AARRR模型
出自 MBA智库百科(https://wiki.mbalib.com/)
目錄 |
AARRR模型因其掠奪式的增長方式也被稱為海盜模型，是Dave McClure 2007提出的，核心就是AARRR漏斗模型，對應客戶生命周期幫助大家更好地理解獲客和維護客戶的原理。
AARRR分別代表了五個單詞，又分別對應了產品生命周期中的五個階段：
Acquisition [獲取] : 用戶從不同渠道來到你的產品
Activation [激活] :用戶在你的產品.上完成了一個核心任務(並有良好體驗)
Retention [存留] :用戶回來繼續不斷的使用你的產品
Revenue [收益] :用戶在你的產品.上發生了可使你收益的行為
Referral [推薦] : 用戶通過你的產品，推薦引導他人來使用你的產品
AARRR模型指出了兩個核心點：
1.以用戶為中心，以完整的用戶生命周期為線索；
2.把控產品整體的成本/收入關係，用戶生命周期價值(LTV)遠大於用戶獲取成本(CAC)與用戶經營成本（COC）之和就意味著產品的成功。
獲取用戶(Acquisition)
運營一款移動應用的第一步,毫無疑問是獲取用戶，也就是大家通常所說的推廣。如果沒有用戶，就談不上運營。
提高活躍度(Activation)
很多用戶可能是通過終端預置(刷機)、廣告等不同的渠道進入應用的，這些用戶是被動地進入應用的。如何把他們轉化為活躍用戶，是運營者面臨的第-一個問題。
當然，這裡面一個重要的因素是推廣渠道的質量。差的推廣渠道帶來的是大量的一次性用戶，也就是那種啟動一次，但是再也不會使用的那種用戶。嚴格意義上說，這種不能算是真正的用戶。好的推廣渠道往往是有針對性地圈定了目標人群，他們帶來的用戶和應用設計時設定的目標人群有很大吻合度，這樣的用戶通常比較容易成為活躍用戶。另外，挑選推廣渠道的時候--定要先分析自己應用的特性(例如是否小眾應用)以及目標人群。對別人來說是個好的推廣渠道，對你卻不一-定合適。
另一個重要的因素是產品本身是否能在最初使用的幾十秒鐘內抓住用戶。再有內涵的應用，如果給人的第- -印象不好，也會“相親"失敗，成為“嫁不出去的老大難”。
此外，還有些應用會通過體驗良好的新手教程來吸引新用戶，這在游戲行業尤其突出。
提高留存率(Retention )
有些應用在解決了活躍度的問題以後，又發現了另一個問題:“用戶來得快、走得也快”。有時候我們也說是這款應用沒有用戶粘性。
我們都知道,通常保留-個老客戶的成本要遠遠低於獲取一個新客戶的成本。所以狗熊掰玉米(拿-一個、丟一個)的情況是應用運營的大忌。但是很多應用確實並不清楚用戶是在什麼時間流失的，於是一方面他們不斷地開拓新用戶，另一方面又不斷地有大量用戶流失。
解決這個問題首先需要通過日留存率、周留存率、月留存率等指標監控應用的用戶流失情況，並採取相應的手段在用戶流失之前，激勵這些用戶繼續使用應用。
留存率跟應用的類型也有很大關係。通常來說，工具類應用的首月留存率可能普遍比游戲類的首月流存率要高。
獲取收入其實是應用運營最核心的一塊。極少有人開發-款應用只是純粹出於興趣，絕大多數開發者最關心的就是收入。即使是免費應用，也應該有其盈利的模式。
收入有很多種來源，主要的有三種:付費應用、應用內付費、以及廣告。付費應用在國內的接受程度很低，包括GooglePlayStore在中國也只推免費應用。在國內，廣告是大部分開發者的收入來源，而應用內付費目前在游戲行業應用比較多。
