ARPPU: คืออะไร สูตรการคำนวณและเมตริก

ARPPU คืออะไร?

ARPPU (Average Revenue Per Paying User) เป็นเมตริกการสร้างรายได้ที่พิจารณาเฉพาะผู้ใช้ที่ชำระเงินเท่านั้น ตัวชี้วัดนี้ตอบคำถาม: โดยเฉลี่ยแล้วผู้ใช้ที่ตัดสินใจซื้อใช้จ่ายเท่าไร ARPPU ไม่รวมผู้ที่ไม่ชำระเงินออกจากการคำนวณ — และนี่คือ 90–97% ของผู้ใช้ในแอปพลิเคชันมือถือส่วนใหญ่

เมตริกนี้ขาดไม่ได้สำหรับการวิเคราะห์กลุ่มพรีเมียม หาก ARPU ลดลง อาจเกิดจากรายได้จากผู้ใช้ที่ชำระเงินลดลงหรือจากผู้ใช้ฟรีจำนวนมากที่หลั่งไหลเข้ามา ARPPU แยกผลกระทบ: หาก ARPPU คงที่ ผู้ใช้ระดับพรีเมียมยังคงชำระเงินตามปกติ และปัญหาอยู่ที่ปริมาณหรือคุณภาพของการเข้าชม

ตามข้อมูลของ Sensor Tower (2025) ARPPU เฉลี่ยในเกมมือถืออยู่ที่ 12.50 ดอลลาร์ต่อ 90 วัน ในหมวด Strategy ค่าสูงถึง 28 ดอลลาร์ ใน Hypercasual — 1.50 ดอลลาร์ ยิ่งเกมซับซ้อนมาก การมีส่วนร่วมและค่าใช้จ่ายเฉลี่ยของผู้ใช้ที่ชำระเงินก็ยิ่งสูงขึ้น ในแอปเครื่องมือวัด ARPPU ต่ำกว่าเนื่องจากการซื้อครั้งเดียวโดยไม่มีการสมัครรับข้อมูล

วิธีการคำนวณ ARPPU

สูตร ARPPU แตกต่างจาก ARPU เฉพาะในตัวส่วนเท่านั้น แทนที่จะเป็นผู้ใช้ทั้งหมด จะใช้เฉพาะผู้ใช้ที่ชำระเงิน — ผู้ที่ทำธุรกรรมอย่างน้อยหนึ่งรายการในช่วงเวลานั้น ผู้ใช้ที่ชำระเงิน ถูกระบุในระดับตัวระบุ (User ID, Advertising ID) ที่เชื่อมโยงกับแพลตฟอร์ม (iOS / Android)

data class PayingUserMetrics(
    val totalRevenue: Double,
    val payingUsersCount: Int
) {
    val arppu: Double
        get() = roundToTwoDecimals(
            totalRevenue / payingUsersCount
        )
}

data class PurchaseEvent(
    val userId: String,
    val productId: String,
    val priceUSD: Double
)

คลาส PayingUserMetrics ห่อหุ้มตรรกะของ ARPPU คุณสมบัติ arppu จะถูกคำนวณเมื่อเข้าถึง — ซึ่งรับประกันความสดใหม่ของข้อมูล PurchaseEvent บันทึกการซื้อแต่ละครั้ง สำหรับการคำนวณที่ถูกต้อง จำเป็นต้องขจัดข้อมูลผู้ใช้ที่ซ้ำกัน: แม้ว่าบุคคลหนึ่งจะทำการซื้อ 10 ครั้ง จะนับเพียงครั้งเดียวในตัวส่วน

ความถี่ในการซื้อและ ARPPU

ARPPU สามารถเติบโตได้ทั้งจากการเพิ่มขึ้นของมูลค่าการซื้อเฉลี่ยและการเพิ่มขึ้นของความถี่ในการซื้อ การระบุตัวขับเคลื่อน เป็นงานสำคัญของนักวิเคราะห์ หากมูลค่าการซื้อเฉลี่ยเพิ่มขึ้น — สาเหตุคือการเปลี่ยนแปลงราคาหรือการเกิดขึ้นของผลิตภัณฑ์ราคาแพง หากความถี่เพิ่มขึ้น — กลไกการซื้อซ้ำได้รับการปรับปรุง

