【干货】带你搞定新客ROI评估

在前面几期中分享了AB实验、PSM、DID等营销活动ROI评估的方法，这些方法主要是针对老客群体居多，新客作为一类特殊的群体，评估新客ROI时往往会引入一个新的概念LTV，用LTV/CAC作为新客的ROI。比较典型的需要进行新客ROI评估的场景如下：

站外广告投放渠道选择：在新业务初期做用户增长时，往往需要在不同的渠道进行广告投放，这个时候如何将有限的资源投入到ROI最高的渠道是公司面临的重要决策。

站内营销工具拉新效果评估：拉新的营销手段有多种，哪一种营销工具的拉新效果最佳呢？

新客质量变化监控：在同样成本投入的基础上，新客带来的价值是如何变化的呢？

本文会涉及到一些基础概念以及部分英文简写，为了让大家更好的理解，此处对这些基本概念进行解释说明。

• ARPU：Average Revenue Per User，即平均单用户收入，指单用户带来价值总和。
• LT：Life Time，即用户生命周期，指用户从第一次使用产品到最后流失的间隔时间。
• LTV：Life Time Value，即用户生命周期价值，指用户在LT内产生的价值，不同的业务对于价值的定义不同，常见的定义方式有收入、净利润、交易额等。
• CAC: Customer Acquisition Cost，即获客成本，指通过各种渠道获取单个用户所花费的平均成本。

• ROI：Return On Investment，即投资回报率，指单位成本带来的产出。

新客ROI=同一批次新客在LT内的总LTV/该批次新客在LT内总CAC，这里面就涉及三个问题：LT的计算、LTV计算、CAC的计算。

2.1.1 直接参考LT=X

直接将LT定义为1年、2年或3年是业界常用的方法之一，优点在于简单明了的确定一段时间然后再去观测用户在这段时间的表现，缺点也很直接，因为这并不表示用户真实的生命周期。也有将LTV定义为18个月的，主要是参考用户换手机的平均周期是18个月，认为用户换手机后很多APP是需要重新付费去获取用户的，但是这种方法仅是一个大致估算，也并不是真实用户生命周期的体现。

2.1.2 完整周期统计法

直接统计每一个用户首次使用到首次生命周期结束的时间，记为单用户的LT，然后将所有新客的LT累加除以总新客数，得到平均的LT。比如一批次有300个新用户，100个用户的LT是100天，50个用户的LT为200天，150个用户的LT为300天，那么该批次用户的平均LT如下：

LT=（100*100+50*200+150*300）/300=216.7天

在计算每个用户LT时有个很重要点是需要确认在什么情况下用户算首次生命周期结束，可以参考留存率稳点的拐点、累计ARPU贡献趋于平稳的拐点等。但最好还是要结合业务来定义。

比如在相对高频的业务中，往往会定义用户1个月/2个月/3个月/6个月没有访问/没有点击/没有交易则算是是生命周期结束，在大部分的电商行业，一般定义用户6个月没有交易则为一个生命周期结束。至于大于6个月没有交易，但是在之后一段时间又重新回流，可将重新回流记为转新用户，统计转新当日至再次生命周期结束为第二个生命周期，这样就可以计算出新客的LT、转新用户的LT。

2.1.3  留存率估算法：LT=1/（1-留存率）

举个例子：比如新用户总数是10000，次日留存率是10%，那么就相当于：这批新用户，第一天的用户为10000人，第二天的留存为1000人，第三天的留存为100人，第四天的留存为1人，第五天就没了；那么这群人的总留存天数就是10000+1000+100+1=11111天，则这群人的平均的 LT= 11111/10000=1.1111天，它其实就相当于 1+0.1+0.1²+0.1³… = 1/（1-0.1）= 1/0.9，可以用如下公式表示，其中x表示留存率：

该方法适用于次日/次周/次月留存率较为稳定的业务，留存率可以选择日、周、月维度。值得注意的是，此处的留存不同业务定义有差异，有的认为访问了则算留存，有的认为要体验了核心功能才算留存比如播放短视频、下单交易，要根据实际情况选择符合业务诉求的定义方式。

要计算用户在LT内产生的价值，这个有两种类型的计算，第一种是历史数据的计算，第二种是还未到完整的LT需要进行预测。对于第一种历史已经发生的数据计算是比较简单的，我们直接统计即可，重点在于Value的定义可能会有不同。对于还未到完整的生命周期，但是需要计算LTV，我们常见的方法有：

时间占比折算预估

假设目前要评估的该批次的新客在X天的价值Y0，之前批次用户在完整LT内的价值为Y，在X天内的价值是Y1，那么就是说新客在X天内产生的价值约占总生命周期的Y1/Y。那么依照这个值，计算该批次的用户的生命周期内的价值为Y0/(Y1/Y)。

举个直接例子，用户的LT为180天，历史用户在180天内产生的价值是1800元，在前30内产生的价值为600元。那么现在新的一批次的用户在30天产生了价值500元，但还没有经历完整的180天，那么可以根据这批次新客在前30天价值估算在整个生命周期可能产生的价值：500/(600/1800)=1500元。

算法预估

转化为预估这一批次的用户在未来一段时间的Value，这个一般要结合LTV和LT的关系建立预测模型，常用的是多元线性回归、logistics回归、决策树、随机森林等，不过对预测模型的准确性有较大的考验。

成本的计算对于非交易类的公司可能只有最开始引导用户下载激活的拉新成本，但是对于交易类的公司，为了刺激用户持续下单，往往还会涉及到额外的补贴费用、Push短信等客户维系成本，一般是建议将LT内的所有成本都统计在内，更为真实的反映总投入成本。

CAC=渠道拉新成本+补贴成本+其他所有客户维系成本。

在计算LTV和总成本后，ROI=LTV/CAC，ROI越高则说明单位成本的投入带来的产出越高。从不同的维度来分析ROI就能有不同的业务解释，比如加上渠道维度则可以评估不同渠道广告投入的投入产出，加上时间维度则是不同时间段新客质量的评估。

在实际的操作中，如果只是涉及到不同渠道ROI的对比，有时候也不一定要计算完整的LTV，有时候会选择7日用户价值/7日用户成本、1个月用户价值/1个月用户成本。因为如果单从比较不同渠道的ROI来说，用户在一周或者一个月内的数据已经能说明一些问题。也可以通过短期的计算和长期真实的值进行对比，确定使用短期数据和长期真实数据之间的误差，确定负责的业务是否可用短期值进行估算。

新客的ROI仅是渠道质量评估的一个维度，在渠道拉新中可能要同时关注“质”和“量”，不同业务不同的发展阶段会给“质”和“量”不同的权重。尤其是在快速抢占市场的是时候，往往需要先发制人抢占用户，形成规模优势，这个时候可能关注“量”胜于“质”，发展稳定后再来弥补“质”的问题。