tldr: 以下內容是討論遊戲業 CLTV 的基礎概念和思維，不含具體的預測方法。Q. 為什麼要預測 CLTV ?
1. 你扛的 KPI
投廣告就像投資一樣，有賺有賠。身為廣告投放的我們，需要確保廣告買進來的玩家會願意在遊戲內花錢，為了要讓賺的錢比花出去的錢還多。 我們需要確保一群玩家在遊戲內的總課金 > 廣告成本，也就是顧客價值 CLTV (Customer Lifetime Value ) > 獲客成本 CPI (Cost Per Install )。
而回收指標 ROI = CLTV / CPI，當 ROI > 1 時表示玩家的累積付費已超過 廣告的 CPI ，他們後續的消費就可以進一步的去攤平開發成本、營運成本，當然還有我們的薪水和年終。
2. 因為 CPI 可控
感謝現在進步的投放平台，Google / Facebook *基本都能確保每個安裝的成本不會輕易炸裂，而 CPI 計價的平台更是讓你直接設定一個價格上限去買用戶。在這種情況下，我們基本能控制住成本，剩下的就是去關注玩家在進入遊戲後的消費了，透過預測 CLTV，我們可以在投廣告前，能知道這個 CPI 什麼時候可以回本，也可以有信心出更多錢和其他人競價。
Note: 串 SDK 後，Google / Facebook 都能按付費事件/金額去投廣告，在保證 ROI 的情況下不控制 CPI
3. 因為遊戲的付費週期長
當電商針對某一個商品去投廣告時，利潤在顧客購買後就基本已經確定，該次轉換的廣告成本常常被認為在這個商品的營運成本之一。粗略說就是當消費者用 100 元去買一個成本 50 的商品時，店家就有 50 元的空間 (毛利)去投廣告，投放只要確保每個轉換成本 < 50，透過廣告增加銷售的模式就是有利可圖。
但透過 IAP (In App Purchase) 來獲利的手遊則和電商非常不同，因為我們無法確定什麼時候可以結算獲利，玩家的付費時間可能會發生在廣告結束後的幾個月、半年甚至一年後。
因為我們無法確定玩家什麼時候會付錢，我們就很難去計算這個廣告我們到底是賺是賠。在這個情況下，我們需要設算一個可接受的回本週期 N 來預測玩家在這段期間的累積付費 (CLTV N) 是否能超過當初的投入。
回本週期的設定受遊戲類型、內容深度、付費機制、運營活動以及現金流而影響，舉例來說，休閒遊戲和神魔之塔的回本差異就很大，在投休閒遊戲時，我們設定的回本週期可能就是 3 天或是 7 天，因為遊戲內容的深度不足以支持玩家玩超過一個星期，所以期待玩家在半年後還可以付錢是不切實際的 (當然 Candy Crush 這個等級的遊戲已經超脫這個討論了)。
但對於神魔之塔這種很重遊戲運營的遊戲來說，他們可以不斷的和各大 IP 連動創造新角去吸引玩家抽卡，他們設定的回本周期就會更長，可能是半年或是一年。此外投廣告就像買保險一樣，前期現金投入大，然後慢慢等待回收，但當現金流不夠時，我們就無法在前期花很多錢再慢慢等待回收。
Q. 如何計算 CLTV ?
CLTV 是一個玩家在一定期間的累積消費，那平均 CLTV 就是一群玩家在一定期間下的累積消費除玩家總數 (average CLTV = sum(一定期間的累積充值) / 總玩家數)。
CLTV 是以玩家為基準，去追蹤他們進入遊戲後一定期間的付費狀況，所以我們需要知道玩家進入遊戲的時間點以及他們付費的時間點，若設定的回本週期是 30 天的話，CLTV 30 = sum(玩家進入遊戲的 30 天內累積付費) / 玩家總數。
由於遊戲是一個流失率非常高的 APP 類別， 90% 的玩家都無法玩到第 30 天 (30留 < 10%) 是一個非常常見的狀況，這代表大多數的玩家都無法貢獻到 CLTV 30 的計算，但在計算 CLTV 時，這些流失的玩家依然包含在我們的分母當中，簡而言之，流失率對於 CLTV 的影響非常大。
我們通常以 Cohort 的角度來討論 CLTV，也就是把玩家按造不同維度去劃分來觀察不同類別的玩家所對應的 CLTV 變化。eg. 透過 Facebook 和 Google 廣告進來的玩家 CLTV 30 是否不同。
常見的分類法包含：
- 進入遊戲的時間 (月、周、日或是遊戲版本對應的時間)
- 廣告來源 (Google / Facebook / Unity)
- 國家/ 語言
- ios / android
如何預測 CLTV ?
