LTV — ano ito, paghula sa halaga ng user

Ano ang LTV?

LTV (Lifetime Value) — ang inaasahang netong kita na dadalhin ng isang user sa buong panahon ng paggamit ng produkto. Sa pagbuo ng mobile app, ang LTV ay pundasyon ng ekonomiya ng app: ang metrik na ito ang tumutukoy kung magkano ang maaaring gastusin sa pag-akit ng user sa pamamagitan ng advertising.

Pinagsasama ng metrik na ito ang tatlong bahagi: average na kita bawat panahon (ARPU), average na habang-buhay ng user, at gross margin. Kung walang LTV, imposibleng bigyang-katwiran ang badyet para sa UA (User Acquisition). Ang mga mamumuhunan ay nagtatasa ng startup batay sa LTV multiplier: ang mga kumpanya ng SaaS ay pinahahalagahan sa 5–10× LTV ng taunang subscription.

Ayon sa datos ng OpenView (2025), ang median LTV sa mga mobile app ay $14.50 para sa kategoryang Games, $22 para sa Social, at $45 para sa Health & Fitness. Malaki ang pagkakaiba — mula $0.50 sa Hypercasual hanggang $500+ sa mga dating app na may mahabang LifeTime.

Bakit kailangan ang LTV sa pagbuo ng mobile app

Ang LTV ay lumulutas ng tatlong gawain sa negosyo. Una — pagsusuri ng pagbabalik ng advertising. Kung ang LTV ay mas mababa kaysa sa CPI, ang app ay hindi kumikita. Pangalawa — pag-prioritize ng mga feature: kung aling mga pagbabago sa produkto ang nagpapataas ng LTV, ang mga iyon ang ipinapatupad. Pangatlo — hula ng kita: sa pag-alam ng LTV ng mga bagong user, maaaring mahulaan ang kita para sa 6–12 buwan.

Ang pangalawa at pangatlong gawain ay nangangailangan ng makasaysayang datos. Para sa bagong app na walang kasaysayan, ginagamit ang mga benchmark ng kategorya. Sensor Tower at Data.ai ay nagbibigay ng mga pagtatantya ng LTV ayon sa kategorya at rehiyon. Gayunpaman, ang mga benchmark ay gabay lamang, hindi katotohanan: ang LTV ng isang partikular na app ay maaaring mag-iba ng 2–3 beses mula sa average ng merkado.

LTV vs Lifetime Gross Profit

Ang LTV ay maaaring kalkulahin batay sa kita (Revenue LTV) o tubo (Profit LTV). Profit LTV ay nagbawas mula sa Revenue LTV ng cost of goods sold (COGS): mga komisyon ng tindahan (15–30%), mga gastos sa server, pag-acquire. Ang Apple at Google ay kumukuha ng 15–30% mula sa bawat pagbili — ito ay makabuluhang nagpapababa ng tunay na LTV. Para sa tamang paghahambing sa CAC, gamitin ang Profit LTV.

Paano kalkulahin ang LTV

May tatlong paraan ng pagkalkula ng LTV: historical, cohort, at predictive. Ang bawat paraan ay nagbibigay ng iba't ibang katumpakan sa iba't ibang horizon. Ang historical LTV ay kinakalkula para sa mga user na nakumpleto na ang kanilang lifecycle — ito ay tumpak, ngunit hindi naaangkop para sa mga aktibong user.

Ang paraan ng cohort — ang gintong pamantayan. Ang mga user ay pinapangkat ayon sa petsa ng pag-install (Day 0 cohort), at para sa bawat cohort ay binuo ang curve ng kita bawat araw. Ang extrapolation ng curve na ito ay nagbibigay ng hula ng LTV. Ayon sa datos ng Amplitude (2025), ang cohort LTV para sa 90-araw na window ay may error lamang na 5–8% sa hula para sa 12 buwan.

data class CohortData(
    val installDate: LocalDate,
    val dayRevenue: List<Double>
)

fun calculateProjectedLTV(
    cohort: CohortData,
    dayN: Int,
    annualDiscountRate: Double = 0.10
): Double {
    val observedRevenue = cohort.dayRevenue
        .take(dayN)
        .sum()
    val projectedRevenue = extrapolateRevenue(
        cohort.dayRevenue, dayN, 365
    )
    return applyDiscountRate(
        observedRevenue + projectedRevenue,
        annualDiscountRate
    )
}

