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