AARRR模型是我们做用户分析的经典模型,是一个典型的漏斗结构。它从生命周期的角度,描述了用户进入平台需经历的五个环节,最终获取商业价值。价值不仅直接源于用户购买行为(获取营收),还来自用户作为推荐者(自传播)和内容产生者(留存率)所带来的营收。
01 什么是AARRR模型?AARRR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:
- 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?
AARRR模型指出了两个核心点:
- 以用户为中心,以完整的用户生命周期为线索。
- 把控产品整体的成本/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。
获取阶段即产品的推广阶段,也是产品运营的第一步。
运营者通过各种推广渠道,以各种方式获取目标用户,并对各种营销渠道的效果进行评估,从而更加合理的确定投入策略,最小化用户获取成本(CAC)。
这时需关注的指标主要为:
1)日新登用户数(DNU)
定义:每日注册并登录游戏的用户数。
此处注册为广义概念,对于一些APP而言,则是首次启动进入APP的用户。所以对于DNU的定义也可以是:首次登录或启动APP的用户。
需要说明的是:在移动统计中,有时候用户也特指设备。
解决问题:
- 渠道贡献的用户份额。
- 宏观走势,确定投放策略。
- 是否存在大量垃圾用户。
- 注册转化率分析。
新增用户经过沉淀转化为活跃(Activation)用户。这时我们需要关注活动用户的数量以及用户使用频次、停留时间的数据。
1)日活跃用户数(DAU)
定义:每日登录过游戏的用户数。
对于某些APP而言,启动就是一个活跃用户,而另一些则要通过账号注册,形成一个网络账号,才算作一个活跃用户。活跃用户的计算是排重的。
解决问题:
- 核心用户规模。
- 产品生命周期分析。
- 产品活跃用户流失,分解活跃用户。
- 用户活跃率,活跃用户计用户量。
2)周活跃用户数(WAU)
定义:最近7日(含当日)登录过APP的用户数,一般按照自然周计算。
解决问题:
- 周期性用户规模。
- 周期性变化趋势,主要是推广期和非推广期的比较。
3)月活跃用户数(MAU)
定义: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。
MAU变化幅度较小,产品用户规模稳定性来说,MAU是风向标。但在推广时期,版本更新、运营活动的调整,对于MAU的冲击则更加明显。
此外,产品的生命周期阶段不同,MAU的趋势变化也不同。
解决问题:
- 用户规模稳定性。
- 推广效果评估。
- 总体用户规模变化。
4)日均使用时长(DAOT)
定义:每日总计在线时长/日活跃用户数。
关于使用时长,可以分为单次使用时长、日使用时长和周使用时长等指标,通过对这些指标做区间分布和平均计算,了解参与黏性。
解决问题:
- 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。
- 留存即流失分析的依据。
5)DAU/MAU
通过DAU/MAU可以看出用户每月访问App的平均天数是多少,比如:某个App拥有50万DAU,100万MAU,其DAU/MAU比值就是0.5——即用户每月平均访问的时间是30*0.5=15天。这也是评估用户粘性的一个比较重要的指标。
DAU/MAU介于3.33%到100%之间,但显然这两种情况现实中基本不可能出现。在不同领域的App会有不同的基准值可参考,例如:移动游戏会以20%为基线,王者荣耀在2017年6月和9月的值基本都在31%左右,而工具类App会以40%为基线。
DAU/MAU的值越高,那么毫无疑问,App的粘性越强,表示有更多的用户愿意使用App。
反之如果DAU/MAU的值很低,但并不能直接说这个App是失败的。
我们还需要结合产品属性(比如定期理财/求职/买房/租房的App,可能天然属性DAU会相对低)、时间考量(工作日/假期等)、版本更新、运营活动、用户维度的ARPU值等多个条件进行多维分析,才能得出结论。
所以,正确理解DAU/MAU的意义很重要。
3. 留存(retention)解决了活跃度的问题,又发现了另一个问题:“用户来得快、走得也快”。有时候我们也说是游戏没有用户粘性或者留存。
我们需要可以用于衡量用户粘性和质量的指标,这是一种评判APP初期能否留下用户和活跃用户规模增长的手段,留存率(Retention)是手段之一。
留存率:某段时间的新增用户数,记为A,经过一段时间后,仍然使用的用户占新增用户A的比例即为留存率。
1)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。
2)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。
3)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。
留存率逐渐演变为评判产品质量的重要标准。
在关注留存率的同时,也要关心流失率的分析。留存率更加关心的是,从用户获取的角度综合分析获取用户的渠道方式是否合理,产品用户规模是否能够增长。而流失率则关心为什么有些用户离开APP,这可能是在用户获取阶段就存在的问题,但是当APP存在稳定用户规模后,一个付费用户的流失,却可能让APP收入大幅下滑。
留存率的计算可以按照统计的时间区间来划定,例如:在计算周留存时,计算新增用户周留存则是一周总计的新增量在随后每周的留存情况。
上面提到的+3日或者+7日,意在着重强调,第3日和第7日的概念。注意,计算留存率时,新增当日是不被计入天数的,也就是说我们提到的留存用户。指的是新增用户新增后的第1天留存、第3天留存和第7天留存。
解决问题:
- APP质量评估。
- 用户质量评估。
- 用户规模衡量。
流失:统计时间区间内,用户在不同的时期离开APP的情况。
4)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。
5)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。
6)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。
流失率是在APP进入稳定期需要重点关注的指标,如果说关注留存是关注APP用户前期进入APP的情况,那么关注流失率则是在产品中期和后期关心产品的用户稳定性,收益能力转化。
稳定期的收益和活跃都很稳定,如果存在较大的流失率,则需要通过该指标起到警示作用,并逐步查找哪部分用户离开了APP,问题出在哪里。尤其是对付费用户流失的分析,更需要重点关心。
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。
- 行业比较和产品中期评估。
收入的