CAC
3 秒看懂
CAC（Customer Acquisition Cost，客戶獲取成本）是企業為獲得一個付費使用者所付出的平均營銷與銷售綜合成本。它直接衡量商業模式的效率上限，決定企業能否盈利、值多少估值。行業通用準繩：LTV/CAC（使用者生命週期價值/獲客成本）需＞3，CAC 回收期＜12 個月，否則增長本質上是在透支現金流量。
3 分鐘產業解釋
CAC 的核心計算式為：
text(CAC) = \frac{text(總銷售與市場費用)}{text(同期獲取的新付費客戶數)}真正考驗在於“費用”的界定。實務中必須區分三種口徑：
- 媒體 CAC：僅含直接投放費用，嚴重低估真實成本；
- 含人力 CAC：增加銷售、營銷團隊薪酬與佣金；
- 完全負擔 CAC（Fully‑Loaded CAC）：在上述基礎上，覆蓋營銷技術棧訂閱費、內容生產、品牌活動、渠道返點，甚至分攤辦公與差旅。公開資料未見統一會計準則，但成熟的投資者均要求以完全負擔 CAC 作為估值基礎。
CAC 在產業中被進一步拆解為兩大維度：
- 按渠道：自然流量、付費搜尋（SEM）、資訊流、內容營銷、KOL、線下活動等，各路徑的 CAC 與可持續性差異顯著。
- 按群組（Cohort）：按使用者註冊月份、產品版本、地區等分組，追蹤 CAC 是否隨時間惡化——這是獲客內捲的先行訊號。
這一架構最早由 SaaS 行業體系化，隨後被電商、金融科技、線上教育、消費品牌全盤吸收。2021 年 Apple 推出 ATT 架構、2023‑2024 年 Google 隱私沙盒逐步推進，跨站追蹤與精準歸因受限，全行業 CAC 普遍步入上升通道，倒逼企業轉向第一方資料、社群和內容私域等低成本獲客模式。
技術原理
CAC 不是單點指標，而是營銷漏斗的數學輸出。
漏斗模型
潛在受眾(Universe)
↓ 曝光 (Impressions) → CPM
↓ 點選 (Click) → CPC
↓ 訪問轉化
線索 (Lead) → CPL
↓ 商機轉化
商機 (Opportunity) → CPO
↓ 成交轉化
新客戶 (New Customer) → CAC漏斗各層轉化率遵循鏈式乘法：
text(CAC) = \frac{text(CPC)}{P(text(Visit→Lead)) \times P(text(Lead→Opp)) \times P(text(Opp→Customer))}因此 CAC 最佳化有兩條根本路徑：降低分子（流量成本）或提升分母（轉化率）。每提升 10% 的轉化率，CAC 等比下降。
動態二分法
- 邊際 CAC：額外投入一元獲得的新增客戶數。在渠道紅利期邊際 CAC 較低，隨著規模擴張逐漸抬高，一旦越過 LTV，繼續投放便是在侵蝕獲利。
- 付費 CAC 與混合 CAC：混合 CAC 含自然流量，數值偏低，會掩蓋付費渠道的真實效率。投資人會單獨審視付費 CAC，若付費 CAC 遠高於混合 CAC，說明規模擴張嚴重依賴輸血，自然增長孱弱。
CAC 生命週期曲線
- 產品‑市場驗證期：CAC 極低，依賴早期採用者口碑；
- 增長期：投放放大，CAC 上升但可被資本覆蓋；
- 飽和期：渠道紅利耗盡，邊際 CAC 飆升，開始侵蝕 LTV，此時企業必須啟動第二增長曲線或品牌升維。 失控訊號：年營收增長不到 50%，但 CAC 年增率翻倍，形成“負經營槓桿”，資本市場通常會立即下調估值中樞。
與 PLG 的對立統一
產品驅動增長（PLG）追求自助試用 → 自然轉化，天然 CAC 極低。但當自助轉化率觸達天花板，仍需疊加銷售輔助（SLG），CAC 會跳升。混合模式的管理要點是設定 MQL→SQL 的分界點，將低 CAC 的自助轉化與高客單價的銷售人效進行量化級聯，使總的混合 CAC 依然健康。
關鍵引數
完全負擔 CAC 構成圖
CAC = 40% 廣告流量費
