1、井冬萍（Sunny）快手-数据科学家用户增长-LTV模型Content|目录What什么是LTV（Lifetime Value）LTV可以解决什么样的问题？WhyWhen什么时候需要什么样的LTV预估？How如何实现设备粒度LTV预估？Whats nextLTV如何应用？如何撬动更大的价值？What什么是LTV（Lifetime Value）LTV可以解决什么样的问题？WhyWhen什么时候需要什么样的LTV预估？How如何实现设备粒度LTV预估？Whats nextLTV如何应用？如何撬动更大的价值？传统的市场学中的LTV快手用快手用户户增增长长中的中的LTVLTV=LT（活跃天数）*ARP

2、U（用户每次活跃产生的价值）What什么是LTV（Lifetime Value）LTV可以解决什么可以解决什么样样的的问题问题？WhyWhen什么时候需要什么样的LTV预估？How如何实现设备粒度LTV预估？Whats nextLTV如何应用？如何撬动更大的价值？用户增长中的生命周期潜在用户回流用户新增用户活跃用户流失用户LTV应用于增长的生命周期管理潜在用户对于未激活的用户，根据站外数据预测该用户潜在LTV价值回流用户在用户回流的前N天预测该用户本次生命周期内的LT和ARPU在用户成为新增用户的前N天预测该用户本次生命周期内的LT和ARPU新增用户活跃用户每天针对活跃的MAU根据最近N天的特

3、征预测该用户本次生命周期内的LT和ARPU流失用户对于已流失的用户，预测潜在的回流LTV价值增长手段付费买量根据潜在用户的LTV价值预估，相应调价随着新增用户成为一名活跃，我们可以根据用户的近期表现，更新其LTV预估，衡量增长活跃策略的价值/效率在用户流失之前，可以通过活跃设备的预估做到流失预警；在用户流失之后，我们可以根据潜在回流用户的LTV价值预估，相应调价新增用户来到站内后，根据前N天表现，调整LTV预估，衡量整体买量价值/效率Task 1增长策略在生命周期的应用预估能够覆盖全生命周期的LTV，可以帮助所有的增长策略，包括拉新、回、活、补贴等策略，更好的衡量衡量和优优化化增长策略的效率T

4、ask 2Task 3在用户回流之后，根据前N天的表现，调整LTV预估，衡量整体买回价值/效率Task 4What什么是LTV（Lifetime Value）LTV可以解决什么样的问题？WhyWhen什么什么时时候需要什么候需要什么样样的的LTV预预估？估？How如何实现设备粒度LTV预估？Whats nextLTV如何应用？如何撬动更大的价值？颗粒度颗粒度指对LTV预估的粒度，包括：1.大盘2.Cohort3.设备/用户颗粒度越细，建模难度越高，但太粗不能满足业务需求周期定义对于LTV周期的定义，一个月？一年？10年？决定因素包括：1.公司的发展阶段2.宏观经济环境3.历史数据积累4.应用场

5、景时效性时效性指在不同生命周期阶段做出的LTV预估需要等待多久时间的数据积累越快预估越不准，但太慢业务需求不能满足准确性LTV预估中，尤其是对设备粒度的预估，可能存在几个方面的准确性评估：1.预估设备粒度准2.Cohort准3.序准4.分布准BG/NBD or Pareto/NBD for活跃次数变量1.根据历史数据拟合留存针对某一个cohort或者大盘，通过第x天的留存为y的历史数据，用幂函数对y拟合，得出a和b，取曲线的下面积即为cohort的总LT。对于留存曲线的拟合既可以用同一cohort的数据，也可以用不同cohort在当天的留存情况，2.Probabilistic ModelLTV

6、LT活跃流失概率APRU1.一段时间内的活跃次数是poisson分布2.用户之间的购买频率的差异是gamma分布在任意一次活跃后都有可能流失，遵从beta分布用户的单次消费会在消费均值周围变化，但同一个用户不会随着时间改变消费习惯Gamma-Gamma for货币价值变量通过用户近n天的画像特征、行为特征、消费特征、生产特征等维度，对用户本次生命周期的LT和ARPU分别进行预估，以新用户为例：3.Machine LearningEmbedding LayerTransformer LayerMLPLT365ARPU365Wang,X.,Liu,T.,and Miao,J.(2019),A de

7、ep probabil-istic model for customer lifetime value prediction,Available from:https:/arxiv.org/abs/1912.07753.What什么是LTV（Lifetime Value）LTV可以解决什么样的问题？WhyWhen什么时候需要什么样的LTV预估？How如何如何实设备实设备粒度粒度LTV预预估？估？Whats nextLTV如何应用？如何撬动更大的价值？数据基建Result预测结果表，需要根据真实值的累积做一定的矫正Dimension模型线上join的数据源，一些维度向、或偏实时的数据Featur

8、es离线储存的训练/预测数据，决定特征的复杂性、模型的体量、更新频率等等Cohort对于不同cohort的模型圈选人群，决定时效性DAU汇总DAU特征，实现模块化管理，注意可拓展性模型基建1.建立一套拓展性强、可服用性强的模型框架，可以承接各类LTV模型的数据处理、训练任务、数据探查、例行预测、线上evaluation、等常规任务2.内部工具可以部署任务、管理机器资源等3.日常监控系统，包括预测异常监控、模型准确率监控、特征变化监控What什么是LTV（Lifetime Value）LTV可以解决什么样的问题？WhyWhen什么时候需要什么样的LTV预估？How如何实现设备粒度LTV预估？Whats nextLTV如何如何应应用？如何撬用？如何撬动动更大的价更大的价值值？用户增长中的生命周期潜在用户1.拉新策略中实现根据用户价值阶梯式获取回流用户1.对回流用户的LTV模型做特征分析，优化拉回承接策略2.监控回流用户的长期价值预估，对用户质量做及时预警1.对新增用户的LTV模型做特征分析，优化承接策略2.画像切片筛选高价值用户做针对性的买量策略新增用户活跃用户1.通过对活跃用户的LTV预估，评估日常促活策略的长期价值2.分析对于模型重要的特征指导产品策略3.通过预测变化起到生命周期变化预警流失用户1.优化拉回策略，不仅渠道侧还有内容侧等。