一、AARRR模型是指什么

AARRR又稱為海盜模型，是Acquisition、Activation、Retention、Revenue、Referral五個英文單詞的縮寫，是DaveMcClure2007提出的，核心就是AARRR漏斗模型，對應(yīng)客戶生命周期幫助大家更好地理解獲客和維護(hù)客戶的原理。

AARRR分別代表了五個單詞，又分別對應(yīng)了產(chǎn)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(chǎn)品；

Activation[激活]：用戶在你的產(chǎn)品，上完成了一個核心任務(wù)(并有良好體驗(yàn))；

Retention[存留]：用戶回來繼續(xù)不斷的使用你的產(chǎn)品；

Revenue[收益]：用戶在你的產(chǎn)品，上發(fā)生了可使你收益的行為；

Referral[推薦]：用戶通過你的產(chǎn)品，推薦引導(dǎo)他人來使用你的產(chǎn)品。

二、AARRR模型的核心

AARRR模型指出了兩個核心點(diǎn)：

1、以用戶為中心，以完整的用戶生命周期為線索；

2、把控產(chǎn)品整體的成本/收入關(guān)系，用戶生命周期價值(LTV)遠(yuǎn)大于用戶獲取成本(CAC)與用戶經(jīng)營成本（COC）之和就意味著產(chǎn)品的成功。

AARRR模型

三、AARRR模型的內(nèi)容

以下以移動應(yīng)用為例簡單講解AARRR模型每個階段。

1、用戶獲?。ˋcquisition）

運(yùn)營一款移動應(yīng)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(yùn)營。

2、用戶激活（Activation）

很多用戶可能是通過終端預(yù)置（刷機(jī)）、廣告等不同的渠道進(jìn)入應(yīng)用的，這些用戶是被動地進(jìn)入應(yīng)用的。如何把他們轉(zhuǎn)化為活躍用戶，是運(yùn)營者面臨的第一個問題。

當(dāng)然，這里面一個重要的因素是推廣渠道的質(zhì)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(yán)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(biāo)人群，他們帶來的用戶和應(yīng)用設(shè)計時設(shè)定的目標(biāo)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一定要先分析自己應(yīng)用的特性（例如是否小眾應(yīng)用）以及目標(biāo)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(chǎn)品本身是否能在最初使用的幾十秒鐘內(nèi)抓住用戶。再有內(nèi)涵的應(yīng)用，如果給人的第一印象不好，也會"相親"失敗，成為"娶不到媳婦的老大難"。

此外，還有些應(yīng)用會通過體驗(yàn)良好的新手教程來吸引新用戶，這在游戲行業(yè)尤其突出。

3、用戶留存（Retention）

有些應(yīng)用在解決了活躍度的問題以后，又發(fā)現(xiàn)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(yīng)用沒有用戶粘性。

我們都知道，通常保留一個老客戶的成本要遠(yuǎn)遠(yuǎn)低于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(yīng)用運(yùn)營的大忌。但是很多應(yīng)用確實(shí)并不清楚用戶是在什么時間流失的，于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(biāo)監(jiān)控應(yīng)用的用戶流失情況，并采取相應(yīng)的手段在用戶流失之前，激勵這些用戶繼續(xù)使用應(yīng)用。

留存率跟應(yīng)用的類型也有很大關(guān)系。通常來說，工具類應(yīng)用的首月留存率可能普遍比游戲類的首月留存率要高。

4、獲得收益（Revenue）

獲取收入其實(shí)是應(yīng)用運(yùn)營最核心的一塊。極少有人開發(fā)一款應(yīng)用只是純粹出于興趣，絕大多數(shù)開發(fā)者最關(guān)心的就是收入。即使是免費(fèi)應(yīng)用，也應(yīng)該有其盈利的模式。

收入有很多種來源，主要的有三種：付費(fèi)應(yīng)用、應(yīng)用內(nèi)付費(fèi)、以及廣告。付費(fèi)應(yīng)用在國內(nèi)的接受程度很低，包括GooglePlayStore在中國也只推免費(fèi)應(yīng)用。在國內(nèi)，廣告是大部分開發(fā)者的收入來源，而應(yīng)用內(nèi)付費(fèi)在游戲行業(yè)應(yīng)用比較多。

