上次我们介绍了预测玩家留存率走势，进而根据APRDAU值预测玩家生命周期的方式，本文将介绍另外一种预测LTV的方式。
当我们对某日新进用户的总收入跟踪时，可以发现，随着时间的增长，收入增长会逐渐放缓，可以想象，在未来足够长的时间里总收入会趋近一个估值，这个值可以被认为是某日新进用户的总生命周期价值，当然我们也可以很容易得出其平均生命周期价值（LTV）。
如上图所示，总收入逐渐逼近某个值，这样对于LTV（平均玩家收入），我们可以很容易联想到下面这个函数的曲线。
可以近似的用一个log函数曲线来反应LTV的变化趋势，例如我们用以下函数来表示：
y = c * LN( x ) + b
同时也给出c，b的取值(好吧，这其实有复杂的证明过程，这里先省略吧。)，依然使用Excel函数来计算着两个值。
c =INDEX(LINEST(Known Ys, LN(Known Xs)), 1)
b=INDEX(LINEST(Known Ys, LN(Known Xs)), 2)
c是曲线的斜率， b值是y轴截距，这个不必多说（前一篇文章已有说明）。
我们用实际值代入测试一下：
|
1 |
2 |
3 |
4 |
5 |
6 |
7 |
|
| 预测 |
0.407 |
0.717 |
0.898 |
1.027 |
1.126 |
1.208 |
1.277 |
| 实际 |
0.424 |
0.669 |
0.928 |
使用第一天，第三天的APRU代入得出
c=0.447 b=0.4073
可以看出取小数点后1位时，预测大致与实际一致，精度更高则可看出差别。
笔者在两篇LTV预测方案中比较倾向于第一种，也就是先预测留存率，再根据ARPDAU计算其生命周期价值，预测留存率可以更好的反应玩家在未来的大体趋势，依据留存率预测我们可以有针对性的开展运营活动，并为运营活动提供一些数据支撑。然后要说的是，预测始终只是预测，只能反应大体上的趋势，而且对于游戏本身，随着游戏版本不断迭代，游戏自身在进化，在不同的阶段，玩家会有不同的行为，预测曲线也许就大相径庭。对于目前相对生命周期比较短的手游，我建议可以以30自然天为周期进行预测，当有游戏玩法更新，版本迭代发生时，我们比对新旧版本30天留存率就可以评估出版本的好坏。
相关阅读：《一种预测LTV值的方法》
本内容由GRG游戏研究组授权手游那点事发布，转载请标明出处！
《另一种预测LTV的方式》有评论： 0 ，Trackback： 333
Trackbacks: 333