AARRR 模型最详解

什么是 AARRR 模型？

AARRR 模型因其掠夺式的增长方式也被称为**海盗模型、海盗指标**，也叫增长黑客理论模型、增长模型、2A3R 模型、决策模型。是硅谷著名风险投资人戴夫 · 麦克卢尔（Dave McClure ）2007 提出的，核心就是 AARRR 漏斗模型。

AARRR 是 Acquisition、Activation、Retention、Revenue、Referral，五个单词的缩写，分别对应用户生命周期中的 5 个阶段。

什么是增长黑客 (Growth hacker)？

增长黑客是介于技术和市场之间的新型团队角色，主要依靠技术和数据的力量来达成各种营销目标，而非传统意义上靠砸钱来获取用户的市场推广角色。通常采用的手段包括 A/B 测试，搜索引擎优化，电子邮件召回，病毒营销等，而页面加载速度，注册转化率，E－mail 到达水平，病毒因子等指标成为他们日常关注的对象。在 2010 年，互联网创业者增长黑客之父肖恩 · 埃利斯（Sean Ellis）就创造了增长黑客（Growth hacker）这样一个概念。2015 年，范冰撰写的一本新书《增长黑客》确立了 Growth hacker 的概念，同时引进了 AARRR(增长黑客理论) 基本模型。

AARRR 模型的组成：

用户获取（Acquisition）： 用户从不同渠道来到你的产品

**用户激活（Activation）：**用户在你的产品上完成了一个核心任务 (并有良好体验)

**用户留存（Retention）：**用户回来继续不断的使用你的产品

**获得收益（Revenue）：**用户在你的产品上发生了可使你收益的行为

**推荐传播（Referral）：**用户通过你的产品，推荐引导他人来使用你的产品

一、获取

也叫拉新、获客。运营一款移动应用的第一步，毫无疑问是获取用户，也就是大家通常所说的推广。如果没有用户，就谈不上运营。

获取用户阶段需要关注的指标：日新登用户数（DNU），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：1. 渠道贡献的用户份额。2. 宏观走势，确定投放策略。3. 是否存在大量垃圾用户。4. 注册转化率分析。

二、激活

**其他说法，促活、提高活跃度。**很多用户可能是通过终端预置 (刷机)、广告等不同的渠道进入应用的，这些用户是被动地进入应用的。如何把他们转化为活跃用户，是运营者面临的第一个问题。

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，活跃用户的计算是排重的。

解决问题：1. 核心用户规模。2. 产品生命周期分析。3. 产品活跃用户流失，分解活跃用户。4. 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：1. 周期性用户规模。2. 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。

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：1. 用户规模稳定性。2. 推广效果评估。3. 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：1. 分析产品的质量问题。2. 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。3. 渠道质量衡量标准之一。4. 留存即流失分析的依据。

**（5）DAU/MAU，**定义：日活与月活的比值。

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。

三、留存

也有叫存留、提高留存率。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 1RetentionRatio)，**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。

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：1.APP 质量评估。2. 用户质量评估。3. 用户规模衡量。

流失率：统计时间区间内，用户在不同的时期离开 APP 的情况。

**（1）日流失率 (Day 1ChurnRatio)，**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。

**（2）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。

**（3）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：1. 活跃用户生命周期分析。2. 渠道的变化情况。3. 拉动收入的运营手段，版本更新对于用户的流失影响评估。4. 什么时期的流失率较高。5. 行业比较和产品中期评估。

四、收入

也有叫获取收益、付费、变现、转化。收入的来源有很多种，主要包括：应用付费、应用内功能付费、广告收入、流量变现等，主要考核的指标比如 ARPU（客单价）。主要关注：

