LTV 不是計分板：顧客終身價值怎麼算

核心重點：LTV（Lifetime Value，顧客終身價值）是一個顧客從第一次跟你交易，到徹底不再上門為止，整段關係累計為你帶來的淨收益。它的核心公式僅有三個齒輪：平均訂單金額 × 購買頻率 × 顧客活躍壽命。但 LTV 真正的價值從來不是那個數字本身，而是它能否回答一個決策問題：我花多少錢去取得、去留住一個客戶，才不會虧。這篇我會帶你把公式拆開、把最常算錯的幾種搞法講清楚、把 LTV 跟 CAC 的比例關係解釋到不再含糊，最終給你一份能直接搬進試算表的計算流程。

假設公司花了三十萬跑一檔社群廣告，拉進來八百個新客人，首購轉換率看起來漂亮；三個月後回頭追蹤，卻發現多數人沒有再下單。掌管預算的人問：「這八百個人，到底值多少錢？」報表若僅能回答首筆訂單金額，就還看不到整段顧客關係的價值。這中間的缺口，就是 LTV 要補起來的地方。

很多行銷人把 LTV 想成一個高大上的指標，覺得那是數據團隊的事。我的看法剛好相反：LTV 是每一個會決定「錢往哪裡花」的人都該掌握的基本常識，因為它直接決定了你能花多少錢去獲得一個客人卻還賺錢。沒有這個數字，你每一筆廣告預算、每一次折扣、每一檔再行銷活動，都是在沒有底線的情況下盲賭。

一個客人到底值多少錢？先把核心定義說清楚

Lifetime Value，中文叫顧客終身價值，縮寫常見 LTV 或 CLV（Customer Lifetime Value），兩個詞指的是同一件事。它的定義其實很直白：一位顧客從跟你建立關係的那一刻起，到他徹底離開為止，這整段時間內為你帶來的收益總和，扣掉你服務他所需要的成本之後，剩下的淨值。

這個定義裡有三個關鍵字你必須抓準。第一個是「整段時間」，單筆交易僅佔完整往來的一個切片；第二個是「收益總和」，要納入重複購買、加購與續約；第三個是「扣掉成本」，毛收益不等於真正留下的錢，退貨、金流手續費、物流倉儲與服務成本都會影響結果。推薦帶來的新客若要計入，必須另訂清楚的歸因規則，不能直接算進原顧客的標準 LTV。

我用一個比喻讓這件事變具體。想像你的生意是一個水桶，每個客人是一條流進水桶的水管。水管有粗有細（訂單金額不同），流水的頻率有高有低（購買頻率不同），每條水管的壽命也有長有短（有人用三個月就斷了，有人流了五年還在）。LTV 就是某一條水管，在它整個生命週期裡，總共往你水桶裡注入了多少乾淨的水。而水桶底下還有一個小洞，代表服務這位客人的成本，LTV 看的是扣掉漏水之後，淨累積了多少。

這個水桶比喻同時點出一件常被忘記的事：LTV 是一個分群概念，不是一個單一數字。不同水管注入的水量天差地遠，你若僅看總量而忽略個別水管的粗細和壽命，就會錯失最重要的經營訊號。一個僅買過一次特價品就走的客人，跟一個每個月固定回購三年的人，他們的 LTV 可能相差幾十倍。把所有人的 LTV 揉成一個平均值，就像前述的水桶比喻，少數幾條粗水管會把平均撐高，讓你誤以為整體狀況很好。這也是為什麼 LTV 跟 RFM 分群觀念這麼搭，一個切縱剖面、一個切橫截面，兩者結合才能看清顧客關係的全貌，對 RFM 有興趣可以延伸讀RFM 顧客分級分析。

LTV 公式的三個齒輪：把它拆開來看才看得懂

LTV 最普及的計算公式，可以把骨架濃縮成三個變數的乘積。我不喜歡一上來就丟一長串數學式，因為那會讓人還沒搞懂就先放棄。換個方式，我們一個齒輪一個齒輪拆。

第一個齒輪：平均訂單金額（AOV）

平均訂單金額（Average Order Value，簡稱 AOV）是每位顧客平均一次交易會花多少錢。算法是某段時間內的總營收，除以同一時間的總訂單數。這個數字反映的是你產品的定價結構，以及顧客單次購買的意願強度。一個賣平價日用品的電商，AOV 可能僅有幾百塊；一個賣高單價家電的品牌，AOV 可以破萬。AOV 本身是中性的，高低不代表好壞，但它是 LTV 的基礎磚塊。

