✏️
kingkong
  • Introduction
  • Go
    • 入门
    • 并发
    • 避坑
    • 测试
    • GC
    • 性能剖析PProf
    • 第三方库
    • 学习资料
    • 编写可维护Go语言代码建议
    • SOLID Go Design
    • 数组与切片
    • Go Mudules
    • mac 系统go升级 1.12到1.14
  • Kubernetes
    • 安装
    • 本质
    • 常用命令
    • 架构
    • 配置文件
    • Pod
    • Kubectl
    • 学习资料
  • Mac
    • Mac
    • Alfred4
    • 开机启动项管理
    • 升级macOS Big Sur11.1后蓝牙不能用
    • macOs磁盘清理之Homebrew数据清理
  • Docker
    • 常用命令
    • Dockerfile
    • Compose
    • Registry
    • Limit
    • Network
    • Volume
    • 特殊的进程
    • Namespace-Process
    • Namespace-Mount
    • Namespace-UTS
    • Namespace-IPC
    • Namespace-Network
    • Namespace-User
    • 踩坑
  • DevOps
    • ChatOps
    • GitOps
    • SecOps
    • VictorOps
  • Algorithm
    • raft
  • 中间件
    • etcd
    • Nacos集群部署
    • zookeeper
  • 分布式
    • CAP理论
    • BASE理论
    • Gossip协议
  • 网络
    • IP地址编址方式
    • C10k
    • NIO-BIO-AIO
    • Http
  • Linux
    • 常用命令
    • 常用命令1
    • 常用网络命令
    • 进程管理
    • 守护进程
    • Systemd
    • Unix哲学
    • 端口
    • 网络
    • CentOS目录结构
    • IT
    • 文件系统
    • 开源协定
    • 基础知识
    • bash
    • shell
    • vim
    • lvm2
    • btrfs文件系统
    • raid
    • 任务计划及周期性任务执行
    • find
    • 程序包的安装卸载
    • yum
    • sed
    • 用户、组和权限
  • 数据库
    • Redis
    • MySQL
  • 消息队列
    • kafka
  • 语言之道
  • 程序设计原则
  • LoadBalancer
    • LVS
    • HAProxy
  • 敏捷
    • 影响地图
    • 卡诺模型
    • 精益画布
    • 电梯演讲
    • INVEST原则
    • 复杂系统
    • AARRR模型
    • 用户故事
    • 看板
    • Scrum
  • MicroService
    • 分布式链接追踪系统
    • ServiceMesh
    • 如何设计微服务
    • 领域驱动设计
  • 项目实战
    • 多通道告警服务
    • IAM
  • 管理
    • 沟通
    • 演讲
    • 面试官
  • Authorization
    • JWT
  • Spring
    • IoC
    • SpringFramework
    • Spring核心编程思想
  • Java
    • SPI机制
    • Jar
    • tutorial
    • 面向对象
    • 核心类
    • 泛型
    • 集合
    • IO
    • 日期与时间
    • 单元测试
    • maven
    • 函数式编程
  • Mix
    • Bookmark
    • WorkStation
    • 快速压力转换
    • 手机拍照
    • markdown画图
    • RESTful API设计
    • 如何做单元测试
    • 赶走脂肪肝
  • Aphorism
  • 互联网
    • DNS
    • Nginx
  • Rust
  • Quarkus
    • java.util.zip.ZipException: zip END header not found
  • Python
    • tutorial
  • 区块链
    • Substrate
    • BTC
Powered by GitBook
On this page

Was this helpful?

  1. 敏捷

AARRR模型

Previous复杂系统Next用户故事

Last updated 4 years ago

Was this helpful?

AARRR模型 什么是AARRR模型 AARRR模型因其掠夺式的增长方式也被称为海盗模型,是Dave McClure 2007提出的,核心就是AARRR漏斗模型,对应客户生命周期帮助大家更好地理解获客和维护客户的原理。

ARRR分别代表了五个单词,又分别对应了产品生命周期中的五个阶段:

Acquisition [获取] 用户从不同渠道来到你的产品 Activation [激活] 用户在你的产品上完成了一个核心任务(并有良好体验) Retention [存留] 用户回来继续不断的使用你的产品 Revenue [收益] 用户在你的产品上发生了可使你收益的行为 Referral [推荐] 用户通过你的产品,推荐引导他人来使用你的产品

AARRR模型核心 AARRR模型指出了两个核心点:

1.以用户为中心,以完整的用户生命周期为线索。 2.把控产品整体的成本和收入关系,用户生命周期价值(LTV)远大于用户获取成本(CAC)与用户经营成本(COC)之和就意味着产品的成功。

