一个单次购买了500美元商品的一次性顾客，和一个每月花100美元购买商品的顾客，哪个顾客对你来说更有价值呢？带着心中的答案，开始阅读吧！

文丨Alana Vieira 编译丨丘岳才 触脉咨询数据分析师

假设有两个购物者在使用你的婴儿服饰APP，第一个是一次性访客，他花了500美元（约3550元）购买礼物送给婴儿。第二个是一位新妈妈，她每月要花100美元（约710元）给她的孩子买东西。

如果你只看收入，第一个客户似乎更有价值。但如果从客户生命周期价值（CLV）的角度来考虑，与新妈妈建立的关系随着时间推移可能价值更大。

CLV指标可以衡量一个人在一段时间内的所有互动为企业带来的价值，而不仅仅是一笔交易。专注于提高CLV对于营销至关重要，因为这是吸引更多目标受众并推动与他们持续接触的一种可靠的方法。

有兴趣将CLV设置为您业务的优先指标吗？可以按照以下步骤开始。

让提升客户体验成为每个人的工作

为了使CLV成为一个优先事项，必须把客户放在所做的每件事的中心。消除店内数字和移动设备周围的孤岛，使团队可以专注于一个明确的业务目标，而不是可能与增长无关的单个指标（如参与度或点击量）。

我们来看个希尔顿的例子。

这家连锁酒店试图通过消除旅行中可能出现的问题，来提供良好的客户体验。但他们的品牌营销、数字营销、电子商务和需求营销团队却各自为政。为了更好的服务客户，便将它们合并成为一个具有单一目标的团队：为旅行者创造更好的体验。

然后，希尔顿营销团队开发了一款应用程序，让其特定酒店的希尔顿荣耀会员可以绕过登记入住手续选择房间，并使用该应用程序来打开房门。最后他们APP的用户保留率达到了90%以上。

可以看到，对App业务而言，建立以客户为中心的思维模式至关重要。将所有业务组统一到一个业务结果如CLV，并支持跨职能协作和数据分享，可以帮助全面了解所有接触点的客户，以此推动长期的品牌增长。

识别CLV中的“VIP”用户

建立以客户为中心的思维后，下一步就是了解谁是你最有价值的客户。考虑客户在生命周期内可以带来多少收入，以及管理这种关系所需要花费的成本。

举个金融业的例子。

贝恩公司(Bain)的一项研究发现，客户每次致电或访问零售银行时，费用为4美元。但是如果交易可以通过应用程序完成，只需10美分。

在针对不同的细分受众群体评估CLV时，你需要考虑每个群体通过APP进行的互动相比面对面的情况如何，以及这将需要你的品牌付出多少成本。

但存在这样一种情况，假设，有个购物者可能会定期使用一款应用程序获取信息，然后在店内购买。如果你只看他们在应用内的行为，就可能会错误地将他们归类为低价值用户。

所以如果你具有多个渠道的业务，应该综合所有渠道来看用户的CLV，而不仅是依据APP。

这种方式可以帮助减少误差，让你在所有互动中更准确地了解谁才是高价值用户。

用机器学习以实现大规模CLV

围绕CLV开展业务听起来似乎是一项艰巨的任务，甚至不可能完成的任务。但事实并非如此。

机器学习在这点上发挥着重要作用。因为机器学习在优化用户参与和用户留存方面特别有帮助，这两者对业务增长都至关重要。

我们能感觉到，获取新用户比保留现有的、高价值用户成本更高。而机器学习可以通过使用现有高价值客户的数据，来帮助降低寻找和获得高价值客户的成本和风险。

如果在下载应用程序后的30天内进行购买的用户比未购买的用户多花费50％，那么机器学习可以优化广告系列以找到更多的此类获利用户。

即时通讯应用Viber就是一个很好的例子。他们的营销团队专注于一个商业目标：增加忠实用户的数量。他们向谷歌提供所需的聚合数据输入，让机器学习和理解谁是他们最好的客户，然后通过技术去寻找大规模的相似用户。

“使用带有行动优化功能的通用应用程序活动，帮助我们获得了更多（高质量）用户，提高了预算利用率。这让我们能够直接优化营销活动，以实现商业目标，即获得忠实用户。”用户获取负责人Moshi Blum说。通过这些努力，Viber的用户留存率提高了21%。

与用户建立持久的关系并非易事。但是如果你想通过APP吸引和留住客户，则无需理会虚荣的营销指标，而是专注于客户的终生价值。并非所有客户价值都是等同的，确保你正在与那些能推动你的业务取得长期发展的客户保持联系和接触。