前兩天我不是寫過一篇文章分享了 33 條創(chuàng)業(yè)反思么，起因是我朋友的一次創(chuàng)業(yè)失敗經(jīng)歷。
后臺(tái)有很多讀者留言說想了解下他的產(chǎn)品到底是怎么失敗的，為了滿足你們的好奇心，在征得他同意后，我寫了這篇文章。
文章比較長，但你耐心看完后一定會(huì)有所收獲。
我這個(gè)朋友的創(chuàng)業(yè)過程比較典型，跟著之前的公司上市實(shí)現(xiàn)財(cái)務(wù)自由，短暫退休后又出來繼續(xù)折騰創(chuàng)業(yè)。用了 2 年時(shí)間做了一款產(chǎn)品，燒光 1800 萬后開始反思產(chǎn)品失敗的原因。
具體的創(chuàng)業(yè)領(lǐng)域和產(chǎn)品名稱我就不說了，他也不希望我過多公開。
在跟他討論過程中，他提到自己產(chǎn)品失敗的核心原因就是「LTV ＜ CAC」。
很巧，前兩天我星球里有個(gè)同學(xué)也提到這個(gè)問題了。當(dāng)時(shí)我還在星球里發(fā)了個(gè)帖子，說搞懂這個(gè)邏輯的 PM 可以往高階進(jìn)發(fā)了。
說起 LTV 和 CAC，做產(chǎn)品的讀者應(yīng)該不陌生。如果你還不知道，那我就簡(jiǎn)單介紹下。
LTV 全稱 Life Time Value，即用戶終身價(jià)值，是指用戶在產(chǎn)品生命周期內(nèi)所貢獻(xiàn)的價(jià)值。
CAC 全稱 Customer Acquisition Cost，即用戶獲取成本，是指產(chǎn)品獲取一個(gè)用戶所花費(fèi)的成本。
一個(gè)是用戶為產(chǎn)品貢獻(xiàn)的價(jià)值，一個(gè)是獲取用戶花費(fèi)的成本。
顯然，理論上只有當(dāng) LTV ＞ CAC 的時(shí)候，產(chǎn)品的商業(yè)模式才成立，公司才能賺到錢。
下面是一個(gè) LTV 和 CAC 構(gòu)成的坐標(biāo)系，其中有三個(gè)點(diǎn) A、B、C，分別代表處于不同 LTV 和 CAC 值的三款產(chǎn)品。
在這三款產(chǎn)品中，B 的 LTV 值是大于 CAC 的，而 C 的 LTV 值是小于 CAC 的，A 的 LTV 和 CAC 持平。
也就是說，A 產(chǎn)品好死不如賴活著、B 產(chǎn)品有活下去的希望、C 產(chǎn)品必死無疑。
而我這個(gè)朋友所做的產(chǎn)品之所以失敗，就是他們?cè)谂袛喈?dāng)下以及長期發(fā)展后，得出了 LTV 會(huì)一直小于 CAC 的結(jié)論。
那么，LTV 和 CAC 到底是怎么計(jì)算的呢？
先說 LTV 是怎么算出來的，這里需要引入第一個(gè)公式：LTV =LT * ARPU。
有一個(gè)關(guān)鍵點(diǎn)需要理解，LTV通常來說并不是精確值，而是一個(gè)預(yù)估值。
因?yàn)楹芏喈a(chǎn)品不可能等到用戶走完整個(gè)生命周期再來計(jì)算 LTV，有的產(chǎn)品可能上線一個(gè)月或半年就開始計(jì)算 LTV。
所以，LTV 是有時(shí)間刻度的，比如月度或年度。
這個(gè)公式里的 LT 是用戶的平均生命周期，用單個(gè)用戶的平均生命周期乘以單個(gè)用戶的收入，即 ARPU（Average Revenue Per User），就得到了一個(gè)時(shí)間刻度內(nèi)的用戶生命周期價(jià)值。
簡(jiǎn)單說，LTV（用戶終身價(jià)值）就是用戶在產(chǎn)品里的平均活躍天數(shù)乘以這段時(shí)間內(nèi)為產(chǎn)品貢獻(xiàn)的價(jià)值。
接下來，我們分別計(jì)算 LT 和 ARPU。
LT 表示的是用戶平均生命周期，因此我們可以按照一定周期內(nèi)的用戶留存率來做推算。