+ 25% 銷售人力與佣金
+ 15% 營銷軟體/活動
+ 10% 創意內容製作
+ 10% 渠道代理分成高佔比且投入產出剪刀差惡化的部分是“成本死肉”，需果斷削減。
LTV/CAC 比率
text(LTV) = \frac{text(ARPU) \times text(毛利率)}{text(月流失率)} \quad;\quad text(LTV/CAC) \gt 3基準來自 David Skok 等 SaaS 投資架構（2010 年代），並經由 KeyBanc、SaaS Capital 的多輪調研固化。若低於 2，資本市場往往以“現金流量折價”模式重估。
CAC 回收期
text(回收期（月）) = \frac{text(CAC)}{text(每使用者月均毛利)}。工業級安全線為＜12 個月。2022 年美聯儲加息後，資本市場對回收期的容忍度從 18‑24 個月驟降至 12 個月，一批高 CAC、長回收期的獨角獸估值泡沫被刺破。
效率指數（Magic Number）
常用於 SaaS 補充分析，但與 CAC 不屬於同一種歸因口徑，此處不展開。須注意，任何指標若口徑不統一，會導致企業內部與外部視角產生巨大分歧。
技術路線
演進簡史
- 古典廣告時代（1990 年代前）：企業無法精確衡量客戶獲取，多用 CPM 及毛估廣告收益佔比。
- 直復營銷與目錄銷售（1980‑1990 年代）：首次出現“每訂單成本”概念，為直接歸屬奠基。
- 網際網路點選時代（2000‑2010 年）：Google AdWords 釋放 CPC 與轉化畫素，企業首次追蹤到關鍵詞級成本，CPA 曾為主流，但“行動”不等於付費客戶。
- SaaS 指標爆炸（2010‑2015 年）：David Skok、Jason Lemkin、Christoph Janz 等將 LTV/CAC 架構體系化，風投將其植入估值模型。
- 移動隱私地震（2020‑至今）：Apple ATT（2021）與 Google 隱私沙盒（2023‑2024）切斷跨站追蹤，精準歸因失靈。據多家第三方歸因平台定性描述，平均 CAC 在 2021‑2022 年期間上升 30‑50%（無精確權威統計，口徑為企業自查樣本）。
- 後 Cookie 混合歸因（2024‑）：Google 2024 年 7 月宣佈不再完全淘汰第三方 Cookie，改為使用者選擇提示，歸因進入半模糊時代，媒體混合建模（MMM）回暖。
指標對比表
為避免概念混淆，下表梳理常見獲客成本類指標（基於行業通識，無統一基準）。
| 指標 | 定義 | 成本口徑 | 優點 | 陷阱 |
|---|---|---|---|---|
| CPM | 千次曝光成本 | 媒體投放費 | 適合品牌認知 | 完全不反映轉化，曝光可能虛高 |
| CPC | 每次點選成本 | 投放費 ÷ 點選數 | 衡量流量意圖 | 點選≠客戶，易受誤點干擾 |
| CPL | 每條線索成本 | 投放+內容費 ÷ 留資數 | 適合線索型業務 | MQL/SQL 混淆，線索質量差異大 |
| CPA | 每次行動成本 | 投放+運營 ÷ 註冊/下單數 | 離營收更近 | 行動≠付費使用者，無法區分新老客 |
| CAC | 新付費客戶獲取成本 | 全市場/銷售費 ÷ 新客戶 | 直指盈利根本 | 時滯長，歸因複雜，口徑易粉飾 |
| ROAS | 廣告支出回報率 | 廣告花費 ÷ 廣告營收 | 即時投放 ROI | 忽略自然量與長期客戶價值 |
| LTV/CAC | 單位經濟比率 | — | 綜合業務健康度 | LTV 預測天然主觀，易被操縱 |
上游
CAC 受以下上游因子高度牽制，任何波動都會直接傳導演化為成本壓力。
- 流量平台與競價生態：Google、Meta、TikTok 等平台的演算法變更與競價機制是最強外生變數。若某一平台佔據企業獲客的 50% 以上，即構成結構性依賴風險。