無論是以上哪一種，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(chǔ)。用戶基數(shù)大了，收入才有可能上量。

5、推薦傳播（Referral）

以前的運(yùn)營模型到第四個層次就結(jié)束了，但是社交網(wǎng)絡(luò)的興起，使得運(yùn)營增加了一個方面，就是基于社交網(wǎng)絡(luò)的病毒式傳播，這已經(jīng)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(chǎn)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(yīng)用運(yùn)營形成了一個螺旋式上升的軌道。而那些優(yōu)秀的應(yīng)用就很好地利用了這個軌道，不斷擴(kuò)大自己的用戶群體。

通過上述這個AARRR模型，我們看到獲取用戶（推廣）只是整個應(yīng)用運(yùn)營中的第一步，好戲都還在后頭。如果只看推廣，不重視運(yùn)營中的其它幾個層次，任由用戶自生自滅，那么應(yīng)用的前景必定是暗淡的。

四、AARRR模型的數(shù)據(jù)指標(biāo)

1、獲取用戶（acquisition）

獲取階段即產(chǎn)品的推廣階段，也是產(chǎn)品運(yùn)營的第一步。

運(yùn)營者通過各種推廣渠道，以各種方式獲取目標(biāo)用戶，并對各種營銷渠道的效果進(jìn)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(guān)注的指標(biāo)主要為：

(1)、日新登用戶數(shù)（DNU）

定義：每日注冊并登錄游戲的用戶數(shù)。

此處注冊為廣義概念，對于一些APP而言，則是首次啟動進(jìn)入APP的用戶，所以對于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(tǒng)計中，有時候用戶也特指設(shè)備。

解決問題：

● 渠道貢獻(xiàn)的用戶份額。

● 宏觀走勢，確定投放策略。

● 是否存在大量垃圾用戶。

● 注冊轉(zhuǎn)化率分析。

2、提高活躍度（activation）

新增用戶經(jīng)過沉淀轉(zhuǎn)化為活躍（Activation）用戶。這時我們需要關(guān)注活動用戶的數(shù)量以及用戶使用頻次、停留時間的數(shù)據(jù)。

(1)、日活躍用戶數(shù)（DAU）

定義：每日登錄過游戲的用戶數(shù)。

對于某些APP而言，啟動就是一個活躍用戶，而另一些則要通過賬號注冊，形成一個網(wǎng)絡(luò)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：

● 核心用戶規(guī)模。

● 產(chǎn)品生命周期分析。

● 產(chǎn)品活躍用戶流失，分解活躍用戶。

● 用戶活躍率，活躍用戶計用戶量。

(2)、周活躍用戶數(shù)（WAU）

定義：最近7日（含當(dāng)日）登錄過APP的用戶數(shù)，一般按照自然周計算。

解決問題：

● 周期性用戶規(guī)模。

● 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(shù)(MAU)

定義：最近一個月即30日（含當(dāng)日）登錄過APP的用戶數(shù)，一般按照自然月計算。

MAU變化幅度較小，產(chǎn)品用戶規(guī)模穩(wěn)定性來說，MAU是風(fēng)向標(biāo)。但在推廣時期，版本更新、運(yùn)營活動的調(diào)整，對于MAU的沖擊則更加明顯。

此外，產(chǎn)品的生命周期階段不同，MAU的趨勢變化也不同。

解決問題：

● 用戶規(guī)模穩(wěn)定性。

● 推廣效果評估。

● 總體用戶規(guī)模變化。

(4)、日均使用時長(DAOT)

