LTV Optimize（生命周期优化）是Liftoff在行业首次提出的机器学习解决方案，可以使用广告商的预测LTV（pLTV）分数来为其业务定位最佳用户。Venkat Akkinepally是Liftoff的产品经理，在本次访谈里和我们一起深入探讨了LTV Optimize背后的广告定位技术有何奥妙，以及如何才能提升pLTV。

Liftoff：多年来，营销人员已经成功优化了基于CPI（每次安装成本）、CPA（每次行动成本）和D7 ROAS（7日广告支出回报率）的买量营销活动，为何现在需要优化基于LTV的营销活动？

Venkat：在2022年10月之前，移动营销人员不得不将CPI、CPA和D7 ROAS优化作为LTV的参考数值，因为直接的LTV优化并不存在。如今，业界认为D7 ROAS是衡量买量活动成功与否的关键指标，但事实并非如此。广告商关心D7 ROAS，也关心DAU（日活用户）、ARPDAU（日活用户平均收益）、留存和许多其他纳入LTV模型的指标。仅针对D7 ROAS优化买量营销意味着忽略其他所有能助力LTV实现更显著提升的重要指标。

用户通常不会在安装应用后的第一周内进行大笔消费，仅这一点，就让为实现D7 ROAS目标而进行的营销活动优化显得没那么有价值。

但业内还是依靠D7 ROAS机器学习模型来识别、获取那些会在第一周进行大笔消费的个别氪佬用户。目前的D7 ROAS广告买量模式存在缺陷，其原因有二：第一，广告商之间的竞争提升了购买D7氪佬用户的成本；第二，D7 ROAS机器学习模型忽略了其他会在安装后3-6个月（或7天后）进行持续消费的用户或氪佬。

而且这些短期指标（CPI、CPA和D7 ROAS）经常与营销人员的长期LTV目标不一致，所以业内需要一个能够直接基于LTV进行营销活动优化的解决方案。

Liftoff：您提到说“在2022年10月之前……直接的LTV优化并不存在”，为什么呢？

Venkat：大多数营销人员都在针对LTV进行优化，但每个广告商都对“什么是有价值的用户”有自己的看法，并针对自己的应用建立了独特模型，以预测用户可能带来的价值。因此，我们无法创建仅针对LTV指标进行优化，且满足所有人需求的机器学习模型。

总而言之，营销人员的目标很复杂，但不得不退而求其次，选择针对D7 ROAS等短期指标进行优化的营销活动。

因此，在2022年，Liftoff Accelerate的产品团队与Liftoff20家重量级广告商一起探讨革命性的解决方案，该方案将根据客户的独特需求定制Liftoff机器学习模型，而最终的结果就是LTV Optimize。

Liftoff Accelerate 的产品经理Venkat Akkinepally 表示：“我们正在以更低的成本为广告商定位更好的长期用户，因为我们在倾听客户的声音。”

Liftoff：我已经迫不及待了，什么是LTV Optimize，它要如何运作呢？

Venkat：假如你是买量经理，在自己的平台上看到一位名叫“小红”的用户。你知道Liftoff Accelerate在三个月前把小红吸引到了你的应用里，数据分析师已经给小红评好了pLTV分数。现在，通过LTV Optimize，买量经理可以给Liftoff发送小红的分数，以描述其用户表现。如果小红分数很高，Liftoff的LTV Optimize机器学习模型将识别并获取与小红属性相同的新用户。假设其中一个用户是“小明”。你告诉我们小明的分数也很高，Liftoff的LTV Optimize机器学习模型将定位与小红、小明属性相似的新用户，以此类推。

这意味着LTV Optimize会获取那些已被证明会在应用上进行转换的同类型用户，从而减少买量活动中的不确定性。因为Liftoff会根据用户发送的pLTV分数来调整机器学习模型，LTV Optimize为每个应用定制买量方案。更重要的是，我们正在以更低的成本为广告商定位更好的长期用户，因为我们在倾听客户的声音。

只有Liftoff有能力根据用户的pLTV分数来买量，这一切都要归功于Liftoff Optimize。

Liftoff：用户通过LTV Optimize获得了什么样的结果？

Venkat：我们可以看到早期使用者取得的巨大成果，真的非常特别。平均而言，与基于D7 ROAS优化的买量模型相比，广告商通过LTV Optimize买量的pLTV上涨了14%，CPI下降了40%。

Liftoff：太了不起了！什么类型、地域、平台的应用特别适合LTV Optimize呢？

Venkat：其实安卓平台的营销活动表现非常突出。令人惊讶的是，与基于D7 ROAS优化的买量模型相比，广告商通过LTV Optimize买量的pLTV上涨了36%，CPI下降了44%。

Liftoff：LTV Optimize有什么缺点或挑战吗？现在听起来有点太完美了。

Venkat：当然啦。与任何机器学习模型一样，LTV Optimize在预测时存在固有风险。归根结底，这完全取决于广告商提供的pLTV分数。如果我们收到的分数不准确，可能会导致重新分配在买量上的支出，广告商也可能不得不重新调整其评分方式（系数、权重等）。

此外，由于LTV Optimize定位的是在更长时间段（大于7天）里的理想用户，Liftoff发现，当广告商开始通过LTV Optimize进行买量时，D7 ROAS会下降。所以，如果广告商认为D7 ROAS和LTV一样重要，或更重要，那么LTV Optimize可能就不太适合。

Liftoff：考虑到所有这些因素，对于那些想要提升pLTV，但仍在使用D7 ROAS和其他短期指标的营销人员，您有何建议？

Venkat：放手一试，快来体验LTV Optimize。不论是自己提供用户pLTV分数的广告商，还是和他人合作，评估pLTV分数的广告商，都是我们的客户。Liftoff有能帮助广告商评估pLTV分数的合作伙伴，并一直在寻找更多合作伙伴，让注册的过程更快捷。

关于Liftoff

Liftoff 是移动行业领先的一站式增长加速平台，通过广告投放和流量变现相关解决方案，帮助移动应用广告主、发行商、游戏开发者和需求方平台实现业务规模化增长。Liftoff 依托 Accelerate (DSP)、Direct (直客）、Influence（达人营销）、Monetize（广告变现）、Intelligence (GameRefinery数据分析) 和 Vungle Exchange 在内的一系列解决方案，服务于来自全球 74 个国家和地区超过 6,600 家移动企业，涵盖游戏、社交、金融、电商、娱乐等垂直领域。Liftoff 发起的“ 移动先锋” (Mobile Heroes) 计划致力于推动移动营销行业发展，汇集了超过 3,000 名应用营销人、变现领域专家以及游戏开发者，已成为业界知名的全球社区。Liftoff 连续六年上榜 Inc.5000 “全美发展最快私营企业”榜单，并多次荣获 Stevie(R) 美国商业大奖，荣膺最快增长科技企业。Liftoff 成立于 2012 年，总部位于美国加州红木城，业务遍及全球。