想象你在小区门口盘下一家“AI 智能健身房”。每台器械都配了一位 AI 教练，出方案要烧算力，说话要耗电费。开业前你有一堆难题：要不要让人免费进店体验三天？月卡、季卡、年卡各定多少钱？按次收费还是包月随便用？最头疼的是，很多会员办卡后头一个月还来，第二个月就消失——可 AI 教练的电费一分不少照烧。再往深算，就算人留住了，电费太贵也可能白忙一场。这些烦恼，和做一款 AI SaaS 产品几乎一模一样。这篇文章就用这家健身房打比方，把 AI SaaS 订阅制的免费转化、分层定价、计费取舍、留存运营、成本控制和盈利模型一次讲透。

岗位关联

对 AI 从业者：理解订阅制定价与运营，是把技术能力变成可持续现金流的关键，也是 AI 产品经理、商业化负责人和创业者的核心基本功。

目录
  1. 可视化演示
  2. 免费转化路径
  3. 分层定价策略
  4. 计费模式取舍
  5. 用户留存运营
  6. 成本控制要点
  7. 盈利模型构建
  8. AI 应用场景
  9. Python 演示
  10. 常见误区
  11. 面试题

可视化演示

转化漏斗、分层定价、计费模式与盈利模型全流程。

本节配有交互动效（进入视口后自动加载，约 3KB）。

免费到付费转化漏斗 免费版设定合理用量限制引导付费转化 免费版用户需体验核心价值后转化 Conversion = Paid / Total Users 转化路径设计决定SaaS的盈利能力

免费转化路径

你开健身房，第一步想的是怎么让人先走进来。你挂出“前三天免费体验，教练全程带练”的牌子，还故意把私教区用玻璃隔起来——看得见，摸不着。来体验的人练得正起劲，第三天晚上收到一条消息：“体验今晚截止，办年卡立减 500。”这就是免费到付费的转化路径：先用低门槛把人拉进来，再用“看得见的特权”制造付费冲动。

对应到 AI SaaS，免费不是做慈善，而是一条精心设计的坡道。三个关键动作缺一不可：免费试用期要短而完整，一般 7-14 天，刚好让用户完成一次完整工作流并产生依赖；功能限制要精准，限次数、限导出、限高级模型，让用户“够用但不够爽”；付费引导触点要埋在最兴奋的时刻——比如用户用 AI 生成出一张惊艳海报的下一秒，弹出“升级专业版解锁高清导出”。

每个环节都要有数据说话。最核心的指标是“试用→付费”转化率。如果 100 个试用用户里只有 3 个付费，转化率就是 3%。太低了要排查是功能限制太松（免费已够用）还是太狠（用户没体验到价值），太高则要警惕定价偏低。

和健身房一样，体验课结束教练递上价目表的那一刻，就是转化率最高的触点。AI SaaS 要做的，就是把产品里每个“哇！”的瞬间都变成一张隐形的价目表。

转化率=付费用户数试用用户数×100%\displaystyle \text{转化率} = \frac{\text{付费用户数}}{\text{试用用户数}} \times 100\%
这就是衡量免费策略是否有效的“体检指标”：分子是付了钱的人，分母是试用过的人，两者之比就是你的免费策略变成现金的效率。
  1. 分子——付费用户数指一个周期内真正掏钱升级的用户数量，比如一个月有 90 个试用用户转成了付费会员。
    付费用户数\text{付费用户数}
  2. 分母——试用用户数同时期内开始免费试用的用户总数，注意分母是“开始试用”而不是“注册账号”，口径一致才可比。
    试用用户数\text{试用用户数}
  3. 比值换算成百分数用付费人数除以试用人数，再乘以 100%，得到的就是“试用→付费”这一步的转化率。
    付费用户数试用用户数×100%\frac{\text{付费用户数}}{\text{试用用户数}} \times 100\%

分层定价策略

健身房的价目表从来只有一行：月卡 288、季卡 688、年卡 1988。你觉得年卡贵？恰恰是年卡的“贵”让旁边的季卡显得划算。这张价目表的心理学叫价格锚定，但在做锚定之前，你得先想清楚每一档是卖给谁的——这就是市场细分：学生党要月卡，上班族要季卡，重度健身爱好者直接年卡加私教。

