当流量越来越贵 | 一文读懂AARRR模型分析

发布时间:2021/07/09 00:00      浏览:334
作者:Kiki
来源:空两格

01 什么是AARRR模型


"AARRR用户增长模型”是由该模型五个环节的首字母缩写组成,即:Acquisition(获取),Activation(激活),Retention(留存),Revenue(变现),Referral(推荐)



第一个A是指获取用户。


营销一款产品的第一步就是获取新用户,这是保证产品能够健康发展的最第一要素,同时也是用户增长的首要条件。


第二个A是激活活跃。


把被动进入产品的用户转化成活跃用户的一个环节。


据有效数据表明,当新用户进入产品之后的次日活跃开始计算,有相当一部分新用户(80%以上)都不会被再次激活。


说白了就是第一环节所获取的用户,在日次只能产生20%的流量,剩余的全都浪费了。


所以激活的目的就是为了提升能量,减少浪费。


第一个R是提高留存。


解决这个问题最直观的数据指标就是日留存、周留存等。


这些指标可以监控产品的用户留存和流失情况,进而采取相应的手段来激励这些留存和流失用户继续使用产品。


第二个R是获取收益。


这是AARRR模型最核心的一环,同时也是产品能够持续发展下去的根本动力。


说白了就是用户为产品产生了效益,这个效益可以是金钱也可以是某种价值,具体要看企业如何界定效益的含义。


第三个R是推荐传播。


从推荐到再次获取新用户,产品的发展和用户增长形成了一个完美循环,这是确保产品能够持续发展下去的“头尾衔接”之环。


从实际的数据来看,单程走完这五环,就像是漏斗一样,下一环的数量始终会低于上一环,而越是底层的环价值就越大。




02 用途


  • AARRR模型强调数据驱动的运营策略,但如果产品初期无法获得多维度的用户数据,如何低成本获取多维度的高价值用户行为数据呢?

  • AARRR的用户增长模型直接明了,但除了通过长期数据监控做运营分析,有没有周期更短的高效的可以直接操作的增长方案?

  • AARRR模型提供了一套模块化的产品增长方案,但每一层漏斗都会漏掉不满足目标条件的用户,如何在获取用户层直接找到高质量的目标用户?

三个问题主要围绕了在产品部门推动用户增长策略时,会考虑的三个重要因素:


  • 增长成本:获取同样数量的用户,如何最大化削减产品运营成本。

  • 增长效率:对照同样的运营周期,如何获取最大化的产品用户。

  • 增长质量:获取同样数量的用户,如何提升种子、高潜用户的占比。

03 前期准备


1.好产品是支点


必须要保证产品能够被用户所接受,不仅要接受,还要让用户被产品所“惊艳”到。目的是为了要让用户记住和使用,并且长期使用产品的目的。


说白了就是产品不仅要为用户解决问题,而且还要超高质量解决问题才可以。


比如当你需要什么东西时,你自己都认为不可能有人会卖,然后淘宝上一搜,


“诶,没想到还真有,而且还不贵!”


这样淘宝这款产品就不仅满足了用户购买的需求,并且还高质量满足了用户购买背后“好货不贵”的想法,这才是一个能够让用户“惊艳”到的产品。


除此之外,在好产品的基础上还要建立一套可视化的数据监测系统,并且要让增长团队中的每个人都看到监测平台上有价值的数据指标。


2. 明确的指标是杠杆


说白了就是要建立一个唯一的、明确的、可衡量、有指向的目标。


可以以企业既定的北极星指标直接作为目标,也可以基于北极星指标去重新定义一个相关的指标作为方向。


总之增长指标一定要跟战略性指标结合起来才能奏效。


像Facebook的北极星指标就是日活,Line的指标就是用户发送的消息数,发送的消息越多,代表用户越离不开Line。


那同样是做社交的,为什么Line不是日活而是消息数呢?