ความแตกต่างระหว่าง ARPPU และ ARPU

ความแตกต่างหลัก คือตัวส่วน ARPU หารรายได้ด้วยผู้ใช้ทั้งหมด ARPPU — เฉพาะผู้ใช้ที่ชำระเงิน ช่องว่างระหว่างเมตริกสะท้อนถึงอัตราการแปลงจากผู้ใช้ฟรีเป็นผู้ใช้ที่ชำระเงิน (F2P) ยิ่งช่องว่างมาก จำนวนผู้ใช้ที่ชำระเงินยิ่งน้อย แต่มูลค่าของพวกเขาต่อธุรกิจยิ่งสูง

พิจารณาแอปสมมติ รายได้ 50,000 ดอลลาร์ ผู้ใช้ 500,000 คน ผู้ใช้ที่ชำระเงิน — 10,000 คน ARPU = 0.10 ดอลลาร์ ARPPU = 5 ดอลลาร์ ช่องว่าง 50 เท่าบ่งชี้อัตราการแปลง 2% หาก ARPPU เริ่มลดลงในขณะที่ ARPU คงที่ — แสดงว่าผู้ใช้ที่ชำระเงินกำลังใช้จ่ายน้อยลง หาก ARPU ลดลงเร็วกว่า ARPPU — แอปกำลังดึงดูดผู้ใช้ที่ไม่ชำระเงินจำนวนมาก

ตามข้อมูลของ Adjust (2025) อัตราส่วนที่เหมาะสมของ ARPU ต่อ ARPPU สำหรับเกมมือถือคือ 1:5 ถึง 1:15 สำหรับแอปสมัครสมาชิก อัตราส่วนจะใกล้เคียงกันมากขึ้น — 1:3 ถึง 1:6 เนื่องจาก โมเดลการสมัครสมาชิก หมายถึงอัตราการแปลงจากผู้ใช้ฟรีเป็นผู้ใช้ที่ชำระเงินที่สูงขึ้น

เมื่อใดควรดู ARPU และเมื่อใดควรดู ARPPU

การเลือกเมตริกขึ้นอยู่กับงาน สำหรับการประเมินประสิทธิภาพการสร้างรายได้โดยรวม ให้ใช้ ARPU สำหรับการวิเคราะห์ผลิตภัณฑ์พรีเมียมและการกำหนดราคา — ARPPU ในการทดสอบ A/B ของการซื้อใหม่ ARPPU จะแสดงว่ามูลค่าของผู้ใช้ที่ชำระเงินเปลี่ยนแปลงหรือไม่ ในขณะที่ ARPU จะแสดงว่าสิ่งนี้ส่งผลต่อรายได้ทั้งหมดอย่างไร

ปัจจัยที่มีผลต่อ ARPPU

ARPPU อ่อนไหว ต่อการเปลี่ยนแปลงในผลิตภัณฑ์และการตลาด มาดูปัจจัยสำคัญที่กำหนดค่าของเมตริกกัน การทำความเข้าใจปัจจัยเหล่านี้ช่วยคาดการณ์ปฏิกิริยาของ ARPPU ต่อการเปลี่ยนแปลงและหลีกเลี่ยงข้อผิดพลาดในการตีความ

โครงสร้างราคา

ชุดผลิตภัณฑ์ที่มีอยู่และราคาของมันคือตัวขับเคลื่อนหลักของ ARPPU การมีแพ็คเกจราคาแพง (50–100 ดอลลาร์) ดันมูลค่าการซื้อเฉลี่ยให้สูงขึ้น แม้ว่าคนส่วนใหญ่จะซื้อของราคาถูก Apple (2025) แนะนำสามระดับ: พื้นฐาน (1–5 ดอลลาร์) ระดับกลาง (10–30 ดอลลาร์) และพรีเมียม (50+ ดอลลาร์) — ซึ่งครอบคลุมความต้องการของกลุ่มต่างๆ ได้สูงสุด

ในแอปสมัครสมาชิก ARPPU ถูกกำหนดโดยราคาสมัครสมาชิก การสมัครสมาชิกรายปี ที่มีส่วนลด 30–50% เพิ่ม ARPPU 6–8 เท่าเมื่อเทียบกับรายเดือน แม้ว่าอัตราการแปลงเป็นการสมัครสมาชิกรายปีจะต่ำกว่า RevenueCat (2025) แสดงให้เห็น: ผู้ใช้ที่สมัครสมาชิกรายปีมี ARPPU 60–120 ดอลลาร์ เทียบกับ 8–15 ดอลลาร์สำหรับผู้ใช้รายเดือน