定義：每日總計在線時長/日活躍用戶數(shù)。

關(guān)于使用時長，可以分為單次使用時長、日使用時長和周使用時長等指標(biāo)，通過對這些指標(biāo)做區(qū)間分布和平均計算，了解參與黏性。

解決問題：

● 分析產(chǎn)品的質(zhì)量問題。

● 觀察不同時間維度的平均使用時長，了解不同用戶群的習(xí)慣。

● 渠道質(zhì)量衡量標(biāo)準(zhǔn)之一。

● 留存即流失分析的依據(jù)。

(5)、DAU/MAU

通過DAU/MAU可以看出用戶每月訪問App的平均天數(shù)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(biāo)。

DAU/MAU介于3.33%到100%之間，但顯然這兩種情況現(xiàn)實(shí)中基本不可能出現(xiàn)。在不同領(lǐng)域的App會有不同的基準(zhǔn)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，那么毫無疑問，App的粘性越強(qiáng)，表示有更多的用戶愿意使用App；反之如果DAU/MAU的值很低，但并不能直接說這個App是失敗的。我們還需要結(jié)合產(chǎn)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(yùn)營活動、用戶維度的ARPU值等多個條件進(jìn)行多維分析，才能得出結(jié)論。所以，正確理解DAU/MAU的意義很重要。

3、留存（retention）

解決了活躍度的問題，又發(fā)現(xiàn)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。

我們需要可以用于衡量用戶粘性和質(zhì)量的指標(biāo)，這是一種評判APP初期能否留下用戶和活躍用戶規(guī)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(shù)，記為A，經(jīng)過一段時間后，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(Day1RetentionRatio)

定義：日新增用戶在+1日登錄的用戶數(shù)占新增用戶的比例。

(2)、三日留存率(Day3RetentionRatio)

定義：日新增用戶在+3日登錄的用戶數(shù)占新增用戶的比例。

(3)、七日留存率(Day7RetentionRatio)

定義：日新增用戶在+7日登錄的用戶數(shù)占新增用戶的比例。

留存率逐漸演變?yōu)樵u判產(chǎn)品質(zhì)量的重要標(biāo)準(zhǔn)。

在關(guān)注留存率的同時，也要關(guān)心流失率的分析。留存率更加關(guān)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(chǎn)品用戶規(guī)模是否能夠增長。而流失率則關(guān)心為什么有些用戶離開APP，這可能是在用戶獲取階段就存在的問題，但是當(dāng)APP存在穩(wěn)定用戶規(guī)模后，一個付費(fèi)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(tǒng)計的時間區(qū)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后每周的留存情況。

上面提到的+3日或者+7日，意在著重強(qiáng)調(diào)，第3日和第7日的概念。注意，計算留存率時，新增當(dāng)日是不被計入天數(shù)的，也就是說我們提到的留存用戶，指的是新增用戶新增后的第1天留存、第3天留存和第7天留存。

解決問題：

●  APP質(zhì)量評估。

● 用戶質(zhì)量評估。

● 用戶規(guī)模衡量。

● 流失：統(tǒng)計時間區(qū)間內(nèi)，用戶在不同的時期離開APP的情況。

(4)、日流失率(Day1ChurnRatio)

定義：統(tǒng)計日登錄APP，但隨后7日未登錄APP的用戶占統(tǒng)計日活躍用戶的比例。

(5)、周流失率(WeekChurnRatio)

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(MonthChurnRatio)

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(jìn)入穩(wěn)定期需要重點(diǎn)關(guān)注的指標(biāo)，如果說關(guān)注留存是關(guān)注APP用戶前期進(jìn)入APP的情況，那么關(guān)注流失率則是在產(chǎn)品中期和后期關(guān)心產(chǎn)品的用戶穩(wěn)定性，收益能力轉(zhuǎn)化。穩(wěn)定期的收益和活躍都很穩(wěn)定，如果存在較大的流失率，則需要通過該指標(biāo)起到警示作用，并逐步查找哪部分用戶離開了APP，問題出在哪里。尤其是對付費(fèi)用戶流失的分析，更需要重點(diǎn)關(guān)心。