假設(shè)月初新增了一批用戶數(shù) M，第二天留存下來的用戶數(shù)是 M1，以此類推，第 n 天留下來的用戶數(shù)是 Mn。
要得出 n 天內(nèi)用戶的平均生命周期（LT），就可以用 n 天的留存人數(shù)之和除以第一天進(jìn)入產(chǎn)品的總?cè)藬?shù) M。
比如第一天來了 100 個(gè)用戶，第二天留下來 40 個(gè)，第二天的留存率就是 40%。第三天還剩下 30 個(gè)，第三天的留存率就是 30%。則 LT=（100+40+30）/100 =1.7天
按照這個(gè)邏輯，我們可以得出第二個(gè)公式。
如果用 R(n) 表示第 n 天的留存，我們就可以計(jì)算出一個(gè)時(shí)間范圍內(nèi)的用戶平均生命周期 LT 了。
接下來會(huì)遇到一個(gè)問題，如果產(chǎn)品上線時(shí)間還很短，如何預(yù)估出長期的用戶生命周期價(jià)值呢？
其實(shí)這里我們可以借助一些數(shù)學(xué)工具和統(tǒng)計(jì)工具的方法，用一些樣本數(shù)據(jù)來估計(jì)出一個(gè)結(jié)論。
我問我朋友要來了他們產(chǎn)品某個(gè)時(shí)間段的月留存數(shù)據(jù)情況，分別是前 7 日留存和 14 日以及 30 日留存，然后列了個(gè)表。
他們沒有每天的留存數(shù)據(jù)，只有這種常規(guī)統(tǒng)計(jì)周期的數(shù)據(jù)。
從這個(gè)數(shù)據(jù)中可以看到，發(fā)布第一天的留存率是 51.88%，到了第 30 天的留存率就只有 5.23% 了。
以留存天數(shù)和留存率為坐標(biāo)軸，把這些數(shù)據(jù)點(diǎn)標(biāo)記在二維坐標(biāo)軸里，可以得到散點(diǎn)圖。
利用 Excel 的趨勢(shì)線輔助功能尋找和這些數(shù)據(jù)點(diǎn)匹配的曲線，其中可選的有指數(shù)函數(shù)、線性函數(shù)、對(duì)數(shù)函數(shù)和乘冪函數(shù)等。
勾選不同的數(shù)學(xué)函數(shù)，找到和這些數(shù)據(jù)點(diǎn)匹配度最高最平滑的那個(gè)，就可以推測(cè)出這些數(shù)據(jù)點(diǎn)適合用什么樣的函數(shù)來表達(dá)。
這里我選擇了對(duì)數(shù)函數(shù)，因?yàn)樗那€和數(shù)據(jù)點(diǎn)的重合度是最高的。
下方還可以勾選顯示公式和R2，公式就是符合這些數(shù)據(jù)點(diǎn)形成的函數(shù)公式，R2代表了擬合度。
簡(jiǎn)單來說，我們可以把擬合度理解成預(yù)估和現(xiàn)實(shí)間的偏差情況。R2 的值越接近 1，說明擬合度越高，這樣算出來的結(jié)果更準(zhǔn)確。
通過這種方式，進(jìn)而可以得出一個(gè)方程和 R2 的值。
這個(gè)過程其實(shí)類似用人工的方式模擬數(shù)學(xué)建模的過程，目的是通過散點(diǎn)數(shù)據(jù)推測(cè)出一個(gè)數(shù)學(xué)模型來預(yù)估未來情況。
從結(jié)果看，我們得到一個(gè)「y = -0.159ln(x) + 0.5445」的對(duì)數(shù)方程。
其中，x 代表了具體的天數(shù)，而 y 代表了留存，也就是我們前面提到的 R(n)。
R2 的值是 0.9338，接近 1，說明擬合度很高。
有了這個(gè)方程，我們就可以代入 x 的值計(jì)算出每天的具體留存情況了。
注意，這里代入值后算出來的是預(yù)估留存。因?yàn)槿狈γ刻斓臄?shù)據(jù)，這個(gè)計(jì)算值僅可作為參考值。
如果要計(jì)算一個(gè)月內(nèi)新用戶的平均生命周期，我們可以用上面這個(gè)公式算出 x 取值 1 到 30 的結(jié)果，然后加和就可以。
