LTC:CAC 并不能真实的反应 SaaS 业务的运营质量。
LTV:CAC 是通过三个变量计算的：ARPC（Average Revenue Per Customer）、Churn 和 CAC。
SaaS 的本质是 recurring，而 LTV:CAC 是基于一个时间点计算的，并没有考虑到时间这一变量。因此只关注 LTV:CAC 的话，一方面没有反应客户行为随时间的变化，另一方面也无法得知 LTV:CAC 数值变化的原因，更没有办法分析业务。
在公司早期，计算某个时间点的 LTV 没有意义：产品、ICP、GTM、Pricing & Packaging、retention 等每天都在发生变化；另外由于早期会做很多获客实验（如付费广告），CAC 的变化也非常大，用单一时刻的 CAC 来计算 LTV:CAC 并不科学。
此外，许多公司在采用 land & expand 和 usage-based pricing 的策略，这就会导致 ARPC、Churn 和 CAC 这三个变量经常变化。只关注 LTV:CAC，将这三个变量合并为一个数值后，就无法分析单个变量的意义，也失去了对业务的深入理解。
LTV:CAC 的本质是评估客户价值和销售效率，在 SaaS 业务中，通过将客户分为月度客群（monthly customer cohorts）来追踪用户行为随时间的变化，能够更好的评估销售效率和客户价值。
其中，销售效率可以通过计算每个客群队列的 CAC，以及该客群的 breakeven 时长（Cohort Customer Acquisition Cost Payback, CCAC Payback）来计算；客户价值可以通过追踪客群队列的 NDR 随时间的变化来计算。
LTV:CAC 忽视了用户行为随时间的变化
LTV=ARPC/Revenue churn，先看下 APRC。
ARPC 的第一个问题是，没有考虑单个用户行为随时间的改变：
假设有三个用户都订阅了产品四个月，其中
-
用户 1 的营收分别为 100、200、300、400、500 美金；
-
用户 2 的营收分别为 500、400、300、200、100 美金；
-
用户 3 的营收分别为 300、300、300、300、300 美金；
假设公司只有这三个用户，那么每个月的 ARPC 都是 300 美金，但实际有的用户营收在变高，有的用户收入在变低，有的用户收入一直没变。
ARPC 的第二个问题，也是更重要的问题是，ARPC 忽略了用户的潜在增长。
考虑这样一个场景，公司有 10 个客户的订阅费从第一个月的 1000 美金/月增长到第八个月的 10000 美金/月，但这个月还有 10 个客户是刚刚订阅，他们的订阅费还是 1000 美金/月，这样当前月份的 ARPC 是 5500 美金。
但实际这并不准确，因为这样计算的 ARPC 忽略了这 10 个新用户在未来八个月的增长。如果这 10 个新用户像之前的用户一样第八个月增长到 10000 美金的每月付费金额，那么真实的 APRC 应该是 10000 美金：
传统的单点时刻的 ARPC 计算会让你错过一个关键的信号，即客户的收入可以在 8 个月内增长 10 倍。由于 land & expand 和 usage-based pricing ���得越来越普遍，追踪营收随着时间的变化非常重要。
接下来看下 Churn，早期公司产品、定价、用户画像经常调整，在很多变量同时快速变化时，其实没有办法明确地定义什么才是真正的流失。同理，早期公司的 GTM 会经常做实验和调整，导致 CAC 随之波动。
使用客群分析而不是 LTV:CAC
使用客群分析首先需要评估 CCAC Payback：计算每个 cohort 的 CAC（CCAC）以及该 cohort 的 payback 时间（毛利）。
计算 CCAC 需要确定两个因素：获取一个 cohort 的全部成本（包括 marketing spend, sales team salaries, commissions, sales tools 等），以及销售周期。这里假设销售周期为一个月，这样一月份的 S&M 支出就是二月份 cohort 的 CCAC。
这个表格表达的是每个 cohort 在 X 个月后的累计毛利。比如，二月开始的 cohort 在第一个月的毛利为 10200 美金，在第九个月的累计毛利为 58900 美金，其中二月 cohort 的 CCAC 即公司在一月份的 S&M 支出，具体数值表中未列出，假设在第九个月时累计毛利超过了 CCAC，则高亮。
以此类推，三月开始的 cohort 在八个月后的累计毛利就超过了二月份的 S&M 支出。可以发现二月 cohort 的 payback 时长为 9 个月，三月 cohort 为 8 个月，四月 cohort 为 7 个月。随着时间的流逝，黄色高亮的位置向左移动，代表 CCAC Payback 时长变得越来越短，即销售效率的提升。
在这种情况，CCAC Payback 时长随着时间的流逝反而变长，代表销售效率的降低。
CCAC Payback 的理想时间为：
-
SMB < 6 个月，2%-5% monthly revenue churn
-
Mid-Market < 12 个月，1%-2% monthly revenue churn
-
Enterprise < 18 个月，1% monthly revenue churn
**使用客群分析其次要评估单个 cohort 随时间的表现，即 NDR。**在这个表格中，每个 cohort 的第一个月贡献的收入视为 1，后续每个月的收入都和第一个月的收入做比较。在这个例子中，可以从两个角度看到 NDR 在变好：从上到下分析，即二月 cohort 的四个月后 NDR 为 59%，到了十月份时，四个月后的 NDR 提升到了 122%；从左到右分析，二月 cohort 的 NDR 一直在降低，但后续的 cohort 的 NDR 都在一直提升，超过 100%。
同理相反，下图就是一个 NDR 在变差的例子：
对于有流失的公司来说，目标 NDR 是 100%。最好的公司可以在所有 cohort 中实现 120%-150% 的 NDR。
综上在评估 cohort 表现时，我们需要分析 payback 是否在提升，以及随着时间的流逝，cohort 是否在增长或扩张。早期公司的创始人应该使用这样的框架而不是 LTV:CAC 来得到洞见，进而帮助做出更好的决策，实现长期发展。