观念、浅谈LTV.
（内容转至网络）
LTV(life time value)生命周期总价值，意为客户终生价值，通常被应用于市场营销领域，用于衡量企业客户对企业所产生的价值，被定为企业是否能够取得高利润的重要参考指标。（资料来自百度百科）
在游戏数据分析中，LTV是一个公式，用于衡量一个新玩家的价值，新玩家能给你的产品带来的收益，经常将LTV拿来跟新玩家导入成本CP*进行比较。
玩家导入成本CP*一般有这几种情况，CPI（每安装成本）/CPC（每点击成本）/CPA（每激活成本）。
一般我们认为当用户的LTV>新玩家导入成本CP*时，这样的渠道投放才有价值。对于一个手机游戏公司，我们依靠广告渠道投放从而导入新玩家进入游戏，这次便产生了新玩家导入成本CP*。通过计算LTV提供的玩家总价值，跟新玩家导入成本CP*作比较，一旦新玩家导入成本CP*超过了玩家总价值LTV，这样对于游戏公司来讲，是无利可图的。
LTV是用于跟新玩家导入成本作比较的指标，那LTV的意义包含了什么呢？一般情况下，存在着三个方面来描述LTV：玩家收入，留存，玩家扩散。
首先，LTV教科书式的计算方法，LTV=LT*ARPU。根据talkingdata的方法，LT=R1+R2+…+RN，（R1表示第一天的留存率，R2表示第二天的留存率，RN表示第N天的留存率）ARPU=充值金额/活跃玩家数=ARRPU*付费率。
另一方面，LTV的价值在于与CP*的比较，从而优化游戏渠道配置，玩家扩散行为是降低导入成本CP*的好方法。
玩家收入：玩家在游戏中产生的价值，这包括ARPPU(每付费用户平均收入)和ARPU(每用户平均收入)。
玩家留存：玩家的游戏粘度情况，这一方面一定情况上反映了玩家的游戏生命周期的表现。
玩家扩散（自传播）：玩家扩散一般我们采用K病毒因子来形容，K-Factor=i邀请数*con%转化率，i邀请数是指玩家发起游戏体验邀请的数量，con%转化率是指通过邀请转化成玩家的比例。玩家的邀请扩散是一种免费导入新玩家，也是提高玩家游戏生命周期的好途径，通过玩家的邀请扩散，不需要额外的成本区获取新玩家，降低了导入成本。
无数的游戏产品给我们展示了LTV在游戏产品运营过程中起到的决策作用。产品的成功在于产品的LTV>CP*，通过计算每个渠道的LTV及CP*，我们可以进一步的优化渠道配置，筛选出优质渠道和劣质渠道。关注玩家扩散（自传播行为）可以让我们的产品在玩家群体中得到口碑，然后源源不断的免费获得新玩家，进而降低CP*。
LTV概念和用法
概念
用户终身价值(life time value)
（高山）每日付费金额/每日注册人数
解释
LTV是在一定时间内，某一客户可能为企业带来的利润额. 顾客终身价值是指企业在获得新顾客后的一段时间内，每一位顾客的平均利润净现值。（该解释取自百度百科）
作用
1、对比各日（或各批次）新注册用户的质量，为日后导人做决策依据（所有会影响导入用户质量的因素（如导人时间、渠道、地域等），都可以通过LTV评估）。
2、通过曲线异常分析游戏问题并解决，各批次玩家的曲线大体趋势应一致。
3、观测及预估用户的成本回收情况，如难以收回成本则考虑回炉大改或放弃。
4、作为控制用户导入成本的依据（我觉得这是扯淡：这批导入用户的LTV值低，所以下次降低单人导入成本？那么下次的用户质量会比这批更低，继而导致LTV更低。如果降低导入成本，而LTV值能保持不变的话，确实会提高盈利，但是这是不可能的。另外，导入成本因导入渠道、地域等众多条件而异，这些条件都会导致其LTV不同。因此LTV不能作为控制用户导入成本的依据）
异同
ROI和LTV都可以观测用户质量和成本回收情况。
但一般ROI是以整个服务器或整个游戏的玩家为集合，
而LTV一般是以单个服务器各日的新增玩家为集合，可以详细对比各日（或各批次）新用户的质量差距。
算法
某日新注册用户N人，他们在第M天的LTV值，即这N个人在这M天中的总充值额/N。（每天都分开算）
（
算法不唯一，也有如下算法：
某日起M天内共新注册X人，他们在第M天的LTV值，即这N个人在这M天中的总充值额/X。（几天一起算）
LTV = 全体用户平均游戏天数*全体用户平均单日付费数。
N日LTV=(N日充值金额/N日总登录人数/N日)*N日内所有用户平均登录天数。
）
举例
连续8天导入用户。
第一天，早晨通过A渠道导入北美用户。
第二天，晚上通过A渠道导入北美用户。
第三天，早晨通过B渠道导入北美用户。
第四天，晚上通过B渠道导入北美用户。
第五天，早晨通过A渠道导入欧洲用户。
第六天，晚上通过A渠道导入欧洲用户。
第七天，早晨通过B渠道导入欧洲用户。
第八天，晚上通过B渠道导入欧洲用户。
这样通过对比，就能知道各时间、各渠道、各地域的用户质量高低了（当然还有更多条件，不胜枚举）。
图示
（非真实数据，每天为一批次）
下载附件 (127.14
KB)
LTV模型