一个今年花了6800元，一个只花了900元，谁更值得投入
假设一家俱乐部要从两名球迷中挑一人进入“核心球迷计划”。球迷甲今年第一次来看球，买了半程套票和两件球衣，合计6800元；球迷乙是第五年的会员，今年只花了900元，买了会员和几件周边，但几乎每场都看直播，管理着一个两百多人的球迷群，今年还带了两位朋友入会。
按年度消费排序，甲遥遥领先。可俱乐部真正关心的是：未来几年把资源投给谁，能换回更持续的关系和收入？这正是 Fan Lifetime Value 要回答的问题。它不是给球迷打一个“有多能花钱”的分，而是估算一段关系在未来还能产生多少价值。
学术模型已经不只看消费额，但仍然只看到了一部分
2024年发表在 Frontiers 期刊上的一项研究，用阿贾克斯五个赛季、31.6万名球迷的50多万笔线上周边交易做分群，把消费金额、购买频次和最近一次购买加权组合，三者权重分别约为0.41、0.34和0.25，最终识别出8个球迷群体[1]。这比“只看今年花多少”进了一步：频次和最近一次购买合计占了将近六成权重，说明持续购买比单笔大额更重要。
但它的数据只有线上周边交易。门票、直播观看、社交传播都不在其中，像球迷乙这样消费不高、参与极深的人，在这类模型里很可能被分进中低价值群体。
2025年2月的一篇 MIT 硕士论文走得更远。作者分析了某职业体育组织三年内新获取的93万多名球迷，发现早期接触点（第一次购票、邮件互动）会显著影响之后的发展路径，邮件打开率和多渠道互动是未来消费的强预测指标，因此主张从静态的LTV模型转向结合行为与财务指标的“客户旅程”分析[2]。这给了一个重要启发：长期价值的线索，往往在消费之前就出现了。
一个可以落地的拆法：贡献、留存、影响力、阶段
在韦德体育的粉丝经济模型里，我们把 Fan Lifetime Value 拆成四个部分，写成一个便于解释的近似式：
- 贡献：门票、会员费、直播付费，以及电商消费——在韦德体育电商里对应球衣、球鞋、周边和会员商城专属商品。最好按毛利而不是流水计算，球衣和小件周边的利润结构差别很大。
- 留存概率：用观看连续性、互动频率、消费间隔等行为信号，估计下一年仍留在关系中的可能性。
- 影响力：带来的新球迷、在群里和社交平台上的二次传播。只按一定比例归因，避免重复计算。
- 阶段：新球迷、成长期、稳定期、降温期、回流期。同样的行为，在不同阶段含义不同。
影响力和线上贡献在异地球迷身上尤其明显。财新对“苏超”的报道提到，两周内卖出的3万多件赛事品牌周边中，八成由省外消费者购买[3]。这些人大多不会成为现场常客，价值体现在线上消费和对外传播上，只看门票就会被低估。
把两名球迷代进去算一遍
下面用模拟参数估算未来四年的预期价值。为了便于理解，这里不做折现。
| 项目（均为假设值） | 球迷甲 | 球迷乙 |
|---|---|---|
| 今年已实现贡献 | 6800元 | 900元 |
| 未来每年预期贡献 | 2500元（套票未必续购） | 1100元 |
| 年留存概率 | 0.5 | 0.9 |
| 未来四年预期贡献 | 约2340元 | 约3400元 |
| 影响力加成（带来2人，每人预期1800元，归因30%） | 0 | 约1080元 |
| 未来可争取价值合计 | 约2340元 | 约4480元 |
结果值得细看：如果把今年已经花掉的钱也算上，甲的总额仍然更高；但俱乐部要做的决策是“接下来把资源投给谁”，而今年已经实现的收入不会因为新的投入而改变。只看未来可争取的部分，乙接近甲的两倍。区分“已实现价值”和“剩余价值”，是这套方法最实用的地方。
阶段在这里同样关键。甲是新球迷，0.5的留存概率只是起点：按照 MIT 论文的发现，第一个赛季的接触体验会影响他之后的路径。如果俱乐部在他第一次到场后跟进得当，这个数字完全可能被抬高。所以对新球迷，模型给出的不是定论，而是“值得争取”的提示。
数据要先拼到同一个人身上
上面的计算有一个前提：票务、商品、观看和服务记录能对应到同一个人。WNBA 印第安纳狂热队和 Pacers Sports & Entertainment 在2025年6月宣布，把票务、周边交易和服务请求里的球迷数据统一起来，再由AI生成个性化邮件，并提醒销售人员在球迷生日时送上折扣码、在其喜欢的球员球衣补货时通知对方[4]。这里的顺序值得注意：先统一数据，再谈个性化。
