投资人是怎样分析数据的？早知道这些我的公司就不会死

本文来自“华兴有个Alpha”（ID：hxalpha），内容来自华兴Alpha的线上课程「Alpha 开讲」，致力于为创投圈的小伙伴提供最专业的行业知识以及最真实的案例分析。

作者曲凯，公号“42章经”创始人，做过产品经理、VC、战略总监，在多方经历的过程中积累了丰富的企业运营和数据分析知识，正文如下：

我觉得每个商业模式最终都是一个公式，公式里的每个组成都可能是一个 KPI，每个公式背后都有一个底层的原则，单独的指标都是最基本的组成部分。

今天讲的内容主要是两个部分，第一个部分是 CAC、LTV、PBP，第二个部分是 Cohort Analysis。

CAC 用户获取成本

最终生意的本质就是你能拉来多少客户，你的 input 是多少，能够转化多深，这些客户能花多少钱，他花了钱之后能留多少。这些东西就是和 CAC 最相关的。

我们举一个例子，A 这家公司的具体情况如下：

我们可以算出一个 CAC 是 56 块钱。

很多时候你去和投资人聊，或者说创业者自己去做这个事情的时候，都会想我从渠道花了多少钱，拉回多少人，或者广告花了多少钱，拉来多少人。但是事实上，你所有跟用户获取相关的都要算进去，比如说市场部工资要算，物料要算，用户补贴要算。

但是这个数据还是不够精确合理，我们说要把杂七杂八的费用算在里面。这里面渠道推广费会分不同的渠道，比如说下面这种情况：

A 渠道的 CAC 是 100，B 是 50，我们可以看到自然用户增长有 3300，当你算用户获取成本的时候，需要把自然增长去掉，所以我算了一个总的 CAC 是164.7。

根据不同的用法和目的，可以算出不同的数字。另外一点我们需要注意的是，第二次算出来总的 CAC 是 164，相比较第一张图的 50 多块钱，有超过 3 倍的差距。

所以对于投资人来说，要看用户获取成本，要看真实的商业模式，并且要看的很细。

另外，通过分析不同渠道，可以看出哪个渠道效率更高，这样我们就可以花更少的钱，去增加更多的用户。

LTV 用户终身价值

这里先举一个例子：

用这个例子来算 LTV，很多人会用 200 乘以 12，得出结果是 2400 元的用户终生价值，这个其实是不对的，你需要刨去成本来算，因为你要拿用户总时长的价值和用户成本去比较。这里面 LTV 应该是用 20 乘以 12，就是 240。

而且这个 240 也不一定是最终的 LTV，在不同的情境下，你还可以用净利润来算这个东西，把你固定成本和可变成本等都刨去，当然也可以根据不同的需求来计算。

单从这张表来看，LTV 的答案就是 240。

所以，我们可以给一个计算 LTV 的标准公式：

我这里讲的是一个超级简化的版本，其实 LTV 是超级复杂的，不同特点的用户都有不同的 LTV，包括不同性别的用户，不同年龄层次的用户等等。另外，我这里假设的是每个月的购买频次一致的情况，但是事实上要通过企业具体的经营数据来看，因为很多客户忠诚度上去之后每个月的购买频次和客单价会有上涨的情况。

总而言之，我们算 CAC 的时候，就是算获取客户要多少钱，算 LTV 的时候，是我在获取客户之后，能获取多少价值，我们可以看这张表：

很多公司的 CAC 很高，但是为什么还有投资人捧场呢？其实是因为他的 LTV 是无限大的。所以说，他在 CAC 上花太多钱，太多精力，大家也是愿意让他试一下。

举一个简单的例子，比如说我是一个洗车的公司，但是未来我可以做二手车交易这种，长期来讲，我在一个客户身上能够赚到比较多的钱，前期我就愿意花比较多的钱来获取用户。

假设一个创业者和投资人交流的场景

这样看起来是很可笑，当时 O2O 很多上门服务的公司，其实讲的都是这样的故事。这样的故事的问题就是说，第一过于乐观，洗车很多时候并不能延伸到其他服务；再有就是每一笔交易都是赔钱的。

PBP 回收期

市场好的时候，投资人会看 LTV，就比如说当年 O2O 那一波，市场不好的时候投资人就比较关注 PBP，会看我投进去的钱什么时候能够回本，这个也是整个资本市场的一个转变。

Cohort Analysis 同期群分析

这在美国就是每个人都必须知道的事情，但是在国内很多人都不知道，我觉得这是比较可惜的事情。

我还是举一个例子来给大家说明：

大家能不能比较出来 A 和 B 哪家公司经营的更好？

看起来 B 似乎是比较好，但是如果我们用 Cohort Analysis 来分析，就能看出来，两家公司通过各种不同讲述自己数据方式，通过不停的深挖，可以得出不同的结论。

作为早期创业公司来看，我认为 A 公司是优于 B 公司的，早期公司找到 PMF 就是一切，PMF 就是 Product market fit，是找到产品和市场的契合点是最重要的第一步。

关于留存率和用户在长期时间状况下的一张图

留存率一定是下降的趋势，图中蓝线是留存率下降到一定程度就挺住了，这些用户就是最终用户，红线是一开始下降的比较慢，但是最后变成 0 了，最好的增长就是要把留存率先做好，不然就像狗熊掰棒子一样。

像上面的两家公司，A 公司虽然只有 5000 个用户，但是都是早期用户，这说明他的留存 OK，只是新增没有做好，但是新增往往是比留存容易做的。

所以，我的结论是，数据是会骗人的，尤其是平均数据，要研究透事物的本质，就要不断的把事物细分成最小的组成单元，Cohort Analysis 就是基于这个目标的一个工具。

我们讲了这么多，可以看看一个典型的 Cohort Analysis 表格：

大家可以看最下面是当月总下单用户数，比如最右下角，10 月份有 1086 个下单用户，都是如果你只看这个数据的话，你完全不知道我这个月到底做的怎么样，你不知道这里面有多少是之前来的。

通过这个表可以看出，你每个月的新增做的怎么样，留存做的怎么样，这就是一个最基本最简单的表格。

我们把留存率做出百分比的样子，就是这样一张表：

这张图里我把每个月的留存率都算出来了，你可以看到每个月做的怎么样，然后还可以得到一个总的留存。

这张图可以看到，他的留存做的还不错，最后 3 个月基本停在了 80%，如果长远来看能够停在 80% 就是很好的事情。

不同的用户进来的渠道不一样，通过表格你可以看到每批进来的用户的表现形式，然后你可以去调整你的方针。

然后我们再看一个表格：

通过这个表格我们可以看 Cohort Analysis 其实有特别多的延展性，这个是用户的平均下单次数，你可以划分不同用户群体的下单次数，可以得出不同的结论。

这里有一个通用公式：

第一个表格可以得出每个月的总下单，刚刚那个表格可以做出每个用户的下单次数，然后还可以做一个表格是每个用户的下单价。

这三个数据就有可以得到绝大多数跟你的生意相关的数据了，还能看到过去、未来的增长情况。

这就是这个表格最有魅力的地方。

讲了什么这么多东西，我们最后算一笔账：

从上半部分的数据我们可以得出的结论是，在获客成本是 50 的情况下，需要 每个用户下了 7.14 笔单数才能回本。

我再假设每个月管理成本是 30 万，每个月必须与 4 万多次下单次数，我才能保证不亏钱，如果每个月每个用户下 4 次单，那我就要保证我的下单用户数是 10714。