#relationships·Jul 17, 2026·6 分鐘閱讀
AOV vs LTV: Which Revenue Metric Drives Smarter Ad Decisions?
AOV（平均訂單價值）告訴您每筆交易的典型收入。LTV（客戶終身價值）則預測客戶在與您的業務的整個關係中產生的總收入。核心問題是：您是在優化單次購買，還是長期客戶價值？
核心差異：交易 vs 關係
AOV = 總收入 / 訂單數量。這是購物籃大小的快照。
LTV = (平均訂單價值 × 購買頻率 × 客戶生命週期)。這是客戶總價值的預測。
關鍵對比：
- 時間範圍：AOV 是歷史性的（過去的訂單）；LTV 是預測性的（未來收入）。
- 使用場景：AOV 有助於優化結帳加購或最低免運門檻。LTV 則指導獲客支出和留存預算。
- 依賴關係：LTV 將 AOV 作為其中一個輸入，但還需要頻率和流失數據。
所以呢？ 高 AOV 但低重複購買率可能掩蓋了失敗的留存策略。低 AOV 但高 LTV（例如訂閱模式）可能非常有利可圖。
何時該使用哪一種
選擇 AOV 時機：
- 您執行 一次性購買 活動（例如：限時搶購、季節性優惠）。
- 您想快速測試 定價或組合 策略。
- 您的商業模式 重複購買率低（例如：家具、家電）。
選擇 LTV 時機：
- 您有 訂閱或重複購買 模式（例如：SaaS、消耗品）。
- 您需要設定 客戶獲取成本（CAC） 上限。
- 您正在決定 留存 vs 獲取 的預算分配。
同時使用兩者時機：
- 您想 優化完整漏斗：AOV 用於轉換率優化，LTV 用於客戶權益。
- 您正在建立 同類群組分析，以了解 AOV 在客戶生命週期中的變化。
它們如何分叉
計算方式
- AOV：總收入 / 訂單數量。簡單且回顧性。
- LTV：AOV × 購買頻率 × 客戶生命週期（或更複雜的群組模型）。前瞻性，需要流失數據。
時間範圍
- AOV：單筆交易的快照。
- LTV：整個客戶關係的累積價值（數月或數年）。
業務影響
- AOV：優化每筆訂單的即時收入（例如，追加銷售、最低訂單門檻）。
- LTV：指導獲取支出、留存計劃和客戶分群。
它們在哪裡重疊
兩者皆為平均值
兩項指標皆透過客戶或訂單數量來標準化營收，使其在不同群體間具有可比性。
兩者皆可評估行銷投資回報率
平均訂單價值有助於評估廣告創意成效；客戶終身價值則有助於為高價值群體合理化較高的客戶獲取成本。
兩者單獨使用時可能產生誤導
平均訂單價值忽略重複購買行為；客戶終身價值可能因長期假設而被高估。務必搭配其他指標（如客戶獲取成本、流失率）使用。
真實場景
D2C 訂閱盒：AOV 隱藏了真實故事
情境。一家美妝盒公司看到 AOV = 35 美元，看似健康。但 LTV = 210 美元（6 個月平均壽命 × 35 美元 AOV）。
- 發生了什麼： 他們為了優化 AOV，將最低訂單金額提高到 50 美元，導致新註冊人數減少 20%。
- 他們檢查了什麼： LTV 降至 150 美元，因為更少的客戶停留超過第二個月。
結論： 單獨優化 AOV 可能會提高進入門檻，從而損害 LTV。使用 LTV 來設定正確的 AOV 目標。
限時搶購活動：AOV 是英雄
情境。一家電子零售商舉辦 24 小時限時搶購。他們衡量 AOV 以查看組合包是否增加了購物籃大小。
- 發生了什麼： 由於「滿 150 美元免運費」提示，AOV 從 120 美元上升到 180 美元。
- 他們檢查了什麼： LTV 無關緊要，因為大多數客戶是一次性買家。
結論： 對於一次性活動，AOV 是正確的指標。LTV 只會增加干擾。
它們如何一起工作
當您需要快速獲得定價或捆綁銷售的回饋時——例如測試「買二送一」優惠。測試後平均訂單價值（AOV）會立即改變。
當您設定獲取客戶的預算時——LTV / CAC 比率 > 3 是常見的健康基準（根據 IAB）。
當您根據價值對客戶進行分群時——例如，高 AOV / 低 LTV 的客戶可能需要留存優惠；低 AOV / 高 LTV 的客戶則值得投入更多廣告支出。
對照速覽
| 觀察角度 | AOV | LTV |
|---|---|---|
| 定義 | 每筆訂單收入 | 客戶終身總收入 |
| 公式 | 總收入 / 訂單數 | 平均客單價 × 購買頻率 × 客戶生命週期 |
| 時間範圍 | 單次交易 | 完整客戶關係 |
| 最佳適用 | 一次性購買活動、定價測試 | 訂閱模式、獲客預算規劃 |
| 所需數據 | 訂單層級收入 | 訂單歷史 + 流失/留存數據 |
| 常見陷阱 | 忽略重複購買潛力 | 高估客戶生命週期長度 |
常見誤區
混淆平均客單價與獲利能力
為何混淆是錯的。高平均客單價不代表高利潤——產品利潤率可能很薄。
- 正確做法：始終將平均客單價與每筆訂單毛利率或貢獻利潤率搭配分析。
在缺乏流失率數據的情況下使用客戶終身價值
為何混淆是錯的。客戶終身價值預測的準確度取決於流失率模型的品質。過度樂觀的客戶生命週期假設會高估客戶終身價值。
- 正確做法：使用基於同期的客戶終身價值（例如：根據實際留存曲線計算的12個月客戶終身價值），而非簡易公式。
快速測驗
測試您是否能區分這些指標。
single
哪個指標的計算包含購買頻率？
請選擇答案
僅供學習，不構成投放建議。