解決問題：

● 活躍用戶生命周期分析。

● 渠道的變化情況。

● 拉動收入的運(yùn)營手段，版本更新對于用戶的流失影響評估。

● 什么時期的流失率較高。

● 行業(yè)比較和產(chǎn)品中期評估。

4、收入（revenue）

收入的來源有很多種，主要包括：應(yīng)用付費(fèi)、應(yīng)用內(nèi)功能付費(fèi)、廣告收入、流量變現(xiàn)等，主要考核的指標(biāo)比如ARPU（客單價）。

主要關(guān)注：

(1)、付費(fèi)率(PR或者PUR)

定義：付費(fèi)用戶數(shù)占活躍用戶的比例。

通俗地說，付費(fèi)率也稱作付費(fèi)滲透率，在移動APP市場，多數(shù)只關(guān)心日付費(fèi)率，即DailyPaymentRatio。

付費(fèi)率的高低不代表產(chǎn)品的付費(fèi)用戶增加或減少付費(fèi)率在不同APP類型的產(chǎn)品中表現(xiàn)也是不同的。

解決問題：

● 產(chǎn)品的收益轉(zhuǎn)化能力標(biāo)準(zhǔn)。

● 用戶付費(fèi)關(guān)鍵點(diǎn)和轉(zhuǎn)化周期。

● 付費(fèi)轉(zhuǎn)化效果評估。

(2)、活躍付費(fèi)用戶數(shù)(APA)

定義：在統(tǒng)計時間區(qū)間內(nèi)，成功付費(fèi)的用戶數(shù)。一般按照月計，在國際市場也稱作MPU（MonthlyPayingUsers）。

在數(shù)據(jù)分析中，更加切實(shí)地關(guān)注日付費(fèi)用戶和周付費(fèi)用戶，主要原因是用戶的生命周期短暫，短期付費(fèi)成為關(guān)注焦點(diǎn)。

活躍付費(fèi)用戶數(shù)的計算公式如下：

APA＝MAU×MPR

解決問題：

● 產(chǎn)品的付費(fèi)用戶規(guī)模。

●  APA的構(gòu)成情況，鯨魚用戶、海豚用戶、小魚用戶的比例以及收益能力。

● 付費(fèi)群體的價值即整體穩(wěn)定性分析。

(3)、平均每用戶收入(ARPU)

定義：在統(tǒng)計時間內(nèi)，活躍用戶產(chǎn)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

MonthlyARPU＝Revenue/MAU

即總收入除以總活躍用戶數(shù)，一般按照月計。

嚴(yán)格定義的ARPU不同于國內(nèi)所認(rèn)識的ARPU，國內(nèi)的ARPU=總收入/付費(fèi)用戶數(shù)。所以，很多時候會強(qiáng)調(diào)付費(fèi)ARPU，此處有專門的術(shù)語叫作ARPPU。

ARPU用于產(chǎn)品定位初期的不同規(guī)模下的收入估計，也是LTV的重要參考依據(jù)。

解決問題：

● 不同渠道用戶質(zhì)量的判斷。

● 產(chǎn)品收益貢獻(xiàn)分析。

● 活躍用戶人均收入與投放成本的關(guān)系。

(4)、平均每付費(fèi)用戶收入(ARPPU)

定義：在統(tǒng)計時間內(nèi)，付費(fèi)用戶產(chǎn)生的平均收入。一般以月計。

平均每付費(fèi)用戶收入的計算公式如下：

ARPPU＝Revenue/PaymentUser

MonthlyARPPU＝Revenue/APA

即總收入除以總付費(fèi)用戶數(shù)，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(jǐn)慎。

ARPPU與APA、MPR的結(jié)合可以分析付費(fèi)用戶的留存情況，對特定付費(fèi)群體的流失進(jìn)行深度分析，保證付費(fèi)質(zhì)量和規(guī)模。

解決問題：

● 付費(fèi)用戶的付費(fèi)能力和梯度變化。

● 付費(fèi)用戶的整體付費(fèi)趨勢和不同付費(fèi)階層差異。

● 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(nèi)為創(chuàng)造的收入總和?？梢钥闯墒且粋€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LifeTime（生命周期），即一個用戶從第一次啟動APP，到最后一次的時間，一般計算平均值，LT以月計，就是留存在APP的平均月的數(shù)量。例如，一款A(yù)PP的ARPU＝￥2，LT＝5，那么LTV＝2×5＝￥10。

