数据分析——AARRR模型

一、什么是AARRR模型

  AARRR分别代表了五个单词,分别是产品生命周期中的五个阶段:

  • 获取(Acquisition):用户如何发现(并来到)你的产品?
  • 激活(Activation):用户的第一次使用体验如何?
  • 留存(Retention):用户是否还会回到产品(重复使用)?
  • 收入(Revenue):产品怎样(通过用户)赚钱?
  • 传播(Refer):用户是否愿意告诉其他用户?

1、获取(acquisition)

  获取阶段也就是大家了解的推广阶段,需要关注的主要是各渠道的流量、质量、获客成本等因素。

  获客渠道主要有:

  1、内容营销:包括发表文章、讲座、课程、微博、微信朋友圈等

  2、社交平台广告:微信公众号、脉脉等

  3、应用商店:应用宝、APP商店

  4、其他网站的引流

2、激活(activation)

  衡量产品的活跃度指标主要有日活(DAU)和月活(MAU)等指标,根据不同产品特性选择不同的指标即可。

  提升用户的活跃度可以使用:

  消息推送(今日头条等常用手段,消息推送需把握好频率、内容)、

  产品功能完善(比如大姨吗由于产品功能单一,因此需填补健康养生等资讯功能)、

  用户消费补贴(前期的滴滴等使用补贴促进用户活跃)、

  页面改版等(可以使用A/B测试,A/B测试常用于页面改版,减少网页障碍、确定新功能等小范围的测试。)

3、留存(retention)

  这个阶段主要关注的有次日留存率、七日留存率,对于部分工具类的APP或许要到月留存率。指标可以与历史指标或者同行业指标进行对比。对于用户的留存可以从用户流失原因入手

  比如:

  优化产品功能

  新用户引导快速上手(对于部分次日留存率较低的)

  社交捆绑,增加社交功能,提高留存率

  流失唤醒机制(对于部分已流失用户)

4、收入(revenue)

  收入的来源有很多种,主要包括:应用付费、应用内功能付费、广告收入、流量变现等,主要考核的指标比如ARPU(客单价)。

  收入关注支付环节的顺畅:包括支付体验顺畅和哪个页面流失最高

5、传播(refer)

  自传播也叫作口碑传播或者病毒式传播。其中有一个重要的指标K因子(每个用户传播给他的朋友数量)*(接受邀请的人转化为新用户概率)。若大于1,说明会滚雪球一样增长

补充:使用的工具有:

  APP数据分析:友盟、TalkingData、Flurry

  网页分析工具:GA、Alexa等

  

  

  

原文地址:https://www.cnblogs.com/jiegege/p/8461282.html

时间: 2024-11-08 13:40:15

数据分析——AARRR模型的相关文章

大数据金融数据分析GBDT模型、神经网络模型、违约预测模型视频教程

38套大数据,云计算,架构,数据分析师,Hadoop,Spark,Storm,Kafka,人工智能,机器学习,深度学习,项目实战视频教程 视频课程包含: 38套大数据和人工智能精品高级课包含:大数据,云计算,架构,数据挖掘实战,实时推荐系统实战,电视收视率项目实战,实时流统计项目实战,离线电商分析项目实战,Spark大型项目实战用户分析,智能客户系统项目实战,Linux基础,Hadoop,Spark,Storm,Docker,Mapreduce,Kafka,Flume,OpenStack,Hiv

敏捷21天打卡-AARRR模型

介绍下AARRR模型,AARRR模型是Acquisition(获取).Activation(活跃).Retention(留存).Revenue(收入).Refer(传播)的缩写,对应了产品生命周期的每个阶段.而无论是那个阶段,都是围绕着中间的用户展开,为用户提供有价值的产品和服务. 获取:对于一款产品,首先要获取用户,即拉新.如果没有新用户,产品就如一潭死水,即为死水,何来繁荣之说. 活跃:产品有了用户之后,就要考虑如何让用户活跃起来.”久别重逢的老友聚会,缅怀过去光辉岁月之时,有人提议创建个群

