#244 คำนวณ LTV แอปด้วยข้อมูลแค่ 30 วัน

9 · โตต่อ & ขยายตลาด2019-08-15🛠 วิธีทำควรอ่านLTVGoogle SheetsARPUซับอัตโนมัติ
ทำไมควรอ่าน
ประมาณ LTV 365 วันจากข้อมูล 30 วัน ทำตามได้ทันที
https://www.youtube.com/watch?v=k-QupJs15P0 · App Masters · อัปโหลด 2019-08-15 · ยาว 11:57 · ชื่อเดิม: How to Calculate Mobile Lifetime Value (LTV) Without a Lifetime of Data · ซับ auto-caption YouTube (ไม่ได้ฟังเสียงซ้ำ ไม่ได้ดูภาพ) · AI สรุป

⚡ สรุปสั้น

สอนประมาณ LTV วันที่ 365 จากข้อมูลรายได้สะสมแค่ 30 วัน โดยใช้ Google Sheets อย่างเดียว ไม่ต้องเขียนโค้ดหรือใช้ฐานข้อมูล

วิธีคือพล็อตกราฟ ARPU สะสมรายวัน ใส่เส้นแนวโน้มแบบ power series แล้วเอาสมการไปคำนวณต่อถึงวันที่ 60/90/180/365

แล้วแปลงเป็นเป้าว่าต้องคืนทุนกี่ % ภายในวันที่ 7 หรือ 30 เพื่อใช้ตัดสินใจซื้อโฆษณา

📌 ประเด็นสำคัญ (อ้างนาที)

  • LTV ส่วนใหญ่ผูกกับกรอบเวลา เช่น D60, D180, D365 และเป้าหมายคือใช้ข้อมูลจำกัด (เช่น D30 หรือ D7) ไปประมาณ D365 โดยใช้แค่สเปรดชีต [01:35]
  • ข้อมูลรายได้สะสมหลังวันที่ 1 ถึงวันที่ 30 ดึงได้จาก MMP และแยกตามช่องทาง (channel) หรือภูมิภาค (geo) ได้ — แนะนำให้แยกตามช่องทาง [02:38]
  • ตัวอย่างนี้สมมติมีรายได้ทางเดียว เช่น IAP เท่านั้น และเปรียบเทียบ 2 แหล่งคือ AppLovin กับ organic [04:42]
  • สร้างกราฟเส้นของ ARPU สะสมรายวัน แล้วเพิ่ม trendline ชนิด power series พร้อมแสดงสมการบนกราฟ [06:15]
  • สมการ power curve ของ organic ในตัวอย่างคือประมาณ 1.323 * x^0.395 เอาไปใส่ตารางเพื่อขยายจากวันที่ 30 ไปวันที่ 365 [07:16]
  • ผลของ organic ในตัวอย่าง: D7 ARPU 0.71, D30 = 1.22, D60 = 1.63, D90 = 1.91, D180 = 2.51, D365 = 3.22 (ซับช่วงนี้ปนกับตัวเลขอื่น ควรเทียบกับวิดีโอ) [09:25]
  • ถ้าซื้อโฆษณาโดยดูที่ D7 และตั้งเป้าคืนทุน 100% ที่ D365 ต้องคืนให้ได้ราว 21% ที่ D7, 36% ที่ D30, 57% ที่ D90, 75% ที่ D180 (ตามที่ผู้พูดอ่านในซับ) [09:56]
  • วิธีนี้ใช้ได้กับรายได้ทางเดียว ถ้ามีหลายทาง เช่น IAP + โฆษณา ต้องใช้วิธีอื่น แต่ถ้ามีรายได้โฆษณารายวันก็ใช้วิธีคล้ายกันได้ [10:26]

เอาไปใช้ยังไง

ดึงรายได้สะสมรายวัน D1–D30 แยกตามช่องทางจาก MMP ใส่ Google Sheets ทำ trendline แบบ power แล้วคำนวณ D365 LTV และสัดส่วนที่ต้องคืนทุนที่ D7 เพื่อตั้งเพดาน CPI/ROAS ของแคมเปญ

🗒️ ข้อควรระวัง

ผู้พูดเป็นเจ้าของเอเจนซี่ RocketShip HQ ที่โปรโมตบริการโฆษณา ตัวเลขในซับสับสนบางจุด (เช่น 0.323 vs 1.323, 36% ที่ D30 ไม่ตรงกับ 1.22/3.22 ซึ่งคือ ~38%, และ 29% ที่ D60 น่าจะเพี้ยน) ควรคำนวณใหม่เอง · การประมาณด้วย power curve อาจเกินจริงถ้าจริงๆ รายได้โตช้าลง · คลิปปี 2019 แต่หลักการยังใช้ได้ ส่วนชื่อ MMP/เครือข่ายอาจเปลี่ยน

  • ตัวเลข/ชื่อ ตามซับ auto อาจเพี้ยน — ยังไม่ได้ฟังทวน

เรื่องใกล้กัน

#599 ฟีเจอร์และชาร์ต RevenueCat ที่หลายคนมองข้าม
ใช้ฟีเจอร์ RevenueCat ที่มองข้ามให้คุ้ม
2026-08-11🧰 รีวิวเครื่องมือตรวจเสียงจริงแล้ว
#555 ใช้ AppsFlyer Benchmarks เทียบ CPI/Retention/งบโฆษณากับทั้งอุตสาหกรรม
เครื่องมือฟรีเทียบ CPI/retention เพื่อเลือกหมวดแอปก่อนทำ
2025-10-14🧰 รีวิวเครื่องมือตรวจเสียงจริงแล้ว
#498 เปรียบเทียบเครื่องมือ ASO: ตัวไหนประเมินดาวน์โหลดและรายได้แม่นสุด
รู้ว่าเครื่องมือไหนแม่นตามขนาดแอป เลือกจ่ายเงินไม่พลาด
2024-08-13🧰 รีวิวเครื่องมือตรวจเสียงจริงแล้ว
#152 ดูยอดดาวน์โหลดคู่แข่งด้วย Sensor Tower
ประเมินยอดโหลดและรายได้คู่แข่งก่อนสร้างแอป
2018-05-31🧰 รีวิวเครื่องมือ