AARRR模型是运营里面一个非常有名的用户分析模型，也是一个典型的漏斗模型，前段时间工作上写的分析材料里面也提到了这个模型，这个模型也可以作为数据分析的框架，这里结合了网上的一些参考资料，总结了模型中可能涉及到各项分析指标和分析方法。

AARRR模型

AARRR模型将数据分析分为了5个部分，而AARRR模型在用户生命周期的管理中，运用的极为显著。

获取用户（Acquisition） 通过不同的渠道让用户下载APP，获取用户

激活用户（Activation） 通过提醒通知等功能，激活用户

提高留存（Retention） 培养用户习惯与粘性，提高用户的留存率

获取收入（Revenue） 为优质用户提供针对性的服务，获取收入

自传播（Refer） 达到用户忠诚，实现用户传播，达到用户裂变效果

AARRR数据指标

1.获取用户（acquisition）

运营一件产品首先就需要获取用户，也就是推广。要清楚目标人群，在对目标人群进行定位和匹配。在这一阶段需要关注推广各渠道的流量、质量、获客成本等因素。

核心指标：
曝光量、点击量、下载量、安装量、激活量、CTR、激活率、安装率、总用户数
分析方法：
趋势洞察、渠道归因、链接标记、漏斗分析、热图分析、分群分析、A/B测试、留存分析
解决问题：
—— 渠道贡献的用户份额。
—— 是否存在大量垃圾用户。
—— 注册转化率分析。

2.激活用户（Activation）

已经获取到新用户后需要考虑怎样留住这些新增用户，怎样增加用户停留时间，增加增加用户使用频次，可能是优化内容，丰富产品种类，活动促活等等手段，让新增用户活跃起来。
核心指标：
PV（页面浏览量）、UV（独立访客数）、DAU/WAU/MAU（日活跃数）、DAOT（日均使用时长）
分析方法：
针对某个细节点，进行多维度组合分析，留存分析、转化分析、活跃分析
解决问题：
—— 核心用户规模（日活）、周期性用户规模（周活）、用户规模稳定性（月活）。
—— 产品活跃用户流失分析的依据，分解活跃用户。
—— 用户活跃率，活跃用户计用户量。
—— 分析产品的质量问题。
—— 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。
—— 渠道质量衡量标准之一。

3.提高留存（Retention）

通常维护一个老用户的成本要远低于获取一个新用户的成本，所以用户留存非常重要，避免用户流逝，就必须了解用户的习惯、喜好，并以此对产品做出更改。
核心指标：
次日留存率、三日留存率、七日留存率（日新增用户在+7日登录的用户数占新增用户的比例）、30日留存率。
每日流失率（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）、每日回流、使用间隔、回访率。
分析方法：
用户场景分析
留存率解决问题：
—— APP质量评估。
—— 用户质量评估。
—— 用户规模衡量。
流失率解决问题：
—— 活跃用户生命周期分析。
—— 渠道的变化情况。
—— 拉动收入的运营手段，版本更新对于用户的流失影响评估。
—— 什么时期的流失率较高。

4.获取收入（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。
核心指标：
ARPU、ARPPU、付费率、付费频率、回购率、高额、中额、低额用户分布
分析方法：
用户体验分析、产品问题分析、销量增长分析

付费率(PR或者PUR)：付费用户数占活跃用户的比例。
解决问题：
—— 产品的收益转化能力标准。
—— 用户付费关键点和转化周期。
—— 付费转化效果评估。
活跃付费用户数(APA)：在统计时间区间内，成功付费的用户数。
  活跃付费用户数的计算公式：APA＝MAU×MPR（月付费率）
解决问题：
—— 产品的付费用户规模。
—— 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。
—— 付费群体的价值即整体稳定性分析。
ARPU：平均每个用户收入，ARPU＝Revenue/User
解决问题：
—— 不同渠道用户质量的判断。
—— 产品收益贡献分析。
—— 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)：在统计时间内，付费用户产生的平均收入。一般以月计，ARPPU＝Revenue/Payment User
解决问题：
  ARPPU与APA、MPR的结合可以分析付费用户的留存情况，对特定付费群体的流失进行深度分析，保证付费质量和规模。
—— 付费用户的付费能力和梯度变化。
—— 付费用户的整体付费趋势和不同付费阶层差异。
—— 对鲸鱼用户的价值挖掘。

5.自传播（Refer）

自传播也叫口碑传播或者病毒式传播，常见的邀请好友得好礼、朋友圈传播，都属于这里传播方式。其中有一个重要的指标K因子
  k=（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的概率）
  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。
  若大于1，说明用户在增长，这个方式的成本低，效果好，唯一的前提是产品自身要足够好，有很好的口碑，从自传播到再次获取新用户，应用运营形成一个螺旋式的上升的轨道。
分析方法：
流失预警分析、用户激活分析、付费决策分析

总结

通过AARRR模型，可以看到产品运营等等每个环节的重要性，获取用户关系到产品多大程度进入市场，活跃与留存关系到产品生命周期，收入的重要自是必不可少，自传播则是尽可能争取的资源，降低成本扩大影响的环节，每个环节都需要大量的数据分析和迭代，从而不断改进产品。
  最后再总结了不同侧重点分析策略：

1、以用户行为为中心的分析

用户行为事件、渠道、产品功能点击、事件分析、用户场景分析、用户轨迹分析、用户行为轨迹、页面流、路径分析、活跃用户分析、用户分群、用户分层、用户细查、用户决策模型

2、以流量访问为中心的分析

PV、UV、跳出率、访问深度、停留时长、热点图、页面升降榜、页面频道流转、用户访问地域、访问终端、访问来源、新老访客、活跃度

3、以用户生命周期为中心的分析

新用户、激活用户、活跃用户、衰退用户、流失用户、分析各个人群的数量、分析对应的关于产品、用户行为、转换、留存、注册相关

4、以用户分群分层为中心的分析

按照新用户、使用用户、活跃用户、付费用户、高价值贡献付费用户分层、按照年龄、地域、消费能力、习惯、进行分群，分析各人群的数量，分析对应的关于产品，用户行为，转换、留存、注册相关
————————————————
版权声明：本文为CSDN博主「紫雪凝香」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/WANG_hl/article/details/105599276

最后

以上就是自然钢铁侠为你收集整理的【数据分析框架】AARRR模型的数据指标体系AARRR模型AARRR数据指标总结的全部内容，希望文章能够帮你解决【数据分析框架】AARRR模型的数据指标体系AARRR模型AARRR数据指标总结所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。