Вы слышали приближение LTV ≈ ARPU / churn для подписочных продуктов. Когда его можно использовать как грубую оценку?
AКогда продукт продаётся один раз без повторных платежей
BКогда есть стабильные
ARPU и примерно постоянный churn (steady state), и вам нужна быстрая прикидкаCКогда
churn может быть больше 1, так формула точнееDТолько когда
churn равен 0Правильный ответ. Прикидка
LTV ≈ ARPU / churn работает как грубая модель в условиях стабильности и подписочного поведения.Разбор
Эта формула опирается на идею, что пользователь платит примерно одинаково каждый период, а вероятность уйти примерно постоянна. Тогда ожидаемая длительность жизни связана с churn, и LTV масштабируется как ARPU / churn. Если ARPU сильно меняется со временем, есть сезонность или сложные тарифы, модель будет грубой и может ошибаться. Поэтому её используют для быстрой оценки и затем уточняют когортным расчётом.
Проверь себя · 1/3разбор после ответа
После изменения
pricing конверсия в оплату (conversion to paid) упала, но ARPU вырос. Какое объяснение наиболее вероятно?Ещё вопросы по теме «Монетизация и юнит-экономика»
- В freemium-приложении вы хотите понять, сколько в среднем приносит один платящий пользователь за месяц. Какая метрика отвечает на этот вопрос?
- Как корректнее считать месячный `ARPU` в модели freemium, где платит только часть аудитории?
- Вы тестируете новый `paywall` и хотите измерить `conversion to paid` именно из просмотра `paywall`. Что должно быть в знаменателе?
- Как лучше всего интерпретировать `LTV` в продукте с подпиской?
- После изменения `pricing` конверсия в оплату (`conversion to paid`) упала, но `ARPU` вырос. Какое объяснение наиболее вероятно?
- Все вопросы по «Монетизация и юнит-экономика» →