- 創意與內容供給：素材疲勞期、創新頻率直接決定點選率與轉化率。據 Meta 廣告後臺經驗（公開資料未見統一統計），單條素材平均生命週期已縮短至數週。
- 品牌資產與聲譽：強品牌可通過自然搜尋與直接訪問壓低顯性投放成本，形成獲客護城河。
- 競爭密度：同賽道玩家湧入同一關鍵詞或受眾包，抬高溢價。在 2021‑2022 年 DTC 品牌密集投放期，部分北美 CPG 關鍵詞 CPC 年增率漲幅超過 40%（據 eMarketer 定性評述，無單家精確資料）。
- 隱私法規與訊號供給：GDPR、CCPA 以及 Apple/Google 政策持續收縮可追蹤訊號，迫使系統用更多曝光試錯，變相推高 CAC。
下游
CAC 的高低與結構，直接形塑企業經營、財務與組織決策。
- 定價與毛利約束：CAC 必須遠低於 LTV，否則意味著定價過低或成本失控。可接受的 CAC 上限 = （ARPU × 毛利率）/ 目標回收期。
- 進入市場（GTM）組織架構：人力密集的銷售模式推高 CAC 中的人力佔比，自助轉化則壓低該比例。混合模式的搭建必須在 CAC 預算內量化二者比例。
- 現金流量與融資節奏：CAC 回收期決定資本墊付週期，12 個月以上的回收期在加息環境中幾乎完全關閉外部融資視窗。
- 客戶成功與留存：高 CAC 使用者一旦流失，損失成倍放大，產品必須配備對應的客戶成功投入，這又抬高了後續服務成本，形成負迴圈。
受益公司
CAC 壓力上升，推動企業增加獲客最佳化支出，以下細分領域與企業類別顯著受益（僅描述產業邏輯，不做投資判斷）。
- 廣告技術與歸因平台：The Trade Desk、AppsFlyer、Adjust、Kochava 等提供的跨渠道歸因與增量測試工具，需求剛性。據 AppsFlyer 官方部落格，其 2023 年活躍客戶數繼續增長，但具體財務資料未單獨剖析獲客貢獻。
- 營銷雲端與自動化服務：Salesforce Marketing Cloud、HubSpot、Adobe Experience Cloud 等，幫助企業在降本中提升轉化。據 Gartner 2024 年 4 月釋出的資料，2023 年全球 CRM 軟體支出達到 894 億美元，年增率增長 12.6%（口徑：銷售、客服、營銷自動化等），反映出強勁支出意願。
- 第一方資料與 CDP：Segment（Twilio）、mParticle 以及各雲端平台的客戶資料平台服務，因隱私時代第一方資料價值凸顯而客戶匯入加速。公開資料未見精確市場規模，但 LUMA Partners 2024 年 Martech 全景圖收錄解決方案達 11,038 個，為 2011 年的 73 倍，側面展現繁榮。
- 內容與社群平台服務：提供私域運營、社群軟體（如 Discord、Circle）及創作者工具的企業，受益於企業轉變獲客思路。受益程度多以 ARPU 擴充套件為路徑，單一 CAC 受益鏈條尚未出現獨立財務揭露。
市場規模
- 全球數字廣告支出：據 eMarketer 2024 年 3 月預測，2024 年全球數字廣告支出將達 6,811 億美元，年增率增長 10.4%（口徑：含搜尋、社交、影片、富媒體等渠道，扣除代理商佣金）。廣告庫存的競價推高，直接構成 CAC 的底層成本基底。
- 中國數字廣告市場：據 QuestMobile 2024 年報告（非完整財年口徑），2023 年中國網際網路廣告市場規模約 7,100 億元人民幣，年增率增長約 7%，短影片與直播電商佔比繼續擴大，推升相應渠道獲客成本。
- CRM 與營銷軟體：如前文 Gartner 統計，2023 年全球 CRM 支出 894 億美元，預計 2024 年突破 1,000 億美元。另據 IDC 2024 年相關摘要（公開資料未見統一免費全文），全球營銷自動化與客戶資料分析領域維持兩位數增長。