以上的計算方式在理論上是可行的，在實(shí)際中我們采取以下的LTV計算方法。

跟蹤某日或者某周的新增用戶，計算該批用戶在隨后的7日、14日、30日的累積收入貢獻(xiàn)，然后除以該批新增用戶數(shù)，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：

● 用戶收益貢獻(xiàn)周期。用戶群與渠道的利潤貢獻(xiàn)，LTV與CPA的衡量。

● LTV不區(qū)分付費(fèi)與非付費(fèi)用戶，看待整體的價值。

5、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(biāo)K因子。

K因子的計算公式不算復(fù)雜，過程如下：

K＝（每個用戶向他的朋友們發(fā)出的邀請的數(shù)量）×（接收到邀請的人轉(zhuǎn)化為新用戶的轉(zhuǎn)化率）。

假設(shè)平均每個用戶會向20個朋友發(fā)出邀請，而平均的轉(zhuǎn)化率為10%，則K＝20×10%＝2。

當(dāng)K＞1時，用戶群就會像滾雪球一樣增大。

當(dāng)K＜1時，用戶群到某個規(guī)模時就會停止通過自傳播增長。

絕大部分APP還不能完全依賴于自傳播，還必須和其他營銷方式結(jié)合。但是，在產(chǎn)品設(shè)計階段就加入有利于自傳播的功能，還是有必要的，畢竟這種免費(fèi)的推廣方式可以部分地減少CAC。

以上是AARRR模型的數(shù)據(jù)指標(biāo)體系。建立完善的數(shù)據(jù)指標(biāo)體系，我們后續(xù)才可以對用戶行為進(jìn)行更全面的分析。

五、AARRR模型的使用方法

通常大家在推廣應(yīng)用時，頭痛的是后臺統(tǒng)計的激活量比渠道提供的下載量小很多。但是前幾天，有一位朋友找我咨詢，說他們公司的一款A(yù)pp來自某個渠道的激活量突然猛增。但是他查了在那個渠道（是家應(yīng)用市場）上的下載量，并沒有明顯的變化。于是他非常困惑，問我有沒有辦法幫他查到原因。

少了多了都會讓人頭痛——因?yàn)閿?shù)據(jù)出現(xiàn)異常，通常就說明有某個環(huán)節(jié)出了問題。但是光看一個激活量和一個下載量，并不能揭示問題的根本原因。尤其是當(dāng)我們已經(jīng)了解了移動應(yīng)用運(yùn)營模型時，我們更需要了解在AARRR的每個環(huán)節(jié)中，我們應(yīng)當(dāng)關(guān)注什么樣的數(shù)據(jù)，什么樣的數(shù)據(jù)表現(xiàn)才是正常的——簡單來說，只知道AARRR還不夠，還要會用才行。

1、獲取用戶（Acquisition）

這個階段，最初大家最關(guān)心的數(shù)據(jù)是下載量。到今天，一些媒體的報道中也還經(jīng)常用下載量來衡量一個應(yīng)用的用戶規(guī)模和是否成功。不過，下載了應(yīng)用不等于一定會安裝，安裝了應(yīng)用也不等于一定使用了該應(yīng)用。所以很快激活量成為了這個層次中大家最關(guān)心的數(shù)據(jù)，甚至是有些推廣人員唯一關(guān)注的數(shù)據(jù)。通常激活量（即新增用戶數(shù)量）的定義是新增的啟動了該應(yīng)用的獨(dú)立設(shè)備的個數(shù)。從字面上看激活量似乎更應(yīng)該是第二層Activation的指標(biāo)，但是因?yàn)橄螺d量、安裝量這些數(shù)據(jù)都比較虛，不能真實(shí)反映用戶是否已經(jīng)被獲取。所以大家都要看激活，這才是真正獲取到了新的用戶。

