在游戏行业有两个核心的指标，第一个是用户成本(cost)，另一个是用户价值（LTV）。

用户成本包含了CPC（点击成本）、CPD（下载成本）、CPA （激活成本）、CPR（注册成本）、CPL（登陆成本）、以及付费成本等。

LTV(Life Time Ⅴalue)指的是某个用户在生命周期内为该游戏应用创造的收入总计，可以看成是一个长期累计的ARPU值。用户的生命周期是指一个用户从第一次启动游戏应用，到最后一次启动游戏应用之间的周期。

用LTV /cost对应的就是投资回报率(简称ROI)，我们用这个ROI来衡量买量是否回本，用该公式得出：

若ROI>1，则盈利；若ROI=1，则盈亏平衡；若ROI<1，则亏损。

LTV没有高低之分，只有值或者不值。当LTV高于买量成本CPL且能回本，就是值，否则就不值。LTV是非常重要的数据，是买量的指南针，也是游戏生死的关键指标，而影响LTV的关键指标是留存率和ARPU(后面会介绍计算公式)。

一、估算：

每个用户平均的LTV = ARPU * 用户平均生命周期

优点：计算速度快，非常好理解；

缺点：不够精准，往往会出现LTV偏高的结果。主要因为：

1）用户平均生命周期无法准确定义生命周期的长度。

2）ARPU 亦非一个容易平均的恒定值，这样的计算结果只能作非常宏观的参考。例如，有以下两种计算方式：

如果游戏日均ARPU为5元, 游戏用户平均生命周期为60天，那么LTV = 5 * 60 = 300元。

如果游戏月均ARPU为50元, 游戏用户平均生命周期为60天，那么LTV = 50 * 2 = 100元。

以上按日均和月均计算的LTV差异很大。建议生命周期的长度和ARPU按月份来平均计算，得出的LTV相对更准确。即：

每个用户平均的LTV = 月ARPU *用户按月计的平均生命周期

二、计算总LTV：

总LTV = 累计收入/累计新增

优点：简单，直接，计算速度快，非常好理解；

缺点：时间颗粒度不够细，为某一天或某一段时间的总LTV，非加权值。如果取第一天或前N天的用户，用户质量可能较高，导致总LTV偏高；如果取游戏所总收入和总新增用户，部分用户的生命周期未到，跟加权值相比存在一定误差。

三、计算每天新用户第N天LTV：

1、计算开服第1天新用户N天LTV

1天LTV=第1天新用户在1天内带来的收入/第1天新用户数

7天LTV =第1天新用户在7天内带来的累积收入/第1天新用户数

14天LTV =第1天新用户在14天内带来的累积收入/第1天新用户数

2、计算开服第2天新用户N天LTV

1天LTV=第2天新用户在1天内带来的收入/第2天新用户数

7天LTV =第2天新用户在7天内带来的累积收入/第2天新用户数

14天LTV =第2天新用户在14天内带来的累积收入/第2天新用户数

3、计算开服第3天新用户N天LTV

……

计算公式如下：

说明：LT(life Time)就是用户生命周期，如果我们要计算N天的LTV，则直接将公式中的LT改成N天即可。这个公式常用于利于已知历史数据精确计算N日的LTV。

例如：某日新增用户100，首日他们充值500元，则首日LTV=500/100=5元；第2天充值300元，则2天LTV=（500+300）/100=8元，以此类推。

影响LTV的关键指标是留存率和ARPU，以下表数据为例，比如，一款游戏测试7天，将每天的留存率*ARPU，再求和，得出7天LTV为15.6元。

计算公式：

以下面积部分就是LTV值：

数据分析师跟进项目，LTV是必须要输出的内容之一。如果能准确、快速地计算出LTV，那么能大大提升效率。下面就以某款游戏为例，计算每日LTV和加权LTV。

• 计算每日LTV

运行结果(仅显示2020年1月1日至1月7日的数据)：

• 计算一段时间内的加权LTV

以2020年1月1日-1月7日的数据为例，取这7天用户的加权LTV如下：

运行结果为：