถี่ในการซื้อ และแกมมา-แกมมาสำหรับมูลค่าการใช้จ่าย
แบบจำลองทางสถิติเหล่านี้ประเมินเป็นรายลูกค้าว่าลูกค้ายังมีสถานะอยู่ด้วยความน่าจะเป็นเท่าใด และคาดว่าจะทำธุรกรรมในอนาคตเท่าใด ทำให้ได้การคาดการณ์ LTV รายบุคคลแทนค่าเฉลี่ยเพียงค่าเดียว
BG/NBD: predicts future purchase count
Gamma-Gamma: predicts average monetary value
Combined -> per-customer expected LTVการตรวจสอบความสมเหตุสมผลของตัวเลข
ควรตรวจสอบ LTV ที่คำนวณจากสูตรกับข้อมูลกลุ่มลูกค้าในอดีตเสมอ หากสูตรคาดการณ์ได้ 400 แต่ไม่มีกลุ่มลูกค้าใดเคยเกิน 250 แสดงว่าข้อมูลนำเข้าไม่ถูกต้อง
สาเหตุที่พบบ่อยคือสมมติฐานการเลิกใช้บริการมองโลกในแง่ดีเกินไป และการใช้รายได้แทนกำไรส่วนต่าง LTV ที่น่าเชื่อถือจะต้องสอดคล้องกับการตรวจสอบนี้
การนำ LTV ไปใช้ในการตัดสินใจ
เมื่อคำนวณแล้ว LTV จะใช้กำหนด CAC เป้าหมาย การนำ LTV หารด้วยอัตราส่วน LTV:CAC ที่ต้องการจะให้ต้นทุนการได้มาซึ่งลูกค้าสูงสุดที่ยังทำกำไรได้
หาก LTV เท่ากับ 210 และต้องการอัตราส่วน 3:1 ขีดจำกัด CAC จะเท่ากับ 70 การเสนอราคา งบประมาณ และการเลือกช่องทางล้วนมีจุดเริ่มต้นจากขีดจำกัดที่คำนวณได้นี้
Max CAC = LTV / target ratio
210 / 3 = 70 max acquisition costการบันทึกสมมติฐาน
ตัวเลข LTV ทุกค่าจะดีได้เท่ากับสมมติฐานที่ใช้เท่านั้น ควรบันทึกช่วงเวลา แหล่งที่มาของกำไรส่วนต่าง คำนิยามของการเลิกใช้บริการ และอัตราคิดลดไว้ข้างตัวเลขด้วย
ความโปร่งใสนี้ช่วยให้ทีมเปรียบเทียบ LTV ระหว่างผลิตภัณฑ์และช่วงเวลาได้ และป้องกันการเปลี่ยนแปลงข้อมูลนำเข้าโดยไม่มีการแจ้ง ซึ่งอาจทำให้ตัวชี้วัดสูงขึ้นอย่างเงียบ ๆ
ตรวจสอบอย่างรวดเร็ว
ใช้สูตร LTV มาตรฐานสำหรับธุรกิจแบบสมาชิก
สรุป
สูตรหลักคือ ARPU x กำไรส่วนต่าง x (1 / อัตราการเลิกใช้บริการ) โดยต้องใช้หน่วยเวลาให้สอดคล้องกัน ธุรกิจที่ทำธุรกรรมจะใช้มูลค่าคำสั่งซื้อเฉลี่ย ความถี่ และอายุการเป็นลูกค้าแทน
เพิ่มอัตราคิดลดสำหรับอายุการเป็นลูกค้าที่นาน ตรวจสอบกับเส้นโค้งของกลุ่มลูกค้า และบันทึกสมมติฐานทุกข้อ แบบจำลองเชิงความน่าจะเป็นช่วยขยายวิธีนี้ไปสู่ LTV รายลูกค้า ซึ่งบทเรียนถัดไปจะนำไปใช้ในการแบ่งกลุ่ม
เรียนรู้ Digital Marketing Academy ด้วย AI tutor — ฟรี
เขียนและเรียกใช้โค้ดจริงในเบราว์เซอร์ของคุณ รับความช่วยเหลือทันทีจาก AI tutor 24/7 และเรียนรู้ต่อจากที่คุณหยุดบนเว็บหรือในแอป
- คอร์ส
- 63
- บทเรียน
- 239
คำถามที่พบบ่อย
บทเรียน “การคำนวณ LTV” ฟรีหรือไม่
ใช่ — ข้อความเต็มของ “การคำนวณ LTV” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส Digital Marketing Academy ให้อัปเกรดเป็น CoddyKit PRO คอร์ส Digital Marketing Academy มีบทเรียนทั้งหมด 4 บทเรียน
คุณจะเรียนรู้อะไรในบทเรียน “การคำนวณ LTV”
แบบจำลองและสูตร คุณปฏิบัติ Digital Marketing Academy ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน
คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน Digital Marketing Academy หรือไม่
ไม่จำเป็นต้องมีประสบการณ์มาก่อน Digital Marketing Academy บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 2 จากทั้งหมด 4 บทเรียน
บทเรียน “การคำนวณ LTV” ใช้เวลานานแค่ไหน
บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย
ฉันเขียนและรันโค้ดในบทเรียน Digital Marketing Academy นี้ได้ไหม
ได้ บทเรียน Digital Marketing Academy ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