一
AARRR模型
AARRR模型简单来说是用户生命周期的概括 AARRR是Acquisition、Activation、Retention、Revenue、Refer,这个五个单词的缩写,分别对应用户生命周期中的5个重要环节。 获取用户(Acquisition) 激发活跃(Activation) 提高留存(Retention) 增加收入(Revenue) 传播推荐(Refer) AARRR模型各环节常见的业务指标 AARRR流量漏斗增长动作 二 全链漏斗型 全链漏斗型可以找到北极星指标的影响因子,也可以确定指标的数值,并用简化的公式进行表达; 全链漏斗型(举例) 全链漏斗型: 优点:吧影响北极星指标的主要细分指标都显示出来,并标注转化率,找到机会点,容易搭建; 缺点:不能直接计算北极星指标 三 因子分级型 因子分级型可以找到北极型指标的影响因子,也可以确定直播的数值,可以用简化的公式进行表达。 因子分级型公式: 因子分级型(举例): 因子分级型优缺点: 优点:不光可以揭示所有细分指标,找到机会点,还可以计算细分指标对北极星指标的影响; 缺点:搭建起来较为复杂,需要收集的数据多 四 全定量模型 全定量模型被称为最精细的增长模型,他分解出了影响增长的因素以及对应的细分指标,并把所有的指标组合在Excel中计算北极星指标。 全定量模型的优缺点: 全定量模型(案例:某APP): 我们通过一定的案例来了解全定量增长模型,假设某APP的北极星指标为月活跃用户数,计算北极星目标使用的数据为月新增用户数、月留存率两个指标。 具体计算过程: 1)、月新增用户数 主要变量为:不同获客渠道数、K因子、激活率三个指标 时间维度为:基于历史情况对未来进行估计 K因子即为每个老用户能带来多少新用户,是用户推荐渠道的相关参数 月推荐数=月初活跃用户数×K因子 2)留存率: 基于历史平均数,计算出每个月的留存情况,视为第二个数据输入表。 通过上面的公式,我们可以计算出如下的表,并对未来月份新增,活跃做出预测 北极星指标=MAU的计算工作表