ภูมิภาคและแพลตฟอร์ม

ARPPU แตกต่างกันอย่างมากตามประเทศและแพลตฟอร์ม ผู้ใช้ iOS ใช้จ่ายมากกว่าผู้ใช้ Android โดยเฉลี่ย 2–3 เท่า สาเหตุไม่ใช่เพียงรายได้ แต่ยังรวมถึงจิตวิทยาการซื้อด้วย: เจ้าของ iPhone เคยชินกับการจ่ายเงินเพื่อเนื้อหา Statista (2025) แสดงให้เห็น: ARPPU บน iOS ในสหรัฐอเมริกาอยู่ที่ 18 ดอลลาร์ บน Android — 7 ดอลลาร์ในช่วง 90 วัน

การแบ่งกลุ่มทางภูมิศาสตร์ของ ARPPU ช่วยปรับราคา ในญี่ปุ่น ผู้ใช้ใช้จ่ายมากกว่าสหรัฐอเมริกา 1.5 เท่า โดย ARPPU สูงกว่า 30% ในหมวด Games (Data.ai, 2025) ความแตกต่างเกี่ยวข้องกับวัฒนธรรมการเล่นเกมมือถือและการแพร่หลายของกลไก gacha

ประเภทการซื้อ

ARPPU แตกต่างกันไปตามประเภทการซื้อที่ผู้ใช้ทำ Non-consumable (การลบโฆษณา การเข้าถึงพรีเมียม) ให้ ARPPU สูงครั้งเดียว Consumable (เหรียญ ชีวิต บูสเตอร์) — ค่าใช้จ่ายเล็กน้อยเป็นประจำ Subscription — ARPPU ที่มั่นคงพร้อมการเติบโตอย่างค่อยเป็นค่อยไปเมื่อราคาสมัครสมาชิกเพิ่มขึ้น

วิธีคำนวณ ARPPU ในทางปฏิบัติ

การคำนวณ ARPPU อัตโนมัติ ถูกรวมเข้ากับระบบวิเคราะห์ของแอป มาดูการนำไปใช้ในภาษา Kotlin ด้วยการจัดกลุ่มรายวันกัน ฝั่งเซิร์ฟเวอร์รวบรวมเหตุการณ์การซื้อจาก In-App Purchase SDK และรวบรวมเป็นรายงาน การคำนวณในพื้นที่ช่วยตรวจสอบความถูกต้องของข้อมูลบนแพลตฟอร์มวิเคราะห์

class ARPPURepository(
    private val purchaseDao: PurchaseDao
) {
    fun getMonthlyARPPU(
        year: Int,
        month: Int
    ): Double {
        val purchases = purchaseDao
            .getPurchasesInPeriod(year, month)
        val payingUsers = purchases
            .map { it.userId }
            .distinct()
            .count()
        val totalRevenue = purchases
            .sumOf { it.priceUSD }
        return roundToTwoDecimals(
            totalRevenue / payingUsers
        )
    }
}

เมธอด distinct รับประกันว่าผู้ใช้จะถูกนับเพียงครั้งเดียวในตัวส่วน แม้ว่าจะทำการซื้อ 50 ครั้ง sumOf รวมรายได้ทั้งหมด ฟังก์ชันคืนค่า ARPPU รายเดือน ARPPU รายสัปดาห์และรายวันคำนวณในลักษณะเดียวกัน — เพียงเปลี่ยนระยะเวลาการกรอง

เพื่อเร่งการคำนวณบนข้อมูลขนาดใหญ่ ให้ใช้คำสั่งรวมในฐานข้อมูล คำสั่ง SQL ด้วย GROUP BY userId และ SUM(revenue) ทำงานได้เร็วกว่าการโหลดเรกคอร์ดทั้งหมดลงในหน่วยความจำ Firebase BigQuery อนุญาตให้ดำเนินการคำสั่งดังกล่าวบนชุดข้อมูลหลายล้านรายการได้ภายในไม่กี่วินาที

กลยุทธ์ในการเพิ่ม ARPPU

การเพิ่ม ARPPU เป็นงานของผู้จัดการผลิตภัณฑ์และนักการตลาด เมตริกนี้เพิ่มขึ้นได้สามวิธีหลัก: การเพิ่มราคา การเพิ่มความถี่ในการซื้อ และการสร้างผลิตภัณฑ์ที่มีราคาแพงขึ้น แต่ละวิธีมีข้อจำกัดและต้องการการทดสอบ

วิธีแรก คือการกำหนดราคาแบบไดนามิก กลุ่มต่างๆ ยินดีจ่ายแตกต่างกัน ข้อเสนอเฉพาะบุคคลตามพฤติกรรม: ผู้ใช้ที่ซื้อบูสเตอร์ราคาแพง 3+ ครั้ง มีแนวโน้มที่จะซื้อบูสเตอร์ราคาถูกมากกว่า การทดสอบราคาแบบ A/B เป็นวิธีเดียวที่เชื่อถือได้ในการกำหนดจุดที่เหมาะสม: การเพิ่มราคา 10% โดยอัตราการแปลงลดลงน้อยกว่า 10% จะเพิ่ม ARPPU

