)
){kind=small}
根据用户获取来源、安装日期或平台划分数据，开展同期群分析，有助于团队洞察用户行为随时间的变化情况。在 “大揭秘” 系列的第一部分中，我们探讨了同期群的留存率和会话两种关键业绩指标 (KPI)。这些 KPI 能够衡量用户返回应用的频率，以及用户在安装应用后与其互动的情况，帮助我们识别用户流失点，分析用户粘度，并了解生命周期初期的用户行为规律。
本篇博文是系列的第二弹，文中重点聚焦收入类 KPI，了解用户的消费支出，安装应用后的消费如何变化，以及收入随时间的累积情况，帮助团队轻松评估获客举措和投资何时能产生回报。正如留存率 KPI 能揭示哪些用户会留下来，而收入 KPI 则展现了哪些用户能创造价值，以及这些用户何时开始创造价值。
继续阅读，了解每项收入 KPI 的计算和解读方法，以及如何依托 KPI 更好地做出用户获取 (UA)以及变现规划方面的战略决策。
为什么收入 KPI 对应用增长至关重要
应用业务能否长效增长，重点在于用户在安装应用后产生的价值。收入 KPI 将购买、订阅、广告互动等用户行为与实际收入挂钩，衡量用户能产生多少价值，帮助营销团队更好地了解交互如何转化为商业成果。
一旦初期交互趋势开始显现，此类指标在同期群分析中就有了用武之地。在这个阶段，营销人员能够评估哪些获客渠道、产品体验或广告素材组合能吸引最有价值的用户同期群，并根据这些信息和洞见，指导预算分配、UA 竞拍和收入预测方面的战略决策。
除了跟踪总收入之外，收入 KPI 还能揭示收入在某一同期群中的分布情况，帮助您看清变现是由少数高消费用户拉动，还是更均匀地分布在整个同期群中。在评估收入可持续性和增长潜力时，这一信息至关重要。
如果收入指标发生变化，例如生命周期价值 (LTV)、每用户平均收入 (ARPU) 等，团队还能从中找出相关原因。变化可能反映出留存率的提高、平均支出的增加或转化率的改善。掌握此类规律后，营销人员就能准确定位表现提升的推动力，以及需要进一步优化的领域。
接下来，让我们探讨如何有效地计算和使用这些收入 KPI。
收入事件如何助力 KPI 分析
LTV、ARPU、广告支出回报 (ROAS) 等收入 KPI 依赖于精准的变现数据。此类数据来自应用内事件，记录了用户在购买、订阅或与广告交互时产生的收入。如果缺乏适当配置的事件，就无法在同期群层面上计算出可靠的指标。
在 Adjust 中，收入事件的部署形式是自定义应用内事件。购买发生时会触发事件，且事件中包含收入值和交易 ID，避免重复报告。如果启用了收入验证功能，系统还会与应用商店确认交易，为防作弊保护加码。该设置为 Adjust 专有，但整个归因平台都使用相同的广泛原则，即收入必须在事件层级被跟踪，以便进行有效的安装后数据分析。
每种变现模式都需要自己独特的跟踪逻辑。例如，应用内购买通常通过收入事件记录，订阅应用则会通过预定义事件类型追踪试用开始、续订、取消等操作。系统会通过集成收集广告收入信息，并在用户或展示层级进行报告，具体取决于相关设置。
如果配置恰当，这些事件就能成为监测基础，帮助您衡量用户价值，比较各个推广活动的表现，分析一段时间内变现行为的情况。无论是在追踪第 7 天的 LTV，还是在评估收入在某个同期群中的分布情况，所有洞见都有赖于准确一致的事件数据。
收入表：深入洞察用户变现
简而言之，收入表展示的是特定同期群在一段时间内产生的收入，按安装日期划分，以安装后天数 (DAI) 排列，能揭示用户生命周期内的变现趋势，帮助团队更好地比较不同同期群的规律差异。
让我们举例说明：假设有一个用户同期群在同一天安装了应用。在下表中，您可以看到该同期群在安装后每天产生的、以及发生消费时的总收入：
在上述示例中，收入集中在安装后最初 2 天，第 4 天后的活动就已经变得很少了。这种规律在采用早期变现模式的应用中很常见。
收入表虽然能直观呈现收入产生的节点，但仅看纯粹总收入是不够的。这一原始信息无法反映有多少用户真正贡献了收入——是由少数用户的消费强力拉动，还是所有用户都有时间产生价值？例如，两个同期群可能会展现相同的 D7 总收入，但同期群规模差异极大，因此人均价值完全不同。
要想得出有意义的结论，您就必须对这些数据进行归一化处理。而此时闪亮登场的，就是每用户平均收入 (ARPU) 等人均指标。
每用户平均收入 (ARPU)
