LTV 是什么
LTV（Lifetime Value，客户生命周期价值）指一个客户从首次成交到你失去他为止，累计贡献的毛利。
它回答的问题很朴素：获取一个客户，最多可以花多少钱？ 答案就是 LTV。CAC（获客成本）除以 LTV 得到 LTV/CAC 比，这个比值决定了你的增长是在放大还是在失血。
为什么要用毛利而不是收入
用营收算 LTV 是最常见的错误。营收 10 万、单笔毛利 2 万的销售，和营收 10 万、毛利 8 万的咨询业务，同样的 LTV 数字背后是完全不同的生意。用营收算会系统性高估低毛利业务的承受能力，最后在放量时现金流崩掉。
三种算法，从粗到细
方法一：客单价 × 复购次数 × 毛利率
最粗的估算，适合早期还没有数据的时候用。
公式：LTV = 平均客单价 × 年均购买次数 × 毛利率 × 平均留存年限
用这个公式时要诚实：如果业务本身是年购且客户留存稳定，年均购买次数就是 1，留存年限可以给 3–5 年；如果是月订阅，次数就是 12，年限给 2–3 年。把留存年限往上乐观估计，是 LTV 被做高的最主要原因。
方法二：按客户分群算
把所有客户算一个平均值会掩盖真实结构。至少应该按三个维度切分：
- 获客渠道：不同渠道来的客户，复购率和客单价往往差 2 倍以上
- 首购产品：入门款拉来的客户和高端款拉来的客户，后续行为完全不同
- 客户类型：个人客户与企业客户的 LTV 天花板差一个数量级
分群之后你会发现，整体 LTV 高的原因往往是某个小分群拉高了大盘，而大盘里的大多数客户实际上在亏钱获取。
方法三：基于留存曲线的积分
最准确，也最需要数据基础。核心是算出每期的客户留存率，然后把每期的贡献累加：
LTV = 客单价 × 毛利率 × Σ(各期留存率)
如果第 1 个月留存 70%、第 2 个月 60%、第 3 个月 52%，那么累计留存贡献约为 0.70 + 0.70×0.60 + 0.70×0.60×0.52 ≈ 1.82 个周期。这就是常说的「1.82 × 客单价 × 毛利率」。
实际怎么用：三步落地
第一步：先定分母口径
在算之前必须先回答三个问题，否则不同人算出来的数字没有可比性：
- 毛利是按收入减直接成本，还是按 COGS 口径
- 统计周期是自然年还是滚动 12 个月
- 流失客户是否从基数中剔除（这是最容易产生分歧的一条）
第二步：画出留存曲线
按月画留存率曲线，找到曲线的拐点——留存从快速下滑转为趋于平缓的那个点，通常出现在第 2–3 个月。拐点之后的留存率才是你真正可以依赖的稳定值。早期几家公司的曲线会在第 4–6 个月才平缓。
第三步：用 LTV 反推获客预算
行业常见的健康区间是 LTV/CAC ≥ 3。低于 3 说明单位经济模型有问题；高于 5 通常意味着你花钱太保守，还有增长空间没吃完。
把目标 CAC 定成 LTV 的一半，再反推每个渠道的投放上限——这就是把 LTV 从「财务指标」变成「投放决策工具」的关键一步。
适用边界
- LTV 依赖留存假设，而留存假设依赖你对业务的理解。 用一个乐观的留存率去支撑一个激进的投放计划，等于用假设给假设背书
- 周期越短，LTV 越可信。 月订阅业务几个月就能看出曲线，ToB 大客户的 LTV 要三年才有意义，用年化数字外推误差极大
- LTV 不能只看绝对值，要看趋势。 绝对值 500 的 LTV 涨到 600 是进步，从 500 掉到 450 且 LTV/CAC 同步恶化，是危险信号
- LTV 不是财务口径，是决策口径。 它服务于「该不该多花这个钱」的判断，不要拿去替代会计上的收入确认
与相邻概念的区别
| 概念 | 回答的问题 | 与 LTV 的区别 |
|---|---|---|
| LTV（生命周期价值） | 一个客户一生贡献多少毛利 | — |
| ARPU（平均单客收入） | 现有客户平均贡献多少 | 不含未来，只看已发生 |
| CLV（客户终身价值） | 与 LTV 概念相同 | 数学领域用 CLV，营销领域用 LTV |
| CAC（获客成本） | 获取一个客户花了多少钱 | 与 LTV 组成比值判断健康度 |
| 回本周期 | 多久收回获客成本 | 比 LTV 更适合早期做投放约束 |
参考来源
单位经济模型（unit economics）与 CAC/LTV 比值的普及，可参考 SaaS 领域对 SaaS Metrics 的长期讨论；客户生命周期与留存曲线分析在《营销管理》（Kotler）中归入「客户终身价值」章节；分群 LTV 的方法在《精益数据分析》（Croll & Yoskovitz）中有较完整的讨论。