AI SaaS 的分层定价同样要先分客群。个人用户、小团队、成长型企业、大客户，对价格和功能的敏感度完全不同。经典做法是三层结构：基础版低价引流，功能刚好够个人使用；专业版主推，增加调用量、高级模型和协作功能；企业版最高的价格，承载私有化部署、专属模型调优和 SLA 保障。功能梯度要拉开差距，让每一档用户都明显感觉到“上面一档更值”。

分层之后还要管住权益差异，防止“套利”：企业版客户买了最高档，转头开一堆基础版小号分给员工用，你的收入就悄悄漏了。出口 IP 绑定、单账号登录限制、专属功能不开放在低档，都是常见手段。定价时另一个重要概念是价格弹性——盲目降价不一定带来更多收入。

价目表上的三行字看似简单，背后是“让每个圈层的用户都觉得占到了便宜”的精密设计。你的 AI 产品，也值得花一个下午好好算算这张表。

Ed=ΔQ/QΔP/P\displaystyle E_d = \frac{\Delta Q / Q}{\Delta P / P}
价格弹性衡量“价格每变动 1%，用户数量跟着变多少”。弹性大说明用户对价格敏感，降价能换量；弹性小说明降价只会白白牺牲收入。
  1. 价格变化率价格从 P 变到 P'，变化量 ΔP 除以原价 P，代表“价格动了百分之几”。
    ΔPP\frac{\Delta P}{P}
  2. 需求数量变化率对应地，付费用户数从 Q 变成 Q'，变化量 ΔQ 除以原数量 Q，代表“用户数量动了百分之几”。
    ΔQQ\frac{\Delta Q}{Q}
  3. 两者相除得弹性数量变化率除以价格变化率就是价格弹性。绝对值大于 1 说明用户对价格敏感，小于 1 说明不敏感，这时降价就是自损利润。
    ΔQ/QΔP/P\frac{\Delta Q / Q}{\Delta P / P}

计费模式取舍

健身房还有两种收费思路：包月随便练，或者按次付费。天天来的人买月卡划算，一周只来一次的人按次付费更省。AI 服务的计费，本质上也是同样的算术题，只是“按次”变成了“按 API 调用量”。

包月订阅的好处是收入可预测，用户没有“怕花钱”的心理负担，愿意多用、玩出更多花样；坏处是高频用户可能把你的算力成本吃穿。用量计费按实际调用量收费，对波动需求公平，也能保护成本，但用户每次点击前都会犹豫：“这一下要花多少钱？”反而抑制了产品体验。于是有了混合计费：一个低价包月打底，包含一定额度，超出部分按量收费，兼顾稳定性和弹性。

选择计费模式前，要算清包月制的盈亏平衡点。假设你的 AI 服务每月固定成本是 F，每个用户收 P 元，服务一个用户的可变成本是 V 元，那么至少要有多少个付费用户才能不亏本？

如果算出来发现需要 10 万用户才能保本，而市场根本没这么大，那就说明包月价格定低了，或者可变成本太高。计费模式切换也要给老用户缓冲——提前 30 天公告、老套餐保留一年，像健身房老会员“终身不涨价”一样，稳住信任。

N∗=FP−V\displaystyle N^* = \frac{F}{P - V}
这是包月模式的“保本线”：分子是每个月的固定开销（服务器底座、团队工资），分母是每个用户贡献的毛利，一除就知道至少需要多少用户才能活下去。
  1. 固定成本 F每个月即使一个用户都没有也要花的钱，比如 GPU 服务器底座、基础研发团队工资。
    FF
  2. 单位边际贡献 P - V每个用户的订阅费 P 减去服务这个用户的可变成本 V（算力、支持），剩下的是“每个用户贡献的毛利”。
    P−VP - V
  3. 相除得保本用户数固定成本除以单位边际贡献，得到刚好覆盖固定成本、不赚不亏的用户数，低于这个数就会越做越亏。
    FP−V\frac{F}{P - V}

用户留存运营

健身房最怕的不是没人办卡，而是办卡后再也不来。器材空着没关系，但 AI 教练的算力每分每秒都在烧钱。聪明的健身房会记录你的打卡记录，发现你 7 天没来，立刻发一条“老会员免费送一节私教课”。AI SaaS 的留存运营，做的是同一件事。

