手游LTV怎么算？有标准计算公式吗？一般是多少合格？作为新手，小泽也曾怀着急切的心态，好想获得一个简洁明了的答案，但随着不断地学习和研究，发现LTV这个指标的计算方法，不仅烧脑，而且主要靠猜，完全具备了一部悬疑推理剧的所有要素，接下来让我们一起揭开手游LTV的神秘面纱吧。
一、手游LTV计算公式的推导
LTV，是英文Life Time Value的简写，中文译为用户生命周期总价值（或用户终身价值）。手游行业里，通常指一个用户从第1次到最后1次参与游戏过程中产生的所有收入，包括不限于付费下载、内容收费、增值服务（金币、道具、卡牌）、嵌入广告等。
因为，不同用户的生命周期和产生的价值会非常不一样，举个栗子：
一款手游，A玩了1天，觉得没意思就卸载了，一分钱没花；B玩了3天，产生了兴趣，但实力不允许，只办了张25元的月卡，准备慢慢肝；C属于氪金大佬，为了玩的爽快，一周内已经消费了1275元。
所以，基于手游的众多用户，我们只能计算平均值，平均用户生命周期是多少天，平均每个用户收入是多少。这个平均收入是否有点眼熟，是不是就是ARPU？让我们来温习一下ARPU的定义：
ARPU（Average Revenue Per User）：一段时间内游戏从每个用户那获得的平均收入。
没错，就是它！如果我们知道平均用户玩多少天（LT：用户生命周期），也知道平均每个用户每天花了多少钱，那么两者相乘不就是用户终身价值LTV嘛？其实，LTV就是用户生命周期内的ARPU。
因此，可以推导出手游LTV计算公式：
LTV = LT * ARPU
为了理解上述游戏LTV计算方法，举个栗子：比如一款手游6月份平均用户收入ARPU是120元/月，用户生命周期LT为15天，那么LTV=15天*（120元/30天）=60元（1个月要换算成30天）
简单吧，其实难点才刚刚开始！LTV计算公式是掌握了，但是LT怎么算？ARPU怎么算？
二、用户生命周期（LT）的预估
我们以天为时间单位，假设一款手游第1天新增了一批数量为X的用户，接着每天都有用户会流失，第2天这批用户数量减少为X2，第3天用户数量下降为X3，直到第n天最后一批数量为Xn用户登录。
根据定义，LT是用户平均生命周期，求的是平均数，所以每一天的留存时间都要除以X求平均，第1天的平均留存时间为X/X=1天，第2天的平均留存时间为X2/X（天），第3天的平均留存时间为X3/X（天），直至第n天的平均留存时间为Xn/X（天），每天平均留存时间的累加就是这批用户的生命周期。
等等，第n天留存用户数Xn除以新增用户X不就是第n天的用户留存率Rn嘛？
用户留存率（User Retention Rate ）：用户在某个时间点开始使用应用，经过一段时间后，仍然继续使用应用的用户，被成为留存用户，这部分用户占当时新增用户的比例就是留存率，一般按照单位时间（日、周、月）进行统计。
因此，用户生命周期就等于用户留存率之和：
手游用户每天新增就可能有成百上千，通过记录每一个用户的所有数据，工作量非常大，非人力所能为也，而一般手游运营人员的数据来源于自研统计平台或友盟、Talkingdata等第三方统计工具，而其中就包含了用户留存率这个关键指标，但往往只提供7日、14日、30日留存率，或者因为产品上线时间不长，拥有的留存数据有限，这个时候就需要预估留存率来计算LT。
怎么预估呢？没有数学基础没关系，只要你会Excel就可以，举个栗子：
上述表格为一款iOS应用14天加权平均的留存数据，当初小泽主要出于测试目的开发的免费应用，所以就是几个简单的功能（-_-!留存数据比较烂），装的是友盟统计。
为什么不直接用每天的留存率求个平均数呢？小泽觉得加权平均会避免异常数据导致的误差，因为每天新增用户数量有高有低，如下图所示，第一天新增1000用户，第二天只有100用户，平均和加权平均算出来的留存率差异很大，以每天新增用户数作为权重，通过加权平均得出来的数据会更加精准。
