客户 LTV：如何计算
终身价值

什么是 LTV，应该计算哪种价值？

LTV 是 Lifetime Value 的缩写，表示客户在与企业保持关系期间产生的价值。 它可以按收入、毛利或用于覆盖费用的贡献来衡量。因此，若不说明计算口径，单独给出“LTV 为 ¥200”几乎没有意义。报告应明确金额构成、客户群体、观察期限，以及哪些金额已经实现、哪些仍属于预期。

设想两位设备买家：一位下了一笔大单，此后再未购买；另一位先小额采购，随后持续购买耗材和维护服务。首单金额有助于评估第一次销售，而 LTV 展示关系如何继续发展。但复购收入本身并不能证明盈利，因为订单还包含商品成本、配送费和其他支出。

下文讨论营销决策时，采用 扣除获客费用之前的贡献：从销售收入中扣除商品成本、订单履约与留存的变动费用，再单独与 CAC 比较。这是一种管理分析方法，不替代财务报表。

区分观察期实际结果与未来预测

如果企业只观察了客户半年，就只知道半年的累计价值，这并不自动等于整个生命周期的价值。准确的名称应是“180 天贡献口径 LTV，实际值”。旁边可以展示一年期预测，但应单列，并注明计算日期和假设。

商店可以观察首次购买后的 30、90、180 和 365 天；订阅业务可按付费周期统计；B2B 可选择与续约或再次订购相匹配的时间范围。应根据业务周期选择期限，而不是因为期限越长，数字看起来越好。

新群组的一部分未来观察期还没有发生，不能将其 30 天累计结果与老群组的一年结果直接比较。也不能未经验证就把首月乘以十二，因为首购、复购和季节性续约的频率并不相同。

如何定义客户的“生命周期”？

订阅有取消事件，但客户也可能重新订阅。商店中的最后一笔订单不一定意味着流失，有些人一年才买一次。因此应单独制定不活跃判定规则，用历史数据验证，不要把它当成已知的关系终止日期。历史数据不足时，采用已观察期限，并列出几种后续情景。

按客户整合购买记录

最基本的数据导出应能将每笔交易追溯到对应客户。需要稳定的客户 ID、订单 ID、首次购买日期、当前交易日期、折后金额、退款、销售成本、变动费用和获客来源。B2B 业务应事先确定“客户”指个人、公司还是企业集团。LTV 与 CAC 计算应采用同一口径.

1. 合并销售渠道。 只要能够可靠确认同一客户，门店、应用、网站和销售人员渠道的购买记录就应汇入同一历史。不要仅凭姓名相似，就把不同的人合并为一位客户。
2. 删除技术性重复记录。 更新订单状态或重复导入，不应新增一次销售。付款与订单是不同实体，多笔付款可能对应同一次购买。
3. 纳入取消和退款。 应将这些调整计回原始群组，统一规定调整归属哪个期间，并注明报告的数据截止日期。
4. 核查历史完整性。 迁移到新 CRM 后记录的首次购买，可能已是该客户的第十次购买。历史不完整时，应标为“已知首次购买”，并将结论限制在现有数据范围内。

用于计算的表格只需内部 ID，不需要姓名、电话或地址。识别来源时应采用 统一的 UTM 标记规则，并将客户关系保存在 采用统一数据模型的 CRM 中.

如果销售数据会传入 Yandex Metrica，可先查看官方说明： 上传 CRM 数据 以及 “Customers”（客户）报告。这些工具可以关联客户与订单信息，但 LTV 方法、销售成本和群组规则仍需另外定义；有报告并不意味着已完成利润评估。

如何在减少不必要假设的情况下计算 LTV

群组实际结果

群组是固定的一批客户，例如所有在一月份首次购买的人。将其各自首次购买后相同时间内的交易，按所选财务口径汇总，再除以该群组的 初始 客户数量，包括此后没有再购买的客户。

