大约9个月前，我发布了NFL竞猜应用程序Gridiron Trivia，并在七月份开始通过内购和订阅收入来进行商业化。

该业务模型与NYT Games类似：每日竞猜免费，但附带广告，针对每天竞猜者可以通过一次性付款购买，而订阅者则可以无广告，并享受所有竞猜收藏。

应用程序到NFL赛季结束时规模达到约10K月活用户（MAU），而无广告支出，但随着赛季结束，增长开始逐渐减慢。 Instead of 焦点在用户获取（user acquisition）上，我决定花费时间来尝试提升用户生命周期价值（ Lifetime Value, LTV）通过测试不同付款方案。

在过去的两个月中，我运行了一项实验，结果比我预期的还要好。

在实验之前，定价与衡量基准数据如下：

• 会员价格： $4.99/月 | $39.99/年 | $59.99_lifetime Pricing|$34.99_lifetime
• 占比：80% | 15% | 5%
• 转换付款：5.3%
• 相对生命期价值：_live_time LTV >>_yearly LTV >>_monthly LTV

目标是测试特殊定价/折扣方案适合不同用户段群（user cohorts），是否会改善生命周期价值（LTV）与现有的设置。

实验设计

新用户则被随机分配到4个组中（每组均有相等的用户数量）：

• 组A：$24.99/年专门折扣
• 组B：$34.99_lifetime_special_special
• 组C：7天免费试用后 $4.99/月
• 组D：控制组

我使用了Truflag来运行实验：

• 创建了一个标志使我能够返回A、B、C、或D
• 创建了一个跟踪订阅/付款的指标
• 使用该标志和指标创建一个实验，覆盖了100%的新用户，用户比例25/25/25/25
• 在程序中读取标志并在用户完成3场比赛后显示相应的折扣提醒模式

实验结果

| 组 | 供选折扣 | 支付转换率 | 购买比例 | 初始收入影响 | 预期 LTV 改进率 | 组 | 折扣 | 支付转换率 | 购买比例 | 初始收入影响 | 预期 LTV 改进率 | 组 | 7天免期 | 支付转换率 | 购买比例 | 初始收入影响 | 预计 LTV 改进率 | 组 | 控制组 | 支付转换率 | 购买比例 | 初始收入影响 | 相关LTV |
| :- | :- | :- | :- | :- | :- | :- | $24.99 / 年折扣 | 6.4% | 月度购买58% / 每年52% / 永久8% - | +50.4% | +33.0% | 组 | $34.99_年_折扣 | 5.9% | 月度购买52% | / 年52 % / 每年36% | +71.3% | +31.6% | 组 | 7天免期后 | 8.0% | 月度购买88% | / 年9% / 每年3% | -37.3% | +27.6% | 组 | 控制组 | 5.3% | 月度购买80% | / 年15% | / 每年5% | 基线 | 基线 |

3个测试组所有用户数在预期 LTV 上所有超出了实验组。

组C取得了最高的付款转换率，但免试期折扣给了用户伤害初始收入最终结果并不是最好的选择。

我关注的主要指标是预期 LTV 改进率，且组A执行得最好，优于实验组+33.0%。

此次实验的几点关键收获是：

• 优惠结构对收入比我预期的影响更大
• 高支付率自动意味着最佳营收并不一定是这样。
• 值得终身折扣最终比我预期的更好。

是否有其他人在试用优惠折扣、免试期或终生折扣，如您所述的结果和其他人对如何改进 LTV 值的建议。