另一個非常重要的數(shù)據(jù)，就是分渠道統(tǒng)計的激活量。因?yàn)樵谇劳茝V時，很多應(yīng)用開發(fā)者選擇了付費(fèi)推廣。結(jié)算的時候，自然要了解在某個渠道有多少真正激活的用戶。即使沒有付費(fèi)關(guān)系，開發(fā)者也需要知道哪個渠道是最有效果的。

但是站在更高的高度看，CAC（用戶獲取成本CustomerAcquisitionCost）才是最需要去關(guān)注的數(shù)據(jù)。行業(yè)里有種粗略的說法，每個AndROId用戶的獲取成本大約在4元左右，而iOS用戶大約在8元以上。當(dāng)然，應(yīng)用市場下載、手機(jī)預(yù)置、廣告等各種不同的渠道的獲取成本是完全不同的。這里面有個性價比的問題，有些渠道的獲取成本比較高，但是用戶質(zhì)量也比較高（什么樣的叫質(zhì)量高，后面會有說明）。

2、提高活躍度（Activation）

看到活躍度，大家首先會想到的指標(biāo)是DAU（日活躍用戶）、MAU（月活躍用戶）。這兩個數(shù)據(jù)基本上說明了應(yīng)用當(dāng)前的用戶群規(guī)模，在網(wǎng)絡(luò)游戲行業(yè)這是運(yùn)營人員必看的兩個指標(biāo)。通?；钴S用戶是指在指定周期內(nèi)有啟動的用戶。但是啟動是否真的等于活躍呢？如果在指定周期內(nèi)只啟動了一次，而且時間很短，這樣的用戶活躍度其實(shí)并不高（當(dāng)然對某些特殊的應(yīng)用來說可能算高，例如用來記錄女性生理周期的應(yīng)用，一月啟動一次就夠了）。所以其實(shí)還要看另兩個指標(biāo)：每次啟動平均使用時長和每個用戶每日平均啟動次數(shù)。當(dāng)這兩個指標(biāo)都處于上漲趨勢時，可以肯定應(yīng)用的用戶活躍度在增加。

針對使用時長和啟動次數(shù)的渠道統(tǒng)計同樣很重要。我們把它們稱為渠道的質(zhì)量數(shù)據(jù)，如果某個渠道上來的用戶，這兩個指標(biāo)很差，那么在這個渠道上投入太多是沒有意義的。最典型的就是水貨刷機(jī)的用戶，很多預(yù)置的應(yīng)用都是在刷機(jī)完成時被激活的。針對這種被動激活的用戶，可以看另一個指標(biāo)，叫一次性啟動用戶數(shù)量，也就是迄今為止只啟動過一次的用戶的數(shù)量。

除了渠道，另一個和活躍度相關(guān)的分析維度是版本。各個版本的使用時長和啟動次數(shù)也會有差異。對產(chǎn)品經(jīng)理來說，分析不同版本的活躍度差異有助于不斷改進(jìn)應(yīng)用。

此外跟活躍度相關(guān)的，還有日活躍率、周活躍率、月活躍率這些指標(biāo)。當(dāng)然活躍率和應(yīng)用的類別是很有關(guān)系的，比如桌面、省電類的應(yīng)用的活躍率就比字典類的應(yīng)用高。

3、提高留存率（Retention）

下載和安裝——使用——卸載或者遺忘，這是用戶在每個應(yīng)用中的生命周期。成功的應(yīng)用就是那些能盡量延長用戶的生命周期，最大化用戶在此生命周期內(nèi)的價值（下一節(jié)會談到生命周期價值這個話題）的應(yīng)用。