- 歸因與分析工具：公開資料未見權威單一機構給出精準 CARR（複合年增長率）口徑，但 Grand View Research 等機構 2023 年相關摘要顯示，全球營銷歸因與即時分析市場在 2023‑2030 年間年複合增長率約 13%‑15%，主要驅動力正是 CAC 最佳化需求與隱私環境變化。
注：以上資料來源均為公開第三方研究機構釋出內容，數值為預測或初步統計，實際或存在修正。無獨家非公開資訊。
玩家對比
不同商業模式、不同階段的代表性企業，其 CAC 策略與揭露透明度差異明顯（資料來源均為公開財報、致股東信或合規揭露，未單獨標註即為財報所示）。
| 企業 | 業務型別 | CAC 相關揭露與實踐 | 觀察點 | 年份/來源 |
|---|---|---|---|---|
| Salesforce | 企業級 SaaS | 不揭露單一 CAC，但管理層長期強調“CAC 回收期＜12 個月”。年度合約提前收款的現金流量轉正模型，支援高 LTV/CAC。 | 回收期紀律與預收現金流量組合，穿越週期。 | 2023/2024 財年電話會議（公開記錄） |
| Shopify | 電商 SaaS+配套服務 | 財報不直接公佈 CAC，通過合作伙伴生態與應用商店，實現極低邊際 CAC，商家 GMV 增長與獲客效率形成正向飛輪。 | 混合 CAC 極難被外部量化，但單位經濟改善支撐高估值。 | Shopify 2023 年度報告與投資者日材料 |
| Uber (共享出行) | 雙邊平台 | 一度以大量補貼拉新，城市級 CAC 扭曲。2019 年後收縮補貼，2023 年移動業務毛利轉正。不常態揭露乘客單 C AC。 | 補貼作為 CAC 的特殊形態，當補貼消退後單位經濟能否成立是關鍵。 | Uber 2019‑2023 年 10‑K/季度業績新聞稿 |
| Warby Parker | DTC 消費品 | 上市時揭露單位經濟，2021 年混合 CAC 回收期大約 18 個月（口徑：含門店）。2023 年受渠道通脹影響，尚未見更新明確改善的數字。 | 單一依賴 Meta 渠道的 DTC 模式高危性充分暴露。 | Warby Parker 2021 年 S‑1 及 2023 年財報演示 |
| 某頭部國內電商 | 綜合電商 | 國內電商平台一般不單獨揭露 CAC，而是用“獲客成本”“年度活躍買家增長”等度量。公開資料未見分割 LTV/CAC 的口徑。 | 規模效應壓低單位流量成本，但存量競爭下邊際 CAC 攀升趨勢被外界普遍關注。 | 年度報告（2023）及行業分析師推斷 |
資本對映規律：LTV/CAC＞3 且回收期明確的公司，市場給予顯著更高估值；若低於 2，則會按“現金流量折價”情形定價。
風險
- 隱私法規與訊號損失：ATT、Google 隱私沙盒及全球資料法規進一步切斷訊號，導致歸因準確性下降，CAC 可能被低估或高估，且最佳化難度遞增。
- 平台依賴與競價風險：若單一渠道貢獻超過 50% 的新客，平台策略變動（如演算法更迭、收費漲跌）即構成斷崖風險。
- 宏觀經濟與融資環境：利率高企時期，資本市場對 CAC 回收期的容忍度收窄，高 CAC、長回收期的企業面臨融資斷流。據 PitchBook 2023 年風投報告，全球 SaaS 融資規模年增率下滑約 40%，印證擇優通道。
- 歸因黑洞與虛假效率：後 Cookie 時代，重最後一擊歸因會導致自然量被低估，付費 CAC 失準而放大預算誤投，企業可能在資料盲區中空耗資本。
- 素材疲勞與內捲：當賽道內玩家互相複製創意，轉化率齊跌，成本齊升，最終無人獲益。
誤讀糾偏
1. CAC 就是廣告費除以新客數 這只是媒體 CAC。遺漏了銷售薪酬、營銷軟體、品牌活動等，導致決策者誤以為客戶成本極低，實際全成本可能數倍，引發盲目投入。
