如何通过数据分析评估获客效率

如何建立流量评价体系? 怎样合理计算 ROI? 本文结合流利说的实践, 分享互联网产品中评估获客效率的数据方案....

简介

分享流利说在获客环节的数据评估体系, 以及基本计算过程.

如何评估获客

产品运营的目标

互联网产品的运营目标通常有两类:

1. 从市场占有率出发: 活跃用户规模.
2. 从商业效率出发: 销售额或利润.

随着企业的发展, 两类目标的权重会变化. 通常: 对于初创公司, 活跃用户规模是 “产品满足用户需求” 的证明. 然而, “盈利的前景” 是企业长期生存的前提, 随着用户量的增长, 销售额和利润指标会更重要. 如今的互联网产品, 普遍需要在 B 轮以后证明自己的商业模式.

获客指标

获客是运营的起点. 以上两类运营的目标, 在获客环节分别对应如下指标:

1. 新用户数, 留存用户数.
2. 获客 ROI.

对于前者, 从 cohort 角度, 两个指标的关系是:

留存用户数 = 新用户数 * 留存率

.

• 只看 “新用户数” 指标, 可能带来购买 “垃圾流量” 的冲动, 引起 “留存率” 被动下降, 而 “留存用户数” 未必增长.
• 常见的解决办法: 约束渠道的质量指标, 例如: 限定 “留存率 ≥ x%”. 而更直接的方法是: 采用 “留存用户数” 指标.
[list]
• 这里的 “留存用户数”, 周期可以任意选定, 如: 次日留存, 次周留存.
• 以 “留存用户数” 作为指标, 等价于同时约束 “新用户数” 和 “留存率”.
• 为了排除作弊, 可以限定一组 “有意义的行为” 强化留存的定义.

对于第二类指标 ROI:

• 常见的定义是: Cohort Revenue / CAC.
[list]
• Cohort Revenue  指用户获取后 [T+0, T+n] 日的人均累计销售额.
• CAC (Customer Acquisition Cost) 是人均获客成本.

[*]以上反映有限时间内的投入产出, 但忽略了用户的复购价值. 更好的定义是: ROI = LTV /CAC. 其中 LTV (Lifetime Value) 指平均每个用户的生命周期销售额.

[/*][/list]一个商业模式能否 “规模化”, 重要前提是: 销售额增长的同时, ROI 不能降低. 从商业效率出发, ROI 是评估获客的最佳指标, 也是制定获客计划的首要依据.

下面重点说明 LTV 的计算方法.

LTV

LTV 如何计算?

从 “订单用户” 的角度

当 CAC 是获取一个 “订单用户” 的成本, ROI 的分子就要采用 “订单用户” 的生命周期销售额. 符号约定如下:

• LTV_p

  表示 “平均每个订单用户 的生命周期销售额”
• 用户在生命周期可能有多次订单. 假设第 i 次订单的客单价为

  AOV_i

  , i = 0, 1, 2, …,  

  AOV_0

  即首购客单价.
• 假设第 i 次 付费率 为

  R_i

  , i = 0, 1, 2, …, 其中

  R_0

  = 100% . 当 i ≥ 1,

  R_i

  是完成第 i-1 次订单用户的复购率.

每次订单的人均销售额, 就是付费率与客单价的乘积. 对所有订单求和, 可得:

这里的 “人均”, 分母是首次订单用户数.

当客单价和复购率稳定, 简化假设

AOV_i

不变, 记为

AOV

; 复购率

R_i

(i ≥ 1) 不变, 记为

R

. 上式可简化为:



类似金融中的货币乘数, 对无穷级数求和, 可得:

• 实际中, “单价和复购率稳定” 的假设, 适用于单一价格的付费订阅产品.
• 更多情况下, 单价和复购率都会变化, 处理方法是: 在 变得很小之前, 考虑有限次的复购.

得到

LTV_p

 , 订单用户的

ROI = LTV_p / CAC

.

当只有部分用户是 “订单用户”

对有些产品, CAC 对应的 Customer 中, 只有部分转化成订单用户. 情况会有所差异. 符号约定如下:

• LTV

  表示 “平均每个用户的生命周期销售额”, 不限定是否 “订单用户”.

• C_i

  表示用户获取后 [T+0, T+i] 日内, 累计转化成订单用户的比例.

• C

  表示用户获取后 [T+0, T+∞] 累计转化成订单用户的比例, 即 “生命周期转化率”.

根据定义可得:



相比订单用户, 多了一项

C

. 如果要考虑 T+∞ 的情况, 理论上

C

 无法得知.

处理办法是: 对历史数据回归分析. 对任意正整数 k, 限定截距为 0, 得到回归系数

a_k

, 则有:

回归并不完美, 因为

C_0, C_1,...

序列的变化率可能不一致, 例如: 当产品的转化率提高, 可能出现的情况是, 原本第 k 天后转化的用户, 提前到第 k 天之前. 此时的

C

可能变化不大, 但

C_k

增长, 此时可能产生误差.

一个典型的 ROI 计算过程

1. 计算 CAC. 各个流量渠道的获客成本同步到数据仓库. 结合注册用户数,

   CAC = 成本 / 新用户数

   .
2. 计算  

   LTV_p

   . 考虑有限次的复购, 按不同的购买路径计算多个

   LTV_p

   , 再加权求和.
3. 如果 CAC 对应的获取用户, 只有部分是 “订单用户”, 需要估算生命周期转化率

   C

   . 对历史数据做回归分析, 选定 1 个或多个 k, 得到

   a_k

   , 乘以当期的实际 cohort 转化率

   C_k

   得到

   C

   ,

   LTV = LTV_p * C

   .
4. 计算 ROI. 根据情况, 采用步骤 2-3 中的 LTV 与步骤 1 中的 CAC 计算.
5. 按维度细分 ROI, 才能知道高回报的用户 “是谁, 在哪里”, 从而明确投放的优先级.

总结

1. 产品的早期, 更看重用户规模, 获客评估指标是 “留存用户数”. 随着产品成熟, ROI 会更加重要.

2. ROI = LTV / CAC

   , 合理计算 LTV 是准确评估商业效率的前提.
3. 当只有部分用户是 “订单用户”,

   LTV = LTV_p * C

   . 需要估算 “生命周期转化率”.
4. 只有明确不同渠道和用户的 ROI, 投放才能有效率.

    关注 流利说技术团队