這裡有一個關鍵判斷：你要用「營業額」還是「毛利」當 AOV 的基底？這個選擇會徹底改變你的 LTV 結論。老實說，用毛利才算誠實，用營業額算出來的數字好看但會誤導決策。這一點我待會在算錯的那一節會專門講。

AOV 不僅反映目前定價，也可能受到組合包、滿額門檻與加購推薦影響。以假設情境來說，單包 450 元的咖啡豆若推出三包 1,350 元方案，選擇該方案的訂單金額會提高；但整體 AOV、轉換率與毛利是否一起改善，仍要看實際採用率與成本，不能僅看方案標價。

第二個齒輪：購買頻率（Purchase Frequency）

購買頻率是顧客在指定期間內平均下單幾次，算法是總訂單數除以不重複顧客數。其他條件相同時，頻率越高會拉高 LTV；現實中訂單金額、毛利與留存也可能同時變動，不能把頻率差直接當成 LTV 倍數。消耗品與訂閱服務通常比耐久財或一次性服務更常回購，比較時要先對齊品類與觀察期間。

第三個齒輪：顧客活躍壽命（Customer Lifespan）

顧客活躍壽命是一位顧客從第一次購買到末次購買之間，平均維持多久的活躍關係。這個數字通常不容易精確得到，因為你很難判斷一個人「不會再回來」的確切時點。訂閱制在流失率相對穩定、客群結構沒有劇烈變動時，可用流失率倒數做粗略估計；一次性或回購間隔不規則的生意，則更適合用同期群資料觀察實際留存。壽命越長，同一個客戶累積的價值通常越大，這也是為什麼顧客留存值得持續追蹤。

顧客活躍壽命對品類和經營策略高度敏感，沒有可靠的跨產業通用基準。持續消耗或訂閱型產品可能形成長期關係；婚禮佈置等低頻服務則可能集中在單次交易。拿自己的 LTV 跟外部數字比較前，要先確認定義、成本口徑與壽命結構是否一致。

三個齒輪乘在一起，就得到最直觀的 LTV 雛形：

LTV ＝ 平均訂單金額 × 購買頻率 × 顧客活躍壽命

這是未扣成本的收入型 LTV。乘上毛利率可得到較接近毛利貢獻的版本，但若還有履約、客服、退款、折現等成本，仍不能直接稱為完整淨 LTV。公式名稱與成本口徑要在報表中寫清楚。

為什麼「拿營業額當基底」是最致命的算錯方式

公式看起來不難，但 LTV 很容易算錯。電商常見的問題，是拿營業額當基底，卻沒扣掉退貨、折讓、履約與金流等成本，數字因此膨脹。偏差幅度會隨品類、退貨率與成本結構而變，足以改變你對獲客成本上限的判斷。

我把幾種最常見的算錯類型整理成一張表，你可以對照看看自己是不是也踩過同樣的坑。

算錯類型	怎麼發生的	造成的後果
用營業額代替毛利	把一筆 1,000 元的訂單當成「賺了 1,000 元」，無視商品成本、退貨率、金流手續費	LTV 虛高，誤判可承受的獲客成本上限，廣告越投越燒
把所有客人揉成一個平均	把僅買一次的過客跟回購三年的鐵粉加在一起算平均 LTV	少數大戶拉高平均，掩蓋大多數客人價值偏低的事實，資源錯置
用太短的觀察期推估壽命	僅看六個月的資料，就把半年的行為直接外推成一輩子的壽命	可能高估活躍壽命，讓預測 LTV 偏離後續實績
忽略時間價值的折現	把三年後才會收到的一塊錢，跟今天的一塊錢視為等值	長壽命客戶的 LTV 被高估，未來收益被過度計入
漏算服務成本	僅算商品成本，沒算客服人力、退換貨處理、會員權益的隱性開銷	LTV 看起來漂亮，實際上每一位客戶可能根本沒有想像中賺錢