วิธีที่สอง คือการสมัครสมาชิกในแอปที่ไม่มีการสมัครสมาชิก การเพิ่มการสมัครสมาชิกรายสัปดาห์สำหรับเนื้อหาพรีเมียมจะเพิ่ม ARPPU 20–40% โดยไม่เปลี่ยนราคาการซื้อครั้งเดียว การสมัครสมาชิกแบบต่ออายุอัตโนมัติ บน iOS สร้างรายได้ที่มั่นคงและ ARPPU ที่คาดการณ์ได้สำหรับการวางแผน

วิธีที่สาม คือการสร้างกลไกความหายาก ไอเท็มจำกัด ชุดตามฤดูกาล และบัตรผ่านการต่อสู้จะเพิ่มมูลค่าการซื้อเฉลี่ย ตามข้อมูลของ GameAnalytics (2025) แอปที่มีบัตรผ่านการต่อสู้มี ARPPU สูงกว่าแอปที่ไม่มีถึง 45% กลไกนี้ทำงานด้วยผลกระทบจากความผูกพัน: ผู้ใช้ซื้อบัตรผ่านการต่อสู้แล้วถูกบังคับให้เล่นอย่างกระตือรือร้นมากขึ้น ทำให้มีการซื้อเพิ่มเติม

ข้อผิดพลาดในการตีความ ARPPU

ARPPU อาจทำให้เข้าใจผิด หากตีความไม่ถูกต้อง มาดูข้อผิดพลาดทั่วไปกัน ข้อผิดพลาดหลัก — การเติบโตของ ARPPU เนื่องจากอัตราการแปลงลดลง หากผู้ชำระเงินรายใหญ่หลายรายออกไปและส่วนที่เหลือจ่ายเท่าเดิม — ARPPU จะลดลง แต่หากอัตราการแปลงลดลงในขณะที่ผู้ใช้ที่ชำระเงินที่เหลือเริ่มจ่ายมากขึ้น — ARPPU จะเพิ่มขึ้น แม้ว่ารายได้ทั้งหมดจะลดลง

ข้อผิดพลาดที่สอง — การเปรียบเทียบ ARPPU ของผลิตภัณฑ์ต่างๆ โดยไม่พิจารณาความสมบูรณ์ของผลิตภัณฑ์เหล่านั้น แอปใหม่ที่มีผู้ใช้ที่ชำระเงิน 10 คนมี ARPPU สูงเนื่องจากความสุ่ม หลังจากหนึ่งปีกับผู้ใช้ที่ชำระเงินเป็นพัน ARPPU จะลดลง — นี่เป็นเรื่องปกติ เปรียบเทียบ ARPPU เฉพาะของผลิตภัณฑ์ที่อยู่ในช่วงวงจรชีวิตเดียวกันเท่านั้น

ข้อผิดพลาดที่สาม — ฤดูกาล ARPPU เพิ่มขึ้น 30–50% ในเดือนธันวาคมเนื่องจากส่วนลดและของขวัญวันหยุด การเปรียบเทียบเดือนพฤศจิกายนกับธันวาคมไม่มีประโยชน์ ใช้การเปรียบเทียบแบบปีต่อปี (YoY) สำหรับการประเมินที่ถูกต้อง ความผิดปกติตามฤดูกาล ปกปิดการเสื่อมสภาพของผลิตภัณฑ์หากไม่พิจารณาช่วงเวลา

ข้อผิดพลาดที่สี่ — การสับสนระหว่าง ARPPU กับขนาดธุรกรรมเฉลี่ย (Average Transaction Size) ARPPU พิจารณาการซื้อทั้งหมดของผู้ใช้หนึ่งคนในช่วงเวลาหนึ่ง ในขณะที่ขนาดธุรกรรมเฉลี่ยพิจารณาเพียงหนึ่งธุรกรรม หากผู้ใช้ทำการซื้อ 5 ครั้ง ครั้งละ 1 ดอลลาร์ ARPPU = 5 ดอลลาร์ ขนาดธุรกรรมเฉลี่ย = 1 ดอลลาร์ สิ่งเหล่านี้เป็นเมตริกที่แตกต่างกัน สำหรับงานวิเคราะห์ที่แตกต่างกัน