LTV — यह क्या है, उपयोगकर्ता मूल्य का पूर्वानुमान

LTV क्या है?

LTV (लाइफ़टाइम वैल्यू) वह अनुमानित शुद्ध लाभ है जो एक उपयोगकर्ता उत्पाद के उपयोग की पूरी अवधि में उत्पन्न करेगा। मोबाइल डेवलपमेंट में, LTV ऐप अर्थव्यवस्था की आधारशिला है: यह मीट्रिक निर्धारित करता है कि विज्ञापन के माध्यम से उपयोगकर्ता अधिग्रहण पर कितना खर्च किया जा सकता है।

मीट्रिक तीन घटकों को जोड़ता है: प्रति अवधि औसत आय (ARPU), औसत उपयोगकर्ता जीवनकाल, और सकल मार्जिन। LTV के बिना, UA (उपयोगकर्ता अधिग्रहण) बजट को उचित ठहराना असंभव है। निवेशक LTV गुणक द्वारा स्टार्टअप का मूल्यांकन करते हैं: SaaS कंपनियों का मूल्य वार्षिक सब्सक्रिप्शन के LTV के 5–10 गुना पर लगाया जाता है।

OpenView (2025) के अनुसार, मोबाइल ऐप्स में औसत LTV गेम्स श्रेणी के लिए $14.50, सोशल के लिए $22 और हेल्थ एंड फ़िटनेस के लिए $45 है। सीमा बहुत विस्तृत है — हाइपरकैज़ुअल में $0.50 से लेकर लंबे जीवनकाल वाले डेटिंग ऐप्स में $500+ तक।

मोबाइल डेवलपमेंट में LTV क्यों महत्वपूर्ण है

LTV तीन व्यावसायिक समस्याओं को हल करता है। पहली — विज्ञापन ROI का आकलन। यदि LTV, CPI से कम है, तो ऐप लाभहीन है। दूसरी — सुविधाओं की प्राथमिकता: उत्पाद परिवर्तन जो LTV बढ़ाते हैं, लागू किए जाते हैं। तीसरी — राजस्व पूर्वानुमान: नए उपयोगकर्ताओं के LTV को जानकर, 6–12 महीने आगे की आय का अनुमान लगाया जा सकता है।

दूसरे और तीसरे कार्य के लिए ऐतिहासिक डेटा की आवश्यकता होती है। बिना इतिहास वाले नए ऐप के लिए, श्रेणी बेंचमार्क का उपयोग किया जाता है। Sensor Tower और Data.ai श्रेणी और क्षेत्र के अनुसार LTV अनुमान प्रदान करते हैं। हालांकि, बेंचमार्क एक संदर्भ हैं, सत्य नहीं: किसी विशिष्ट ऐप का LTV बाज़ार औसत से 2–3 गुना भिन्न हो सकता है।

LTV बनाम कुल जीवनकाल लाभ

LTV की गणना राजस्व (Revenue LTV) या लाभ (Profit LTV) के आधार पर की जा सकती है। Profit LTV Revenue LTV से बेची गई वस्तुओं की लागत (COGS) घटाता है: स्टोर कमीशन (15–30%), सर्वर लागत, भुगतान प्रसंस्करण। Apple और Google प्रत्येक खरीद का 15–30% लेते हैं — यह वास्तविक LTV को काफी कम कर देता है। CAC के साथ सही तुलना के लिए, Profit LTV का उपयोग करें।

LTV की गणना कैसे करें

LTV की गणना के तीन तरीके हैं: ऐतिहासिक, कोहोर्ट और पूर्वानुमानात्मक। प्रत्येक विधि अलग-अलग क्षितिज पर अलग सटीकता देती है। ऐतिहासिक LTV उन उपयोगकर्ताओं के लिए गणना की जाती है जिन्होंने अपना जीवनचक्र पूरा कर लिया है — यह सटीक है लेकिन सक्रिय उपयोगकर्ताओं पर लागू नहीं होता।

कोहोर्ट विधि स्वर्ण मानक है। उपयोगकर्ताओं को इंस्टॉल तिथि (दिन 0 कोहोर्ट) के अनुसार समूहीकृत किया जाता है, और प्रत्येक कोहोर्ट के लिए दर-दर राजस्व वक्र बनाया जाता है। इस वक्र का एक्सट्रपोलेशन LTV पूर्वानुमान देता है। Amplitude (2025) के अनुसार, 90-दिन की विंडो के लिए कोहोर्ट LTV में 12 महीने का पूर्वानुमान लगाते समय केवल 5–8% की त्रुटि होती है।