對于大部分應(yīng)用，應(yīng)該關(guān)心的是1-DayRetention和7-DayRetention。這里我之所以用英文，是因?yàn)槠渲形姆g不統(tǒng)一，容易引起歧義。1-DayRetention通常翻譯為首日留存率，其實(shí)這個"首日"并不是指應(yīng)用被安裝使用的第一天（假設(shè)日期為D），而是D+1日，即安裝使用的第二天。因?yàn)榘惭b使用的第一天沒有留存率這個概念（有的話，只能是100%）。到了第二天，前一天安裝使用的用戶中還有多少百分比的人還在啟動使用這款應(yīng)用，這就是1-DayRetention。因?yàn)槭堑诙?，所以有些文章中也?quot;次日留存率"。同樣的，7-DayRetention是在D+7日啟動使用這款應(yīng)用的占D日首次安裝使用這款應(yīng)用的用戶總數(shù)的百分比。通常用戶新安裝使用后的前幾天是流失比例最大的時期（關(guān)于用戶留存的細(xì)節(jié)，請參考我們同事的另一篇博客《讀懂你的用戶留存》）。所以這兩個指標(biāo)在留存率分析是最重要的。曾經(jīng)有游戲行業(yè)的行家指出，如果想成為一款成功的游戲，1-DayRetention要達(dá)到40%，7-DayRetention要達(dá)到20%。

有些應(yīng)用不是需要每日啟動的，那樣的話可以看周留存率、月留存率等指標(biāo)，會更有意義。留存率也是檢驗(yàn)渠道的用戶質(zhì)量的重要指標(biāo)，如果同一個應(yīng)用的某個渠道的首日留存率比其它渠道低很多，那么這個渠道的質(zhì)量是比較差的。

4、獲取收入（Revenue）

關(guān)于收入，大家最耳熟能詳?shù)闹笜?biāo)就是ARPU（平均每用戶收入）值。對應(yīng)的比較少提的還有個指標(biāo)叫ARPPU（平均每付費(fèi)用戶收入）。前幾天，@吳剛在微博里貼圖比較二戰(zhàn)風(fēng)云的ARPU值時就注明了是周付費(fèi)用戶ARPU（所以其實(shí)是ARPPU）。但是很多人誤讀了以為是六十多元的周ARPU值，就會讓他們對Android游戲產(chǎn)生過分的樂觀。

是不是ARPPU高，ARPU就一定會高呢？答案是不一定。因?yàn)槠渲羞€有個指標(biāo)是付費(fèi)用戶比例，也就是付費(fèi)用戶在全部用戶中所占的比例。如果付費(fèi)用戶比例較低，那么那些收入攤到所有用戶身上的平均值就低了。通常來說，如果某個游戲?yàn)榱颂岣逜RPPU，提高了虛擬道具的價格，那么付費(fèi)用戶比例就會相應(yīng)地降低。找到一個ARPPU和付費(fèi)用戶比例的平衡點(diǎn)，才能最大化收入。

但是收入并不是最重要的，利潤才是。如何最大化利潤呢？利潤最簡化的計算公式是：利潤=收入-成本。首先我們看一下成本，我們在上一篇中提到過CAC（用戶獲取成本）。除此之外，還有應(yīng)用本身的開發(fā)成本、服務(wù)器硬件和帶寬成本以及運(yùn)營成本等等。不過在用戶量很大的情況下，CAC會成為最主要的成本，而其它成本不在一個數(shù)量級，所以我們在后續(xù)討論中只考慮CAC。

那么收入如何計算？ARPU是一個和時間段相關(guān)的指標(biāo)（通常講的最多是每月的ARPU值），還不能完全和CAC對應(yīng)，因?yàn)镃AC和時間段并沒有直接關(guān)系。所以我們還要多看一個指標(biāo)：LTV（生命周期價值）。用戶的生命周期是指一個用戶從第一次啟動應(yīng)用，到最后一次啟動應(yīng)用之間的周期。LTV就是某個用戶在生命周期內(nèi)為該應(yīng)用創(chuàng)造的收入總計，可以看成是一個長期累計的ARPU值。每個用戶平均的LTV=每月ARPU*用戶按月計的平均生命周期。