這五個坑裡，第一個「用營業額代替毛利」殺傷力最大，因為它直接影響你敢花多少錢去取得一個客人。假設你用營業額算出來的 LTV 是 3,000 元，於是你跟自己說「花 1,000 元取得一個客人很划算，LTV 是 CAC 的三倍」。但如果你扣掉退貨、物流、金流手續費之後，真正的淨 LTV 其實僅有 1,800 元，那個「三倍」就變成「一點八倍」，逼近打平的危險區。一個小小的計算選擇，決定你是在穩健獲利還是在燒錢換虛假的成長。

第二個坑「揉成一個平均」，本質上跟 RFM 想解決的是同一個問題。顧客價值常呈不平均分布，但不代表每家公司都符合固定的 80/20 比例。較可靠的做法是依商業需求分群計算 LTV，例如拆成新客、穩定回購客與高價值客，再觀察實際差距。分群概念可延伸閱讀80/20 法則。

LTV 不是計分板，是方向盤：它真正該回答的三個決策

很多人算完 LTV 之後，就把那個數字貼在月報裡，每個月盯著它有沒有上升，像在看一支股票的計分板。這是最浪費 LTV 的用法。LTV 真正的價值不在「它現在是多少」，而在「它能幫我回答哪些我做不出來的決策」。我把 LTV 最有威力的三個決策用途整理出來。

決策一：我最多能花多少錢去取得一個客人？

LTV 可協助估算 CAC（Customer Acquisition Cost）的可承受範圍，但不是單獨的預算天花板。即使淨 LTV 是 2,000 元，仍要扣除固定成本、資金成本，並考慮回收期與現金流。LTV 與 CAC 應成對閱讀，再搭配ROI 與 ROAS等指標。

決策二：不同的獲客管道，哪一個真的比較賺？

不同的廣告管道、內容渠道與合作夥伴，帶進來的客人品質可能不同。如果僅看每次點擊成本這種前端指標比較管道，容易忽略後續回購與毛利。做法是依購買週期設定足夠長的觀察窗，比較各管道客群的累計 LTV；取得成本稍高但 LTV 較厚的管道，長期可能更值得投入。如果獲客大量倚賴搜尋流量，SEO 的成效指標設定也會影響 LTV 判讀，可搭配SEO KPI 設定一起看。

決策三：我該把資源投在「找新客」還是「留住老客」？

這是公司常要面對的資源分配問題。LTV 搭配 CAC，可以提供量化的判斷依據；留存與獲客哪一邊更值得投資，仍要看毛利、回購週期、客群容量與改善空間，不能從單一統計直接下結論（見 HubSpot Marketing Statistics，2023 年）。當 LTV 對 CAC 的比例健康，代表獲客有擴張空間；當比例逼近損益警戒線，就要比較提升留存率、購買頻率與降低 CAC 的實際成本。這個邏輯跟產品生命週期的思維相通，在成熟期可把延長顧客關係納入評估，相關框架可參考產品生命週期（PLC）。

LTV 對上 CAC：那個被講到爛的 3:1 到底在講什麼

談到 LTV，常會看到「LTV 比 CAC 等於 3:1」這個經驗值。但它到底是什麼意思，又為什麼是 3 而不是 2 或 5，不能僅靠一句口訣回答。下面把它拆開來看。

這個比例的核心邏輯是：每花一塊錢取得客人，顧客關係能帶回多少毛利或貢獻利潤。3:1 是常見的規劃起點，不是公認的健康底線；它隱含毛利口徑、回收期、固定成本與資金成本等假設。若 LTV 僅比 CAC 高一點，獲客之外的營運支出可能沒有足夠餘裕，但該留多少空間仍要回到公司的現金流與商業模式。

