# 预估LTV的计算

### 预估LTV的计算公式：

{% hint style="info" %}

<pre><code><strong>LTV (12 or 16 Cycle)= Total_forecast_revenue / Install
</strong></code></pre>

{% endhint %}

### 以LTV(12 Cycle)计算为例：&#x20;

**LTV (12 Cycle)= Total\_forecast\_revenue / Install**

ps：预估总收入/安装数

**Total\_forecast\_revenue = sku1\_forecast\_revenue + sku1\_forecast\_revenue + ... + skuN\_forecast\_revenue**

ps：所有sku的预估收入之和

**sku\_forecast\_revenue = sku\_purchase \* sku\_price \* (1 - tax\_rate) \* (1 + sku\_forecast\_renewal\_rate）**

ps:

* sku\_purchase: sku在该段时间内的首次付费次数
* tax\_rate: 税率
* sku\_forecast\_renewal\_rate: 预估的12个周期的续订率之和

**sku\_forecast\_renewal\_rate = true\_renewal\_rate + forecast\_renewal\_rate**

ps: sku的预估续订率= 已发生的真实续订率+预估续订率

**forecast\_renewal\_rate是怎么预估？针对不同sku周期类型有以下三种情况：**

* Weekly SKU: 取本月份往前推5至7个月的平均数据。如目前是25年3月。我们取24年8-10月的平均续订率作为估算参考值。
* Monthly SKU: 取本月份往前推3至15个月的平均数据。如目前是3月。我们取24年1-12月的平均续订率作为估算参考值。
* Yearly SKU: 取本月份往前推13-25个月的平均数据。如目前是3月。我们取23年2月至24年2月的平均续订率作为估算参考值。

eg: 计算一个Weekly SKU的预估续订率。现在是2025.04.08，需要计算2025.03.01-2025.03.31的LTV(12 Cycle)

已知对于weekly sku来说 2025.03.31 - 2025.04.08已经大于7天即1个周期，所以第一个周期的续订率可以取已经发生的真实续订率，后续11个周期使用预估续订率

对于weekly sku来说，我们取本月份往前推5至7个月的平均数据，即24年8-10月里进行了首次购买的订阅在后续的平均续订率作为估算参考值。

**forecast\_renewal\_rate = (forecast\_renewal\_rate(Aug) + forecast\_renewal\_rate(Sep)+forecast\_renewal\_rate(Oct))/3**

forecast\_renewal\_rate(Aug)怎么计算？（以8月为例，9月、10月的计算同理）

假设在2024.08.01-2024.08.31里100个首次付费的订阅，first\_subcription\_count = 100

有50个订阅进行了第1次续订：renew\_count\_in\_cycle1 = 50, renew\_rate1 = 50/100 = 0.5

有30个订阅进行了第2次续订：renew\_count\_in\_cycle2 = 30, renew\_rate1 = 50/100 = 0.3

...

有5个订阅进行了第12次续订：renew\_count\_in\_cycle12 = 5, renew\_rate12 = 5/100 = 0.05

取后11个周期的续订率总和：

forecast\_renewal\_rate(Aug) = (renew\_rate2+ renew\_rate3 ... + renew\_rate12)

那么24年8-10月的平均续订率则是：

forecast\_renewal\_rate = (forecast\_renewal\_rate(Aug) + forecast\_renewal\_rate(Sep)+forecast\_renewal\_rate(Oct))/3


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://doc.appflow.ai/docs/subscription-analytics/yu-gu-ltv-de-ji-suan.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.