留存的核心是让用户形成使用习惯，把产品嵌入他的日常工作流。具体手段：流失预警，监控登录频次和 API 调用量，活跃度连续下降就触发预警；习惯养成，通过每日报告、定时提醒、使用成就等功能让用户“每天都要来看一眼”；挽留策略，对即将流失的用户给出专属解锁包、免费额度或人工回访，而不是一刀切地打折。

评估留存质量，不能只看流失率这一个数字，更要看“净收入留存率”（NRR，Net Revenue Retention）。它衡量的是：上个月还在付费的老客户，这个月加上增购升级后，收入是变多还是变少。

健身教练盯着你的打卡记录，AI SaaS 运营盯着每个用户的使用温度计。温度降了就要加热，等用户彻底凉了再发优惠券，已经晚了。

NRR=MRR期末+扩展MRRMRR期初×100%\displaystyle \text{NRR} = \frac{\text{MRR}_{期末} + \text{扩展MRR}}{\text{MRR}_{期初}} \times 100\%
NRR 是订阅制 SaaS 的“北极星指标”。超过 100% 说明老客户在持续扩购，收入像雪球一样自己滚大；低于 100% 说明你在靠不断拉新填旧坑。
  1. 期初 MRR月初已有的月度经常性收入，也就是上个月那群老客户这个月本该交的钱。
    MRR期初\text{MRR}_{期初}
  2. 期末 MRR 与扩展 MRR期末存量客户带来的 MRR，加上期间内老客户升级套餐、增购坐席带来的扩展收入。
    MRR期末+扩展MRR\text{MRR}_{期末} + \text{扩展MRR}
  3. 比率与意义两者之和除以期初 MRR，得到净收入留存率。大于 100% 表示老客户收入在增长，小于 100% 表示在萎缩。
    MRR期末+扩展MRRMRR期初×100%\frac{\text{MRR}_{期末} + \text{扩展MRR}}{\text{MRR}_{期初}} \times 100\%

成本控制要点

健身房的电费、器械折旧、私教工资，对应 AI SaaS 的 GPU 算力、模型 API 调用费、客服人力。传统软件多一个用户几乎不花额外成本，但 AI SaaS 每多一次对话、每多一张生成图，都在实实在在烧钱。会员越多，电费越贵，这就是“随规模变大的可变成本”。

算力成本是 AI SaaS 的命门，控制手段要成体系。第一是结果缓存：同样的问题、相似的请求，直接命中缓存返回，不再重复调用大模型，这是见效最快的一刀；第二是批处理：把低峰期的请求合并成批次处理，提高 GPU 利用率，而不是随时空转；第三是小模型兜底：简单的分类、抽取任务用轻量模型完成，只有复杂推理才惊动大模型，像健身房里“普通教练带基础课，金牌教练只带私教”。

做这些之前，你要先建立单位经济模型：算清“每服务一个客户的直接成本”是多少。毛利率是衡量成本控制成效的核心指标。

健身房靠“会员多摊薄房租”，但电费摊不薄；AI SaaS 同理，固定成本可以摊薄，可变算力成本必须精打细算。每优化一次缓存命中率，都是在给毛利率“充电”。

毛利率=ARPU−单客服务成本ARPU×100%\displaystyle \text{毛利率} = \frac{\text{ARPU} - \text{单客服务成本}}{\text{ARPU}} \times 100\%
毛利率告诉你“每收 100 块钱，真正落进口袋的有多少”。如果低于 50%，AI SaaS 做大规模后反而可能亏损，因为可变成本不会随规模摊薄。
  1. ARPUAverage Revenue Per User，每个付费用户平均每月贡献的收入，是所有套餐收入除以付费用户数。
    ARPU\text{ARPU}
  2. 单客服务成本服务一个用户每月消耗的算力、支持等直接成本，注意不要混入房租这类固定成本。
    单客服务成本\text{单客服务成本}
  3. 毛利差与比率收入减去直接成本再除以收入，得到毛利率。AI SaaS 的健康线通常在 50% 以上。
    ARPU−单客服务成本ARPU\frac{\text{ARPU} - \text{单客服务成本}}{\text{ARPU}}

盈利模型构建

现在来算一笔总账。一个会员平均每月花 300 元，毛利率 60%，平均待 20 个月，他一辈子给健身房贡献 3600 元毛利；而拉他进门花的传单加销售提成是 1000 元。这笔生意值不值得做？答案是 3600 除以 1000，等于 3.6。大于 3，放心加大投放；小于 3，赶紧刹车修内功。