但我要誠實地說，把 3:1 當成放諸四海皆準的鐵律，是過度簡化。不同的商業模式、不同的成長階段，合理的比例範圍差很多。我整理了一張對照表幫你建立判斷的直覺。

LTV : CAC 比例	代表什麼	建議的行動方向
低於 1:1	每取得一個客人就在虧錢，客人越多虧越多	立刻止血，先檢討產品定價與獲客管道，別再擴大投放
1:1 到 2:1	獲客效率偏低，毛利幾乎被廣告費吃光	轉向提升留存與客單價，想辦法壓低 CAC 或拉高 LTV
3:1 左右	健康水準，有足夠利潤支撐公司營運與再投資	穩健擴張，可以適度加碼獲客預算
超過 5:1	獲客效率極好，但也可能是你「不敢花錢」的警訊	考慮加大投放搶市占，長期壓抑獲客會讓成長停滯

表裡最容易被疏忽的是「超過 5:1」那一欄。很多人以為 LTV 比 CAC 越高越好，其實不盡然。當這個比例高得不尋常，通常代表兩種情況之一：要嘛你的 LTV 真的強悍到不行（恭喜），要嘛是你根本沒有在積極獲客，所以 CAC 異常偏低，也就是說你在「省錢不投資」。一間過度保守、不敢花錢找新客的公司，短期看起來比例很漂亮，長期卻會被敢投資的對手把市場吃掉。所以 3:1 是一個起點而非終點，重點是理解背後的結構，別把那個數字當成信仰。

動手算：用一張試算表從歷史法走到預測法

觀念講完了，接下來是實作。我把 LTV 的計算分成兩個層次，由淺入深。你不需要任何昂貴的工具，一張試算表就夠了。

歷史法：用過去的真實數字算

歷史法是容易上手的做法：選一群已經走過足夠觀察期的客人，把實際交易與成本加總，計算每人的累計淨收益，再取平均值。觀察期要依購買週期設定，不一定是一年。這個方法基於已發生資料，但仍受退款入帳、成本分攤、尚未結束的顧客關係與樣本選擇影響，也無法直接代表未來。

預測法：用現有行為推估未來價值

當你沒有足夠的歷史資料，或者你想知道「現在進來的這批新客，未來大概值多少」，就需要預測法。預測法的核心是用你現有的留存率曲線，去推估一位新客人未來的消費軌跡。最基本的做法是：先用過去資料算出每個月的留存率（這個月還在買的人，下個月有多少比例會繼續買），把這個留存率往未來遞延，直到幾乎沒有人剩下來為止，把每一期預期的收益折現加總，就是預測 LTV。

不使用 AI 或機器學習，也能做出可供初步決策的預測 LTV。套公式前先確認重複紀錄、退款、訂單狀態、顧客識別與成本欄位；資料口徑不穩，模型再複雜也不會可靠。若要補強站內行為追蹤，可參考GA4 完整教學，但交易與毛利仍應以訂單和財務系統為主。

一個走一遍的數字示範

觀念聽起來都懂，但實際把數字填進去走一遍，感受完全不一樣。我用一個純粹示範用的假設情境帶你跑一次，數字是為了講解方便編的，不是任何真實客戶的資料。假設你經營一個保健食品的品牌，過去一年的營業額是 480 萬，總共有 4,000 筆訂單，來自 1,600 位不重複的顧客。你的平均毛利率是 55%，而根據過往紀錄，每年的顧客流失率大約是 30%。

第一步，算出平均訂單金額：480 萬除以 4,000 筆，等於 1,200 元。第二步，算出購買頻率：4,000 筆除以 1,600 人，等於 2.5 次。第三步，在流失率穩定且可近似訂閱模式的假設下，以 30% 的倒數粗估活躍壽命為 3.3 年。毛 LTV 約為 1,200 乘上 2.5 再乘上 3.3，也就是 9,900 元；乘上 55% 毛利率後，初步淨 LTV 約為 5,445 元。真實決策仍應用同期群資料校正這個簡化值。

拿到這個數字後，才進入決策。假設 CAC 是 1,500 元，比例約為 3.6 比 1；若 CAC 是 3,500 元，比例約為 1.6 比 1。前者不代表可放心擴張，後者也不能脫離回收期、固定成本與現金流直接宣判危險。這個示範要說明的是：同一個 LTV 搭配不同 CAC，策略含意會改變，而通用比例僅能當起點。

拉高 LTV 的五個槓桿，按見效速度排序

算出 LTV 後，可以從客單價、購買頻率、顧客壽命與成本結構尋找改善點。底下列出五個槓桿，按一般見效速度由快到慢排列；實際執行順序仍要依資料與商業限制調整，表中速度是概略參考而非保證。

