读一些关于客户终身价值的文章，对于我们这些好斗的电子商务商人来说，这听起来可能太复杂了。
一个想想博客文章例如，他说，客户生命周期价值需要让“内部和外部团队保持一致”。在《福布斯》，你会读到“那些非常重视(生命周期价值)的公司，在扩张过程中也会出现巨额亏损，甚至经常通过IPO。”
内部和外部团队?首次公开发行(ipo) ?如果你认为这是粗略的，看看DataScience.com不得不说关于客户生命周期价值:“潜在参数λ和μ受到两个先验伽玛分布的约束，这两个分布代表了我们对这些潜在参数如何在客户群体中分布的信念。”
呵。
但我们没有理由被客户终身价值(CLV)所吓倒。它复杂吗?当然。它是在创建小型在线商店时考虑的吗?绝对不会。但客户生命周期价值仍然可以帮助你对利润率做出明智的决定，以及如何在留住现有客户和寻找新客户之间分配精力。
这篇文章将用最简单的语言解释，什么是客户终身价值．然后，我们将看看如何为你的商店计算客户终身价值，以及你可以做些什么来使你的商店的平均客户终身价值朝着正确的方向发展。
什么是客户终身价值?
今天，我们将保持基本的内容，看看历史和预测客户生命周期价值的简单公式。
以下是历史客户生命周期价值的情况:
(每客户年利润×年平均客户生命周期)-获得客户的成本
让我们看一个实际的例子。假设你有:
- 年收入75万美元
- 每年60万美元的非收购成本
- 1500客户
- 平均每个客户三年
- 平均每次获取成本为50美元
以此为背景，我们可以开始填空了。
每位客户的年利润=(75万- 60万美元)/ 1500 = 100美元
平均客户寿命= 3
获得客户的初始成本= 50美元
($100 x 3) - $50 = $250
这是一个粗糙的公式:它纯粹是追溯性的，它没有考虑到那么多可能有助于提供信息的变量未来营销决策。但我们有办法利用历史客户终身价值，从中获得更多。我们会在讲完……
预测客户终身价值
预测客户终身价值是事情变得复杂的地方。为此，我们应该同时考虑保留率和贴现率。但我们只有在得出“每个客户的毛利率”这个数字之后才能这么做，而这个数字本身只有在我们确定了平均毛利率之后才能得到。
一步一步来。首先，让我们找出每个客户的毛利率，这是预测客户生命周期价值公式的基础。每客户毛利率如下图所示:
GML = (T x AOV) AGM) ALT
好吧，信真多。让我们退一步，一点一点看。
- T =平均交易数(每月)
- AOV =平均订单值
- 平均毛利率
- ALT =平均客户生命周期
T和AOV都很清楚。AGM和ALT可以拆一下包了。
AGM，或平均毛利率，是你的总销售收入减去销售成本，然后除以总销售收入。有道理吗?最后得到一个百分比。这里有一个例子:
(75000美元销售总收入- 60000美元销售成本)/ 75000美元= 20%
因此，如果这个月收入为75,000美元的示例商店有平均5000个月订单，平均订单价值为15美元，那么方程将如下所示:
((5,000 x $15) * .2) ALT =
($75,000 * .2) Alt =
$15,000 x ALT
当然，我们需要计算每个客户的客户生命周期价值。所以我们要除以$15,000 x ALT根据你拥有的客户数量。假设我们有2500个客户购买了5000件商品，这些客户的平均寿命是4年，也就是48个月。
($15,000 x 48) / 2,500 = $288
现在，关于平均客户生命周期(ALT)，这是一个难题——尤其是对你可能经营的电子商务商店来说。
首先，您的商店可能还不够老，无法真正计算平均客户寿命。即使你有四年的经验，你有多相信第一年的数据?第一个月的客户很可能与上周第一次转换的客户有不同的体验。谁知道呢，也许你的产品与一开始完全不同。
总之，ALT很难计算。请记住，改变这个变量(当然，目标是延长平均寿命)会对客户的终身价值产生巨大影响:一个三年的好客户比一个一年的好客户更有价值。
预测未来客户终身价值的下一步，如果你想要这样做，就需要将每客户毛利率(GML)放入一个计算保留率和贴现率的公式中。
你可以看到这个客户生命周期价值兔子洞有多深。留存率本身就是一个巨大的问题，正如这里所解释的．再加上贴现率，我们就会看到大量的工作——可能还有大量的猜测——来发现客户的终身价值。
无论如何，如果你想在兔子洞里走得更远，这里有一条路:
客户生命周期价值= GML (R / (1 + D - R))
R为月留存率，D为月折扣率。这两个数字都很难计算。例如，你的所有客户都得到同样的折扣吗?如果不是，那些获得更多折扣的玩家是否拥有更高的留存率?
