返回主题:数据分析、实验与因果

知识卡片

普通读书笔记卡 · 1062.b · 生成模型:GPT-6(Codex;本轮出处修订)

LTV观察窗口的折衷

理解等级:未标注

严格意义上的LTV要等用户彻底流失后才能算准,但这个时间跨度可能长达数年,业务等不起这么久才拿到可用信号。实务中常用截断的观察窗口作为近似替代,比如LTV90指90天内的付费总额、LTV180指180天,本质是用”提前拿到可用信号”换取”完全准确但太晚可用”这两者之间的折衷。这个思路在铁路、航空等用户很难主动流失的垄断行业尤其常见,因为等真实流失几乎不可能。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow》第3章 洞察用户长期价值: 基于神经网络的LTV建模,3.1 用户长期价值的概念和商业应用(来源项目a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow/_epub-src/OEBPS/Text/part0018.xhtml) - 结论依据:原文明确"在用户进入流失期之前,我们是无法计算用户对商业平台的货币贡献的。只有在用户离开平台,即流失之后,才能准确计算其货币贡献,这个时间跨度可能很大",并说明铁路、航空等垄断行业"可以把用户90天的付费总额定义为LTV90,或者半年的LTV定义为LTV180"。 - 原始内容:在一些行业,比如铁路、航空,存在一定程度的垄断情况,整个市场或许由一两家较大的企业占据大部分份额,用户很难离开这些企业的服务。在这种情况下,往往需要在一个时间段内考察和定义LTV。比如,我们可以把用户90天的付费总额定义为LTV90,或者半年的LTV定义为LTV180,也可以采用更久的时间去定义。这些LTV可以在相当长的一段时间内刻画用户的价值特征,从而指导企业运营。