阅读有关客户终身价值的一点，对于我们在陷莱电子商务商业人口中的人中，它可能听起来太复杂。
一个谷歌想想博客帖子例如，表示客户终身值需要“内部和外部团队对齐”。过度《福布斯》，你会读到“那些非常重视(终身价值)的公司，往往在规模扩大的过程中遭遇巨大损失，即使是通过首次公开募股(IPO)。”
内部和外部团队?首次公开发行(ipo) ?如果你认为这是粗糙，看看datascience.com必须说关于客户终身值：“潜在参数λ和μ受到两个先前伽马分布的约束，这是我们对这些潜在参数如何分布在客户人口之间的信念。”
哎呀。
但我们没有理由被客户终身价值(CLV)吓倒。复杂吗?确定。它是为小型在线商店而设计的吗?绝对不会。但客户终身价值仍然可以帮助你做出明智的决定，你的利润率，以及如何在保留现有客户和寻找新客户之间分配你的精力。
这篇文章将以最简单的方式解释，什么是客户终身价值．然后，我们将看看如何计算商店的客户生命周期值，以及您可以做些什么来将商店的平均客户终身值朝着正确的方向移动。
客户终生价值是什么？
今天，我们将保持基本的内容，查看历史和预测客户终身价值的简单公式。
这是历史性客户终身价值观的样子：
(每个客户的年利润x客户的年平均寿命)-获取客户的成本
让我们看一个实际操作的例子。你有说:
- 年收入750,000美元
- 年度不收购成本为600,000美元
- 1500客户
- 每个客户平均3年
- 每次收购的平均成本为50美元
有了这个背景，我们就可以开始填补空白了。
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
获取客户的初始成本= 50美元
（$ 100 x 3） - $ 50 = 250美元
这是一个粗略的公式:它纯粹是追溯性的，并没有考虑那么多可能有助于提供信息的变量未来营销决策。但我们也有办法利用历史用户终身价值，从中获得更多收获。等我们讨论完…
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，我们应该考虑保留率和贴现率。但我们只能在我们提出一个“每个客户毛利率”的数字后这样做，这本身只有在我们发现我们的平均毛利率后才可用。
一步一步来。首先，让我们找到每个客户的毛利率，这是关于预测客户终身价值公式的基础。每个客户的毛利率如下所示：
GML = ((T x AOV) AGM) ALT
好的，这是很多信件。让我们一步回来看看它。
- t =平均交易数量（每月）
- AOV =平均订单值
- agm =平均毛利率
- ALT =平均客户寿命
T和Aov很清楚。AGM和ALT可以使用一些拆包。
AGM，或平均毛利率，是你的总销售收入减去销售商品的成本，然后除以总销售收入。这说得通吗?最后得到一个百分比。这里有一个例子:
（75,000美元的总销售收入 - 60,000美元的商品成本）/ 75,000美元= 20％
因此，如果这个月收入为75000美元的示例商店每月平均有5000个订单，平均订单价值为15美元，那么方程是这样的:
((5000 x $15) * 2) ALT =
（75,000美元* .2）ALT =
15000 x ALT
当然，我们需要每位客户进行此客户终身价值计算。所以我们会分开15000 x ALT取决于你的客户数量。假设我们有2500个客户进行这5000次购买，这些客户的平均寿命为4年，或48个月。
($15,000 x48) / 2,500 = $288
现在，关于平均客户寿命或alt。这一个很难 - 特别是对于你可能运行的电子商务商店。
首先，你的商店可能还不够老，无法真正计算出顾客的平均寿命。即使你已经有了，比如说，四年的经验，你对第一年的数据有多信任?第1个月的客户可能与上周第一次转换的客户有不同的体验。谁知道呢，也许你的产品和一开始完全不一样了。
总之，ALT很难计算。只要记住改变这个变量——目标当然是让平均寿命更长——就会对你的客户的终身价值产生巨大的影响:3年的好客户比1年的好客户更有价值。
如果你想预测未来的客户终身价值，下一步需要将每客户毛利率(GML)放入一个计算留存率和折扣率的公式中。
你可以看到这个客户终身价值的兔子洞有多深。留存率本身就是一个巨大的问题，这里会有详细解释．再加上折扣率，我们需要做大量的工作——也可能是大量的猜测——才能找到客户的终身价值。
无论如何，如果你想在兔子洞里走得更远，这是一条路:
客户生命周期值= GML（R /（1 + D-R））
R是月度留存率，D是月度折现率。这两个数字都很难计算。例如，你所有的客户都得到同样的折扣吗?如果不是，那些获得更多折扣的用户是否拥有更高的留存率?