Ang paraan ng extrapolateRevenue ay gumagamit ng decay curve ng kita. Karaniwan itong naaapproximate ng power law function: revenue on day N = revenue_day_1 × N^(-alpha). Ang Alpha ay kinakalkula mula sa makasaysayang datos. ApplyDiscountRate ay nagdadala ng mga kita sa hinaharap sa kasalukuyang halaga — karaniwang kasanayan sa pananalapi para sa tamang pagtatasa.

Formula ng pangunahing LTV

Ang pinakasimpleng formula ng LTV: ARPU × Average Lifetime. Ang average na habang-buhay ay Average Churn Rate^−1. Kung ang mga user ay umaalis sa bilis na 10% bawat buwan, Average Lifetime = 1 / 0.10 = 10 buwan. Sa buwanang ARPU na $2, LTV = 2 × 10 = $20. Ang formula ay kapaki-pakinabang para sa mabilis na pagtatasa, ngunit hindi nito isinasaalang-alang ang pagbabago ng ARPU sa paglipas ng panahon.

Mga modelo ng hula ng LTV

Ang hula ng LTV — isang kumplikadong gawain na nangangailangan ng mga advanced na pamamaraan ng estadistika. Para sa tumpak na hula sa mga unang yugto (Day 1 — Day 30), ginagamit ang mga modelo ng ML na nagsusuri ng mga behavioral signal: mga unang pagbili, dalas ng session, at pakikipag-ugnayan.

Probabilistic Models — BG/NBD (Beta-Geometric / Negative Binomial Distribution) — klasikong diskarte para sa paghula ng mga paulit-ulit na pagbili. Tinatantya ng modelo ang posibilidad na mananatiling aktibo ang isang user at ang inaasahang bilang ng mga transaksyon. Modelo ng Fader & Hardie (2013) ay nananatiling de facto na pamantayan para sa LTV nang walang ML.

Mga modelo ng ML — Random Forest, XGBoost at neural network. Isinasaalang-alang nila ang dose-dosenang mga feature: mga source ng trapiko, device, bansa, mga unang aksyon. Ang Google Cloud recommandation.ai ay gumagamit ng Deep Neural Network para sa hula ng LTV batay sa mga kaganapan sa unang 7 araw. Ang katumpakan ng mga naturang modelo ay 15–25% na mas mataas kaysa sa probabilistic na modelo (Google, 2025).

Hybrid approach ay pinagsasama ang probabilistic model para sa pangunahing hula at ML correction para sa mga grupong may abnormal na pag-uugali. Sa pagsasagawa, ang hybrid approach ay nagbibigay ng pinakamahusay na ratio ng katumpakan at computational cost. Karamihan sa mga platform (Amplitude, Mixpanel) ay gumagamit ng hybrid na modelo para sa awtomatikong LTV.

Hula ng LTV sa araw 7

Day-7 LTV — ang pinakasikat na maagang hula. Kung ang isang user ay hindi bumili sa loob ng 7 araw, ang posibilidad ng pagbili sa hinaharap ay bumababa ng 80%. Ang metrik na Day-7 LTV ay kinakalkula sa pamamagitan ng pag-multiply ng Daily ARPU para sa 7 araw sa hinulaang Lifetime. Ang correlation ng Day-7 LTV sa 365-araw na LTV ay umaabot sa 0.85 sa kategoryang Games.

Ratio ng LTV at CAC

LTV / CAC ratio — ang pangunahing indicator ng unit economics ng mobile app. Panuntunan ng malusog na negosyo: LTV/CAC >= 3. Kung ang ratio ay mas mababa sa 3, ang negosyo ay hindi scalable — bawat naakit na user ay nagdudulot ng hindi sapat na kita upang masakop ang mga gastos sa marketing at operational na gastos.

