解读

面试官问“外部权益的增量LTV”，核心想验证三件事：

1. 你能否把外部权益（如联合会员、流量卡、外卖券）与自有业务做因果隔离；
2. 你能否用可落地的数据模型算出“因为权益而多出来的那部分用户终身价值”，而不是简单把整体LTV上涨归功于权益；
3. 你能否把结论换算成人民币并反哺预算决策，让老板一眼看懂“花1元买外部权益到底赚几元”。
   在中国互联网场景里，外部权益往往由阿里88VIP、京东PLUS、运营商合约包、银行信用卡积分等提供，数据墙厚、归因难，所以必须给出可复现、可审计、可AB的解法。

知识点

1. 增量LTV定义：实验组（曝光并领取外部权益）与对照组（未曝光或未领取）在同一统计周期内的边际现金流折现差，而非整体LTV。
2. 三层归因模型：
   ① 渠道层——用加密手机号+设备ID做外部权益领取与内部账号的精确mapping；
   ② 行为层——以领取时刻为T0，拆分后续30天、90天、365天的ARPU、频次、留存差异；
   ③ 财务层——把外部权益成本（结算价、券面价、CPX分成）与内部边际成本（履约、客服、支付费率）全部扣减后算边际贡献。
3. 中文互联网合规点：必须走联盟广告ID或工信部可信ID方案，不可明文手机号，否则无法过法务审计。
4. 敏感系数校验：对薅羊毛概率>5%的权益需做Propensity Score Matching，剔除高LDI（低深度指数）用户，防止增量LTV被伪增量稀释。
5. 预算门槛公式：只有当增量LTV/外部权益结算价≥3.5（电商）或**≥2.2**（本地生活）时，才建议放量，该阈值来自2023年双11天猫行业复盘的中位数ROI安全线。

答案

我给出一套在阿里/京东/抖音都跑通的五步法，可在两周内输出财务级增量LTV结论：

1. 实验设计：与外部权益方签订**“数据回传补充协议”，要求对方T+1回传加密设备ID+权益领取标记**；内部用埋点事件“external_coupon_claim”接收，确保实验组=曝光且领取，对照组=曝光未领取（若无法曝光，则用PSM匹配同特征人群）。
2. 数据清洗：剔除历史30天有同类权益使用记录的用户，防止存量干扰；同时剔除风控评分<60的账号，降低薅羊毛噪声。
3. 指标计算：
   ① 收入端：跟踪实验组vs对照组在T+0到T+365的GMV、毛利、佣金，用12%折现率（国内电商WACC中位数）折现；
   ② 成本端：把外部权益结算价与内部履约增量成本相加，得到边际成本；
   ③ 增量LTV公式：Σ（实验组毛利-对照组毛利-边际成本）/（1+12%）^t。
4. 显著性校验：用Bootstrap 5000次抽样，确保增量LTU（Lifetime Utility）的95%置信区间下限>0；若下限为负，立即停止放量。
5. 业务落地：把结论写成**“1元外部权益结算价带来3.8元增量LTV（95%CI: 3.2~4.4）”的一页A4报告**，同步给财务、采购、法务，解锁下一季度预算。

拓展思考

1. 多权益叠加时，需引入Shapley Value做贡献拆分，否则直播券+支付立减+外部会员会重复计算增量LTV。
2. 线下场景（如便利店换购）因POS数据回传延迟，建议用7天滚动窗口+贝叶斯层级模型补偿缺失数据。
3. 长期品牌资产：若外部权益与高线年轻用户强相关，可把增量LTV上调5%~8%作为品牌溢价，但必须在年报里单独披露这一非现金调整项，满足中国证监会《会计监管风险提示》对收入确认的要求。