**（1）付费率 (PR 或者 PUR)，**定义：付费用户数占活跃用户的比例。

**（2）活跃付费用户数 (APA)，**定义：在统计时间区间内，成功付费的用户数。一般按照月计，在国际市场也称作 MPU（Monthly Paying Users）。

**（3）平均每用户收入 (ARPU)，**定义：在统计时间内，活跃用户产生的平均收入。一般以月计。

（4）平均每付费用户收入 (ARPPU)，定义：在统计时间内，付费用户产生的平均收入。一般以月计。

（5）生命周期价值 (LTV)，定义：用户在生命周期内为创造的收入总和。可以看成是一个长期累积的 ARPU。

五、传播

也叫推荐、自传播、口碑传播或者病毒式传播。其中有一个重要的指标 K 因子。

K 因子的计算公式不算复杂，过程如下：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%，则 K=20×10%=2。

当 K>1 时，用户群就会像滚雪球一样增大。当 K<1 时，用户群到某个规模时就会停止通过自传播增长。

绝大部分 APP 还不能完全依赖于自传播，还必须和其他营销方式结合。但是，在产品设计阶段就加入有利于自传播的功能，还是有必要的，毕竟这种免费的推广方式可以部分地减少 CAC（用户获取成本）。

RARRA 模型 - 海盗模型的进化

2019 年，托马斯 · 佩蒂特（Thomas Petit）和贾博 · 帕普（Gabor Papp）提出 RARRA 模型，它是对海盗指标 - AARRR 模型的优化，可以说是一个反向漏斗的模型。 它强调通过运营核心用户实现用户留存，先获取用户本身的价值，再通过用户去帮我们转化新的用户扩宽市场。 RARRA 模型突出了用户留存的重要性，不再一味关注用户增长；由此企业由野蛮的用户增长时代开始进入用户的精细化运营时代。

AARRR 最开始关注的是如何获取用户，所以 AARRR 关注的首要指标是获客用户数，而 **RARRA 通过最重要的指标来关注增长：用户留存。**RARRA 的数据模型，本质上是在 AARRR 的基础上进行顺序调整得到，**以满足日益获客成本所带来的压力成本。**RARRA 模型相比与 AARRR 可以使得获客成本更低。RARRAR 首先关注的是产品的留存情况。当产品的留存情况不好，要优化产品的使用体验、功能和运营方式。当这三方面都得到优化提升，接下来就进提供用户的活跃度，以及商业化方面的尝试，等到这些都做好了，就大规模的推广产品关注获客数据指标。

1、用户留存 (Retention)

解析：如何让用户不断地使用我们的产品，减少用户的流失，提升用户粘性。让用户无法离开产品。

数据指标：留存率、次日留存率、7 日留存率、30 日留存率、回流率、召回 CTR(提取出的正确信息条数 / 样本中的信息条数)、用户生命周期 (周期 /(1 - 周期内新增留存率))。

2、用户激活 (Activation)

解析：提高产品的使用粘性，提升用户使用产品的深度。

数据指标：DNU(日新增用户)、DAU/WAU/MAU、ACU(平均同时在线人数)、PCU(最高同时在线人数)、PV、UV、意向 UV(进入意向页面的用户数)、PV/UV、CTR(点击率)、意向 UV-CTR (点击 UV / 意向 UV)、VV(视频播放次数)、访问时长、停留时长、滚动屏数、人均停留时长、人均操作次数、N 次操作占比、行为路径、访问频次、跳出率、用户来源、用户去向。

3、用户推荐 (Referral)

解析：通过提升产品的竞争力，使用户给他的朋友推荐我们的产品。

数据指标：分享率、分享次数、K-Factor (病毒传播指标)、NPS。

4、商业变现 (Revenue)

解析：通过一些手段和渠道从用户那里获取收益。

数据指标：GMV、ARPU(每用户平均收入)、ARPPU(平均每付费用户收入)、LTV(生命周期价值)、 PBP(回收期)、ROI(投资回报率)、收入地图 、客单价、消费次数、消费频率、订单量、利润、 购买偏好、直接引导成交、间接引导成交、购买间隔。

5、用户拉新 (Acquisition)

解析：通过一定的方式让产品在一些渠道上面得到展现，并使看到展现的用户转化成产品用户。

数据指标：流量来源、流量路径、CAC(用户获取成本)、CPC(每次点击付费)、CPT(按时长付费)、CPM(千人成本)、CPS(按提成收费)、CPA(按点击计费)、Campaign(塑造品牌)。