盈利模型构建的三大支柱：客户生命周期价值（LTV）、获客成本（CAC）、毛利结构。LTV 是一个客户从进来到流失，一辈子贡献的总毛利；CAC 是获取一个付费客户花掉的全部营销和销售成本。行业经典健康线是 LTV / CAC ≥ 3，意味着每赚 3 块钱毛利，才允许花 1 块钱获客。

规模拐点是另一个关键概念：初期固定成本很高，每月都在亏损；当付费用户数跨过盈亏平衡点后，收入超过固定成本加可变成本，利润开始加速增长。但注意，如果毛利率过低，规模越大亏损缺口越大，永远等不到拐点。LTV 的计算方式如下：

把健身房开到第二家分店之前，先算清两家店的总账。盈利模型就是那本总账——它告诉你每一分投放、每一次定价调整，最终是让雪球变大，还是让雪球融化。

LTV=ARPU×毛利率×1月流失率\displaystyle \text{LTV} = \text{ARPU} \times \text{毛利率} \times \frac{1}{\text{月流失率}}
这就是“一个客户值多少钱”的完整答案：月均贡献的钱乘以他在你这里待的平均月数。月流失率越低，客户待得越久，LTV 越高。
  1. 月均毛利ARPU 乘以毛利率，得到每个用户每月真正贡献的毛利金额，先扣掉直接成本。
    ARPU×毛利率\text{ARPU} \times \text{毛利率}
  2. 平均留存月数月流失率的倒数就是平均留存月数，比如月流失 5%，平均留 20 个月。
    1月流失率\frac{1}{\text{月流失率}}
  3. 相乘得生命周期价值月均毛利乘以平均留存月数，就是客户一辈子带来的毛利总额，即 LTV。
    ARPU×毛利率×1月流失率\text{ARPU} \times \text{毛利率} \times \frac{1}{\text{月流失率}}
  4. 健康线 LTV/CACLTV 还要除以获客成本 CAC，行业经验是大于 3 才值得加速投放。
    LTVCAC≥3\frac{\text{LTV}}{\text{CAC}} \geq 3

AI 应用场景

用 NRR 仪表盘守护 AI 客服 SaaS 的存量收入

阶段：用户留存运营

解决的问题：传统做法只盯注册量和流失率，容易“增量掩盖存量”——一边大量拉新，一边老客户悄悄流失。通过 NRR 和流失预警，把运营重心转向存量客户的增购与续费。

具体案例：某 AI 客服 SaaS 发现企业客户在追加坐席、升级知识库容量时会产生大量扩展收入，于是按月监控 NRR，并对连续两周调用量下降的客户自动触发预警工单，客户成功团队 48 小时内介入。半年后 NRR 从 96% 提升到 118%。

用混合计费设计 AI 图像生成工具的套餐

阶段：计费模式取舍与定价策略

解决的问题：纯包月被重度用户高频刷爆算力成本，纯按量计费又让轻度用户每次点击都心疼。混合计费在稳定收入和保护成本之间找到平衡。

具体案例：一款 AI 图像生成工具采用“月费 89 元含 500 张生成额度，超出按 0.1 元/张”的混合方案。轻度用户几乎不会超额，重度用户超出部分按量付费，既保证了月度收入可预测，又把算力成本控制在线内。