通過這個(gè)方法，將得出來的 y 值加和結(jié)果大概是 4.46。
還記得前面提到的那個(gè)公式嗎？
4.46 是 R(1)+R(2)+...+R(30) 的結(jié)果，如果要算出單月的 LT，就還需要加上個(gè) 1。
到這，我們就根據(jù)幾個(gè)數(shù)據(jù)點(diǎn)預(yù)測(cè)推算出了這款產(chǎn)品的單月用戶平均生命周期是 5.46 天。
也就是說，在一個(gè)月時(shí)間內(nèi)，一個(gè)新用戶從進(jìn)入產(chǎn)品到離開，平均停留時(shí)間就是 5.46 天。
上面計(jì)算出來的 y 的累加值，實(shí)際上就是完善從 1 到 30 的每一天數(shù)據(jù)所得出來曲線的黃色區(qū)域面積之和。
通過這種方式，我們是利用已知的幾個(gè)數(shù)據(jù)通過數(shù)學(xué)建模的方式推測(cè)出預(yù)估模型，從而得出一個(gè)預(yù)估數(shù)據(jù)結(jié)果。
還是那句話，這不是精確數(shù)據(jù)，而是一個(gè)預(yù)估數(shù)據(jù)，可能存在偏差。
好，LT 的值終于是推算出來了。接下來要得出 LTV，還需要知道 ARPU 的值。
關(guān)于 ARPU，這里就需要引入第三個(gè)公式。
因?yàn)榍懊娅@取的是月度留存數(shù)據(jù)，這里的 ARPU 也按照月為單位的時(shí)間刻度來計(jì)算，這樣得出的結(jié)果就是以月度為單位的 LTV。
因?yàn)榭偸杖牒?MAU（月活躍用戶）數(shù)據(jù)不方便公開，我就直接說結(jié)果吧。
按照上面提到的月留存數(shù)據(jù)范疇內(nèi)，他們產(chǎn)品的月度 ARPU 值是 17.5 元/月。
也就是說，在這個(gè)月的時(shí)間范疇內(nèi)，活躍用戶貢獻(xiàn)的平均價(jià)值是 17.5 元。這是每月的，如果一個(gè)月按 30 天算，平均到每天就是 17.5 / 30 =0.58 元/天。
這個(gè)價(jià)值并不一定是指用戶支付了多少錢，可能是由用戶為產(chǎn)品創(chuàng)造的額外收益，比如廣告。
LT 的值是 5.46 天，ARPU 的值是 0.58 元/天，因此可以算出來以月為單位的LTV = 5.46 * 0.58 = 3.19 元。
LTV 算出來了，那 CAC 怎么算呢？
這里，我們需要引入第四個(gè)公式。
CAC 也有時(shí)間刻度，通常是指某一個(gè)時(shí)期內(nèi)投放的市場(chǎng)獲客總花費(fèi)除以同時(shí)期新增的用戶。
可能會(huì)因?yàn)榍赖牟煌r(shí)期的不同、策略的不同，所得到的 CAC 結(jié)果也不同。
同樣，我這里直接給他們產(chǎn)品的數(shù)據(jù)結(jié)果，他們產(chǎn)品的平均 CAC 是 13.7 元。
LTV 是 3.19 元，CAC 是 13.7 元，這顯然是一個(gè)入不敷出的生意。
如果繼續(xù)這么下去，且沒有新的用戶貢獻(xiàn)價(jià)值渠道，那產(chǎn)品就會(huì)被用戶獲取成本所拖死。
這個(gè)特點(diǎn)，比較符合下圖中 C 點(diǎn)的情況。
那么，LTV 和 CAC 在一個(gè)什么樣的比例區(qū)間比較合理呢？
關(guān)于這個(gè)知識(shí)點(diǎn)我之前不是很了解，在查了一些資料后發(fā)現(xiàn)，行業(yè)內(nèi)有一個(gè)通用衡量指標(biāo)，認(rèn)為 LTV / CAC ＞ 3 是一個(gè)比較合理的范圍。
如果這個(gè)比值大于 1 且小于 3，說明產(chǎn)品付費(fèi)轉(zhuǎn)化不行。
如果大于 3 很多，說明產(chǎn)品很賺錢，但在市場(chǎng)推廣上還太保守，需要更激進(jìn)一點(diǎn)。