ARPU 衡量的是每位用户产生的平均收入，计算方法：同期群总收入除以达到安装后指定天数的用户数量。通过这种归一化处理，您就能在不受同期群规模影响的情况下，比较不同同期群之间的变现表现。
在下方公式中，n 是表示特定 DAI 的变量。例如，如果 n = 0，那么公式计算的就是安装后第 0 天的值；如果 n = 7，计算的则是安装后第 7 天的值。
计算公式：
ARPU (安装后第 n 天) = 安装后第 n 天的收入 ÷ 安装后第 n 天的同期群规模
假设一个同期群由三位用户组成，并产生了下列每日收入：
从上表中不难看出 ARPU 随时间的变化，一窥收入增长和同期群流失的情况。例如，第 2 天的 ARPU 高于第 0 天，但总收入不及第 0 天，这是由于用户的数量变少了。
ARPU 有助于评估 UA 效率。通过比较不同推广活动或渠道的同期群 ARPU，营销人员就能找到吸引更高价值用户的来源，无需考虑安装量。通过日度 ARPU，营销人员能了解价值创造的节点，而累积型指标则能揭示价值如何随着时间推移逐渐成长。
总收入
总收入显示了一个同期群在每个 DAI 的总收入，从第 0 天到当前时间点的所有收入都会被纳入统计。这一指标能清晰揭示用户生命周期中价值的积累过程，展现变现是加速、放缓还是陷入停滞。
假设一个同期群产生了下列每日收入：
到第 2 天，同期群已累计收入 32 美元，其中包括第 0 天和第 2 天的购买。如果没有额外新收入，总收入将保持不变，因此很轻松就能确定变现趋于平稳的节点。
总收入指标有助于评估同期群的变现速度，并识别不同的变现模式。有些同期群可能会在安装第 0 天就密集产生收入，另一些的收入则会在更长的周期内逐步增长。推广活动的节奏安排、预算分配以及 LTV 建模相关决策都会受到这些趋势的影响。与单次安装成本 (CPI) 相比，总收入指标更有助于判断同期群实现盈亏平衡所需要的时间。
最后还要注意的是，总收入指标是 LTV 等下游 KPI 的基础。例如，LTV 就是需要将同期群总收入除以用户数量，以评估单个用户的价值。
同期群中收入总和
同期群中收入总和衡量的是安装后达到特定天数的用户所产生的累计收入。同期群中收入总和与总收入不同，后者汇总的是所有用户的收入，不考虑用户活跃时长；而前者仅包含已达到 DAI 要求的用户所贡献的价值，并会根据同期群成熟度进行调整，从而更精准地分析不完整或尚处早期阶段的同期群。
下面就让我们举一个简单的例子。假设一个同期群由三个用户组成，这些用户都在同一天安装了应用。每位用户在一段时间内产生的收入如下：
每个用户只能在实际到达的天数内产生收入。例如，只有用户 1 达到了 DAI 5，用户 3 甚至未能渡过 DAI 1。
现在，让我们比较一下这两个累积型指标：
在安装后的早期，所有用户都达到了相应的 DAI，因此两个指标相同。但是，从 DAI 4 开始，只有一部分同期群达到了相应天数。过去购买产生的收入会继续累积并被计入总收入，但同期群总收入则会发生调整，仅包括每天符合条件的用户。
在比较不同阶段的同期群时，这种区别至关重要。例如，如果一个同期群当前仅存在了 3 天，那么 DAI 7 总收入会显得偏低——因为大多数用户尚未达到 DAI 7。而透过同期群中收入总和，您就能从基于成熟度调整的视角，进行更公平的对比和更精准的解读。
提示： 在评估安装以后的早期表现、跟踪基于时间的变现趋势或 LTV 曲线建模时，您应当使用同期群中收入总和指标，避免结果偏差。
生命周期价值 (LTV)
LTV 显示了同期群中每用户平均收入，计算方法：同期群中收入总和除以原始同期群规模。
计算公式：
LTV (安装后第 n 天) = 应用安装后第 n 天的同期群中的总收入 ÷ 同期群规模
让我们来看一个示例。假设一个同期群由三个用户组成，并产生了下列收入：
在下表中，您能看到 LTV 与同期群中收入总和的对比走势：
在最初阶段，所有用户都有时间达到各个 DAI，因此 LTV 能够反映整个同期群的活动情况。但随着同期群逐渐成熟，能够到达后期 DAI 的用户减少，同期群中收入总和只能反映较小的活跃群体。在计算时，最初的同期群规模依然是 LTV 的分母，因此该指标可能暂时出现下降，直到所有用户达到成熟后才趋于稳定。
LTV 是评估盈利能力的核心指标。与 CPI 相比，能更清楚地展现同期群是否产生了回报。例如，如果第 30 天的 LTV 为 3 美元，CPI 为 1 美元，那么 ROAS 就是 300%。此外，许多团队采用 3:1 甚至更高的 LTV:CAC (用户获取成本)比例作为可持续增长的基准，不过理想比率仍取决于具体应用的商业模式。