通过客单价拆解

对同一批订单和客户，可以把结果拆解为： 客单价 × 每位客户的订单数 × 贡献占收入的比例。客单价等于收入除以订单数；每客订单数等于订单数除以初始客户数；贡献占比等于总贡献除以总收入。采用同一口径时，三者乘积等于每客贡献。比例应根据汇总金额计算，不能直接对不同商品的毛利率做不加权平均。

另一种方法是客单价 × 购买频次 × 关系持续时间，但单位必须一致，例如“每月购买次数”应乘以月数。如果持续时间来自假设，结果就是预测值。对于品类不同、成本变化的情况，先计算每笔订单的结果，再按客户取平均更可靠。

关于 LTV 的总体介绍，可参阅 Stripe。对比不同来源的公式时，务必核对定义：即使客户群完全相同，收入、毛利和贡献口径也会得出不同结果。

示例：观察 100 位客户六个月

这是一个零部件商店的教学示例。群组包含 100 位新买家，统计每人首次购买后 180 天内的交易，且所有人均已完成这一观察期。销售收入已扣除折扣和退款，各行采用相同的税费与成本处理规则。

在 Excel 或 Google Sheets 中，将 B2–B7 输入为数字，对金额单元格设置货币格式。在 B8 输入 =B4-B5-B6-B7，在 B9 输入 =B8/B2，在 B10 输入 =B4/B2。群组人数为零时，表示无法计算，而不是客户价值为零。

用第二种方法核对：客单价为 ¥12,000 / 240 = ¥50；每客订单数为 240 / 100 = 2.4；贡献占比为 ¥3,800 / ¥12,000。将 ¥50 × 2.4 × 该比例相乘，仍得到 ¥38。应使用原始数据，避免中间步骤取整。

如果获取这 100 位买家花费 ¥2,000，则 CAC 为 ¥20。扣除获客费用后，整个群组剩余 ¥1,800，即每位客户 ¥18。这 并非净利润：该示例尚未分摊固定费用。

在相同客户“年龄”下比较渠道

先按约定的获客来源划分买家，再在每个来源内按首次购买日期分组。应固定规则，例如首次已知获客来源或选定的归因模型。不要因为老客户在看过再营销广告后复购，就把其原始来源改为再营销。

渠道 A 在扣除获客费用后的最终贡献更高；按已观察到的节点，渠道 B 更早收回获客成本。预算分配还取决于现金储备、需求规模、数据质量，以及放量后成本如何变化。这些数字并不能证明渠道 A 可以无限增加预算。

群组表中的空白表示“尚未观察到该期间”，零则表示“期间已结束，结果为零”，两者不同。应比较完整观察窗口，或采用明确说明的预测方法。对于小群体，还应单列客户数和大额订单的影响，因为一笔交易就可能显著改变平均值。

何时适合使用流失率公式

对于稳定的订阅业务，常见估算方式是 收入口径 LTV ≈ 每位订阅者的月收入 / 订阅者月流失率。例如，类似原理用于 Stripe Billing 的 LTV 计算。这是在特定假设下的估计，并非已经收到的资金。Stripe Billing 在测得流失率为零时，会假定客户持续期为 60 个月。

教学示例：每位付费订阅者的月收入为 ¥18，扣除变动成本后的贡献比例为 70%，月流失率为 5%。在条件保持不变时，简化贡献估算为 ¥18 × 0.70 / 0.05 = ¥252。这里将 5% 写成 0.05，指的是流失客户比例，而不是收入下降比例。

该公式假定退出概率不变、各期贡献可比，忽略折现，也无法描述复杂的套餐切换。当新用户比老用户更易流失，或存在季节性暂停、年付、退款、频繁重新订阅时，它尤其不可靠。观测流失率为零时，除法本身没有定义；短期没有流失，并不意味着客户生命周期无限长。

基础流失率计算应以期初活跃客户为固定群体，统计其中离开的客户数，再除以该群体人数。不要把新增订阅混入原始客户基数。定义及示例可参阅 Stripe。如果条件不稳定，应绘制实际累计贡献曲线，再单独预测后续发展。