客户生命周期值：使用变量
好了，我们知道了构成客户终身价值的要素。或者至少是组成某些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上的客户终身价值:
(每个客户的年利润x客户的年平均寿命)-获取客户的成本
有很多方法可以深入挖掘这个公式。例如，我们可以查看每个渠道的“获取用户的初始成本”变量。这将告诉我们通过Facebook、SEO等渠道获得的用户的终身价值。
毕竟，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SEO流量，而在Facebook上，你的点击成本继续攀升。也许你的Facebook用户在转换后会花更多钱。
通过客户终身价值，我们可以确定某个渠道的加速获取成本是否值得。
以下是历史悠久的每频道计算如何看出：
- 1,500名客户：750来自Facebook，750来自Search
- 75万美元年收入:50万美元来自Facebook的访问者，25万美元来自搜索
- 60万美元的年度非收购成本:Facebook为40万美元，搜索为20万美元
- 平均每个客户3年
- 平均50美元收购成本：90美元Facebook，10美元的搜索
Facebook：
年利润贡献= ($500,000 - $400,000)/ 750 = $133
他们成为客户的平均年数= 3
获取客户的初始成本= 90美元
($133 * 3) - $90 = $309
SEO：
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
($67 x 3) - $10 = $191
正如我们在这里所看到的，即使用户获取渠道更昂贵，但如果从该渠道获得的用户愿意花更多钱，那么这也是完全值得的。显然，没有规则说通过Facebook获得的用户会比通过搜索获得的用户花费更多。但我们可以看到每个渠道对客户终身价值的看法如何影响你的营销支出。
如果通过搜索获得的用户与通过Facebook获得的用户花费相同，那么用户终身价值将会是怎样的呢?
Facebook:
年利润贡献= ($375,000 - $300,000)/ 750 = $100
他们成为客户的平均年数= 3
获取客户的初始成本= 90美元
($100 x 3) - $90 = $210
SEO：
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
($100 × 3) - $10 = $290
突然之间，搜索引擎推动了更大的客户终身价值。
让我们玩另一个变量 - 客户寿命。如果您的Facebook活动导致更多的一次性，冲动购买，而您的SEO驱动的购买导致忠诚，更持久的客户？让我们对福斯福家的客户说，持续一年，而SEO客户持续五年。年度支出是相同的 - 但不是他们是客户的长度。这对来自这些渠道的人的终身价值是什么？
Facebook：
年利润贡献= ($375,000 - $300,000)/ 750 = $100
他们成为客户的平均年数= 1
获取客户的初始成本= 90美元
($100 x 1) - $90 = $10
SEO：
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
($100 x 5) - $10 = $490
SEO把Facebook。当然，一年或五年的分手可能是不现实的。但这表明，通过改变其中一个变量，我们可以完全改变客户的预期终身价值。
我们还可以采用国家细分，或确定首次购买是在三年前、两年前和今年的人群。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中一个独特的元素是平均毛利率。让我们看看平均毛利率的变化如何影响客户的整体生命周期价值。
我们可以通过找到更便宜的供应商或增加价格来增加我们的普通毛利率。让我们尝试提高价格。这将使我们的销售收入更高。
这是原来的:
（75,000美元的总销售收入 - 60,000美元的商品成本）/ 75,000美元= 20％
这里的价格要高20%:
（总销售收入90,000美元 - 售价60,000美元）/ $ 90,000 = 33％
现在我们的店铺每月有5000个订单，收入是9万美元，每单18美元。
(5,000 x 18美元)* 0.33)平均客户寿命
（$ 90,000 * .33）ALT
30000 x ALT
当然，在一件事情上，比如利润，可能会在另一件事情上，比如平均客户寿命上，把刻度调高: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停留那么久。
这样的权衡有很多。例如，您可以通过社交媒体广告获得更具侵略性，以推动每月订单的平均数，但这样做可能会驱逐我们的朋友AOV，平均订单价值。还有可能通过向退还客户提供折扣来增加平均客户寿命。但是，这可能会留下销售平均利润率。
关于客户终身价值的结论
你不需要非常准确的数字来了解客户的终身价值。当然，我们在这里看到的不会打动数据科学家。但是，你仍然可以从这些客户终身价值方程中获得一些宝贵的经验。
- 历史客户终身价值非常容易计算。虽然您可能需要对顾客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，您仍然可以从现有顾客那里得到一个大致的估计。
- 通过预测的客户终身价值公式，我们还在猜测客户的寿命。同时，保留率和折扣率介绍了（a）猜测或（b）的整个网络，严重的铁杆数学，您可能不想潜入。
- 尽管这些客户终身价值公式并不精确，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，他们的订单发送到的国家，这些数据都是可用的。你每个渠道的营销花费也会被记录下来。使用具体的数字，并在必要的时候做出最好的猜测。
想了解更多吗？
