LTV 这个词被引用得多，被算对得少。我见过最常见的写法是「客单价乘 12」，或者干脆拿行业均值填上去。这样的数字贴到汇报里好看，但拿它做投放决策，基本等于在猜。
先定义生命周期，别急着套公式
算 LTV 之前必须先回答一个问题：用户什么时候算「走了」。
我现在的定义是连续两个月没有活跃行为即视为流失。这个定义不完美，但胜在能执行、能复算。如果你连流失定义都没有，后面所有数字都会随口径漂移。
只算毛利，不算收入
这是最容易被搞错的一步。用户付了 100 元不等于你赚了 100 元，要扣掉直接成本：交付成本、支付通道费、必要的服务人力。
如果用收入口径算 LTV，再拿它和获客成本比，得出的结论会系统性偏乐观。我吃过这个亏：按收入算比值很健康，换成毛利之后掉了一半。
三步法
- 1定周期明确流失定义，确定统计窗口（早期看 3~6 个月就够）
- 2算贡献统计每个月的用户毛利，按批次摊到每个新用户
- 3摊成本用总毛利除以同批次新用户数，得到人均 LTV
第三步是按「批次」摊，不是按总量摊。按总量摊会把不同时期获取的用户混在一起，掩盖渠道之间的巨大差异。
工具在这里做什么
手工算 LTV 的麻烦不在于公式，而在于每月重复和维护口径。我现在把这部分交给脚本加模型配合：
- 脚本负责取数、按批次分桶、算出每月的贡献序列。
- 模型负责检查口径一致性，比如「上个月算的是毛利，这个月是不是又变回收入了」。
- 模型还负责指出假设里的矛盾，比如留存曲线用的是 12 个月，但数据只有 4 个月。
第二、三条比第一条更有价值。数字错通常是口径错，不是算术错。
LTV 和获客成本怎么一起用
| 比值 | 通常的含义 | 建议动作 |
|---|---|---|
| 大于 2 | 渠道模型基本跑通 | 可以放量，但盯住边际变化 |
| 1.5 到 2 | 勉强成立 | 小步试，优先优化留存 |
| 小于 1.5 | 大概率亏 | 先停渠道，别硬撑 |
要强调一点：这两个数必须同口径。用毛利的 LTV 配毛利的获客成本，用收入的就都换成收入。混着算出来的比值没有意义。
一个容易忽略的失真
早期数据窗口短，用 3 个月的贡献外推 12 个月，通常会把 LTV 算高，因为留下来的早期用户本来就是最活跃的那批。
我的做法是同时算两个版本：短周期实测值和长周期外推值，汇报时都给出来，并注明外推所依赖的假设。这样至少在数字被质疑时，你知道问题出在哪一层。
分渠道算，别只算总和
把所有渠道的用户混在一起算 LTV，会得到一个看起来很稳、实际没有决策价值的数字。
我现在的做法是按渠道分桶，每桶独立算。不同渠道来的用户，留存曲线和付费行为差异很大，混在一起会互相抵消，最后谁也看不出来。分渠道算完之后，往往能看到某个渠道的 LTV 明显偏低，这种结论直接对应该不该继续投。
分桶的粒度不用太细，按来源分三到五组就够。太细了样本量不足，数字会剧烈波动。
免责声明：本文为个人工作方法记录，所述指标口径仅供参考，不构成任何经营或投资建议。