如何关联 LTV、CAC 与回本周期

在主要示例中，LTV/CAC = ¥38 / ¥20 = 1.9。分子是 180 天内扣除获客费用前的贡献，分母是获取同一群组中每位客户的完整成本。如果用 ¥120 的收入除以同一个 CAC，会得到 6，但这已是另一种指标，会掩盖订单履约成本。

不要仅凭“比例必须为 3:1”来确定可承受的 CAC。企业在购买频率、成本、风险、营运资金需求和预测成熟度方面各不相同。实际设定上限时，应先明确获客后需要留下多少贡献，以及多长时间内收回获客支出。

例如，观察到 180 天 LTV 为 ¥38，企业希望保留 ¥15 用于固定费用、目标收益和储备，那么此模型中的 CAC 上限为 ¥23。这是教学示例中的管理决策，实际业务的缓冲额度与观察期限仍需独立论证。

找到收回获客成本的时间

在渠道表中，A 的累计贡献在第 30 天至第 90 天之间超过 CAC，但这三个节点无法给出确切日期，需要更细致的累计曲线。即使达到交点，也只代表所选贡献模型中的获客回本，并非整个公司的回本。存在账期时，还需核查现金流，因为账面利润和账户到账可能发生在不同日期。

在 效果营销 中，这有助于将预算约束与真实销售结果对齐。较高的预测 LTV 不能替代对实际 CAC 和当期支付能力的监控。

历史数据不足时怎么办

先从可获得的 30 天或 90 天实际结果开始，建立保守、基准和较乐观的复购情景，并说明假设来自哪里：相似的历史群组、续约合同或有限试点。不要把选中的情景称为收入保证。

核验模型时，应回到某个历史时点：只使用当时已知的数据，预测后续月份，再与后来真实发生的购买对照。如果模型意外“看见”未来订单，准确率评估就失去意义。应按渠道和细分群体分析误差，而不只看总量。

对于较长时间范围，还应另行讨论是否将未来财务结果折算为现值。折现率和收款时点须与模型周期一致。不要为了让公式更复杂而随意加上一个百分比；应先确保订单完整、费用正确、行为预测稳定。

自动化与 AI 分析 可以帮助更新计算并寻找规律，但没有明确规则和数据来源，算法也无法修复未知商品成本、重复客户或不完整历史。

如何提升 LTV，并验证改动的价值

应处理客户不再购买或贡献偏低的原因。先核查是否兑现了承诺：商品可用性、交付期限、使用是否清楚以及咨询问题能否解决；再考虑及时的复购提醒、合适的组合或持续服务。提议应符合客户需求及约定的沟通偏好。

折扣购买增加，可能同时伴随贡献下降。附加服务可能提高客单价，却让客服超负荷。因此应预先明确主要指标、观察期和限制指标，包括退款、投诉、服务成本和退订沟通。应评估所有被分配到改动方案的客户，而非只看有回应的人。

复购计划的教学检验

两个可比群组各有 500 位客户，90 天观察到的每位初始客户贡献分别为 ¥26 和 ¥28。第二组的计划额外花费每人 ¥0.80，尚未计入指标。调整后贡献为 ¥27.20，与第一组相差 ¥1.20，即 500 位客户合计 ¥600。如果费用已经扣除，就不能重复扣减。

平均值差异本身不足以证明计划产生了效果，还需要正确分组、足够的观察量和不确定性评估。实验准备流程见 A/B 测试指南。如果没有实验，只比较不同月份，应考虑季节、价格、商品组合和获客渠道，并将结论称为观察结果，而非已证实的因果关系。

将 LTV 用于预算前的核查清单

定期报告应补充数据负责人、群组规模、导出来源和方法变更记录。若修复重复记录后 LTV 下降，并不一定代表业务变差，应先重算可比历史。一个有用的指标应帮助决策，而不是靠改变定义让数字上涨。

当数据分散在不同部门时，可先制定 CRM 实施计划：约定事件、负责人及销售数据接收核查流程，再自动生成最终报告。