因为Line有可能出现日活很高,但是有大量用户一上线只发一条消息就完事了的情况,这样的现象对于Line团队来说是无法接受的。


所以对于Line这款产品而言消息数反而会比日活更能衡量用户对产品的依赖程度。

第一条中所建立起来的数据监测系统,其实就是为了让各项数据指标能够始终围绕目标而增长,这样才能确保方向一致。


3. 能力强大且专业的团队——人


其实在增长概念流行起来之前,已经有大量的企业在做这件事情了,只不过那个时候都是按照项目制来进行组织的:就是临时从各个核心部门召集负责人一起开个会,然后讨论解决方案,回去再落实一下。


最后看到结果是增长的,那就喜大普奔,接着项目解散,团队成员各自散去。


而且增长它并不是一个短期的目标,而是一个长期的任务。


4. 小步快跑,快速迭代,是发力方式


目的是为了保证用户增长的有效性和实用性。


增长团队在增长的过程中一定要多加尝试,不断地探索最可行、最高效的增长模式。


尤其对于小公司来说,更需要不断验证产品的各项特性,这样才能保证不被市场所淘汰。


04 怎么用


通常在推广应用时,头痛的是后台统计的激活量比渠道提供的下载量小很多。


少了多了都会让人头痛——因为数据出现异常,通常就说明有某个环节出了问题。


但是光看激活量和下载量,并不能揭示问题的根本原因。


尤其是当我们已经了解了移动应用运营模型时,我们更需要了解在AARRR的每个环节中,我们应当关注什么样的数据,什么样的数据表现才是正常的——简单来说,只知道AARRR还不够,还要会用才行。



1.获取用户(Acquisition)


这个阶段,最关心的数据是下载量。


到今天,一些媒体的报道中也还经常用下载量来衡量一个应用的用户规模和是否成功。


不过,下载了应用不等于一定会安装,安装了应用也不等于一定使用了该应用。


所以很快激活量成为了这个层次中大家最关心的数据,甚至是有些推广人员唯一关注的数据。


通常激活量的定义是:


新增的启动了该应用的独立设备的个数。


从字面上看激活量似乎更应该是第二层Activation的指标,但是因为下载量、安装量这些数据都比较虚,不能真实反映用户是否已经被获取。


所以大家都要看激活,这才是真正获取到了新的用户。

另一个非常重要的数据,就是分渠道统计的激活量。


因为在渠道推广时,很多应用开发者选择了付费推广。结算的时候,自然要了解在某个渠道有多少真正激活的用户。


即使没有付费关系,开发者也需要知道哪个渠道是最有效果的。


但是站在更高的高度看,CAC(用户获取成本 Customer Acquisition Cost)才是最需要去关注的数据。


行业里有种粗略的说法,每个Android用户的获取成本大约在4元左右,而iOS用户大约在8元以上。


当然,应用市场下载、手机预置、广告等各种不同的渠道的获取成本是完全不同的。


2.提高活跃度(Activation)


看到活跃度,大家首先会想到的指标是DAU(日活跃用户)、MAU(月活跃用户)。


这两个数据基本上说明了应用当前的用户群规模,在网络游戏行业这是运营人员必看的两个指标。


通常活跃用户是指在指定周期内有启动的用户。


但是启动是否真的等于活跃呢?


如果在指定周期内只启动了一次,而且时间很短,这样的用户活跃度其实并不高(当然对某些特殊的应用来说可能算高,例如用来记录女性生理周期的应用,一月启动一次就够了)。


所以其实还要看另两个指标:每次启动平均使用时长和每个用户每日平均启动次数。


当这两个指标都处于上涨趋势时,可以肯定应用的用户活跃度在增加。


针对使用时长和启动次数的渠道统计同样很重要。


我们把它们称为渠道的质量数据,如果某个渠道上来的用户,这两个指标很差,那么在这个渠道上投入太多是没有意义的。


最典型的就是手机水货刷机的用户,很多预置的应用都是在刷机完成时被激活的。


针对这种被动激活的用户,可以看另一个指标,叫一次性启动用户数量,也就是迄今为止只启动过一次的用户的数量。


除了渠道,另一个和活跃度相关的分析维度是版本。


各个版本的使用时长和启动次数也会有差异。


对产品经理来说,分析不同版本的活跃度差异有助于不断改进应用。


3.提高留存率(Retention)


