兩位會員，一位在週年慶一次買了 3,000 元，另一位每個月固定買 500 元，已經買了兩年。報表上看，第一位是當月的高消費客；但算到今天，第二位已經貢獻了 12,000 元，而且還在買。
顧客終身價值（Customer Lifetime Value，CLV，也常簡稱 LTV）是一位顧客在跟品牌往來的整段期間內，預期能為品牌帶來的總價值。它看的是整段關係，不是單筆交易。行銷預算該花在誰身上、拉一位新客最多能花多少錢、哪一群會員值得用專屬權益留住，都要從這個數字推回去。
這篇整理 CLV 的定義、三種由淺到深的算法、常見的誤用，以及實際能拉高 CLV 的三個方向。
顧客終身價值是什麼？CLV 和 LTV 差在哪？
顧客終身價值是用「整段關係」衡量一位顧客值多少錢的指標。它把客單價、購買頻率、會往來多久這三件事乘在一起，有些算法還會再扣掉成本、考慮留存機率。
CLV 和 LTV 指的是同一件事，只是使用習慣不同：
- CLV（Customer Lifetime Value）：零售、電商、行銷領域比較常用
- LTV（Lifetime Value）：訂閱制、SaaS、手機遊戲產業比較常用，常跟 CAC（獲客成本）一起出現
兩個縮寫在多數文章裡可以互換。真正要分清楚的是「你算的是營收還是毛利」，這點下面會講。
為什麼要看顧客終身價值？
因為留住一位既有顧客，通常比找一位新顧客便宜得多，CLV 是讓這件事能被量化的指標。
《哈佛商業評論》2014 年一篇談顧客留存的文章（Amy Gallo，〈The Value of Keeping the Right Customers〉）整理了兩組常被引用的數字：取得一位新顧客的成本是留住既有顧客的 5 到 25 倍；而貝恩策略顧問（Bain & Company）Frederick Reichheld 的研究指出，顧客留存率提高 5%，利潤可以增加 25% 到 95%。
這兩組數字的意思很直接：品牌的成長，很大一部分取決於既有顧客能不能留得久、買得多。只看單月營收、單檔活動轉換率，會系統性地低估留存的價值。
實際工作上，CLV 會用在三種決策：
- 獲客預算的上限：一位新客的 CLV 是 3,000 元，花 4,000 元的廣告費去拉他就是賠錢
- 會員分層與權益設計：CLV 高的那一群，值得給專屬服務與更好的權益
- 流失預警的優先順序：同樣是快要流失，CLV 高的人先救
顧客終身價值怎麼算？三種算法由淺到深
CLV 沒有唯一的標準公式，常見的算法有三種，差別在要不要扣成本、要不要考慮顧客會流失。以下用同一組假設數字示範：某品牌會員平均客單價 1,200 元、一年買 4 次、平均往來 3 年、毛利率 40%。
算法一：營收型，最快上手
CLV ＝ 平均客單價 × 年購買次數 × 平均往來年數
套進去是 1,200 × 4 × 3 ＝ 14,400 元。
這個算法最容易算，適合第一次盤點時抓一個量級。缺點是它算的是營收，不是品牌真正賺到的錢，拿來決定獲客預算會高估。
算法二：毛利型，拿來比較獲客成本
CLV ＝ 平均客單價 × 年購買次數 × 平均往來年數 × 毛利率
套進去是 14,400 × 40% ＝ 5,760 元。
要跟獲客成本（CAC）放在一起比，一定要用毛利型。廣告費是從毛利裡付出去的，用營收型的 CLV 去跟 CAC 比，會讓不賺錢的獲客活動看起來很划算。
算法三：留存型，看出留存率的槓桿
學術界常用的簡化公式來自 Sunil Gupta 與 Donald Lehmann 的研究：在每年毛利與留存率大致穩定的前提下，
CLV ＝ 年毛利 × 留存率 ÷（1 ＋ 折現率 － 留存率）
這條公式把「顧客會流失」和「未來的錢比現在的錢不值錢」都算進去了，算的是從下一期開始的未來價值。用同一組數字，年毛利是 1,200 × 4 × 40% ＝ 1,920 元，折現率抓 10%，留存率從六成調到九成：
| 年留存率 | 倍數（留存率 ÷ 分母） | 顧客終身價值 |
|---|---|---|
| 60% | 1.2 | 2,304 元 |
| 70% | 1.75 | 3,360 元 |
| 80% | 約 2.67 | 5,120 元 |
| 90% | 4.5 | 8,640 元 |
留存率從六成拉到八成，客單價一塊錢都沒漲，CLV 就變成原本的 2.2 倍。這就是為什麼留存率通常是 CLV 裡最值得投資的槓桿：它的影響不是線性的，越往上拉，效果越大。
三種算法沒有對錯，看用途選：第一次盤點用營收型，算獲客預算用毛利型，要說服主管投資會員經營時，留存型那張表最有說服力。
為什麼全體會員的平均 CLV 會誤導決策？
因為平均值會把差異極大的幾群人揉成一個數字，CLV 一定要分群看才有用。
假設全體會員平均 CLV 是 5,000 元，實際上可能是兩成的忠誠會員每人 18,000 元，加上八成只買過一次、每人不到 2,000 元。拿 5,000 元當獲客預算的依據，對忠誠會員那一群是低估，對一次性顧客是高估，兩邊都會做錯決定。