Ang mga venture capital investor ay nangangailangan ng LTV/CAC > 3 para sa seed-round at > 5 para sa Series A. Ayon sa datos ng OpenView (2025), ang median LTV/CAC para sa mobile-first companies ay 3.2. Ang pinakamahusay na kumpanya ay nagpapakita ng 5–7. Ang payback period (oras ng pagbabalik ng CAC) ay hindi dapat lumampas sa 12 buwan para sa mga modelo ng subscription.

Mahalagang isaalang-alang na ang LTV/CAC ay kinakalkula batay sa predictive LTV, hindi historical. Kung ang hula ay sobrang taas — ang ratio ay mukhang malusog, ngunit ang tunay na negosyo ay hindi kumikita. Ang konserbatibong hula ng LTV batay sa P50 (median) ay mas maaasahan kaysa sa batay sa average.

LTV sa iba't ibang kategorya ng app

Ang LTV ay malaki ang pagkakaiba ayon sa kategorya. Ang pag-unawa sa mga tipikal na halaga ay tumutulong sa pagtatakda ng mga makatotohanang layunin at pagpili ng estratehiya ng monetization. Ang ipinakitang datos ay batay sa mga ulat ng Data.ai at Sensor Tower para sa 2025.

Hypercasual Games ay may pinakamababang LTV — $0.20–0.50. Ang modelo ay batay sa advertising: ang user ay naglalaro ng 3–5 araw, nanonood ng rewarded video, pagkatapos ay umalis. Sa ganoong LTV, ang CAC ay hindi maaaring lumampas sa $0.10–0.15, na makakamit lamang sa mass traffic at optimized creative.

Strategy Games — ang pinakamataas na LTV sa gaming: $25–50. Ang mga user ay nananatili ng 6–18 buwan, aktibong bumibili ng mga booster at subscription. Ang mataas na LTV ay nagbibigay-daan sa paggastos ng hanggang $10–15 bawat pag-install sa UA. Ang kalidad ng trapiko ay nagiging mas mahalaga kaysa sa dami nito.

Health & Fitness — LTV $30–60 dahil sa mga subscription. Ang average na user ay nagbabayad ng $8–15 bawat buwan sa loob ng 4–6 na buwan. Ang mga subscription ay nagbibigay ng predictable na LTV at mataas na pagpapahalaga ng negosyo ng mga mamumuhunan.

Social Dating — LTV ay umaabot sa $100–500. Ang mga user ay nagbabayad para sa mga subscription at virtual na regalo, ang LifeTime ay maaaring lumampas sa 12 buwan. Ito ang pinaka-kumikitang kategorya ng mobile app mula sa pananaw ng LTV, ngunit ang CAC dito ay maximum — $20–50.

Paano pataasin ang LTV

Pagpapataas ng LTV — isang strategic na gawain na nalulutas sa pamamagitan ng pagpapabuti ng produkto. Lahat ng paraan ay nahahati sa tatlong grupo: pagtaas ng retention, pagtaas ng ARPU, at pagbaba ng churn. Ang bawat grupo ay nagbibigay ng multiplicative effect sa LTV.

Unang grupo — retention. Ang pagtaas ng Day-7 retention ng 10% ay nagbibigay ng paglago ng LTV na 15–20%. Mga paraan: personalization ng onboarding, push notification na may kaugnayang nilalaman, gamification (achievements, leaderboards, streaks). Duolingo — klasikong halimbawa: ang streak mechanism ay nagpapanatili ng mga user sa loob ng maraming taon, na nagbibigay ng LTV na 3–4 beses na mas mataas kaysa sa average ng EdTech.

Ikalawang grupo — ARPU. Ang mga paraan ay inilalarawan sa artikulo tungkol sa ARPU: mga subscription, optimization ng mga lugar ng advertising, personalization ng mga alok. Ang pagtaas ng ARPU ng 10% na may parehong retention ay nagbibigay ng direktang pagtaas ng LTV na 10%.

Ikatlong grupo — pagbaba ng churn. Mga kampanya ng Win-back (pagbabalik ng mga yumaong user), pagpapabuti ng customer support, pagsusuri ng mga punto ng pag-alis. Pagbaba ng buwanang churn mula 15% hanggang 10% ay nagpapataas ng Average Lifetime mula 6.7 hanggang 10 buwan — paglago ng LTV na 50% na may hindi nagbabagong ARPU.