2. CAC 越低越好 若 CAC 極低是因為放棄增長，則公司難以獲取規模與份額。健康企業追求的是“CAC 效率最優”而非絕對最小值，CAC 必須在 LTV 容忍區間內最大化可承受的增長。
3. 只看混合 CAC，不看付費 CAC 混合 CAC 被自然量稀釋後，掩蓋了付費渠道的真實效率。如果付費 CAC 長期高於 LTV，意味著公司是用自然量盈利去補貼廣告虧空，增長不可持續。投資人必定逐一拆解。
4. 將一次性促銷使用者混入新客核算 通過大幅折扣吸引的使用者，其後續留存與重複購買通常較弱，若將促銷補貼不計入 CAC，或將其納入“新客”，會嚴重美化單位經濟。
最新事件
- Google 保留第三方 Cookie（2024 年 7 月）：Google宣佈不再完全淘汰第三方 Cookie，轉而在 Chrome 中引入使用者選擇機制。這意味著基於 Cookie 的歸因仍將存續，但使用者選擇比例未知，CAC 測算仍面對“半模糊”歸因挑戰（來源：Google 官方部落格 2024‑07‑22）。
- Apple ATT 影響持續：據 AppsFlyer 2024 年第 17 版移動營銷表現報告，全球 iOS 端非遊戲應用有效 CPI 中位數年增率仍居高位，Android 端相對穩定。具體歸因仍存口徑差異，但整體獲客成本未見趨勢性回落（來源：AppsFlyer 公開摘要）。
- Meta 推出 AI 驅動廣告工具：2024 年 Meta 擴充套件 Advantage+ 系列，藉助 AI 生成創意和定位，聲稱可降低單次獲得成本。公開資料未見獨立大規模驗證，效果尚在早期觀察（來源：Meta 官方公告與財經媒體）。
- DTC 品牌獲客壓力延續：Allbirds 2023 年 10‑K 顯示營銷費用約 4,800 萬美元，佔營收約 18.9%（營收 2.54 億美元），表明獲客成本負擔依舊，儘管未釋出單獨 CAC。部分新銳消費品牌在 2024 年融資檔案中也提及 CAC 最佳化為首要任務（來源：公開財報及媒體報道）。
- Martech 工具進一步膨脹：LUMA 2024 年全景圖收錄 11,038 個解決方案，較上一年增加約 600 個，說明 CAC 最佳化相關供給端高度擁擠，企業選擇難度上升。
追蹤指標
建立 CAC 儀表盤建議追蹤以下指標，均須按月、按群組切分。
- 混合 CAC 與付費 CAC：月度追蹤，確保付費 CAC 在 LTV 限制線內。
- 按渠道 CAC：Google、Meta、TikTok、內容營銷、自然流量等，分別呈現趨勢與佔比。
- CAC 回收期：至少季度核算，預警線設定為＞12 個月。
- LTV/CAC 比率：LTV 使用 12 個月滾動資料平滑流失率，比率＜2.5 時觸發深度評估。
- 邊際 CAC 與新增客戶數：建置邊際 CAC 曲線，若邊際 CAC 陡升而新增客戶數持平，觸及渠道天花板。
- CAC 增長率 vs 營收增長率：若 CAC 年增長率連續兩季度超過營收增長率，啟動獲客戰略復盤。
- 歸因覆蓋度：監控可歸因新客佔總新客的比例，若該比例持續下降，需升級歸因模型。
所有指標均需註明計算口徑（費用範圍、是否含自然量、是否含促銷）。口徑一致性遠比數值大小重要。
信源
書籍
- Alistair Croll & Benjamin Yoskovitz, Lean Analytics（《精益資料分析》），O’Reilly Media，2013 年，重點第 3 部分 SaaS 指標章節。
- Tien Tzuo, Subscribed（《訂閱經濟》），Portfolio，2018 年。
- Sean Ellis & Morgan Brown, Hacking Growth（《增長駭客》），Crown Business，2017 年。
部落格與架構
- David Sk