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
    )
}

extrapolateRevenue विधि राजस्व क्षय वक्र का उपयोग करती है। इसे आमतौर पर पावर लॉ द्वारा अनुमानित किया जाता है: दिन N पर राजस्व = revenue_day_1 × N^(-alpha)। Alpha की गणना ऐतिहासिक डेटा से की जाती है। ApplyDiscountRate भविष्य के राजस्व को वर्तमान मूल्य पर लाता है — सही मूल्यांकन के लिए मानक वित्तीय अभ्यास।

मूल LTV सूत्र

सबसे सरल LTV सूत्र: ARPU × औसत जीवनकाल। औसत जीवनकाल औसत छोड़ने की दर^−1 है। यदि उपयोगकर्ता 10% मासिक दर से छोड़ते हैं, औसत जीवनकाल = 1 / 0.10 = 10 महीने। $2 के मासिक ARPU के साथ, LTV = 2 × 10 = $20। यह सूत्र त्वरित अनुमानों के लिए उपयोगी है लेकिन समय के साथ ARPU में बदलाव को अनदेखा करता है।

LTV पूर्वानुमान मॉडल

LTV पूर्वानुमान एक जटिल कार्य है जिसके लिए उन्नत सांख्यिकीय विधियों की आवश्यकता होती है। प्रारंभिक चरणों (दिन 1 — दिन 30) में सटीक पूर्वानुमान के लिए, ML मॉडल का उपयोग किया जाता है जो व्यवहार संकेतों का विश्लेषण करते हैं: पहली खरीद, सत्र आवृत्ति और सहभागिता।

संभाव्य मॉडल — BG/NBD (बीटा-ज्यामितीय / ऋणात्मक द्विपद वितरण) — दोहराई जाने वाली खरीद की भविष्यवाणी के लिए एक उत्कृष्ट दृष्टिकोण। मॉडल संभावना का अनुमान लगाता है कि उपयोगकर्ता सक्रिय रहेगा और अपेक्षित लेन-देन की संख्या। Fader & Hardie मॉडल (2013) ML के बिना LTV के लिए वास्तविक मानक बना हुआ है।

ML मॉडल — रैंडम फ़ॉरेस्ट, XGBoost और तंत्रिका नेटवर्क। वे दर्जनों विशेषताओं को ध्यान में रखते हैं: ट्रैफ़िक स्रोत, डिवाइस, देश, पहली क्रियाएँ। Google Cloud recommendation.ai पहले 7 दिनों की घटनाओं के आधार पर LTV पूर्वानुमान के लिए डीप न्यूरल नेटवर्क का उपयोग करता है। ऐसे मॉडलों की सटीकता संभाव्य मॉडलों की तुलना में 15–25% अधिक है (Google, 2025)।

हाइब्रिड दृष्टिकोण आधार पूर्वानुमान के लिए एक संभाव्य मॉडल और असामान्य व्यवहार वाले समूहों के लिए ML सुधार को जोड़ता है। व्यवहार में, हाइब्रिड सटीकता और कम्प्यूटेशनल लागत का सबसे अच्छा संतुलन देता है। अधिकांश प्लेटफ़ॉर्म (Amplitude, Mixpanel) स्वचालित LTV के लिए हाइब्रिड मॉडल का उपयोग करते हैं।

दिन-7 LTV पूर्वानुमान

दिन-7 LTV सबसे लोकप्रिय प्रारंभिक पूर्वानुमान है। यदि कोई उपयोगकर्ता 7 दिनों के भीतर खरीदारी नहीं करता है, तो भविष्य में खरीदारी की संभावना 80% कम हो जाती है। दिन-7 LTV की गणना 7 दिनों के दैनिक ARPU को अनुमानित जीवनकाल से गुणा करके की जाती है। दिन-7 LTV का 365-दिवसीय LTV के साथ सहसंबंध गेम्स श्रेणी में 0.85 तक पहुँचता है।

LTV और CAC का अनुपात

LTV/CAC अनुपात मोबाइल ऐप की इकाई अर्थव्यवस्था का प्राथमिक मीट्रिक है। स्वस्थ व्यवसाय का नियम: LTV/CAC >= 3। यदि अनुपात 3 से कम है, तो व्यवसाय स्केलेबल नहीं है — प्रत्येक अर्जित उपयोगकर्ता मार्केटिंग लागत और परिचालन व्यय को कवर करने के लिए अपर्याप्त राजस्व उत्पन्न करता है।

वेंचर निवेशक सीड राउंड के लिए LTV/CAC > 3 और सीरीज़ A के लिए > 5 की माँग करते हैं। OpenView (2025) के अनुसार, मोबाइल-प्रथम कंपनियों के लिए औसत LTV/CAC 3.2 है। शीर्ष कंपनियाँ 5–7 प्राप्त करती हैं। सब्सक्रिप्शन मॉडल के लिए भुगतान अवधि 12 महीने से अधिक नहीं होनी चाहिए।