槓桿	作用於哪個齒輪	見效速度	具體做法舉例
優化定價與組合包	平均訂單金額	快（一到兩週）	設計加購組合、滿額免運門檻、階梯折扣引導湊單
再行銷與喚醒活動	購買頻率	中（兩到四週）	對休眠客戶發 EDM、針對近期購買者推薦互補品
會員分級與忠誠機制	顧客壽命	中（一到三個月）	累積點數、專屬權益、讓轉換成本隨時間墊高
內容與社群培養	購買頻率＋壽命	較慢，依購買週期設定觀察窗	用內容經營維持品牌存在感，讓客人還沒需要就先想到你
產品體驗與客服品質	顧客壽命	慢（長期累積）	降低摩擦、主動解決抱怨，讓流失率從根本下降

排序的邏輯很實際：見效快的先做，建立信心和現金流，再做見效慢但影響深遠的。優化定價和組合包幾乎當天調整當天就能看到 AOV 變化；相比之下，內容經營和產品體驗的改善需要時間發酵，但它們的回報是結構性的、對手難以複製的。直白地說，拉高 LTV 的本質跟做內容行銷一樣，短期操作能帶來即時的數字，長期投資才能築起真正的競爭優勢。實務上，我會建議你把一部分資源放在資產型的內容行銷這種慢但厚的渠道上，別把全部預算砸在一次性促銷。

還有一個經常被遺漏的槓桿：降低服務成本本身也能拉高淨 LTV。同樣的營收，如果退貨率下降、客服效率提升、物流成本壓低，淨利潤就會增加，LTV 跟著上升。這條路不性感，但它的效果是確定且可累積的。

電商、訂閱制、B2B 服務：LTV 在三種模式裡長得完全不一樣

LTV 不是一個跨行業通用的數字，它的長相、計算方式、合理範圍，都跟你怎麼做生意密切相關。商業模式決定了你的收益結構和顧客關係的節奏，自然也決定了 LTV 的樣貌。我把三種最常見的模式拿出來對比，幫你建立「我的 LTV 應該長什麼樣」的基準線。如果你的商業模式本身還在摸索階段，建議先回頭釐清商業模式的本質，再來談 LTV 才不會對錯焦。

電商零售：頻率中等、壽命看品類

電商的 LTV 特徵是頻率和壽命高度依賴品類。消耗性商品通常有較短的回購週期；耐久財可使用較久，LTV 可能更依賴單筆金額、耗材或後續服務。計算時要扣除實際退貨與折讓，服飾等尺寸敏感品類的退貨率可能偏高，不能直接套用其他品類的假設。

訂閱制服務：壽命是核心變數

訂閱制（SaaS、會員服務、內容訂閱）常有固定週期收入，因此顧客會訂閱多久是核心變數，但客單價、升降級、毛利與服務成本同樣會改變 LTV。月費固定且沒有擴張或收縮收入時，才可用月費乘上平均訂閱月數做初步估計。降低流失率（churn rate）通常很重要，但是否比調價、加購或改善毛利有效，要用同期群資料驗證。訂閱制經營者可把EDM 電子報納入維繫關係的工具，但仍要觀察實際留存。

B2B 服務：客單極高、頻率低、壽命極長

B2B 的 LTV 可能很高，也往往較難精算。企業合約常有較長的銷售週期，續約又牽涉組織內部多位決策者。挑戰不在公式，而在能不能把「一位客戶」的範圍定義清楚，因為採購可能跨部門、跨年度，這跟組織購買中心的多角色決策結構直接相關，可搭配組織購買中心的拆解。合理的 LTV 對 CAC 比例仍取決於毛利、回收期、續約風險與服務成本，不能僅因交易金額較高就放寬標準。

LTV 什麼時候會騙你？三個必須保持警覺的時刻

LTV 是一個強大的指標，但它不是萬能的，更不是永遠誠實的。在以下三種情境裡，LTV 的數字會系統性地誤導你，如果盲目相信它，會做出傷害生意的決策。我特別把這一節獨立出來，因為市面上絕大多數談 LTV 的文章僅告訴你「它很重要、要算它」，卻鮮少提醒你它什麼時候不可靠。