AARRR各阶段的数据指标 Acquisition 日新登用户数(DNU) 每日注册并登录应用的用户数。

解决问题: 1.渠道贡献的用户份额。 2.宏观走势,确定投放策略。 3.是否存在大量垃圾用户。 4.注册转化率分析。

Activation 日活跃用户数(DAU) 每日登录过应用的用户数。

解决问题: 1.核心用户规模。 2.产品生命周期分析。 3.产品活跃用户流失,分解活跃用户。 4.用户活跃率,活跃用户计用户量。

周活跃用户数(WAU) 最近7日(含当日)登录过应用的用户数,一般按照自然周计算。

解决问题: 1.周期性用户规模。 2.周期性变化趋势,主要是推广期和非推广期的比较。

月活跃用户数(MAU) 最近一个月即30日(含当日)登录过APP的用户数,一般按照自然月计算。

解决问题: 1.用户规模稳定性。 2.推广效果评估。 3.总体用户规模变化。

日均使用时长(DAOT) 每日总计在线时长/日活跃用户数。

解决问题: 1.分析产品的质量问题。 2.观察不同时间维度的平均使用时长,了解不同用户群的习惯。 3.渠道质量衡量标准之一。 4.留存即流失分析的依据。

Retention 次日留存率(Day 1Retention Ratio) 定义:日新增用户在+1日登录的用户数占新增用户的比例。

三日留存率(Day 3Retention Ratio) 定义:日新增用户在+3日登录的用户数占新增用户的比例。

七日留存率(Day 7Retention Ratio) 定义:日新增用户在+7日登录的用户数占新增用户的比例。

解决问题: 1.APP质量评估。 2.用户质量评估。 3.用户规模衡量。 4.流失:统计时间区间内,用户在不同的时期离开APP的情况。

日流失率(Day 1Churn Ratio) 定义:统计日登录APP,但随后7日未登录APP的用户占统计日活跃用户的比例。

周流失率(Week Churn Ratio) 定义:上周登录过APP,但是本周未登录过APP的用户占上周周活跃用户的比例。

月流失率(Month Churn Ratio) 定义:上月登录过APP,但是本月未登录过APP的用户占上月月活跃用户的比例。

解决问题: 1.活跃用户生命周期分析。 2.渠道的变化情况。 3.拉动收入的运营手段,版本更新对于用户的流失影响评估。 4.什么时期的流失率较高。 5.行业比较和产品中期评估。

Revenue 付费率(PR或者PUR) 定义:付费用户数占活跃用户的比例。

解决问题: 1.产品的收益转化能力标准。 2.用户付费关键点和转化周期。 3.付费转化效果评估。

活跃付费用户数(APA) 定义:在统计时间区间内,成功付费的用户数。一般按照月计,在国际市场也称作MPU(Monthly Paying Users)。

活跃付费用户数的计算公式如下: APA = MAU × MPR

解决问题: 1.产品的付费用户规模。 2.APA的构成情况,鲸鱼用户、海豚用户、小鱼用户的比例以及收益能力。 3.付费群体的价值即整体稳定性分析。

平均每用户收入(ARPU) 定义:在统计时间内,活跃用户产生的平均收入。一般以月计。

平均每个用户收入的计算公式如下: ARPU = Revenue / User Monthly ARPU = Revenue / MAU

解决问题: 1.不同渠道用户质量的判断。 2.产品收益贡献分析。 3.活跃用户人均收入与投放成本的关系。

平均每付费用户收入(ARPPU) 定义:在统计时间内,付费用户产生的平均收入。一般以月计。

平均每付费用户收入的计算公式如下: ARPPU = Revenue / Payment User Monthly ARPPU = Revenue / APA

解决问题: 1.付费用户的付费能力和梯度变化。 2.付费用户的整体付费趋势和不同付费阶层差异。 3.对鲸鱼用户的价值挖掘。

生命周期价值(LTV) 定义:用户在生命周期内为创造的收入总和。可以看成是一个长期累积的ARPU。

对每个用户的平均LTV计算如下: LTV = ARPU × LT(按月或天计算平均生命周期)

其中,LT为Life Time(生命周期),即一个用户从第一次启动APP,到最后一次的时间,一般计算平均值,LT以月计,就是留存在APP的平均月的数量。例如,一款APP的ARPU=¥2,LT=5,那么LTV=2×5=¥10。

解决问题: 1.用户收益贡献周期。 用户群与渠道的利润贡献,LTV与CPA的衡量。 2.LTV不区分付费与非付费用户,看待整体的价值。

Referral 自传播也叫作病毒式传播。其中有一个重要的指标K因子(病毒指数)。

K因子的计算公式不算复杂,过程如下: K =(每个用户向他的朋友们发出的邀请的数量)×(接收到邀请的人转化为新用户的转化率)。

假设平均每个用户会向20个朋友发出邀请,而平均的转化率为10%,则K=20×10%=2。 当K > 1时,用户群就会像滚雪球一样增大。 当K < 1时,用户群到某个规模时就会停止通过自传播增长。

参考资料 [1] MBA智库百科.AARRR模型. [2] .什么是AARRR模型?.

https://wiki.mbalib.com/wiki/AARRR%E6%A8%A1%E5%9E%8B
https://cloud.tencent.com/developer/article/1560431
picture 8
picture 9