如何计算客户终身价值 (CLTV)：完整指南

客户终身价值 (CLTV) 使营销人员能够预测客户在他们的关系持续期间将为他们的业务产生多少收入。

它越来越成为以数据为主导的估计和业务健康状况的关键指标。 CLTV 帮助营销人员了解每个客户对他们的价值。 它还显示了在确保投资回报 (ROI) 的同时，可以花费多少来获取新客户。

为什么要计算CLTV？

企业普遍接受保留客户比收购更实惠。 去年，福布斯报道称，与保留现有客户相比，吸引客户的成本是其五倍。

但是，如果客户只打算进行一次购买并且永不退货，那么为他们分配尽可能多的营销预算是否值得？

CLTV 帮助营销人员优化他们的获取和保留策略。

Fospha 的高级商业智能分析师 Matthew Hull 谈到其重要性：

“它帮助营销人员有效分配预算以实现目标收购量，同时最大限度地提高回报。 它还使他们能够根据他们的 CLTV 对用户进行细分和定位。 例如，CLTV 较低的用户需要更多的定位，以提高频率或订单价值水平。”

“此外，它可以帮助企业专注于定位可能产生最高 CLTV 的用户群，同时减少对获取‘单次购买’或‘低 LTV’客户的关注。”

简单的比较

在线鞋店的两个客户的 LTV 可能如下所示。

（HLTV = 高生命周期价值；LLTV = 低生命周期价值）

在这种情况下，高 LTV 客户每年可能会在鞋子上花费 65 到 105 美元。 另一方面，LTV 低的客户可能会在短期内进行大量购买，但将来不会再次从该商店购买鞋子。

我们可以看到，五年后，高 LTV 客户证明对业务有利可图。 但低 LTV 客户的市场成本高于他们在零售商处花费的净收入。 在此示例中，分配给低 LTV 客户的营销预算中至少有一部分可能会更好地用于获取新客户。

如果我们将其扩大到成百上千的客户，我们就会明白为什么 CLTV 对企业如此有价值。

如何计算CLTV？

很难预测客户未来的确切支出。 但是，围绕用户习惯、精明的细分和人口统计数据的可靠数据都可以进行有价值的估计。

Hull 强调，计算客户的终身价值可能因企业而异：

“这可以说是它不经常使用的原因。 计算 CLTV 没有标准定义。 公式中包含的变量历来因行业而异，以适应业务的特定用例。”

也就是说，根据赫尔的说法，CLTV 计算有两个核心组成部分。 他们是：

1. 购买频率——客户在给定时间内购买的频率。
2. 平均订单价值——每笔销售的平均收入金额。

计算 CLTV 的最简单公式是：

购买频率 x 平均订单价值 x 平均客户寿命

但可以通过考虑初始获取成本和/或保留成本（例如客户支持或促销折扣）来改进。

正如 Hull 指出的那样：“除此之外，计算过程中还存在一定程度的复杂性，这会影响每次销售的促销价值和利润率。”

所以一个稍微有见地的 CLTV 计算可能是：

购买频率 x 平均订单价值 x 平均客户寿命 –（获取成本 + 保留成本）

我们在 CLTV 公式中经常看到的另一个输入是流失率。 这是在特定时期内终止与公司关系的客户百分比。 它可能在平均客户生命周期内保持一致，也可能随着时间的推移而变化。

计算您的平均客户寿命

如果您可以访问它，那么您的客户活动的良好历史数据在这里是必不可少的。 这使您可以首先查看客户购买之间的平均时间。 在查看两次购买之间的时间时，您可以找到平均时间的标准差。

如果您的客户在进行另一次购买之前超出了两个标准差（一种典型的统计显着性度量），我们可以假设这种关系已经结束。

对于新业务，某些行业的公司确实会制定基准，如果您没有可利用的数据，这些基准就会很有用。 其他营销人员使用一到三年作为大致目标。 但是我们通常可以将七年之后的任何事情都视为未来太远而无法准确。

什么是客户投资回报率？

正如 Hull 之前强调的那样，CLTV 对于想要最大化回报的营销人员很有用。

客户投资回报率是指在考虑任何投资（营销、收购、保留成本等）后从每个客户获得的利润。

使用上面的鞋类零售商示例，我们可以使用以下公式计算出高 LTV 客户的投资回报率：

客户投资回报率 = 总支出 - 营销支出

根据表格中的数字，结果是：

295 美元 = (420 美元 – 125 美元)

如何改进 CLTV 计算？

我们已经谈到全面了解您的客户将如何改进 CLTV。

与鞋类零售商的例子不同，任何刚刚开始其 CLTV 之旅的企业都不可能有五年的销售数据可供分析。

然而，关于客户活动的详细、可靠的数据是确保 CLTV 计算准确性的第一步。

详细说明客户订单的分析数据——即使是在相对较短的时间段内——可以让我们对平均订单价值 (AOV) 和购买频率有必要的了解。 从那里，我们可以估计客户的寿命。

除此之外，数据驱动的多点触控归因模型可以让您了解客户在购买前与之互动的接触点。 这确保更全面地了解影响购买的营销渠道，并突出显示您的预算中有多少比例可以计入旅程中的各个接触点。

客户旅程越来越复杂，并非所有个人在购买前都与相同的渠道进行互动。

通过数据驱动的归因，我们可能会在电子商务网站上发现一位看起来像高 LTV 客户的常客——实际上，与可能被认为是低 LTV 的个人相比，他与更多的营销渠道互动。

有了这种洞察力，针对后者的营销活动可能比针对前者的营销活动对企业更成功。

您如何改进 CLTV？

可靠的数据改进了 CLTV 计算，但通过实施可靠的策略，提高了 CLTV 和客户忠诚度。

您的客户满意吗？ 您的网站是否提供良好的用户体验？ 您的客户服务效率高吗？ 您的客户信任您的数据吗？ 公众对您品牌的看法是否积极？

随着您的业务的增长和变化，所有这些问题都需要回归。 此处的改进可以看到越来越多的客户更有可能返回，可能会增加频率和更大的购买量。

计算 CLTV 是一项不断发展的任务：测试、学习和迭代

随着业务的发展，客户习惯会发生变化，数据变得越来越细化。 计算 CLTV 也需要持续进行。

考虑到这一点，尽可能准确地了解 CLTV 是确保您的业务在未来保持健康和竞争力的宝贵方法。