包阅导读总结
1. 关键词:AI 产品、订阅用户、生命周期价值、获客成本、工作流模型
2. 总结:本文主要探讨 AI 产品订阅用户的生命周期价值(LTV)计算方案,包括确定平均每用户收入、估算用户平均生命周期等,还涉及 LTV 回收周期、获客成本及相应工作流模型,强调根据关键指标调整策略。
3. 主要内容:
– 业务问题
– 不同角色关心的业务问题不同,但都依赖正确清晰的 LTV 衡量方案。
– 提出 3 个具体业务问题:预测订阅用户 LTV、LTV 回收周期、获客成本目标。
– 订阅用户 LTV 的衡量方案
– 确定平均每用户收入(ARPU),分月包和年包计算。
– 估算用户的平均生命周期(ACL),用续费率计算。
– 计算订阅用户生命周期价值(LTV),考虑月包和年包用户占比。
– 具体案例
– 以【三良出海 App】为例计算 LTV。
– 订阅用户 LTV 的回收周期
– 回收周期与续费率相关,需根据真实情况确定。
– 给定回本周期要给 LTV 打折扣。
– 订阅用户的获客成本
– 获客 ROI 大于等于 1 时,获客成本不高于 LTV。
– 用真实收入数据验收和校正模型,给 LTV 再打折。
– 建议的工作流模型
– 每月验收关键指标,调整 LTV 预估。
– 最好情况是正向飞轮,最差情况是负向螺旋,需相应调整策略。
思维导图:
文章地址:https://mp.weixin.qq.com/s/khzTWcnyYiLn90mEusu6jg
文章来源:mp.weixin.qq.com
作者:祁子龙??三良
发布时间:2024/8/9 12:18
语言:中文
总字数:3040字
预计阅读时间:13分钟
评分:89分
标签:AI产品,订阅模式,用户价值计算,获客成本,商业模式
以下为原文内容
本内容来源于用户推荐转载,旨在分享知识与观点,如有侵权请联系删除 联系邮箱 media@ilingban.com
目前,AI方向的应用常见商业模式都是订阅(Subscription)。当然,越来越多的工具类和内容类产品都引入了订阅制,提供高级会员服务。本文主要是研究订阅用户的生命周期价值(LTV,Lifetime Value)的衡量方案,以及如何确定获客成本(CAC, Customer Acquisition Cost)。
特别是对现金流和利润敏感的团队,CAC<LTV至关重要,否则很容易一顿操作猛如虎,最后没赚到钱。
01
业务问题
团队中的不同角色关心和思考的业务问题各不相同:
-
通过关键指标和模型,预测一个订阅用户的生命周期价值LTV是多少?(获取一个订阅用户能赚到多少钱?) -
一个订阅用户LTV的回收周期是多久?(这笔钱需要多久可以全部赚到手?) -
在获客ROI>=1的条件下,如何给用户增长团队制定获客成本的目标?(获取一个订阅用户最多可承担的成本是多少?)