時刻一：產品組合正在劇烈改變的時候

當你的產品線正在轉型，例如從低毛利商品轉向高毛利商品，或從一次性銷售轉向訂閱制，這時候用舊的歷史資料算出來的 LTV，已經不能代表未來的客人價值。過去三年的 LTV 是建立在舊產品結構上的，新進來的客人行為模式完全不同，如果你還拿舊 LTV 來決定新時代的獲客預算，一定會失準。轉型期要做的是分群、分階段地重新建立 LTV 基準，別再沿用一個漸漸失效的舊數字。

時刻二：遇到強烈季節性的時候

如果你的生意有明顯的淡旺季（例如節慶禮品、季節性服飾、年終採購），那麼你在旺季算出來的 LTV 會被異常放大，淡季算出來的又會異常縮小。用單一時點的 LTV 做決策，等於拿極端值當常態。正確的做法是用完整的年度循環來計算，或者至少做季節性修正，把旺季的異常高點平滑掉，才能看到客人真實的長期價值輪廓。

時刻三：早期分群被新客稀釋的時候

當你快速擴張、大量導入新客的時候，整體的平均 LTV 會被這群還沒有足夠時間累積價值的新客拉低。這不代表你的客人變差了，僅是他們還來不及展現完整的購買週期。這時候如果你僅看整體平均 LTV 下降就恐慌，可能做出錯誤的判斷，以為獲客品質惡化。解法是按「獲客月份」分批追蹤每一批客人的 LTV 發展曲線，也就是分群分析，這樣才能把「新客還在累積」和「客人真的變差」這兩種情況區分開來。這個分群追蹤的邏輯，跟你在建立目標客戶輪廓時需要的細顆粒度思維是一致的，對顧客分群方法有興趣可以延伸讀Persona 人物誌的建立流程。

把 LTV 嵌進你日常決策的六步行動清單

讀到這裡，你腦裡應該已經有一個清楚的 LTV 圖像了。但觀念如果不行動，就僅是知識囤積，留在腦子裡不會替你賺到任何一塊錢。我把這整篇文章濃縮成一份你能下週就開始執行的行動清單，按順序走，從零到擁有一個可用的 LTV 數字。

1. 盤點你的交易資料：依產品購買週期選擇足夠的歷史區間，整理不重複顧客、訂單金額、日期、退款與成本紀錄，並記下資料缺口。
2. 決定用毛利還是營業額當基底：我強烈建議用毛利率調整後的淨 LTV。把你的平均毛利率算出來，這個數字會貫穿後續所有計算。
3. 算出三個齒輪：平均訂單金額（總營收除以總訂單數）、購買頻率（總訂單數除以不重複顧客數），以及顧客活躍壽命。訂閱流失率穩定時可用倒數粗估，其他模式優先用同期群實際資料。三個數字相乘再乘上毛利率，可得到初步淨 LTV。
4. 先做有決策用途的分群：可從新客、穩定回購客與高價值客起步，分別計算 LTV；若差異不明顯，再改用產品、渠道或同期群切分。
5. 算出你的 CAC，看兩者的比例：把一段時間內的總獲客成本（廣告費加內容製作加業務人力）除以同期獲得的新客人數，得到 CAC。跟 LTV 擺在一起看比例，用前面那張對照表判斷你落在哪個區間。
6. 選一個可驗證的槓桿動手：別想一次優化全部，可從定價組合、留存或再行銷挑一項，先定義觀察窗與成功條件，再依完整購買週期判讀。

LTV 不是一個算完就供奉起來的數字，它是一個會隨著你的產品、市場、顧客結構持續變化而演進的活指標。每季重新檢視一次，確認它還能反映真實的顧客關係，避免它退化成一個跟現實脫節的遺跡。當你開始習慣用 LTV 來回答「這筆錢到底該不該花」的時候，你的行銷決策就從憑直覺，升級成有底氣的判斷。這條路走穩了，你會發現經營顧客關係這件事，本質上跟行銷的核心精神是一致的，都是在回答「我為誰創造價值、而那份價值又值多少」，對這個最根本的提問想更深一層，可以回頭讀行銷到底是什麼。