Python 演示

python36 行
# -*- coding: utf-8 -*-# AI SaaS订阅营收模拟器: 模拟24个月的单位经济与盈利TRIAL = 1000            # 每月新增试用用户CONV = 0.08             # 免费试用 -> 付费转化率CHURN = 0.08            # 月流失率PRICES = [199, 499, 1499]   # 基础/专业/企业版月费MIX = [0.55, 0.32, 0.13]    # 各套餐用户占比UNIT_COST = 150         # 单用户月可变成本(算力+支持)CAC = 800               # 单付费用户获客成本FIXED = 120000          # 月固定成本(服务器底座+人力) paid = 0cum_profit = 0print("月份 付费用户 收入(元) 利润(元) 累计利润(元)")for m in range(1, 25):    new_paid = int(TRIAL * CONV)    paid = int(paid * (1 - CHURN)) + new_paid    arpu = sum(p * s for p, s in zip(PRICES, MIX))    revenue = paid * arpu    var_cost = paid * UNIT_COST    cac_cost = int(new_paid * CAC)    profit = int(revenue - var_cost - cac_cost - FIXED)    cum_profit += profit    if m in (1, 6, 12, 24):        print(f"{m:3d} {paid:6d} {revenue:8.0f} {profit:9d} {cum_profit:10d}") ltv = (arpu - UNIT_COST) / CHURNlc = ltv / CACprint()print(f"稳态ARPU = {arpu:.0f} 元/月")print(f"估算LTV = {ltv:.0f} 元")print(f"LTV/CAC = {lc:.2f} (健康线应>=3)")if lc < 3:    print("结论: 当前单位经济不健康, 需要提价/降本/降CAC")else:    print("结论: 单位经济健康, 可以加速投放")
目的：用一段可运行的模拟器，把前文讲的免费转化、分层定价、算力成本、LTV/CAC 全部串起来，预测 AI SaaS 产品 24 个月的营收、利润和单位经济健康度。
  1. paid = int(paid * (1 - CHURN)) + new_paid每月先按流失率打折，再加入新增付费用户，模拟真实的存量迭代。
  2. arpu = sum(p * s for p, s in zip(PRICES, MIX))按套餐占比加权算出平均客单价，体现分层定价的影响。
  3. profit = int(revenue - var_cost - cac_cost - FIXED)利润 = 收入 − 可变算力成本 − 获客成本 − 固定成本，四要素齐了。
  4. ltv = (arpu - UNIT_COST) / CHURN用稳态 ARPU 减去单客成本再除以流失率，快速估算客户生命周期价值。
  5. lc = ltv / CACLTV 除以 CAC 得到健康度，大于 3 才说明盈利模型跑得通。

常见误区

误区“我免费让用户用一个月甚至三个月，用户用熟了自然就付费了，试用期越长诚意越足。”

正解试用期的核心不是“用熟”，而是制造“价值已获得、特权即将消失”的紧迫感。7-14 天足够用户完成一次完整工作流并产生依赖。试用越长，用户越会把免费当默认，付费紧迫感被稀释，同时算力成本成倍增加——这和健身房免费练三个月的人不会自动办卡是一个道理。

为何常见：人们误以为“熟悉 = 想买”，但免费久了会变成理所当然的习惯，而不是付费动机。

误区“包月制等于用户交一笔钱就能无限调用 AI，价格定得越低用户越满意，先用低价抢市场。”

正解AI SaaS 的边际成本不为零，每次调用都烧 GPU。无限低价包月会吸引大量高频用户，变成“做得越多亏得越多”。包月价格必须覆盖平均用量成本并留有毛利，或设置“公平使用额度”，超出部分按量计费。

为何常见：把传统软件“复制接近零成本”的印象套到了 AI 服务上，忽略了推理算力的真实开销。

误区“只要每月净流失的用户很少，SaaS 就发展得很好，不用管什么 NRR。”

正解流失率只是存量视角，真正重要的是净收入留存率。如果老用户不增购、不升级，即使流失率只有 2%，收入也停滞；反之老客户扩购带来的扩展收入能抵消流失，像滚雪球一样增长。健身房年卡用户流失率低，但都不来，你的私教课卖给谁？

为何常见：习惯用“人数”而非“收入”衡量健康度，忽略了扩展收入在订阅经济中的杠杆作用。

误区“用户说要取消订阅，第一时间给他 5 折，总能留下，价格就是用户最在意的。”

正解用户流失多半是“没有形成使用习惯”或“价值没被感知”，而不是价格贵。直接降价会教坏用户：以后每次续费都要求打折。正确做法是先看他的使用频率和未用功能，给“专属解锁包”或安排人工回访，把习惯养起来。

为何常见：价格是唯一肉眼可见的杠杆，运营者最容易想到用打折解决问题，但忽略了留存的关键在习惯与价值感知。

面试题

Q1. 免费试用期设置的正确方式是？

单选题 · easy

  • A.提供 7-14 天完整功能试用← 正确答案
  • B.永久免费但功能完全开放
  • C.免费试用时间越长越好
  • D.只开放首页不允许操作

答案：A。7-14 天足够用户完成一次完整工作流并产生依赖，长度恰到好处。B 变成永久免费没有付费动力，C 稀释紧迫感还增加算力成本，D 用户根本体验不到价值。就像健身房的“三天体验卡”，短才能制造紧迫感。

