使用预测或实际LTV计算ROI

在上篇文章中，我们讨论了如何在游戏尚未发布时预测LTV。现在，你可以估算7天、30天、60天……180天的大致LTV，并将其与成本进行比较。让我们学习如何做到这一点。

首先，让我们将上篇文章中的理论ARPDAU分解为可以从GameAnalytics报告中获取的组件。在我们的案例中，ARPDAU与ARPU相同。这将有助于更灵活地预测和调整实际数据。

这是2019年的类型中位数，虽然看起来有点低，但作为示例是可以的。

接下来，我们必须决定要看多远。我建议暂时将范围限制在180天，因为模型已经不够准确，增加时间段会进一步降低其准确性。当我们用实际值替换LTV时，我们将仅基于前7-30天进行预测，并且在没有历史数据的情况下，即使在180天内也有很大的出错几率。

使用累积方法和上篇文章中的留存值，按月计算LTV增长。在这一步中，例如，假设我们取了一个10,000人的队列。然后我们将LTVX乘以用户数量并减去商店佣金（根据新的商店政策，对于低收入团队，佣金按15%计算）。

请注意，这只是纯收入，不包括用户获取成本。

基本逻辑现在应该很清楚了。下一步，我们可以重复同样的事情，并且：

1. 将初始指标（arpu/ret）按国家等级划分
2. 按付费/自然流量划分
3. 按iOS和Android划分

比率取决于你游戏的类型和用户获取计划，但基本思路是，一级国家通常比二级国家有更好的付费行为，iOS比Android赚更多钱。自然/付费流量的行为也取决于游戏及其生命周期。对于某些游戏，自然流量显示出更好的指标，而对于某些游戏则是付费流量更好。

目前，由于我们正在估算一个新项目，让我们只选择Android作为平台，并且付费流量表现稍好。在最初的几个月里，可能会发生你的付费流量尚未优化，结果会比预期的要差。

如果你的游戏有广告，你也应该将其包括在估算中。要计算广告的arpdau，让我们定义我们的eCPM（每千次广告展示你收到的收入估算）以及用户将看到多少广告。

为了找出eCPM，我们可以参考appodeal的文章，并将10美元作为一级国家的平均值（假设我们之前的自然估算是针对一级国家的）。

每天的广告数量由你决定，我们以5个广告作为一个安全的选项。

所以广告ARPDAU将是 eCPM/广告数量 = 10$/1000\ast 5=0.05$

除以1000，因为eCPM是每千次展示的成本

现在让我们继续讨论付费流量，并为付费一级国家设定稍好一点的值，5000个用户和6美元作为一级国家的平均CPI。

结合之前的所有步骤，我们第一个月的同类群体应该是这样的

现在，剩下的就是重复这些步骤，应用到接下来的几个月，并添加二级和三级国家，但到现在你应该能够自己完成了。

你的总利润 = 所有收入的总和 - 消耗率 + CPI

我会将二级国家的ARPU定在一级国家ARPU的60%左右，而对于三级国家，值得每天投放更多的广告，并将其ARPU仅保留一级国家的10-15%。

当你从软启动中获得数据时，应该用真实数据替换草稿值。你的LTV值可能会根据游戏类型和用户的生命周期而有所变化。

作为最后一步，让我们看看如何使用第一个LTV结果。假设我们有一个由2000人组成的第一个同类群体，每个玩家已经玩了一周。获取总收入并除以用户数量，以计算每天的ARPU和累计LTV。

重要的是，所有玩家都经历了你定义为估算基础间隔的天数，否则你的计算将不够准确。

现在我们可以使用这些数据和前一篇文章中类似于留存预测的近似方法来预测LTV。

包含本篇文章和前一篇文章中所有计算的电子表格可以在这里下载。