零售商中的人来说可能听起来太复杂了。
一个谷歌认为博客文章，例如说，客户终身价值需要得到“内部和外部的团队一致。”在在福布斯，你会读到有关如何“的公司，背上沉重的重视[终身价值]还的那些当他们扩大规模时，甚至通过首次公开发行，经常会面临巨大损失。
内部和外部团队？上市？如果你认为这是粗糙的，检查出什么datascience不得不说关于客户的终生价值：“潜参数λ和μ由代表我们对这些潜在的参数是客户如何在人群中分布的信仰两个先前gamma分布的限制“。
让人惊讶。
但是没有理由被客户终身价值或clv所吓倒。它是复杂的吗？当然。是否在考虑小型在线商店的情况下创建？当然不。但客户的终生价值仍然可以帮助您做出关于利润率的明智决策，以及如何在保留现有客户和寻找新客户之间分配精力。
本文将尽可能简单地解释客户的生命周期价值。然后，我们将了解如何计算商店的客户终生价值，以及如何将商店的平均客户终身价值向正确的方向发展。
什么是客户终身价值？
您可以使用不同的公式计算客户的生命周期价值。甚至有不同的方法来计算构成这些公式的变量。数学知识可能会有一个这个领域的一天。
今天，我们将保持基本的东西，寻找具有历史意义和预测性客户生命周期价值的简单公式。
以下是具有历史意义的客户生命周期值：
（每个客户的年利润x年平均客户寿命） -获得客户的成本
我们来看一个可能看起来很实际的例子。假设你有：
年收入75万美元
年度非购置成本为600,000美元
1,500个客户
平均每个客户三年
每次收购的平均成本为50美元
以此为背景，我们可以开始填补空白。
每位顾客的年利润=（750,000美元至600,000美元）/ 1,500 = 100美元
平均客户寿命= 3
获得客户的初始成本= 50美元
（100美元×3） - 50美元= 250美元
这是一个粗略的公式：它纯粹是追溯性的，并没有考虑到很多可能有助于通知未来市场营销决策的变数。但是，我们可以通过发挥历史悠久的客户终生价值来获得更多收益。在我们谈论后我们会立即到达那里......
预测客户生命周期价值
预测性客户生命周期价值是事情变得复杂的地方。为此，我们应该考虑保留率和折扣率。但是我们只能在我们提出一个“每位顾客毛利率”的数字后才能做到这一点，该数字本身只有在我们确定我们的平均毛利率后才可以得到。
一步一步来。首先，我们来看一下每个客户的毛利，这是预测客户生命周期价值公式的基础。每位顾客的毛利率如下所示：
gml =（（t×aov）agm）alt
好的，那是很多信件。让我们退后一步，一块一块地看。
t =平均交易次数（每月）
aov =平均订单价值
agm =平均毛利率
alt =平均客户寿命
t和aov非常清晰。agm和alt可以使用一些拆箱。
agm或平均毛利率是您的总销售收入减去销售成本，然后除以总销售收入。有道理？所以我们会以百分比结束。这是一个例子：
（总销售收入75,000美元 -销售成本60,000美元）/ 75,000美元= 20％
因此，如果这个例子中存储的每月收入为75,000美元的平均每月订单金额为5,000美元，平均订单金额为15美元，那么公式将如下所示：
（（5,000 x $ 15）* .2）alt =
（75,000美元* .2）alt =
$ 15,000 x alt
当然，我们需要为每个客户计算此客户终生价值。所以我们会根据您拥有的客户数量划分15,000美元×alt。假设我们有2,500个客户进行这些5,000次购买，而这些客户的平均寿命为4年，即48个月。
（15,000美元×48）/ 2,500 = 288美元
现在，关于平均客户寿命或alt。这一点很难 -尤其对于像您可能运行的电子商务商店。
对于初学者，您的商店可能不够长，无法真正计算平均客户寿命。即使你有四年的时间，你对第一年的数据有多少信任？很有可能您的第一个月的客户与上周第一次进行转换的客户有不同的体验。谁知道，也许你的产品与一开始就完全不同。
底线，alt很难计算。请记住，改变这个变量 -当然，目标是让平均寿命更长 -可以对客户的终生价值产生巨大影响：三年的好客户比一个好客户更有价值年。
预测未来客户生命周期价值的下一步，如果你想要的话，需要将这个每个客户的毛利率（gml）降到一个计算留存率和折扣率的公式中。
你可以看到这个客户的生命周期价值有多深。正如这里所解释的，保留率本身就是一个绝对的怪物。为此添加折扣率，并且我们正在查看大量工作 -并可能进行大量的猜测 -来查找客户的生命周期价值。
无论如何，如果你想进一步沿着兔子洞走，这里的路径：
客户寿命值= gml（r /（1 + d - r））
r是月保留率，d是月折扣率。这两个数字都很难计算。例如，您的所有客户都获得相同的折扣吗？如果没有，那些获得更多折扣的人的留存率更高吗？
客户终身价值：玩变数
好吧，所以我们知道构成顾客生命周期价值的元素。或者至少构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玩变数，以及如何影响你的商店。
首先让我们重温历史悠久的客户生命周期价值：
（每个客户的年利润x年平均客户寿命） -获得客户的成本
有很多方法可以深入研究这个公式。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，通过seo等获得的客户的客户终身价值。
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向你的网站推动了大量的seo流量，而在facebook上，你的每次点击费用却在不断攀升。然后，再次，也许你的facebook客户转换后花更多的钱。