無論是以上哪- -種，收入都直接或間接來自用戶。所以，前面所提的提高活躍度、提高留存率，對獲取收入來說，是必需的基礎。用戶基數大.了，收入才有可能上量。
自傳播(Refer)
以前的運營模型到第四個層次就結束了，但是社交網路的興起，使得運營增加了一個方面，就是基於社交網路的病毒式傳播，這已經成為獲取用戶的一個新途徑。這個方式的成本很低，而且效果有可能非常好；唯一的前提是產品自身要足夠好，有很好的口碑。
從自傳播到再次獲取新用戶，應用運營形成了一個螺旋式上升的軌道。而那些優秀的應用就很好地利用了這個軌道，不斷擴大自己的用戶群體。
獲取階段即產品的推廣階段，也是產品運營的第一步。
運營者通過各種推廣渠道，以各種方式獲取目標用戶，並對各種營銷渠道的效果進行評估，從而更加合理的確定投入策略，最小化用戶獲取成本(CAC)。
這時需關註的指標主要為：
（1）日新登用戶數（DNU）
定義：每日註冊並登錄游戲的用戶數。
此處註冊為廣義概念，對於一些APP而言，則是首次啟動進入APP的用戶，所以對於DNU的定義也可以是，首次登錄或啟動APP的用戶。需要說明的是，在移動統計中，有時候用戶也特指設備。
解決問題：
1.渠道貢獻的用戶份額。
2.巨集觀走勢，確定投放策略。
3.是否存在大量垃圾用戶。
4.註冊轉化率分析。
提高活躍度（activation）
新增用戶經過沉澱轉化為活躍（Activation）用戶。這時我們需要關註活動用戶的數量以及用戶使用頻次、停留時間的數據。
定義：每日登錄過游戲的用戶數。
對於某些APP而言，啟動就是一個活躍用戶，而另一些則要通過賬號註冊，形成一個網路賬號，才算作一個活躍用戶。活躍用戶的計算是排重的。
解決問題：
1.核心用戶規模。
2.產品生命周期分析。
4.用戶活躍率，活躍用戶計用戶量。
（2）周活躍用戶數（WAU）
定義：最近7日（含當日）登錄過APP的用戶數，一般按照自然周計算。
解決問題：
1.周期性用戶規模。
2.周期性變化趨勢，主要是推廣期和非推廣期的比較。
（3）月活躍用戶數(MAU)
定義：最近一個月即30日（含當日）登錄過APP的用戶數，一般按照自然月計算。
MAU變化幅度較小，產品用戶規模穩定性來說，MAU是風向標。但在推廣時期，版本更新、運營活動的調整，對於MAU的衝擊則更加明顯。
此外，產品的生命周期階段不同，MAU的趨勢變化也不同。
解決問題：
1.用戶規模穩定性。
2.推廣效果評估。
3.總體用戶規模變化。
（4）日均使用時長(DAOT)
定義：每日總計線上時長/日活躍用戶數。
關於使用時長，可以分為單次使用時長、日使用時長和周使用時長等指標，通過對這些指標做區間分佈和平均計算，瞭解參與黏性。
解決問題：
1.分析產品的質量問題。
2.觀察不同時間維度的平均使用時長，瞭解不同用戶群的習慣。
4.留存即流失分析的依據。
（5）DAU/MAU
通過DAU/MAU可以看出用戶每月訪問App的平均天數是多少，比如：某個App擁有50萬DAU，100萬MAU，其DAU/MAU比值就是0.5，即，用戶每月平均訪問的時間是30*0.5=15天。這也是評估用戶粘性的一個比較重要的指標。
DAU/MAU介於3.33%到100%之間，但顯然這兩種情況現實中基本不可能出現。在不同領域的App會有不同的基準值可參考，例如移動游戲會以20%為基線，王者榮耀在2017年6月和9月的值基本都在31%左右。而工具類App會以40%為基線。