随着时间的推移，跟踪 LTV 的累积情况有助于团队预测回报周期，并评估收入潜力。在更高级的设置中，预测 LTV (pLTV) 模型可以根据用户早期行为预测未来用户价值，帮助 UA 团队优化支出，实现高效增长。
付费用户生命周期价值 (PU-LTV)
付费用户生命周期价值 (PU-LTV) 衡量的是至少进行过一次购买的用户所产生的平均收入，计算方法是同期群收入总和除以付费用户数量：
计算公式：
PU-LTV = 同期群中收入总和 ÷ 付费用户数量
PU-LTV 与 LTV 不同，后者包括所有用户，不考虑用户是否进行了消费，而前者的 PU-LTV 仅关注已变现的用户，因此特别有助于了解收入在消费者中的分布情况。
比较 PU-LTV 与 LTV 两个指标可揭示变现的深度。高 PU-LTV + 低 LTV 通常说明收入主要依赖于少数高价值用户（也称 “大 R 玩家”、鲸鱼用户）；如果 PU-LTV 与 LTV 差距较小，则说明变现更均匀地分布在更大范围的同期群用户中。
在用户分群和定向方面，PU-LTV 同样具有重要价值。团队可以利用 PU-LTV，识别哪些渠道或推广活动能吸引最高价值的付费用户，并据此优化生命周期营销策略，更好地做出定价或产品设计相关决策。PU-LTV 只统计切实付费用户产生的收入，因此也是诊断变现表现、优化再营销策略的关键工具。
收入同期群分析中的常见误区与最佳做法
只有结合整体商务背景时，收入 KPI 的解读才有意义。误解早期信号，或忽略关键调整，都会导致错误的结论，错失优化机会。下面，我们列出了需要避免的常见误区以及值得参考的最佳做法，帮助营销团队做出更明智、一以贯之的决策。
切勿比较不完整的同期群
如果同期群中的大多数用户尚处于应用安装后的初期阶段，那么总收入、LTV 等指标就会偏低，使得早期同期群表现看似欠佳。此时，您应当使用同期群中收入总和，只比较已有机会贡献收入的用户，等待同期群成熟后再推导出结论。
按用户数量归一化处理数据
原始收入并不能反映同期群规模。更大的同期群常常因为用户数量更多而收入更高，但这只是规模效应，而非因为用户质量更好。请务必使用人均类型的指标，例如 ARPU 或 LTV，更好地比较不同用户获取渠道、地区或推广活动的表现。
避免仅依赖短期 ROAS
早期的 ROAS 指标 (例如 D3 或 D7 ROAS) 虽然有用武之地，但无法反映长期价值。对于变现节奏更慢的应用，过度关注短期成果，可能会导致您放弃那些本可在后期实现盈亏平衡的推广活动。
始终考虑用户获取成本
收入 KPI 必须与 CPI 或 CAC 结合，才能准确评估盈利能力。对比收入与成本，有助于判断盈亏平衡点，优化竞价策略，如果某个分群表现不佳，您还能在成本进一步积累前及时止损。
使用合适的时间窗口
收入成熟度因应用模型而异。游戏类应用的同期群可能在第 7 天就能达到峰值，而订阅类应用则需要更长时间。根据典型的用户生命周期设定合适的基准，例如第 7 天、第 14 天或第 30 天基准，以确保在公平的基础上进行比较，避免误报。
跟踪整体趋势，而不是暂时数据
利用 ARPU 识别变现高峰或下滑，基于总收入观察价值的累积过程，并结合应用内事件 (如购买、订阅、广告展示等），理解收入的驱动因素和发生的节点，帮助团队将用户行为与财务成果更紧密地联系起来。
将收入洞见转化为策略增长
要衡量用户交互如何转化为业务价值，收入 KPI 是至关重要的一环。结合留存率指标，收入 KPI 就能帮助团队获得 “全景视角”，充分掌握同期群表现，做出更明智的增长决策。
优秀解决方案——例如 Adjust Datascape——能够帮您实时获得这些洞见，并为团队提供可定制的同期群表、灵活的过滤器和横向比较功能，跟踪不同同期群的收入累积，比较各个推广活动的趋势，并识别每个阶段驱动变现的关键因素。最棒的是，所有这些工作都能在同一处完成，无需来回切换界面和工具。
在本系列最后一弹——第三部分中，我们将深入探讨事件转化相关的 KPI，帮助您了解如何监测用户旅程，分析转化漏斗的进展，并使用基于事件的同期群，优化应用内行为和变现成果。
让移动应用表现迈上新高度，您准备好了吗？欢迎立刻申请 DEMO，亲自见证 Adjust 如何优化同期群分析，帮您开启强劲应用增长。
想要每月获取最新应用洞见吗？立即订阅我们的新闻简报！
继续阅读
)
