AARRR模型的数据指标体系
一. 背景
AARRR是产品用户运营链路体系,从拉新 -> 促活 -> 留存 -> 传播 -> 收入形成一个用户链路,注重以用户为中心,关注用户生命周期的产品运营方式。也可以基于此做运营策略,面向用户增长,当然目前有些人认为AARRR不是很适合互联网行业。
二. 拉新, 用户获取(Acquisition)
主要是从不同的渠道获取用户,产品有用户使用,解决用户来源的问题。
1.每日新增用户 DNU(Daily New Users)
1.1 定义:每日注册并登录产品的用户数。也可以是首次启动/使用的用户,在移动端,有时候用户也特指设备。
1.2 意义:
- 渠道的用户份额,不同渠道的获客成本
- 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,新用户购买转化率
2.日一次会话用户数 DOSU
2.1定义:一次会话用户,即新登录用户中只有一次会话,并且时长低于正常会话的阈值。
2.2意义:
- 推广渠道是否有刷量作弊行为
- 渠道推广质量是否合格
- 如果某个时间段用户数DOSU很高,是否是APP服务端发生异常(崩溃,网络)
3.获客成本CAC(Customer Acquisition Cost)
3.1 定义:当日营销推广费用 / 当日有效新增用户数,即Promotion Cost / Valid New Users。Promotion Cost是推广成本,Valid New Users 有效新用户。
3.2 意义:
- 获取有效新用户的成本是多少?
- 如何选择正确的渠道优化投放;
- 渠道推广成本是多少,渠道成本的分布。
三.活跃(Activation),用户喜欢用
1.日活DAU
1.1 定义:每日登录的用户数,有些是使用过核心功能的用户数。
1.2 意义:
- 产品的核心用户规模
- 产品生命周期分析(不同时段用户情况)
- 产品活跃用户流失,用户活跃率
- 产品的黏性
2.周活WAU
2.1 定义:自然日期周 或者近7天的登录/使用用户数,常规按照自然周处理。
2.2 意义:
- 周期性用户规模
- 周期性用户规模变化趋势,对比推广和非推广期
3.月活MAU
3.1 定义:截止当日,最近一个月登录/使用的用户数,一般按照自然月计算。
3.2 意义:
- 用户规模的稳定性,总体用户变化
- 推广效果评估
- 产品黏性和生命周期反应
4.日均使用次数 DEC
4.1 定义:用户登录退出,或者产品核心功能的使用次数,进行总次数的统计。
4.2 意义:
- 反应产品用户黏性
- 渠道,地域等用户使用的分布情况
- 产品使用情况的反馈
5.日均使用时长 DAOT/AT
5.1定义:使用用户在产品的每日平均使用时长。
5.2公式:日总在线时长 / 日活跃用户数。 一般来讲AT = ACU * 24 / DAU
ACU:平均同时在线人数,这里是平均每小时在线人数。
5.3意义:
- 分析产品的质量问题
- 渠道质量衡量
- 留存/流失分析的依据
主要是观察用户每周,双周,月的平均使用时长情况,了解产品的用户黏性。
6.用户活跃度 DAU/MAU
6.1定义:DAU/MAU
6.2意义:
反应用户每月访问产品的平均天数,如果DAU/MAU = 0.5,则用户每月平均访问天数就是 30 * 0.5 = 15天。
- 产品对用户的黏性,值越高黏性越强
- 产品增长,稳定,衰退的趋势表现
- 用户平均活跃天数
四.留存(Retention)
1.用户留存
1.1 定义:统计时间周期内,新用户登录/使用在随后不同时间的登录/使用情况。
1.2 派生指标:
- 次日留存率 Day 1 Rentention Ratio : 今日新用户在次日登录的用户数占新登录用户比例。
- 三日留存率 Day 3 Rentention Ratio
- 七日留存率 Day 7 Rentention Ratio
- 月留存率 Day 30 Rentention Ratio
1.3 意义:
- 评估渠道用户质量和渠道投放效果
- 产品的用户黏性
- 系新用户在那个时间段会流失
2.用户流失
2.1 定义:统计时间周期内,用户在不同时期离开产品的情况。
2.2 派生指标:
- 日流失率 Day 1 Churn Ratio, 统计日期使用,随后7天没有使用产品的用户, 行业一般不怎么使用和应用。
- 周流失率 Day 7 Churn Ratio, 上周使用过,但是在本周末结束没有使用的用户占上周使用用户(活跃用户)的比例。
上周活跃用户在本周流失的用户数 / 上周活跃用户数
- 月流失率 Day 30 Churn Ratio, 上月使用过,但是在本月未使用的用户占上月使用用户(活跃用户)的比例。
2.3 意义:
- 活跃用户生命周期
- 用户在那个渠道流失比较高,那个版本的更新对流失率影响大
- 那个时期的流失率比较高
- 行业比较和产品中期的评估
留存是产品前期的时候关注比较多,但是在产品生命周后期,关心产品的用户稳定性以及收益转化,所以流失率的关注比较高。
见:https://cloud.tencent.com/developer/article/1906361
五.传播
1.自传播
自传播也叫做口碑传播或者病毒传播,其中涉及一个重要的指标K因子。 K的计算过程: K = (买个用户向自己的朋友发送出的邀请的数量) * (接受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个朋友发出要求,最后只有2个朋友变为新用户,则转化率为2/20 = 10%, 所以k = 20 * 10% = 2。
当K > 1时,用户群就会像滚雪球一样增大,病毒式传播。
当K < 1 时,用户群到某个规模就会停止通过自传播增长。
大部分APP还不能完全依赖自传播,需要配合营销活动。但是产品设计可以考虑自传播,因为是免费推广的方式,可以减少CAC。
2.NPS
NPS = (推荐者用户 - 贬损者用户) / 总参与NPS用户 * 100%
见:https://cloud.tencent.com/developer/article/1905293
六. 收入
1.付费用户/活跃付费用户数 APA
1.1定义:统计周期内,有购买/支付的用户,一般不排除退款用户。
1.2 衍生:
- 统计时间内,成功付费的用户数,通常是月计算。
2.付费率/付费渗透率(PR/PUR)
2.1定义:付费用户数 占 活跃用户的比例,也叫付费渗透率。移动APP关注日复发率,即Daily Payment Ratio.