接下来怎么操作呢？鼠标左键全选上述14天留存数据，点击顶部导航栏<插入>，再点击<推荐的图表>，然后选择XY散点图（折线也可以）。
得到散点图后，鼠标左键点击选中表格中的散点后，右键打开选择<添加趋势线>：
在excel表格右侧会出现趋势线选项，先勾选底部的<显示公式>、<显示R平方值>按钮，然后挨个点击<指数>、<线性>、<对数>、<多项式>、<乘幂>、<移动平均>，左侧会出现模拟趋势线，x代表天，y代表留存数值，R2代表趋势线的匹配精度，越接近1代表越准确。
因为<乘幂>的R2是0.9906最靠近1，所以，小泽选择了乘幂公式y=0.1414x^-0.917。（不同数据，公式不同，不要套用，一般对数和乘幂比较符合）
有了公式，我们就可以代入excel模拟未来的留存率，X代表天数，Y代表用户留存率，通过X来计算Y。excel中的公式指数（幂）中，X为底数，-0.917为指数，X^-0.917叫幂，参考下图所示：
这样的话，我们就可以预估30天、90天、120天的用户留存率，保留实际留存率。
最终通过公式模拟至254天时，用户留存率为负数，所以取253天所有留存数据汇总为103.36%。
LT=1+1.0336=2.0336
因此，这款应用的用户生命周期预估为2天，尴尬~要研究一下如何提升用户生命周期了。
当然，不一定按照上述方法模拟到254天，可以确定一个周期，比如30天、60天、90天，180天，根据产品属性不同，灵活定义一个周期。
三、用户平均收入（ARPU）的计算
ARPU是计算某段时间内平均每个活跃用户产生的收入。让我们了解一下相关术语：
AU（Active Users）：活跃用户，统计周期内，登录过游戏的用户数。
PU ( Paying User）：付费用户。
APA（Active Payment Account）：活跃付费用户数。
PUR（Pay User Rate）：付费比率，计算公式：APA/AU。
ARPU：平均用户收入，计算公式为：ARPU=总收入/活跃用户数（AU）
ARPPU（Average Revenue Per Paying User）：平均每付费用户收入，计算公式：总收入/APA。
ARPU是自带时间属性的，可以定义日ARPU、周ARPU、月ARPU等，不是一个固定数值，会随着时间的增加和变化，手游ARPU通常前期增幅较大，后期趋于平稳，具体参考下图两种类型走势。
因此，在计算LTV时，建议取周期较长的ARPU作为参考，比如像月ARPU。
四、计算手游LTV的意义
这一章主要用来回答“手游LTV一般多少合格？”其实，不同类型的手游LTV肯定不一样，但是任何一款手游要盈利，都要遵循一个原则，就是获取用户的成本要小于用户带来的价值。
CAC（Customer Acquisition Cost）：用户获取成本，即平均花多少钱获取一个客户。在移动互联网中，很多时候使用CPI（Cost Per Install）与LTV进行比较，指App应用安装每次所需成本。
简单来讲，LTV>CAC有可能赚钱，因此，手游LTV一般多少合格主要看当下主流渠道的买量成本多少。
为什么说有可能？因为小泽参与过iOS手游联运项目，不但要考虑团队运营成本，而且要扣除应用商店（30%）、开发者（30%）分成，还有税务、账期等问题，LTV/CAC≥3才有可能获得盈利。
在买量过程中，不同渠道CAC不同，带来LTV也有高低之分，计算各个渠道导入用户的CAC、LTV，通过ROI=LTV/CAC，就能筛选出优质的渠道投放，具体可以参考以下策略：
LTV高的渠道：CAC低就果断加大投放，CAC高就控制投放比例，用于提升用户付费率；
LTV低的渠道：CAC低可以控制采量比例，用于提升用户规模，CAC过高建议放弃投放。
因此，计算手游LTV和CAC，不仅可以验证产品的盈利模式，预估大概的回本周期，而且可以对比分析各个获客渠道的用户质量，从而优化广告投放策略。