不少俱乐部的现状是票务一个系统、商城一个系统、直播一个系统，同一个球迷在三处是三个陌生人。这种情况下算出来的长期价值，只能代表某一个渠道里的价值。
最危险的用法：拿长期价值去给忠诚定价
一旦模型能识别“高价值、高留存”的球迷，就会出现一个诱惑：既然他们不容易走，是不是可以收得更多？英格兰球迷协会2025年2月在英国议会作证时就表达了担忧，认为俱乐部在用动态定价利用球迷的忠诚度，并举例说同一个座位因对手不同，票价可以相差60英镑[5]。
从模型角度看，这是自我破坏：留存概率之所以高，正是因为球迷觉得这段关系公平。用长期价值去抬高对忠诚球迷的收费，短期贡献上升了，留存概率却会被一点点侵蚀，而这种侵蚀在模型里往往要滞后好几个赛季才显现。我们的建议是把长期价值用于资源分配——谁优先获得服务、内容和活动名额，而不是用于个人化加价。
这个模型会在哪些地方算错
- 留存概率没有校准：模型说0.9，实际只有0.7，所有长期价值都会被系统性高估。需要做历史队列回测：用三年前的数据预测，再和之后的真实续费对比。
- 影响力重复计算：一个新球迷可能同时被群主、短视频和线下活动“带来”，归因比例要设上限。
- 线下与家庭消费缺失：现场餐饮、替家人购买等行为常常不在系统里。
- 小样本阶段：新球迷数据少，结论波动大，应当给出区间而不是一个精确数字。
公式的作用是让判断变得可以讨论。真正的检验，是每个赛季末回头看：被判为高剩余价值的球迷，是不是真的留了下来。更多关于球迷经营的方法，可以在体育粉丝经济栏目里找到。
参考资料
- Frontiers in Sports and Active Living：《Unlocking high-value football fans: unsupervised machine learning for customer segmentation and lifetime value》，2024年8月22日。https://www.frontiersin.org/journals/sports-and-active-living/articles/10.3389/fspor.2024.1362489/full
- MIT DSpace：《Beyond Lifetime Value: A Customer Journey Analysis to Fan Engagement and Spending in Professional Sports》，2025年2月。https://dspace.mit.edu/handle/1721.1/159093
- Caixin Global：《In Depth: Province's Grassroots Soccer League Scores Consumption Goals》，2025年7月25日。https://www.caixinglobal.com/2025-07-25/in-depth-provinces-grassroots-soccer-league-scores-consumption-goals-102345245.html
- Salesforce Newsroom：《Indiana Fever, Pacers Sports & Entertainment Tap Salesforce to Scale Fan Engagement with Agentic AI》，2025年6月11日。https://www.salesforce.com/news/press-releases/2025/06/11/indiana-fever-pse-agentforce-fan-engagement/
- Football Supporters' Association：《FSA in Parliament: Ticket prices an "exploitation of supporter loyalty"》，2025年2月4日。https://thefsa.org.uk/news/fsa-in-parliament-ticket-prices-an-exploitation-of-supporter-loyalty/