下载和安装——使用——卸载或者遗忘,这是用户在每个应用中的生命周期。


成功的应用就是那些能尽量延长用户的生命周期,最大化用户在此生命周期内的价值的应用。


对于大部分应用,应该关心的是1-Day Retention 7-Day Retention。


这里之所以用英文,是因为其中文翻译不统一,容易引起歧义。


1-Day Retention通常翻译为首日留存率,其实这个“首日”并不是指应用被安装使用的第一天(假设日期为D),而是D+1日,即安装使用的第二天。


因为安装使用的第一天没有留存率这个概念(有的话,只能是100%)。


到了第二天,前一天安装使用的用户中还有多少百分比的人还在启动使用这款应用,这就是1-Day Retention。

因为是第二天,所以有些文章中也叫“次日留存率”。


同样的,7-Day Retention是在D+7日启动使用这款应用的占D日首次安装使用这款应用的用户总数的百分比。

通常用户新安装使用后的前几天是流失比例最大的时期。


所以这两个指标的留存率分析是最重要的。


曾经有游戏行业的行家指出,如果想成为一款成功的游戏,1-Day Retention要达到40%, 7-Day Retention要达到20%。


有些应用不是需要每日启动的,那样的话可以看周留存率、月留存率等指标,会更有意义。


 留存率也是检验渠道的用户质量的重要指标,如果同一个应用的某个渠道的首日留存率比其它渠道低很多,那么这个渠道的质量是比较差的。


4.获取收入(Revenue)


关于收入,大家最耳熟能详的指标就是ARPU(平均每用户收入)值。


对应的比较少提的还有个指标叫ARPPU(平均每付费用户收入)


是不是ARPPU高,ARPU就一定会高呢?


答案是不一定。


因为其中还有个指标是付费用户比例,也就是付费用户在全部用户中所占的比例。


如果付费用户比例较低,那么那些收入均摊到所有用户身上的平均值就低了。


通常来说,如果某个游戏为了提高ARPPU,提高了虚拟道具的价格,那么付费用户比例就会相应地降低。


找到一个ARPPU和付费用户比例的平衡点,才能最大化收入。


5.自传播(Referral)


自传播,或者说病毒式营销,是最近十年才被广泛研究的营销方法。


虽然大家都听过一些病毒式营销的经典案例,但是要说怎样量化评估其效果,却很少有人知道K因子(K-factor)这个衡量指标。


其实K因子这个术语并非起源于市场学或软件业,而是来源于传染病学。


K因子量化了感染的概率,即一个已经感染了病毒的宿主所能接触到的所有宿主中,会有多少宿主被其传染上病毒。


K因子的计算公式不算复杂,


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%的话,K =20*10%=2。


这个结果还算是不错的效果。


  • 当K>1时,用户群就会象滚雪球一样增大。

  • 如果K<1的话,那么用户群到某个规模时就会停止通过自传播增长。

很遗憾的是,即使是社交类的移动应用,K因子大于1的也很少。


所以绝大部分移动应用还不能完全依赖于自传播,还必须和其它营销方式结合。


但是从产品设计阶段就加入有利于自传播的功能,还是有必要的。


以上我们列举了在应用推广运营各个层次需要关注的一些指标。


在整个AARRR模型中,这些量化指标都具有很重要的地位,而且很多指标的影响力是跨多个层次的。


及时准确地获取这些指标的具体数据,对于成功运营是必不可少的。

© 2011~2015 3 北京勺海市场调查有限责任公司 | 京ICP备12031756号 | 京公网安备11010802012285号

电话:北京总部010-58696306,上海OFFICE:021-52285671    总部地址:中国北京朝阳区东三环中路建外SOHO18号楼1506室   技术支持:混沌鸿蒙