比較實際的做法是按顧客狀態分群，各算各的 CLV：新客、活躍客、沉睡客、已流失客的 CLV 差距通常很大，該花的錢也不同。分群的方法可以參考 NES 模型，它把顧客依「現在處在哪個狀態」分層，比 RFM 更容易看出誰正在離開。
延伸閱讀：RFM 分不出誰正在離開：用 NES 模型看顧客的狀態轉移與喚醒時機
另一個常見的誤用是只算一次就放著。CLV 會隨著產品線、價格、顧客組成改變，至少每季重算一次，才能看出會員經營的方向有沒有走對。
怎麼提升顧客終身價值？從公式裡的三個變數下手
CLV 的公式只有三個能動的地方：每次買多少、多久買一次、能留多久。每一種做法都可以對回其中一個變數：
| 要拉高的變數 | 常見做法 | 要注意的地方 |
|---|---|---|
| 客單價 | 依購買紀錄推薦加購、組合優惠、會員等級門檻 | 門檻設太高，多數人搆不到，反而失去動力 |
| 購買頻率 | 依回購週期在對的時間點提醒、點數到期提醒 | 提醒太頻繁會被封鎖，時間點比次數重要 |
| 留存時間 | 會員等級與專屬權益、生日與續會禮遇、流失前的喚醒旅程 | 權益要讓人用得到，發出去沒人用等於沒給 |
購買頻率那一列提到要「依回購週期在對的時間點提醒」，回購週期怎麼算、為什麼要看中位數，可以參考這篇：
延伸閱讀：回購週期中位數是什麼？比平均值更該看的再行銷時間點
最後一欄的「權益要讓人用得到」，是很多品牌會漏掉的地方。點數、優惠券發得再多，實際被兌換的比例低，對留存就沒有幫助。發放量和使用率要分開看。
反過來看，兌換率的數據累積夠多，也能變成定價的依據。肯驛國際把十多年的兌換紀錄做成權益定價模型，就是一個把「顧客實際怎麼使用權益」轉換成商業優勢的例子。
延伸閱讀：《會員經營現場》02（下）兌換率是護城河：肯驛國際如何用數據重新定義 VIP 權益的定價
算 CLV 之前，數據要先準備好什麼？
算 CLV 需要三樣數據：每位顧客的完整交易紀錄、能辨識是同一個人的會員 ID，以及每筆交易的毛利或至少品類毛利率。
三樣裡面最常卡住的是第二樣。同一位顧客在門市留手機、在官網用 Email 註冊、在 LINE 又是另一個帳號，系統會把他當成三個人，每個人的 CLV 都只算到一部分。這時候算出來的平均 CLV 會偏低，忠誠會員也會被誤判成一次性顧客。
所以 CLV 準不準，很大一部分取決於會員數據有沒有整合到同一個人身上。要看完整的會員經營指標怎麼排，可以參考這篇：
延伸閱讀：會員經營該看哪些數字？從招募、分層到回購的八個指標面向
現在可以立刻開始的三件事
- 用毛利型公式算一次全體會員的 CLV，把它跟目前的平均獲客成本放在一起看，確認拉新客的錢有沒有花過頭
- 把會員分成新客、活躍、沉睡、流失四群，各算一次 CLV，找出差距最大的兩群，那就是預算該移動的方向
- 把留存率調高 10 個百分點，用留存型公式試算 CLV 的變化，這個數字拿去跟主管溝通會員經營的預算，比任何口號都有用
從數據整合到提升留存，把 CLV 變成每天看得到的數字
CLV 算一次不難，難的是讓它每季、甚至每個月都能自動更新，而且能按分群拆開看。這需要交易、會員、互動數據先整合在同一個人身上。
愛酷智能科技的 AccuCDP 會員數據中台，可以把門市、電商、LINE 等渠道的會員與交易數據歸戶到同一位顧客，再依標籤分群與自動化旅程，把回購提醒、流失喚醒這些拉高 CLV 的動作排進日常流程。搭配 MembeRoyal 會員忠誠經營平台，會員等級、點數與權益可以直接跟 CLV 分群連動，讓高價值會員拿到對應的服務。
想先看零售品牌怎麼經營回購，可以下載我們整理的《零售品牌鐵粉回購秘笈》；想討論自家會員的 CLV 怎麼算、怎麼拉高，歡迎與我們聯繫。
常見問題
CLV 和 LTV 差在哪？
指的是同一件事，都是顧客終身價值。CLV 在零售與電商比較常用，LTV 在訂閱制、SaaS 與遊戲產業比較常用，兩者在多數情況下可以互換。
顧客終身價值怎麼計算？
最簡單的算法是平均客單價 × 年購買次數 × 平均往來年數。要跟獲客成本比較時，要再乘上毛利率；要看出留存率的影響，可以用「年毛利 × 留存率 ÷（1 ＋ 折現率 － 留存率）」這條公式。
CLV 多少算好？
沒有跨產業通用的標準，要跟自己的獲客成本比。毛利型 CLV 明顯高於獲客成本，拉新客才划算；兩者接近或 CLV 比較低，代表每拉一位新客都在賠錢，要先處理留存或客單價。
沒有 CDP 也能算 CLV 嗎？
可以。先從 POS 或電商後台匯出交易紀錄，用試算表按會員 ID 加總就能算出第一版。限制是不同渠道的會員數據如果沒有整合，同一位顧客會被拆成好幾個人，算出來的 CLV 會偏低。
資料來源：Amy Gallo，〈The Value of Keeping the Right Customers〉，《哈佛商業評論》，2014 年 10 月；Sunil Gupta、Donald R. Lehmann，〈Customers as Assets〉，Journal of Interactive Marketing，2003。