Q2. 三档定价中“价格锚点”的作用是？

单选题 · easy

  • A.用高价衬托中间档超值← 正确答案
  • B.用低价吸引所有用户
  • C.让三档价格完全一致
  • D.隐藏最低价的优惠套餐

答案：A。价格锚定是让用户拿高价档当参照物，从而觉得中间档“很划算”，这是行为经济学的经典套路。B 低价吸引所有用户会压垮毛利，C 失去分层意义，D 隐藏低价档违背透明原则。

Q3. 用量波动很大的 AI 功能适合哪种计费？

单选题 · mid

  • A.纯包月无限用量
  • B.按 API 调用量计费← 正确答案
  • C.永远固定一口价
  • D.不做任何计费调整

答案：B。用量波动大时，按量计费对供需双方都公平：用户按实际使用付费，厂商按实际算力收回成本。纯包月可能被高频用户吃穿成本，固定一口价同理，不做调整是放任风险。

Q4. NRR 达到 115% 表示什么？

单选题 · mid

  • A.老客户扩购后收入增长一成半← 正确答案
  • B.用户流失了百分之十五
  • C.新客户占收入的一半以上
  • D.每月收入固定增长一成五

答案：A。NRR 超过 100%，说明老客户在升级、增购带来的扩展收入抵消了流失还有富余，这是订阅制最健康的状态。B 混淆了流失率，C 新客户不计入 NRR，D 忽略了“老客户”这个前提。

Q5. LTV/CAC 的经典健康线是？

单选题 · mid

  • A.大于 1 倍即可放心投放
  • B.达到 2 倍就已经合格
  • C.大于 3 倍才算健康← 正确答案
  • D.必须超过 10 倍才安全

答案：C。行业共识是 LTV 至少是 CAC 的 3 倍，因为获客成本之外还有研发、管理等其他成本。1-2 倍意味着毛利不够覆盖其他开销，10 倍虽然好但往往说明投放过于保守，错过了增长机会。

Q6. 盈亏平衡用户数公式 N = F/(P−V) 中，F 指的是？

单选题 · hard

  • A.每用户可变服务成本
  • B.固定运营成本总额← 正确答案
  • C.单月营销推广费用
  • D.用户平均付费金额

答案：B。F 是每个月即使没有用户也要花的固定成本，比如服务器底座和团队工资。A 对应 V，C 属于获客投入不是固定成本，D 对应 P。分母 P−V 是每个用户的边际贡献，相除得到保本用户数。

Q7. 发现用户即将流失，第一反应应该是？

单选题 · easy

  • A.直接降低他的套餐价格
  • B.了解流失原因和未用功能← 正确答案
  • C.马上关闭他的账号权限
  • D.忽略并等待他主动续费

答案：B。流失多半是没形成使用习惯或价值感不足，要先体检再用对策。盲目降价会教坏用户养成“威胁就打折”的习惯，关账号是火上浇油，什么也不做等于看着客户走掉。

Q8. 以下哪些手段能有效降低 AI SaaS 算力成本？

多选题 · mid

  • A.对重复结果做缓存复用← 正确答案
  • B.批量合并推理请求← 正确答案
  • C.无限扩充 GPU 集群
  • D.用便宜小模型兜底← 正确答案

答案：ABD。缓存复用让相同问题不再重复计算，批处理提高 GPU 利用率，小模型兜底让简单任务不惊动大模型，三者都直接砍算力。C 扩集群只增加成本，不是控制手段。

Q9. 免费版功能限制的合理策略有哪些？

多选题 · mid

  • A.限制每月生成次数← 正确答案
  • B.去掉高级模板库← 正确答案
  • C.完全不限制任何功能
  • D.降低输出分辨率← 正确答案

答案：ABD。限次数、砍高级模板、降清晰度都是“够用但不爽”的经典限制，让用户尝到甜头又愿意升级。C 完全不限制等于把付费版的价值免费送出去了。

Q10. 计算 LTV（客户生命周期价值）需要哪些变量？

多选题 · hard

  • A.客单价 ARPU← 正确答案
  • B.整体毛利率水平← 正确答案
  • C.平均客户留存月数← 正确答案
  • D.网页加载速度指标

答案：ABC。LTV = ARPU × 毛利率 × 平均留存月数，三个变量缺一不可。ARPU 决定每月收多少钱，毛利率决定真正落下多少，留存月数决定能收多久。D 网页加载速度虽然影响体验，但不直接进入 LTV 公式。