DAU/MAU的值越高，那麼毫無疑問，App的粘性越強，表示有更多的用戶願意使用App；反之如果DAU/MAU的值很低，但並不能直接說這個App是失敗的。我們還需要結合產品屬性（比如定期理財/求職/買房/租房的App，可能天然屬性DAU會相對低）、時間考量（工作日/假期等）、版本更新、運營活動、用戶維度的ARPU值等多個條件進行多維分析，才能得出結論。所以，正確理解DAU/MAU的意義很重要。
解決了活躍度的問題，又發現了另一個問題：“用戶來得快、走得也快”。有時候我們也說是游戲沒有用戶粘性或者留存。
我們需要可以用於衡量用戶粘性和質量的指標，這是一種評判APP初期能否留下用戶和活躍用戶規模增長的手段，留存率（Retention）是手段之一。
留存率：某段時間的新增用戶數，記為A，經過一段時間後，仍然使用的用戶占新增用戶A的比例即為留存率。
（1）次日留存率(Day 1Retention Ratio)
定義：日新增用戶在+1日登錄的用戶數占新增用戶的比例。
（2）三日留存率(Day 3Retention Ratio)
定義：日新增用戶在+3日登錄的用戶數占新增用戶的比例。
（3）七日留存率(Day 7Retention Ratio)
定義：日新增用戶在+7日登錄的用戶數占新增用戶的比例。
在關註留存率的同時，也要關心流失率的分析。留存率更加關心的是從用戶獲取的角度綜合分析獲取用戶的渠道方式是否合理，產品用戶規模是否能夠增長。而流失率則關心為什麼有些用戶離開APP，這可能是在用戶獲取階段就存在的問題，但是當APP存在穩定用戶規模後，一個付費用戶的流失，卻可能讓APP收入大幅下滑。
留存率的計算可以按照統計的時間區間來劃定，例如在計算周留存時，計算新增用戶周留存則是一周總計的新增量在隨後每周的留存情況。
上面提到的+3日或者+7日，意在著重強調，第3日和第7日的概念。註意，計算留存率時，新增當日是不被計入天數的，也就是說我們提到的留存用戶，指的是新增用戶新增後的第1天留存、第3天留存和第7天留存。
解決問題：
2.用戶質量評估。
3.用戶規模衡量。
4.流失：統計時間區間內，用戶在不同的時期離開APP的情況。
（4）日流失率(Day 1Churn Ratio)
定義：統計日登錄APP，但隨後7日未登錄APP的用戶占統計日活躍用戶的比例。
（5）周流失率(Week Churn Ratio)
定義：上周登錄過APP，但是本周未登錄過APP的用戶占上周周活躍用戶的比例。
（6）月流失率(Month Churn Ratio)
定義：上月登錄過APP，但是本月未登錄過APP的用戶占上月月活躍用戶的比例。
流失率是在APP進入穩定期需要重點關註的指標，如果說關註留存是關註APP用戶前期進入APP的情況，那麼關註流失率則是在產品中期和後期關心產品的用戶穩定性，收益能力轉化。穩定期的收益和活躍都很穩定，如果存在較大的流失率，則需要通過該指標起到警示作用，並逐步查找哪部分用戶離開了APP，問題出在哪裡。尤其是對付費用戶流失的分析，更需要重點關心。
解決問題：
1.活躍用戶生命周期分析。
2.渠道的變化情況。
4.什麼時期的流失率較高。
5.行業比較和產品中期評估。
收入（revenue）
收入的來源有很多種，主要包括：應用付費、應用內功能付費、廣告收入、流量變現等，主要考核的指標比如ARPU（客單價）。
主要關註：
通俗地說，付費率也稱作付費滲透率，在移動APP市場，多數只關心日付費率，即Daily Payment Ratio。
付費率的高低不代表產品的付費用戶增加或減少付費率在不同APP類型的產品中表現也是不同的。