2.2 衍生:
- 月付费率 MPR:统计时间周期内,付费用户占活跃用户的比例。MPR = APA / MAU。
2.2 意义:
- 产品收益转化能力标准
- 用户付费关键点和转化周期
- 付费转化效果评估,是否达到预期
付费率的高低不代表产品付费用户的增加 或者减少,因为是比率,所以涉及分子分母变动,付费率在不同类型产品的表现也不同。
3.客单价/平均每用户收入 ARPU
3.1 定义:统计时间内,活跃用户产生的平均收入,通常以月计算。即 ARPU = Revenue / Players Monthly 或者是Revenue / MAU。ARPU = 月总收入 / 月活跃用户数。
3.2 意义:
- 产品收益贡献分析
- 活跃用户人均收入与投放成本关系
- 不同渠道用户质量判断
4.平均每付费用户收入 ARPPU
4.1定义:在统计周期内,付费用户产生的平均收入,以月计算。ARPPU = 月总收入 / 月活跃付费用户数APA
4.2意义:
- 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
ARPPU容易受鲸鱼用户,小鱼用户的影响(订单多,但是订单金额少),分析需要谨慎。
5.生命周期价值LTV
5.1 生命周期Life Time 是指一个用户从第一次使用到最后一次使用的时间,通常可以基于所有用户的平均使用时长为生命周期。
生命周期价值是用户在整个生命周期内使用产品创造的收入总计,可以看成是一个长期累积的ARPU值。
计算方式:每个用户的LTV = ARPU * LT,LT通常是月单位,即ARPU = ¥2 ,LT= 5 月,则LTV = 2*5 = 10、
总体LTV = ARPU * (总用户平均) LT。
粗略的计算:跟踪某日的新增用户,计算这批用户在随后的7天,14天,30天内累积的收入贡献,然后除以这批新增用户数。即该批用户累积收入贡献/该批新增用户数。基于此,可以计算不同生命周期阶段(不同时间段)粗略的生命周期价值。
5.2意义:
- 用户收益贡献周期
- 用户群与渠道的利润贡献, 通常LTV >> CAC
- LTV不区分付费用户和非付费用户,是看整体的价值。
相关文章
- 从本体论开始说起——运营商关系图谱的构建及应用
- 如何成为一名数据科学家?
- 从未见过的堂兄杀了人,你的DNA是关键证据
- 20个安全可靠的免费数据源,各领域数据任你挑
- 20个安全可靠的免费数据源,各领域数据任你挑
- 阿里云李飞飞:All in Cloud时代,云原生数据库优势明显
- 基于Hadoop生态系统的一高性能数据存储格式CarbonData(性能篇)
- 大数据告诉你:10年漫威,到底有多少角色
- TigerGraph:实时图数据库助力金融风控升级
- Splunk利用Splunk Connected Experiences和Splunk Business Flow 扩大数据访问
- 大数据开发常见的9种数据分析手段
- 以免在景区看人,我爬了5W条全国景点门票数据...
- 【实战解析】基于HBase的大数据存储在京东的应用场景
- 数据科学家告诉你哪些计算机科学书籍是你应该看的
- Kafka作为大数据的核心技术,你了解多少?
- Spring Boot 整合 Redis 实现缓存操作
- 大数据学习必须掌握的五大核心技术有哪些?
- 基于Antlr在Apache Flink中实现监控规则DSL化的探索实践
- 甲骨文再次被Gartner评为分析型数据管理解决方案魔力象限领导者
- 爬取吴亦凡微博102118条转发数据,扒一扒流量的真假