客户生命周期价值:与变量打交道
好了，我们知道了构成客户终身价值的要素。或者至少是构成特定版本的客户生命周期价值的元素。现在让我们看看如何处理这些变量，以及这将如何影响你的商店。
首先让我们回顾一下历史客户生命周期价值:
(每客户年利润×年平均客户生命周期)-获得客户的成本
有很多方法可以更深入地研究这个公式。例如，我们可以看看每个渠道的“获取客户的初始成本”变量。这将告诉我们通过Facebook、SEO等途径获得的客户的终身价值。
毕竟，并不是所有的渠道都是平等的:也许你的博客以低廉的价格为你的网站带来了大量的搜索引擎优化流量，而在Facebook上，你的每次点击成本持续攀升。也许你的Facebook用户在转换后会花更多钱。
根据客户生命周期价值，我们可以确定某个渠道的加速获取成本是否值得。
以下是历史上每个频道的计算结果:
- 1500个客户:750个来自Facebook, 750个来自搜索
- 年收入75万美元:其中50万美元来自于通过Facebook获得的访问者，25万美元来自于搜索
- 每年非获取成本为60万美元:Facebook为40万美元，搜索为20万美元
- 平均每个客户三年
- 平均50美元的用户获取成本:Facebook 90美元，搜索10美元
脸谱网：
年利润贡献= ($500,000 - $400,000)/ 750 = $133
他们成为客户的平均年数= 3
获得客户的初始成本= 90美元
(133美元x 3) - 90美元= 309美元
搜索引擎优化:
年利润贡献= ($250,000 - $200,000)/ 750 = $67
他们成为客户的平均年数= 3
获得客户的初始成本= 10美元
($67 x 3) - $10 = $191
正如我们在这里所看到的，即使获取渠道更昂贵，但如果从该渠道获得的用户愿意花更多钱，那么这也是值得的。显然，没有规则说通过Facebook获得的客户会比通过搜索获得的客户花费更多。但我们可以看到每个渠道的客户终身价值如何影响你的营销支出。
以下是如果通过搜索获得的客户花费与通过Facebook获得的客户相同，那么客户终身价值将会是什么样子。
Facebook:
年利润贡献= ($375,000 - $300,000)/ 750 = $100
他们成为客户的平均年数= 3
获得客户的初始成本= 90美元
($100 x 3) - $90 = $210
搜索引擎优化:
年利润贡献= ($375,000 - $300,000)/ 750 = $100
他们成为客户的平均年数= 3
获得客户的初始成本= 10美元
($100 x 3) - $10 = $290
突然之间，搜索驱动了更大的客户终身价值。
让我们来研究另一个变量——客户寿命。如果你在Facebook上的宣传活动导致了更多的一次性冲动消费，而你的seo驱动的购买导致了忠诚、持久的客户呢?假设Facebook的客户持续一年，SEO客户持续五年。每年的花费是一样的，但他们是你的客户的时间长短不同。这对来自这些渠道的人的客户终身价值有什么影响?
脸谱网：
年利润贡献= ($375,000 - $300,000)/ 750 = $100
他们成为客户的平均年数= 1
获得客户的初始成本= 90美元
($100 x 1) - $90 = $10
搜索引擎优化:
年利润贡献= ($375,000 - $300,000)/ 750 = $100
他们成为客户的平均年数= 5
获得客户的初始成本= 10美元
($100 x 5) - $10 = $490
搜索引擎优化打败了Facebook。当然，一年/五年的分割可能是不现实的。但这表明，改变其中一个变量会完全改变预期的客户生命周期价值。
我们还可以应用国家细分，或确定首次购买是在三年前、两年前和今年的群体。有各种各样的方法来调整这个等式，以获得更丰富的历史见解。
同样的数学游戏也可以用于预测客户终身价值公式。我们研究的预测公式的一个独特元素是平均毛利率。让我们看看平均毛利率的变化如何影响整体客户生命周期价值。
我们可以通过寻找更便宜的供应商或提高价格来提高平均毛利率。让我们试着提高价格。这将使我们的总销售收入增加。
原文如下:
(75000美元销售总收入- 60000美元销售成本)/ 75000美元= 20%
这是价格上涨20%的情况:
(9万美元销售总收入- 6万美元销售成本)/ 9万美元= 33%
现在我们的商店每月有5000个订单，每月收入为9万美元，每个订单为18美元。
((5000 x 18美元)* .33)平均客户寿命
($90,000 * .33
$30,000 x ALT
当然，在一件事上加大投入，比如利润，可能会在另一件事上降低投入，比如平均客户寿命:如果你对同样的产品收取更高的费用，那么你的客户可能不会坚持那么长时间。
有很多这样的权衡。例如，你可以更积极地投放社交媒体广告，以提高月平均订单数量，但这样做可能会降低我们的好友AOV(平均订单价值)。通过向回头客提供折扣，也有可能延长顾客的平均寿命。不过，这可能会降低平均销售利润率。
关于客户终身价值的结论
你不需要非常精确的数字来洞察客户的终身价值。当然，我们在这里看到的东西不会给数据科学家留下深刻的印象。但你仍然可以从这些客户生命周期价值方程中得到一些宝贵的东西。
- 历史客户生命周期价值非常容易计算。虽然您可能不得不对客户的平均寿命进行一些猜测，特别是如果您拥有一家年轻的商店，但您仍然可以大致估计到目前为止从现有客户那里获得了多少。
- 通过预测客户生命周期价值公式，我们仍然在猜测客户生命周期。与此同时，留存率和贴现率引入了一大堆(a)猜测或(b)你可能不想深入研究的硬核数学。
- 尽管这些客户生命周期价值公式并不精确，但它们为我们提供了有价值的指导。客户的寿命可能是未知的，但是你的客户花了多少钱，把他们带到你的网站的来源，他们的订单运往的国家——这些数据都是可用的。每个渠道的营销支出也会被记录下来。使用你所掌握的具体数字，并在必要时做出最好的猜测。
想了解更多吗?
