单位经济模型：LTV/CAC 的算法与常见误用
2026-10-19LTV/CAC 被误用的地方比用对的多
LTV/CAC > 3 被当成一条铁律，但它经常被算错到失去意义。最常见的两种错法是：把短期收入当 LTV，以及把总营销费用除以总用户数当 CAC。两个数字都被"美化"过，比值自然好看。
先把口径定对，比值才有意义。
口径怎么定
| 指标 | 常见错误算法 | 正确口径 |
|---|---|---|
| CAC | 总推广费 ÷ 全部注册用户 | 总获客成本 ÷ 新增付费客户数，且成本要含人力、工具与渠道分成 |
| LTV | 首单金额，或首年收入 | 单客户全生命周期贡献的毛利，不是收入 |
| 回收期 | 基本不计算 | 从获客那天起，多久能用毛利收回 CAC |
| 留存率 | 用月活代替留存 | 按同期群（cohort）看第 N 个月还在付费的比例 |
关键差别在毛利两个字。用收入算 LTV 会系统性高估：如果你的毛利率只有 30%，用收入算出的 LTV 是实际贡献的 3 倍多。
三个数字要一起看
- LTV/CAC：衡量获客效率。通常要求大于 3，但前提是 LTV 用毛利、CAC 用付费客户数计算。
- 回收期：衡量现金流压力。回收期超过 12 个月，意味着你扩张越快、现金越紧。这一项比比值更容易致命。
- 留存率：决定 LTV 能不能实现。留存差了，LTV 公式里的"生命周期"直接坍缩。
三者中回收期的杀伤力最大：比值再漂亮，如果每获一个客户要 18 个月才回本，你就需要用持续融资来撑增长，一旦融资中断，增长立刻停止。
完整提示词
你是负责单位经济模型的投资分析师。请审查并重算我的 LTV/CAC。
【我提供的数据】
（获客费用总额及其构成、新增注册数、新增付费客户数、客单价、毛利率、月流失率或留存曲线、平均生命周期）
【任务】
第一步 口径校准
逐项检查我提供的数据，指出哪些口径不对（例如用收入代替毛利、用全部用户代替付费客户），并说明会导致高估还是低估。
第二步 重算
用校准后的口径重算 CAC、LTV（必须用毛利）、LTV/CAC、回收期（月）。
每一项写出公式与代入的数值，不要只给结果。
第三步 敏感性与临界点
分别回答：
- 若毛利率下降 10 个百分点，LTV/CAC 变成多少
- 若月流失率翻倍，回收期变成多少
- 让 LTV/CAC 降到 3 以下的临界流失率是多少
第四步 缺失项
明确指出为完成上述计算，我还缺少哪些数据，以及每一项应该怎么获取。
【要求】
- 不要用行业平均值替代我的数据；缺就写"缺"
- 不要给我"建议提升留存"这类泛泛建议
- 结果保留合理位数，不要假精确怎么用
- 先看"口径校准"这一步。很多项目的 LTV/CAC 问题不在经营，而在算法。
- 要求它写出公式和代入数值。只给结果的计算无法核对，也无法复用。
- 临界值那一节最有决策价值："LTV/CAC 降到 3 以下的临界流失率是多少"直接告诉你留存的警戒线。
- 回收期按月看。超过 12 个月就要认真考虑融资节奏与扩张速度的匹配。
- 缺失项清单就是你的数据补全任务，优先补毛利率和留存曲线这两项。
示例输出节选
口径校准：
1. 你提供的 LTV = 客单价 600 元 × 24 个月 = 14400 元，用的是收入。按毛利率 35% 计，正确 LTV = 14400 × 35% = 5040 元。原算法高估 2.86 倍。
2. 你提供的 CAC = 推广费 60 万 ÷ 新增注册 12000 = 50 元。分母含未付费用户，且未计入销售人力。按付费客户 2400 人、销售人力成本 18 万计，CAC = (60+18) 万 ÷ 2400 = 325 元。原算法低估 6.5 倍。重算：LTV/CAC = 5040 ÷ 325 = 15.5。回收期 = 325 ÷ (600×35%) = 1.55 个月。
临界值：当前月流失率 4.2%。若月流失率升至 9.1%，LTV 降至约 975 元，LTV/CAC 跌破 3。
注意这个例子里，原始算法的比值是 288（14400 ÷ 50），校准后是 15.5——两者相差近 19 倍。这就是口径的重要性。
常见误区
- 用收入算 LTV。必须用毛利。这是最高频的错误。
- CAC 分母用全部用户。免费用户不产生收入，却摊薄了 CAC。
- 不算回收期。它比比值更能反映现金流风险。
- 用平均值代替同期群。平均留存会掩盖早期用户流失快的问题。
- 用行业均值补缺口。行业均值不能替代你自己的一线数据。