通过客户终生价值，我们可以确定某个渠道的加速购置成本是否值得。
以下是历史上的每个通道计算的外观：
1500个客户：来自facebook的750个，来自搜索的750个
年收入750,000美元：通过facebook获得的访问者获得500,000美元，通过搜索获得250,000美元
年度非收购成本为600,000美元：facebook为400,000美元，搜索为20万美元
每位顾客平均三年
50美元的平均收购成本：90美元的facebook，10美元的搜索
facebook：
年利润贡献=（$ 500,000 - $ 400,000）/ 750 = $ 133
他们是客户的平均年数= 3
获得客户的初始成本= 90美元
（133美元×3） - 90美元= 309美元
seo：
年度利润贡献=（$ 250,000 - $ 200,000）/ 750 = $ 67
他们是客户的平均年数= 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，即使收购渠道更加昂贵，如果从该渠道获得的客户花费更多资金，这也可能是完全值得的。显然，没有规定称通过facebook获得的客户花费的费用将超过通过搜索获得的客户。但是我们可以看到每个渠道对客户生命周期价值的看法如何影响您的营销支出。
如果通过搜索获取的客户花费与通过facebook获得的花费相同，那么客户的生命周期价值如何显示。
facebook的：
年度利润贡献=（$ 375,000 - $ 300,000）/ 750 = $ 100
他们是客户的平均年数= 3
获得客户的初始成本= 90美元
（$ 100 x 3） - $ 90 = $ 210
seo：
年度利润贡献=（$ 375,000 - $ 300,000）/ 750 = $ 100
他们是客户的平均年数= 3
获得客户的初始成本= 10美元
（100美元×3） - 10美元= 290美元
突然之间，搜索带来了更大的客户终身价值。
让我们玩另一个变量 -客户的使用寿命。如果您的facebook广告系列导致更多的一次性冲动购买，而您的搜索引擎优化驱动的购买产生了忠诚的，更持久的客户，那该怎么办？假设facebook客户持续一年，而seo客户持续五年。年度支出是相同的 -但不是他们是您的客户的长度。这对这些渠道的人们的客户终身价值有什么影响？
facebook：
年度利润贡献=（$ 375,000 - $ 300,000）/ 750 = $ 100
他们是客户的平均年数= 1
获得客户的初始成本= 90美元
（$ 100 x 1） - $ 90 = $ 10
seo：
年度利润贡献=（$ 375,000 - $ 300,000）/ 750 = $ 100
他们是客户的平均年数= 5
获得客户的初始成本= 10美元
（$ 100 x 5） - $ 10 = $ 490
seo粉碎facebook。当然，一年/五年的分拆可能是不现实的。但是这表明如何在这些变量中转动拨号盘完全改变了预期的客户生命周期价值。
我们也可以应用国家细分市场，或者确定两年前和今年第一次购买的群组。有各种各样的方法来适应这个方程，以获得更丰富的历史见解。
相同的数学游戏可以用于预测性客户寿命值公式。我们看到的预测公式的一个独特要素是平均毛利率。我们来看看平均毛利率的变化如何影响整个客户的生命周期价值。
我们可以通过寻找更便宜的供应商或通过提高价格来提高我们的平均毛利率。让我们尝试提高价格。这会使我们的总销售收入更高。
原文如下：
（总销售收入75,000美元 -销售成本60,000美元）/ 75,000美元= 20％
这里有20％的价格：
（90,000美元总销售收入- $ 60,000销售成本）/ 90,000美元= 33％
现在，我们的商店每月5,000美元的月订单中有90,000美元的月收入，每个订单的收入为18美元。
（（5,000 x $ 18）* .33）avg。客户寿命
（$ 90,000 * .33）alt
$ 30,000 xalt
当然，在一件事情上拨打电话，如利润，可能会将拨号转到另一个电话上，例如平均客户寿命：如果您为同样的产品收取更多的钱，那么您的客户可能不会持续很长时间。
有很多这样的折衷。例如，您可以通过社交媒体广告更积极地推动月度订单的平均数量，但这样做可能会降低我们的朋友aov，即平均订单价值。通过为回头客提供折扣也可能增加平均客户寿命。不过，这可能会让销售平均利润率下降一点。
关于客户终生价值的结论
您不需要非常准确的数字就可以从客户的生命周期价值中获得见解。当然，我们在这里看到的不会给数据科学家留下深刻的印象。但是，仍然可以从这些客户终身价值方程中获得金块。
具有历史意义的客户终身价值非常容易计算。尽管您可能需要对平均客户寿命进行猜测，尤其是在您有年轻店铺的情况下，仍然可以根据您对现有客户的最新数据进行估算。
凭借预测性的客户终生价值公式，我们仍然在猜测客户的寿命。同时，保留率和折扣率引入了一个完整的网络：（a）猜测或（b）认真核心的数学，你可能不想深入。
即使这些客户终身价值公式的精确性，它们也为我们提供了一个有价值的指导。客户的生命周期可能是未知的，但客户花费的金额，将他们带到您的网站的资源，他们的订单所运送的国家 -这些数据都是可用的。您的每个频道的营销支出也被记录下来。根据您的需要使用具体数字，并在必要时作出最佳猜测。