如果小于 1，那這樣的產(chǎn)品模式就沒啥意義，遲早會(huì)掛掉。
按照這個(gè)區(qū)間在坐標(biāo)軸上用虛線劃分出三個(gè)不同的區(qū)域，我們就得到了這么一幅圖。
通過這個(gè)圖，可以結(jié)合產(chǎn)品的 LTV / CAC 比值來制定相應(yīng)的產(chǎn)品策略。
此外，對(duì)于競(jìng)品之間的 LTV / CAC 比值，如果產(chǎn)品的比值小于其他競(jìng)品，那也是危險(xiǎn)的，可能會(huì)在競(jìng)爭(zhēng)過程中被競(jìng)爭(zhēng)對(duì)手打壓。
所以，達(dá)到或者大于 3 的產(chǎn)品，通常會(huì)比較被市場(chǎng)和投資機(jī)構(gòu)看好。
以上講的是一個(gè)得出 LTV 和 CAC 的思路，尤其是關(guān)于 LTV 的計(jì)算，其實(shí)會(huì)因?yàn)橐恍┎豢煽刈兞吭斐梢欢ǖ恼`差。
通常來說，時(shí)間跨度越大，LTV 的誤差越小。同時(shí)，全樣本統(tǒng)計(jì)的結(jié)果比少量或部分樣本統(tǒng)計(jì)的結(jié)果更準(zhǔn)確。
所以，這個(gè)計(jì)算過程和結(jié)果作為一種參考而非一個(gè)結(jié)論去看待，作為產(chǎn)品決策的其中一個(gè)參考依據(jù)即可。
這種方法，對(duì)于產(chǎn)品經(jīng)理衡量自己的工作成果和產(chǎn)品表現(xiàn)比較有用，但要注意數(shù)據(jù)的準(zhǔn)確性和參考價(jià)值。
上面用到的這 4 個(gè)公式，你可以記下來，后續(xù)對(duì)未來做產(chǎn)品和分析能有幫助。
除此之外，還有一個(gè)計(jì)算公式也能計(jì)算月活躍用戶的平均天數(shù)，即「月活躍天數(shù)」。
具體是指，在一個(gè)月時(shí)間內(nèi)，產(chǎn)品活躍用戶的平均活躍天數(shù)。月活躍天數(shù) = 當(dāng)月每天日活用戶總和 / 月活用戶。
當(dāng)然，這也是一個(gè)參考值。
這種算法能彌補(bǔ)前面那種算法的一個(gè)不足，前面那種算法計(jì)算的是處于用戶平均生命周期范圍內(nèi)的用戶所貢獻(xiàn)的 LTV，但忽略了已經(jīng)不活躍用戶所貢獻(xiàn)的價(jià)值。
而按照月活躍天數(shù)去計(jì)算，就能包括所有對(duì)產(chǎn)品有過貢獻(xiàn)的用戶，數(shù)據(jù)會(huì)更準(zhǔn)確全面一些。
在統(tǒng)計(jì)產(chǎn)品結(jié)果和用戶數(shù)據(jù)時(shí)，會(huì)存在一些干擾因素，比如運(yùn)營推廣或者產(chǎn)品活動(dòng)，都會(huì)對(duì)數(shù)據(jù)結(jié)果造成一定的影響偏差。
還是那句話，產(chǎn)品中的一些數(shù)據(jù)結(jié)論主要是用來為產(chǎn)品決策提供參考依據(jù)，而不是以結(jié)論來定結(jié)果。
最終的判斷，還是取決于產(chǎn)品經(jīng)理結(jié)合數(shù)據(jù)去思考和衡量決策價(jià)值。
回到我朋友的創(chuàng)業(yè)項(xiàng)目上。
其實(shí)他們的產(chǎn)品面對(duì)的目標(biāo)用戶是有需求的，產(chǎn)品也能夠滿足，但用戶 LTV 太低且 CAC 太高，這是拖死他們的關(guān)鍵原因。
雖然看似邏輯成立的產(chǎn)品，也抵不過商業(yè)模式的不成立。
用戶價(jià)值的成立，是以商業(yè)價(jià)值成立為前提的。
本文來自微信公眾號(hào) “唐韌”（ID：RyanTang007），作者：唐韌，36氪經(jīng)授權(quán)發(fā)布。