यह ध्यान रखना महत्वपूर्ण है कि LTV/CAC की गणना पूर्वानुमानित LTV के आधार पर की जाती है, ऐतिहासिक के नहीं। यदि पूर्वानुमान बढ़ा-चढ़ाकर लगाया गया है — अनुपात स्वस्थ दिखाई देता है जबकि वास्तविक व्यवसाय लाभहीन है। P50 (माध्यिका) पर आधारित LTV का रूढ़िवादी पूर्वानुमान औसत पर आधारित पूर्वानुमान से अधिक विश्वसनीय है।

ऐप श्रेणी के अनुसार LTV

LTV श्रेणी के अनुसार काफी भिन्न होता है। विशिष्ट मूल्यों को समझने से यथार्थवादी लक्ष्य निर्धारित करने और मुद्रीकरण रणनीति चुनने में मदद मिलती है। नीचे दिया गया डेटा Data.ai और Sensor Tower की 2025 की रिपोर्ट पर आधारित है।

हाइपरकैज़ुअल गेम्स में सबसे कम LTV है — $0.20–$0.50। मॉडल विज्ञापन-आधारित है: उपयोगकर्ता 3–5 दिन खेलते हैं, पुरस्कृत वीडियो देखते हैं, फिर चले जाते हैं। ऐसे LTV के साथ, CAC $0.10–$0.15 से अधिक नहीं हो सकता, जो केवल बड़े पैमाने पर ट्रैफ़िक और अनुकूलित क्रिएटिव के साथ प्राप्त करने योग्य है।

स्ट्रैटेजी गेम्स में गेमिंग में सबसे अधिक LTV है: $25–$50। उपयोगकर्ता 6–18 महीने रहते हैं, सक्रिय रूप से बूस्टर और सब्सक्रिप्शन खरीदते हैं। उच्च LTV UA पर प्रति इंस्टॉल $10–$15 तक खर्च करने की अनुमति देता है। ट्रैफ़िक गुणवत्ता मात्रा से अधिक महत्वपूर्ण हो जाती है।

हेल्थ एंड फ़िटनेस — सब्सक्रिप्शन के कारण $30–$60 का LTV। औसत उपयोगकर्ता 4–6 महीने तक प्रति माह $8–$15 का भुगतान करता है। सब्सक्रिप्शन अनुमानित LTV और निवेशकों द्वारा उच्च व्यवसाय मूल्यांकन प्रदान करते हैं।

सोशल डेटिंग — LTV $100–$500 तक पहुँचता है। उपयोगकर्ता सब्सक्रिप्शन और वर्चुअल गिफ्ट के लिए भुगतान करते हैं; जीवनकाल 12 महीने से अधिक हो सकता है। LTV के मामले में यह सबसे लाभदायक मोबाइल ऐप श्रेणी है, लेकिन CAC भी सबसे अधिक है — $20–$50।

LTV कैसे बढ़ाएं

LTV बढ़ाना एक रणनीतिक कार्य है जो उत्पाद सुधार के माध्यम से हल किया जाता है। सभी विधियाँ तीन समूहों में आती हैं: प्रतिधारण में सुधार, ARPU बढ़ाना और छोड़ने की दर कम करना। प्रत्येक समूह का LTV पर गुणात्मक प्रभाव होता है।

पहला समूह — प्रतिधारण। दिन-7 प्रतिधारण में 10% की वृद्धि LTV में 15–20% की वृद्धि देती है। विधियाँ: वैयक्तिकृत ऑनबोर्डिंग, प्रासंगिक सामग्री के साथ पुश सूचनाएँ, गेमिफ़िकेशन (उपलब्धियाँ, लीडरबोर्ड, स्ट्रीक)। Duolingo एक उत्कृष्ट उदाहरण है: स्ट्रीक तंत्र उपयोगकर्ताओं को वर्षों तक बनाए रखता है, EdTech औसत से 3–4 गुना अधिक LTV सुनिश्चित करता है।

दूसरा समूह — ARPU। विधियाँ ARPU लेख में वर्णित हैं: सब्सक्रिप्शन, विज्ञापन स्थान अनुकूलन, ऑफ़र वैयक्तिकरण। समान प्रतिधारण के साथ ARPU में 10% की वृद्धि LTV में सीधी 10% वृद्धि देती है।

तीसरा समूह — छोड़ने की दर कम करना। वापस लाने वाले अभियान (छोड़ने वालों को पुनः सक्रिय करना), ग्राहक सहायता में सुधार, छोड़ने के बिंदुओं का विश्लेषण। मासिक छोड़ने की दर को 15% से घटाकर 10% करना औसत जीवनकाल को 6.7 से बढ़ाकर 10 महीने कर देता है — अपरिवर्तित ARPU के साथ LTV में 50% की वृद्धि।