[游戏数据分析]WAU模型

声明:本博客中所采用的数据并非真实数据,会对真实数据加以变换,重在讨论游戏数据分析的思路. 这里是参考友盟的WAU模型[文章网址,  演示网址],利用某款游戏(以下称为游戏A)数据进行的分析. 作用: 1. 根据转移矩阵,可以对未来的WAU进行预测: 2. 查看”WAU用户构成”可以发现游戏的问题:新增过少?流失过多?忠诚用户过少? 概念解释: 这里所说的第N周,是往前推的第N周,如下图所示: 新增用户:注册时间在该周的用户. 本周回流用户:上周未登录游戏,本周有登录游戏的用户. 连续活跃N周的

AARRR:数据运营模型

一.基础知识 产品经理  <增长黑客>数据分析基础 -- 获取(Acquisition)-- 激活(Activation)-- 留存(Retention)-- 收入(Revenue)-- 传播(Referral) 1.获取用户 运营.移动应用.获取用户.推广 渠道下载量 → 安装量 → 激活量 移动应用运营模型 分渠道统计 CAC(用户获取成本:Customer Acquisition Cost) Android用户获取成本4元 iOS用户获取成本8元 不同渠道 性价比 用户质量 2.提高活跃

产品经理如何进行产品数据分析?

产品经理如何进行产品数据分析? 乔家伟 07月19日 15:111 数据分析是产品经理必须具备的一项能力,在产品需求阶段可以通过数据分析对用户的需求去伪存真,在产品上线运营阶段,又可以通过数据验证产品的可行性并且进行迭代.那么,什么才是数据分析的正确姿势呢?这里给大家按数据分析的步骤来讲一讲这方面的基础知识. 一.确认分析目标 进行数据分析工作一定要有目的性,不要为了分析而分析.当我们遇到问题时要先去,要先去考虑我们做数据分析是为了解决哪些问题. 二.采集数据 当我们确定了分析目标之后,就要开始

数据分析那点事儿(三)

我们在上一篇文章中给大家讲了数据分析的步骤,同时提到了经典的AARRR模型和漏斗模型,这两个模型都是大家需要掌握的,想要做好数据分析这份工作真的要循序渐进且步步为营,不能跳跃忽略,更不能急于求成.今天小编就来给大家好好讲一讲数据分析中的AARRR模型. 什么是AARRR模型?AARRR模型的内容是什么呢?也就是获取.活跃.留存.收益.传播.[就是这些Acquisition(获取).Activation(活跃).Retention(留存).Revenue(收益).Refer(传播)].下面给大家详

基于大数据分析的安全管理平台技术研究及应用

[引言]这篇文章原载于内刊,现发布于此.内容有所删减. Research and Application of Big Data Analysis Based Security Management Platform Last Modified By yepeng @ 2014-1-14 [内 容摘要]本文首先通过介绍大数据的起因,给出了大数据的定义和特征描述,并简要说明了当前大数据的研究概况.接下来,本文阐释了大数据分析技术,对大数据 在信息安全领域尤其是安全管理平台领域的应用做了深入分析,并

大数据Storm开发实时数据分析平台视频教程

38套大数据,云计算,架构,数据分析师,Hadoop,Spark,Storm,Kafka,人工智能,机器学习,深度学习,项目实战视频教程 视频课程包含: 38套大数据和人工智能精品高级课包含:大数据,云计算,架构,数据挖掘实战,实时推荐系统实战,电视收视率项目实战,实时流统计项目实战,离线电商分析项目实战,Spark大型项目实战用户分析,智能客户系统项目实战,Linux基础,Hadoop,Spark,Storm,Docker,Mapreduce,Kafka,Flume,OpenStack,Hiv

Python数据分析案例(实战)视频教程

38套大数据,云计算,架构,数据分析师,Hadoop,Spark,Storm,Kafka,人工智能,机器学习,深度学习,项目实战视频教程 视频课程包含: 38套大数据和人工智能精品高级课包含:大数据,云计算,架构,数据挖掘实战,实时推荐系统实战,电视收视率项目实战,实时流统计项目实战,离线电商分析项目实战,Spark大型项目实战用户分析,智能客户系统项目实战,Linux基础,Hadoop,Spark,Storm,Docker,Mapreduce,Kafka,Flume,OpenStack,Hiv