02
订阅用户LTV的衡量方案
计算一个订阅用户的LTV的步骤如下:
第一步:确定平均每用户收入(Average Revenue Per User, ARPU)
以月为单位来计算,那么月包和年包用户的Monthly ARPU分别是:
如果不考虑折扣促销等情况,那么Monthly ARPU就是月包价格,Annual ARPU就是年包价格除以12。
第二步:估算用户的平均生命周期(Average Customer Lifetime, ACL)
平均生命周期指的是一个用户从订阅开始到取消订阅的平均时间,需要引入留存率(Retention Rate)的概念,但实际上这里可以用续费率(Renew Rate)来代替,即订阅用户到期后是否考虑继续付费订阅。如果不续订,那么可以视为订阅用户流失。
以月为单位来计算的场景下,月包续费率比较好理解,年包续费率需要做一个简单的换算:
计算用户生命周期,假设起始点有100个订阅用户,每月续费率为R%,那么每期订阅用户数量求和应该是:
其实,生命周期就是各期续费率的求和;如果是免费游戏或应用,就是各期留存率的求和。为了方便大家理解,所以假设第一期是100个订阅用户,最后除以100得到一个订阅用户的情况)上述等比数列求和再除以100,得到每一个订阅用户的生命周期:
注意:上述公式是简化计算的办法,因为订阅用户在各期的续费率并不是一致的,而是第一次续费往往最低,随时间逐渐提升,并稳定在一个较高水平。所以,为了预估更接近真实情况,可以简单地优化如下:
-
将第1次的续费率提取出来,例如提取首次续费率50%; -
假设第2次及以上的多次续费率为固定值,得到算术平均值,再利用上述公式计算
这样做有2个好处:第一,方便后续利用真实收入验收第一次续费率,以及真实收入回收比利;第二,在获客场景,通过第一次续费率的变化快速估算CL变化,进而调整出价。
第三步:计算订阅用户生命周期价值(Lifetime Value, LTV)
分别计算月包和年包用户的LTV:
考虑月包和年包用户的占比,得到一个平均订阅用户LTV
03
具体案例
假设一款【三良出海App】的会员订阅有2种模式,分别是月包和年包,各自的价格分别是$9.90和$99.00。具体计算步骤如下:
-
计算ARPU:月包的月度ARPU是$9.9;年包的月度ARPU是$99 / 12 = $8.25 -
-
月包续费率是90%,则月包用户生命周期Monthly CL = 1 / (1-90%) = 10个月 -
年包续费率是70%,换算为月度续费率是0.7开12次方,约等于0.97,Annual CL = 1 / (1-0.97) = 34个月
-
-
-
Monthly LTV = $9.9 * 10 = $99 -
Annual LTV = $8.25 * 34 = $280.5
-
-
假设年包占比10%,月包占比90%,则一个订阅用户LTV是Overall LTV = 90% * $99 + 10% * $280.5 = $117.15
https://docs.google.com/spreadsheets/d/1rf6I6kUH58oxyRhi9VrrHifIL61oDk1S/edit?gid=245415723#gid=245415723
04
订阅用户LTV的回收周期
-
6个月回收47%,12个月回收72%,24个月回收93%,36个月回收98%; -
情况2: 假设第一期续费率是50%,后续依次是60%、70%、80%、90%,最后稳定在90%。(下图2) -
6个月回收63%,12个月回收81%,24个月回收95%,36个月回收99%;
例如,获客支出的回收周期设定在12个月。那么,主要影响的就是月包用户,我们需要在Monthly LTV上做相应折扣,例如情况1中的72%。
05
订阅用户的获客成本
但是,仅仅提出这个要求是不够的。因为,现实情况往往会发生变化。投放策略和外部因素都会导致真实续费率发生变动;折扣促销、退款、黑产攻击等等都会造成真实LTV回收产生影响。所以,我们还需要利用同批人的真实收入数据(Revenue Cohort)去验收和校正模型。
例如:在8月初,我们就可以把1月份新增订阅用户的续费率和真实的每月收入分析:
06
建议的工作流
【正向飞轮】最好的情况是,每个月验收的时候,各项关键指标都在上升,例如年包占比更高、续费率更高。那就意味着过去一个月获客支出的实际ROI要比预估更高。那么,在后续获客策略上就更有信心给出更高预算和出价。这样又能带来更多高价值的新用户,实现正向循环。
【负向螺旋】最坏的情况是,每个月验收的时候,各项关键指标都在下降,例如年包占比更低、续费率更低。那就意味着过去一个月获客支出的实际ROI要比预估更低。那么。在后续获客策略上就需要降低出价,这样可能会造成新用户质量更低,进入负向循环。这个时候,需要暂缓拉新投放或者缩减预算,全面调整增长/商业化/产品策略之后,再重新评估。
* 结束 *