在遊戲剛上線，沒有任何玩家時，我們可能需要憑藉研發和策劃們的經驗去估(猜)一個金額，或是直接不考慮後續獲利，由長官們給定一個投放預算，讓我們邊投邊觀察後續的付費，並比較同類遊戲的經驗來判斷遊戲受不受歡迎。
當撐過一開始的混沌期後，我們可以用過去的付費紀錄來預測未來的 CLTV，常見我又能看懂的方法包含：
1. 過去 CLTV 平均
最直覺的方式就是用過去玩家實際的 CLTV 當作估計值，當遊戲設定的回本週期較短時，用這個方法很方便且快速，eg. 當設定的週期在七天時，我們只需要觀察七天就可以快速地知道應該如何預測 CLTV。
當設定週期變長時 (eg. 半年)，我們需要等待更久的時間才有足夠的資料來預測，但通常老闆是不可能等你這麼久的，我們也不可能半年後才告訴老闆這個廣告投得怎麼樣，所以就需要其他方法來預測。
2. 用過去資料去 fit 指數曲線參數來預測
由於 CLTV 30= sum(玩家在 30 天內的總消費)/總人數，分子的總消費可以寫成每天登入的玩家 (DAU)* 登入玩家的平均消費 (Average Revenue Per DAU)，而 DAU = 一開始進入遊戲的總人數 * 對應日期的留存率。
所以上面的公式可以改寫成 CLTV 30 = 總人數 * Day1 Retention * 第1 日人均充值 + 總人數 * Day2 Retention * 第 2 日人均充值 + …. = 總人數 * 這三十天的日留存率*每天對應的平均消費金額。
由上面公式可以看到 CLTV 和留存間的關係，由於玩家每天的留存率通常和指數曲線相似 (初期會快速下降，但下降幅度會隨著進入遊戲的天數越久而趨緩)。就是當你投一堆廣告時，你會吸引到很多不是此遊戲受眾的玩家，這些玩家一進入遊戲發現不是他們喜歡的類型時，就會會快速離開，但當玩家玩的天數越久時，他們就會越捨不得在遊戲裡面累積的資產、進度、老婆等等，所以他們離開的機率就會變低。
在這個情況下，我們可以直接用過去每日的 CLTV 套入指數曲線，找出最適合的模型參數，再用這條線去預測之後每日的 CLTV，又或是用留存率套入指數曲線，再用預測出的留存率 * 預測出的每日平均付費得出預測 CLTV (留存率 * ARPDAU)。
3. RFM 模型去預測每個人的付費
RFM 模型是常見的客戶分類和預測方法，透過顧客的最近次購買 (R- Receny)、購買頻率 (F-Frequency) 和付費金額 (M, Monetary) 這三個維度去預測玩家未來的消費金額。就是透過玩家過去的付費去預測他未來的付費。eg. 當玩家消費 7 天後，我們就可以用這 7 天數據去預測他未來 23 天的付費金額。 (Predicted CLTV 30 = CLTV7 + RCLTV 23)。(下方連結有更多相關內容)
最後最後
在設定回本週期 30 天時，不管套用任何方法，我們預測 CLTV 30 = 10 元後，我們就可以知道在廣告成本 < 10 的情況下，我們基本都可以在一個月內賺回廣告成本。
也可以用 CPI = 10 當作買量成本的上限，最大幅度的把安裝量衝起來，因為儘管考核標準是 ROI (CLTV / CPI) ，但年終標準一定是和總營收 (CLTV * 總玩家數) 掛鉤的，所以在保證回本的情況下，為了年終著想，我們一定是最大幅度的花錢去買玩家。
感謝你的閱讀，如有問題，歡迎各種指教 :)