在近几年的互联网增长管理工作中，CAC、LTV和PBP已经逐步成为各家公司的常规关注指标。
LTV（Life Time Value）是指用户的生命周期价值，也就是每一用户所能为平台贡献的全部价值/收入。PBP（Pay Back Period）是指平台上针对用户所展开的投资的回收周期。这俩概念已经有大量讨论，不是本文关注的主要对象，今天重点聊CAC。
CAC（Customer Acquisition Cost），即获客成本，反映的是在获取用户的过程中，平台所需要支付的成本。如果将相对固定的研发成本和管理费用单列，那么CAC就可以通过营销费用除以获客量计算得出。
注意到这里的CAC是针对一定范围内的获客所计算出的平均成本，也就是Average CAC的概念。强调平均是必要的，因为在不同的scope下，营销预算和获客量之间的对应关系是动态且复杂的，理解起来需要卷入大量的具体信息。不同的渠道、地域、客群都会对应不同的营销预算与获客量的映射关系，例如某渠道A花费10万预算带来1000个用户，某渠道B花费20万预算带来3000个用户；不同的时间粒度下，获客量与相应的营销费用的组合也会是多种多样的，例如五月一共花费500万预算带来了2万个用户，6月第一周一个花费150万预算带来6000个用户。这些具体的信息让评价增长营销团队的产出和效率变得异常繁杂。因此，增长VP们广泛使用(A)CAC和获客量组合来展开工作汇报。例如，一次典型的汇报可能是：在上个财季内，我们通过一系列卓越的工作，完成获客量20万，同时将(A)CAC控制在120元以下，相比较于前任在去年同期仅仅以200元的(A)CAC完成获客量15万，我们在起量和控成本都做到了行业领先的水平。
看起来这是一份漂亮的工作汇报，逻辑清晰，数据明确，有理有据。
但真的是这样吗？
精明而细心的CEO会提出一个问题：当增长VP把营销策略打到(A)CAC=LTV的水平时，平台变得并不赚钱，而是沦为了帮渠道商赚钱的机器。按照微观经济学教科书交给我们的利润最大化理论，在成本曲线和收益曲线平滑的前提下，难道不应该是做到边际成本与边际收益持平才是最优点吗？这边是(A)CAC所面临的逻辑困境。
如下图所示：
按照(A)CAC=LTV做出来的决策对应的用户数量是Q2，(A)CAC是P0，但实际上为了获取增量用户所花费的费用是P2，高于从这些用户身上所获取的收益P0.
实际上，为了获取最优利润，需要做到的最优决策是获客成本控制在P1，对应的获客数量是Q1。在此基础上每增加一单位获客所花费的费用高于该用户所带来的收益。也就是说，决策时更应该参考的指标不是(A)CAC，而是MCAC（Marginal Customer Acquisition Cost）。
据我所知，有两家新锐互联网巨头公司的对数据十分敏感的CEO已经明确提出，增长团队需要从(A)CAC转向关注MCAC。问题是，MCAC在实践中真的具备可行性吗？
很遗憾，答案是，比较难。这也就是我们接下来要讨论的MCAC的实践困境。
在一家传统的公司里面，生产曲线形状十分固定，因此MC曲线也十分明确，向右上倾斜，并且具备良好的分析性质。但是，在移动互联网行业，在获客领域，情况不太一样。某种程度上来讲，移动互联网获客领域的MC曲线是无法进行良好定义的。
首先，各个渠道和各种黑科技手段的获客能力随着时间的变化表现通常都是不稳定的，容易受到各种外生的冲击。这导致在实际操作层面，我们几乎无法刻画出有预测能力和可指导实际操作的MC曲线。
其次，各种竞价类渠道的获客过程中，单个获客的成本并不是在时间切片上保持一致，而是跨时叠加起来的结果。这导致很难在事前针对某个特定时间的竞价策略展开优化，保证该渠道最终的MCAC落在合意的区间内。
究其原因，互联网获客通常是分布式进行的，与传统厂商生产者理论里面的成本发生过程有本质的差别。当获客这件事发生时，不同成本的获客不构成整齐的队列时，我们做不到在单个用户层面上针对获客成本展开优化。这也就是MCAC在实践中所面临的困境。
怎么破？
答案的关键点是渠道精细化管理粒度。我们能够把获客这件事拆到多细的粒度，就可以把营销成本管控和效率提升做到多细的粒度。
以渠道投放为例，SEM可以做到关键词粒度，信息流投放可以做到投放计划粒度。
涉及到时间跨度问题时，如果迭代速度和效果监控粒度可以做到以小时为单位，那么在MCAC的刻画上就可以做到小时粒度的优化。对某些线下户外广告投放而言，上刊都是以月为周期，或者至少以双周为周期；某些综艺节目冠名和电影内容植入则是以几个月甚至半年为周期；春节营销以年为周期；世界杯品牌营销以四年为周期，那么想针对MCAC做优化就需要拉到更长的时间周期，针对更大粒度的获客群体来展开工作。
小结一下：
(A)CAC只适合做增长营销工作的成本管控，无法直接用于指导企业结合LTV展开全局最优化决策。这是(A)CAC所面临的逻辑困境；
MCAC可以从理论上解决获客对营收和利润贡献的最优化问题，但在实际操作过程中无法实现用户粒度的边际成本优化，实际上只能针对渠道精细化管理的极限粒度展开优化。这是MCAC所面临的实践困境。
