输入新老客户获客成本与复购，计算新客户生命周期价值更高。

1. 实际应用场景描述

在智能制造与数字化工厂领域，企业不仅生产产品，还依赖数字化营销与客户关系管理（CRM）系统来提升销售效率。

常见的业务痛点包括：

- 获客成本高：尤其是新客户，需要大量广告投放、展会、渠道合作等投入。

- 复购率差异大：老客户对品牌信任度高，复购率通常高于新客户。

- 资源分配不合理：如果只关注新客户，可能忽略老客户的长期价值。

因此，企业需要量化新客户与老客户的生命周期价值（Customer Lifetime Value, CLV），从而优化营销预算和客户维护策略。

2. 痛点引入

- 数据分散：获客成本、复购率、平均订单金额等数据可能来自不同系统（ERP、CRM、营销平台）。

- 计算复杂：CLV 涉及未来现金流预测，需考虑折现率、复购周期等。

- 决策支持不足：缺乏自动化工具快速对比新老客户价值。

3. 核心逻辑讲解

CLV 公式（简化版）：

CLV = \frac{\text{平均订单金额} \times \text{年购买次数} \times \text{客户生命周期（年）}}{1 + \text{折现率}} - \text{获客成本}

- 新客户：获客成本高，复购率较低，生命周期短。

- 老客户：获客成本低（接近 0），复购率高，生命周期长。

我们通过输入两类客户的参数，分别计算 CLV，并比较大小。

4. 项目结构

clv_comparison/

│

├── clv_calculator.py # 核心计算模块

├── data_input.py # 数据输入模块

├── main.py # 主程序入口

├── utils.py # 工具函数

├── README.md # 项目说明

└── requirements.txt # 依赖列表

5. 代码实现（模块化 + 注释）

"requirements.txt"

# 无第三方库依赖，仅使用标准库

"utils.py"

def validate_positive_number(value, name):

"""验证数值是否为正数"""

if value <= 0:

raise ValueError(f"{name} 必须为正数")

return value

"data_input.py"

def get_customer_data(customer_type):

"""

获取客户数据

:param customer_type: 'new' 或 'old'

:return: dict 包含 avg_order_value, purchase_per_year, life_years, acquisition_cost, repurchase_rate

"""

print(f"请输入 {customer_type} 客户数据:")

avg_order_value = float(input("平均订单金额: "))

purchase_per_year = int(input("每年购买次数: "))

life_years = float(input("客户生命周期（年）: "))

acquisition_cost = float(input("获客成本: "))

repurchase_rate = float(input("复购率 (0~1): "))

# 验证

from utils import validate_positive_number

validate_positive_number(avg_order_value, "平均订单金额")

validate_positive_number(purchase_per_year, "每年购买次数")

validate_positive_number(life_years, "客户生命周期")

validate_positive_number(acquisition_cost, "获客成本")

if not (0 <= repurchase_rate <= 1):

raise ValueError("复购率必须在 0~1 之间")

return {

"avg_order_value": avg_order_value,

"purchase_per_year": purchase_per_year,

"life_years": life_years,

"acquisition_cost": acquisition_cost,

"repurchase_rate": repurchase_rate

}

"clv_calculator.py"

def calculate_clv(data, discount_rate=0.1):

"""

计算客户生命周期价值

:param data: dict 客户数据

:param discount_rate: 折现率

:return: CLV

"""

# 考虑复购率调整年购买次数

effective_purchases = data["purchase_per_year"] * data["repurchase_rate"]

total_revenue = data["avg_order_value"] * effective_purchases * data["life_years"]

discounted_revenue = total_revenue / (1 + discount_rate)

clv = discounted_revenue - data["acquisition_cost"]

return clv

"main.py"

from data_input import get_customer_data

from clv_calculator import calculate_clv

def main():

print("=== 新客户 vs 老客户 CLV 比较程序 ===")

try:

new_customer = get_customer_data("新")

old_customer = get_customer_data("老")

clv_new = calculate_clv(new_customer)

clv_old = calculate_clv(old_customer)

print("\n=== 结果 ===")

print(f"新客户 CLV: {clv_new:.2f}")

print(f"老客户 CLV: {clv_old:.2f}")

if clv_new > clv_old:

print("结论: 新客户生命周期价值更高")

elif clv_new < clv_old:

print("结论: 老客户生命周期价值更高")

else:

print("结论: 两者生命周期价值相等")

except Exception as e:

print(f"错误: {e}")

if __name__ == "__main__":

main()

6. README.md

# CLV 比较工具

用于比较新客户与老客户的生命周期价值（CLV），帮助企业在智能制造与数字化工厂背景下优化客户投资策略。

## 功能

- 输入新老客户数据

- 自动计算 CLV

- 输出比较结果

## 使用方法

1. 安装 Python 3.x

2. 运行 `python main.py`

3. 按提示输入数据

## 示例数据

新客户:

- 平均订单金额: 500

- 每年购买次数: 2

- 生命周期: 3

- 获客成本: 300

- 复购率: 0.3

老客户:

- 平均订单金额: 500

- 每年购买次数: 4

- 生命周期: 5

- 获客成本: 50

- 复购率: 0.8

7. 使用说明

1. 确保 Python 环境已安装。

2. 下载项目文件到本地。

3. 在终端执行

"python main.py"。

4. 根据提示输入新老客户的数据。

5. 查看 CLV 比较结果。

8. 核心知识点卡片

知识点 说明

CLV 公式 客户生命周期价值 = 收入现值 - 获客成本

折现率 反映资金时间价值，常用 10%

复购率 影响有效购买次数

模块化设计 分离数据输入、计算、工具函数，便于维护

数据验证 防止非法输入导致计算错误

9. 总结

本程序通过简单的 Python 脚本实现了新客户与老客户 CLV 的比较，适用于智能制造与数字化工厂领域的客户投资分析。

核心价值：

- 数据驱动决策：避免凭经验分配营销预算。

- 可扩展性：可接入数据库或 API 获取真实数据。

- 易用性：交互式输入，适合业务人员使用。

未来可加入：

- 多客户批量计算

- 可视化图表（matplotlib/seaborn）

- Web 界面（Flask/Django）

如果你需要，还可以生成可执行的 EXE 文件或者做成 Web 版本，这样业务部门可以直接在浏览器里使用。

利用AI解决实际问，如果你觉得这个工具好用，欢迎关注长安牧笛！