LTV–CAC的差值，就可以視為該應(yīng)用從每個用戶身上獲取的利潤。所以最大化利潤，就變成如何在降低CAC的同時，提高LTV，使得這兩者之間的差值最大化。更進(jìn)一步的，對不同渠道來源用戶做斷代分析，根據(jù)他們不同的CAC和LTV，就可以推導(dǎo)出不同渠道來源的利潤率差異。

5、自傳播（Refer）

自傳播，或者說病毒營銷，是最近十年才被廣泛研究的營銷方法。雖然大家都聽過一些病毒式營銷的經(jīng)典案例，但是要說怎樣量化評估其效果，卻很少有人知道K因子(K-factor)這個衡量指標(biāo)。其實(shí)K因子這個術(shù)語并非起源于市場學(xué)或軟件業(yè)，而是來源于傳染病學(xué)——對，就是研究真正的病毒傳播的科學(xué)。K因子量化了感染的概率，即一個已經(jīng)感染了病毒的宿主所能接觸到的所有宿主中，會有多少宿主被其傳染上病毒。

K因子的計算公式不算復(fù)雜，K=(每個用戶向他的朋友們發(fā)出的邀請的數(shù)量)*(接收到邀請的人轉(zhuǎn)化為新用戶的轉(zhuǎn)化率)。假設(shè)平均每個用戶會向20個朋友發(fā)出邀請，而平均的轉(zhuǎn)化率為10%的話，K=20*10%=2。這個結(jié)果還算是不錯的效果——當(dāng)K>1時，用戶群就會象滾雪球一樣增大。如果K<1的話，那么用戶群到某個規(guī)模時就會停止通過自傳播增長。

很遺憾的是，即使是社交類的移動應(yīng)用，K因子大于1的也很少。所以絕大部分移動應(yīng)用還不能完全依賴于自傳播，還必須和其它營銷方式結(jié)合。但是從產(chǎn)品設(shè)計階段就加入有利于自傳播的功能，還是有必要的，畢竟這種免費(fèi)的推廣方式可以部分地減少CAC。

以上我們列舉了在應(yīng)用推廣運(yùn)營各個層次（各個階段）需要關(guān)注的一些指標(biāo)。在整個AARRR模型中，這些量化指標(biāo)都具有很重要的地位，而且很多指標(biāo)的影響力是跨多個層次的。及時準(zhǔn)確地獲取這些指標(biāo)的具體數(shù)據(jù)，對于應(yīng)用的成功運(yùn)營是必不可少的。

六、AARRR模型的注意事項(xiàng)

AARRR模型強(qiáng)調(diào)數(shù)據(jù)驅(qū)動的運(yùn)營策略，但如果產(chǎn)品初期無法獲得更多的用戶數(shù)據(jù)，如何低成本多維度的高價值用戶行為數(shù)據(jù)呢？

1、增長成本:獲取同樣數(shù)量的用戶,如何最大化削減產(chǎn)品運(yùn)營成本。

2、增長效率:對照同樣的運(yùn)營周期,如何獲取最大化的產(chǎn)品用戶。

3、增長質(zhì)量:獲取同樣數(shù)量的用戶,如何提升種子、高潛用戶的占比。

充分理解和使用AARRR模型，可以十分清晰地了解到產(chǎn)品在不同生命階段的運(yùn)營目標(biāo)并以此制定不同的運(yùn)營策略。

總結(jié)

優(yōu)化猩SEO：AARRR模型的本質(zhì)是一個流量漏斗模型，概括了獲取用戶-激發(fā)活躍-提高留存-增加收入-傳播推薦這5個流量轉(zhuǎn)化環(huán)節(jié)。AARRR模型可以幫助我們做有效的用戶管理，明確了獲客、激活、留存、轉(zhuǎn)化、傳播這5個關(guān)鍵的增長動作。

參考鏈接：

AARRR模型

https://baike.baidu.com/item/AARRR%E6%A8%A1%E5%9E%8B/50968334

AARRR模型

https://wiki.mbalib.com/wiki/AARRR%E6%A8%A1%E5%9E%8B

AARRR模型

https://baike.baidu.com/item/AARRR/6962373

修改于2023-11-26