解決問題：
2.用戶付費關鍵點和轉化周期。
3.付費轉化效果評估。
（2）活躍付費用戶數(APA)
定義：在統計時間區間內，成功付費的用戶數。一般按照月計，在國際市場也稱作MPU（Monthly Paying Users）。
在數據分析中，更加切實地關註日付費用戶和周付費用戶，主要原因是用戶的生命周期短暫，短期付費成為關註焦點。
活躍付費用戶數的計算公式如下：
解決問題：
1.產品的付費用戶規模。
2.APA的構成情況，鯨魚用戶、海豚用戶、小魚用戶的比例以及收益能力。
定義：在統計時間內，活躍用戶產生的平均收入。一般以月計。
平均每個用戶收入的計算公式如下：
ARPU＝Revenue/User
Monthly ARPU＝Revenue/MAU
嚴格定義的ARPU不同於國內所認識的ARPU，國內的ARPU=總收入/付費用戶數。所以，很多時候會強調付費ARPU，此處有專門的術語叫作ARPPU。
ARPU用於產品定位初期的不同規模下的收入估計，也是LTV的重要參考依據。
解決問題：
2.產品收益貢獻分析。
3.活躍用戶人均收入與投放成本的關係。
（4）平均每付費用戶收入(ARPPU)
平均每付費用戶收入的計算公式如下：
ARPPU＝Revenue/Payment User
Monthly ARPPU＝Revenue/APA
即總收入除以總付費用戶數，一般以月計。
ARPPU容易受到鯨魚用戶和小魚用戶的影響，分析時需謹慎。
ARPPU與APA、MPR的結合可以分析付費用戶的留存情況，對特定付費群體的流失進行深度分析，保證付費質量和規模。
解決問題：
1.付費用戶的付費能力和梯度變化。
2.付費用戶的整體付費趨勢和不同付費階層差異。
3.對鯨魚用戶的價值挖掘。
（5）生命周期價值(LTV)
定義：用戶在生命周期內為創造的收入總和。可以看成是一個長期累積的ARPU。
對每個用戶的平均LTV計算如下：
LTV＝ARPU×LT（按月或天計算平均生命周期）
其中，LT為Life Time（生命周期），即一個用戶從第一次啟動APP，到最後一次的時間，一般計算平均值，LT以月計，就是留存在APP的平均月的數量。例如，一款APP的ARPU＝￥2，LT＝5，那麼LTV＝2×5＝￥10。
以上的計算方式在理論上是可行的，在實際中我們採取以下的LTV計算方法。
跟蹤某日或者某周的新增用戶，計算該批用戶在隨後的7日、14日、30日的累積收入貢獻，然後除以該批新增用戶數，即累積收入/新增用戶＝累積ARPU（LTV）。此種方式可計算該批新增用戶在不同生命周期階段的粗略生命周期價值。
解決問題：
1.用戶收益貢獻周期。
2.LTV不區分付費與非付費用戶，看待整體的價值。
傳播（refer）
自傳播也叫作口碑傳播或者病毒式傳播。其中有一個重要的指標K因數。
K因數的計算公式不算複雜，過程如下：
K＝（每個用戶向他的朋友們發出的邀請的數量）×（接收到邀請的人轉化為新用戶的轉化率）。
假設平均每個用戶會向20個朋友發出邀請，而平均的轉化率為10%，則K＝20×10%＝2。
當K＞1時，用戶群就會像滾雪球一樣增大。
當K＜1時，用戶群到某個規模時就會停止通過自傳播增長。
絕大部分APP還不能完全依賴於自傳播，還必須和其他營銷方式結合。但是，在產品設計階段就加入有利於自傳播的功能，還是有必要的，畢竟這種免費的推廣方式可以部分地減少CAC。
以上是AARRR模型的數據指標體系。建立完善的數據指標體系，我們後續才可以對用戶行為進行更全面的分析。
學寫了。