AARRR模型的理論和使用

學(xué)習(xí)目的:了解相關(guān)模型毅访,運用模型工作,讓工作更加系統(tǒng)和專業(yè)。

AARRR模型是描述產(chǎn)品用戶生命周期的一個重要模型株憾,分別對應(yīng)Acquisition(獲取用戶)庇麦、Activation(活躍度)计技、Retention(留存)、Revenue(收入)山橄、Refer(自傳播)垮媒。下面是AARRR模型中每個項目對應(yīng)的意義:

·Acquisition(獲取用戶)

運營一款應(yīng)用的第一步,就是獲取用戶,沒有用戶睡雇,就談不上運營萌衬。獲取用戶的渠道有很多,比如終端預(yù)置它抱、廣告等秕豫。

·Activation(提高活躍度)

用戶通過各種渠道進(jìn)入應(yīng)用,如何將這些用戶轉(zhuǎn)化為活躍用戶抗愁,是運營者面臨的第一個問題馁蒂。影響用戶活躍有很多因素,其中一個重要因素是推廣渠道的質(zhì)量蜘腌。差的推廣渠道帶來的是大量的一次性用戶沫屡,嚴(yán)格意義上來說,這種不能算是真正的用戶撮珠。好的推廣渠道往往是有針對性地圈定了目標(biāo)人群沮脖,他們帶來的用戶和應(yīng)用設(shè)計時設(shè)定的目標(biāo)人群有很大的吻合度,這樣的用戶通常比較容易成為活躍用戶芯急。因此勺届,挑選推廣渠道的時候要先分析自己應(yīng)用的特性及目標(biāo)人群。另一個影響用戶活躍的因素是娶耍,產(chǎn)品本身是否能在最初使用的幾十秒內(nèi)抓住用戶免姿。

·Retention(提高留存率)

用戶來了,也活躍了榕酒,但來得快也走的快怎么辦胚膊?換句話說就是,應(yīng)用缺少用戶粘性想鹰。解決這個問題首先要通過日留存率紊婉、周留存率、月留存率等指標(biāo)辑舷,監(jiān)控應(yīng)用的用戶流失情況喻犁,幫采取相應(yīng)的手段,在用戶離開之前何缓,激勵這些用戶繼續(xù)使用應(yīng)用肢础。

留存率跟應(yīng)用的類型也有很大關(guān)系。通常來說碌廓,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高乔妈。

·Revenue(獲取收入)

Revenue是應(yīng)用運營最核心的一塊。主要分為三種:付費應(yīng)用氓皱、應(yīng)用內(nèi)付費路召、廣告勃刨。

·Refer(自傳播)

社交網(wǎng)絡(luò)+自傳播,成本最低股淡,效果也很好身隐。

AARRR模型的使用:

Acquisition:

激活量:新增的啟動了該應(yīng)用的獨立設(shè)備數(shù)

分渠道統(tǒng)計的激活量:了解渠道質(zhì)量

用戶獲取成本CAC:每個用戶的獲取成本。

Activation:

通澄椋活躍用戶是指在指定周期內(nèi)有啟動的用戶贾铝,主要指標(biāo)有DAU、MAU埠帕、每次啟動平均使用時長垢揩、用戶每日平均啟動次數(shù)。當(dāng)后兩者指標(biāo)都處于上漲趨勢時敛瓷,可以肯定用戶的活躍度在增加叁巨。

針對使用時長和啟動次數(shù)的渠道統(tǒng)計同樣很重要,我們稱之為渠道的質(zhì)量數(shù)據(jù)呐籽。

除了渠道锋勺,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)也有差異狡蝶。

輔助指標(biāo):日活躍率庶橱、周活躍率、月活躍率贪惹∷照拢活躍率與應(yīng)用類別有關(guān)系。

Retention:

下載和安裝——使用——卸載或遺忘奏瞬,這是用戶在每個應(yīng)用中的生命周期布近。對于大部分應(yīng)用,應(yīng)該關(guān)心的是1-Day Retention(首日留存率)和7-Day Retention(首周留存率)丝格。留存率是檢驗渠道的用戶質(zhì)量的重要指標(biāo)。

Revenue:

ARPU:平均每用戶收入

ARPPU:平均每付費用戶收入

付費用戶比例

LTV生命周期價值:某個用戶在生命周期內(nèi)為該應(yīng)用創(chuàng)造的收入總計棵譬。

每個用戶平均的LTV=每月ARPU*用戶按月計的平均生命周期显蝌。

每個用戶平均利潤=LTV-CAC

最大化利潤是指,在降低CAC的同事订咸,提高LTV曼尊,使兩者間的差值最大化。更進(jìn)一步的脏嚷,對不同渠道來源用戶做斷代分析骆撇,根據(jù)他們不同的CAC和LTV,就可以計算出不同渠道來源的利潤率差異父叙。

Refer:

K因子(K-factor)=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)化率神郊。當(dāng)K>1時肴裙,用戶群就會像滾雪球一樣增大;如果K<1涌乳,那么當(dāng)用戶群到某個規(guī)模時就會停止通過自傳播增長蜻懦。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市夕晓,隨后出現(xiàn)的幾起案子宛乃,更是在濱河造成了極大的恐慌,老刑警劉巖蒸辆,帶你破解...
    沈念sama閱讀 217,826評論 6 506
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件征炼,死亡現(xiàn)場離奇詭異,居然都是意外死亡躬贡,警方通過查閱死者的電腦和手機(jī)谆奥,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,968評論 3 395
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來逗宜,“玉大人雄右,你說我怎么就攤上這事》慕玻” “怎么了擂仍?”我有些...
    開封第一講書人閱讀 164,234評論 0 354
  • 文/不壞的土叔 我叫張陵,是天一觀的道長熬甚。 經(jīng)常有香客問我逢渔,道長,這世上最難降的妖魔是什么乡括? 我笑而不...
    開封第一講書人閱讀 58,562評論 1 293
  • 正文 為了忘掉前任肃廓,我火速辦了婚禮,結(jié)果婚禮上诲泌,老公的妹妹穿的比我還像新娘盲赊。我一直安慰自己,他們只是感情好敷扫,可當(dāng)我...
    茶點故事閱讀 67,611評論 6 392
  • 文/花漫 我一把揭開白布哀蘑。 她就那樣靜靜地躺著,像睡著了一般葵第。 火紅的嫁衣襯著肌膚如雪绘迁。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,482評論 1 302
  • 那天卒密,我揣著相機(jī)與錄音缀台,去河邊找鬼。 笑死哮奇,一個胖子當(dāng)著我的面吹牛膛腐,可吹牛的內(nèi)容都是我干的睛约。 我是一名探鬼主播,決...
    沈念sama閱讀 40,271評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼依疼,長吁一口氣:“原來是場噩夢啊……” “哼痰腮!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起律罢,我...
    開封第一講書人閱讀 39,166評論 0 276
  • 序言:老撾萬榮一對情侶失蹤膀值,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后误辑,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體沧踏,經(jīng)...
    沈念sama閱讀 45,608評論 1 314
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,814評論 3 336
  • 正文 我和宋清朗相戀三年巾钉,在試婚紗的時候發(fā)現(xiàn)自己被綠了翘狱。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 39,926評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡砰苍,死狀恐怖潦匈,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情赚导,我是刑警寧澤茬缩,帶...
    沈念sama閱讀 35,644評論 5 346
  • 正文 年R本政府宣布,位于F島的核電站吼旧,受9級特大地震影響凰锡,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜圈暗,卻給世界環(huán)境...
    茶點故事閱讀 41,249評論 3 329
  • 文/蒙蒙 一掂为、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧员串,春花似錦勇哗、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,866評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至访忿,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間斯稳,已是汗流浹背海铆。 一陣腳步聲響...
    開封第一講書人閱讀 32,991評論 1 269
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點兒被人妖公主榨干…… 1. 我叫王不留挣惰,地道東北人卧斟。 一個月前我還...
    沈念sama閱讀 48,063評論 3 370
  • 正文 我出身青樓殴边,卻偏偏與公主長得像,于是被迫代替她去往敵國和親珍语。 傳聞我的和親對象是個殘疾皇子锤岸,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 44,871評論 2 354

推薦閱讀更多精彩內(nèi)容