AAARR模型(AARRR Funnel),還停留在理論卻不會用?附實例講解!

數據分析那些事
11 min readAug 7, 2023

--

AARRR模型(AARRR Funnel)是一款經典的業務分析模型,對於產品導向的企業以及新創企業非常實用。它能幫助行銷人員快速掌握產品的狀況,對焦商業目標和行銷策略,創造更高的營收!今天軟妹就來為大家詳細解讀AARRR模型(AARRR Funnel)的五個發展階段,並使用實例來教會大家如何使用AARRR Funnel對產品進行分析。

Table Of Contents

一、什麼是AARRR模型(AARRR Funnel)?

二、AARRR模型(AARRR Funnel)行銷的五個階段

三、如何使用AARRR模型(AARRR Funnel)進行分析?

  • 1、獲客(Acquisition)
  • 2、活躍(Activation)
  • 3、留存(Retention)
  • 4、收益(Revenue)
  • 5、傳播(Referral)

總結

AARRR模型(AARRR Funnel)是一款經典的業務分析模型,對於產品導向的企業以及新創企業非常實用。它能幫助行銷人員快速掌握產品的狀況,對焦商業目標和行銷策略,創造更高的營收!

今天軟妹就來為大家詳細解讀AARRR模型(AARRR Funnel)的五個發展階段,以及如何使用自助式大數據分析工具FineBI,不寫代碼創建AARRR模型。

<<<免費試用>>> ⬇️ ⬇️

一、什麼是AARRR模型(AARRR Funnel)?

AARRR模型(AARRR Funnel),又叫海盜模型,是用戶運營過程中常用的一種數據分析模型,它解釋了實現用戶增長的 5 個指標:獲客、激活、留存、收益、傳播

二、AARRR模型(AARRR Funnel)行銷的五個階段

AARRR模型(AARRR Funnel)將公司從獲客到盈利分為5個成長階段,下面軟妹就給大家詳細解讀下每一個階段代表的含義以及需要觀測的指標。

Acquisition(獲客)

AARRR中的第一個A,就是獲取用戶,用戶從各式各樣的管道來訪你的APP或者網站。客戶來源的管道是很多元的,比如來自廣告、SEO、他人推薦、線下活動等等。在這一步驟需要考慮的是如何獲取新用戶?用戶從哪裡來?哪一個管道是獲取用戶的最有效途徑?

根據產品的不同,衡量獲客水平的維度也不同,大體有如下指標:點擊率、登錄用戶數等等。

Activation(活躍)

用戶活躍指的是用戶在初次到訪後,使用了APP或網站所提供的部分主要功能。但用戶到底有多活躍?如何才能進一步增加產品、服務的體驗?在這一步驟中,需要讓用戶看到產品價值所在,逐漸提高用戶的活躍度。

用戶的活躍度根據不同的產品性質也會用不同的標準來衡量,比如最初的Facebook使用的是註冊平台後的10天以內,擁有至少7個好友的新用戶。比如某電商APP使用的是註冊3日,至少下過1單的新用戶,其他衡量標準有產品核心功能的使用率、用戶上線時長等等。

Retention(留存)

留存注重的是用戶從新用戶轉換成長期用戶的過程。獲取新用戶的成本實際上比維護老用戶的成本要高得多,所以在這一步驟中,主要考慮的是如何培養長期用戶?如何增加客戶持續購買的行為?

衡量的標準有:次日留存率、一周留存率、雙週留存率、月留存率、EDM郵件打開率等等。

Revenue(收益)

這是用戶決定付費購買我們的產品或服務的一步。我們所做的所有努力都是為了讓用戶產生消費,從而增加營收。這一步驟中需要考慮的是,如何讓用戶願意消費或者是願意做出能夠增加我們營收的行為。

這一步驟的衡量指標同樣會因為產品的性質而有所不同,比如一些注重內購的遊戲,主要衡量的指標就是用戶購買遊戲內道具、皮膚的消費金額;一些依賴于用戶觀看遊戲內廣告獲得收益的遊戲,主要衡量的指標就是廣告商願意支付的廣告費用。

對於主要依賴於廣告營收的公司,公司需要專注於提升流量、廣告頁面的曝光度、提升用戶使用時長等;對於主要依賴於提供實際產品或服務產生營收的公司,公司可以檢對用戶從打開APP到下單的整個流程進行追蹤,關注用戶的行為流。

還有一點需要留意的是,公司需要不斷提升用戶的終身價值,並不斷減低獲客成本。

Referral(傳播)

如果用戶喜歡我們提供的產品或服務,他就會推薦其他人使用,這是獲得產品穩定增長的關鍵步驟,這一階段要考慮的是如何讓忠實用戶成為隱形的品牌大使,如何讓用戶把我們的產品推薦給其他有潛力的用戶?

衡量的標準通常是淨推薦值(NPS),以及病毒指數(Viral Coefficient),簡單來說也就是顧客對品牌的滿意度以及用戶平均推薦的客戶數量。

以上就是AARRR模型(AARRR Funnel)的五個發展階段,AARRR Funnel是行銷人員或者產品人員在進行產品獲客、盈利分析時可以多加使用的數據分析模型,它將一個產品或者服務從獲客到盈利構成了一個閉環,並輔之以清晰的發證階段和指標進行衡量和優化,從而幫助行銷人員或者產品人員不斷地改進產品的盈利模式,讓產品得到有益的成長。

三、如何使用AARRR模型(AARRR Funnel)進行分析?

每一個產品具體情況不同,但總體上都包括這 5 個方面的發展過程。以上說了這麼多,不如通過一個實例來了解如何運用AARRR模型(AARRR Funnel)。

接下來,本文將使用商業智慧自助分析軟體 FineBI 對一個買菜 APP 的 AARRR Funnel 的 5 個發展過程進行逐一分析。

FineBI是一個能快速洽搭建各種業務模型的自助式分析平臺,企業級商業分析工具,常用於各種業務的資料分析。

专业、簡潔、易用,介面和流程一目了然,每個模組都有明確的功能分區。透過FineBI自助資料集功能,普通業務人員就能拖拖拽拽對資料做篩選、切割、排序、彙總等,自助靈活地達成期望的資料結果,並選取智慧推送的圖表和Dashboard實現資料的視覺化。

使用FineBI可以輕鬆搭建各種經典的數據分析模型,諸如金字塔模型、KANO分析模型RFM模型購物籃分析模型等等,幫助業務洞察。

FineBI提供包括製造業、醫藥、零售、金融等不同行業的業務主題分析場景,通過業務指標數據分析與展示,讓相關管理人員能夠輕鬆掌握業務動態。

FineBI能將業務人員從資料處理和可視化的泥潭中解放出來,把更多精力投放到資料分析與資料管理和業務溝通上。

  • 1、獲客(Acquisition)

獲客即拉新,即讓使用者知道了解認識到有這樣一個 APP 並來試用。通常情況下會有使用多個行銷方法增加產品的曝光,比如廣告投放、SEO、內容行銷等等。但如何選出最優的行銷方法,如何使用最少的預算獲得最好的拉新效果呢,首先要進行的分析,就是對不同行銷方法和渠道進行分析。

通常情況下,行銷方法/渠道分析有兩個維度:獲客數量 和 獲客質量。在本文中我們以平均開啟 APP 後的瀏覽時間作為獲客質量的評價標準。

結論:從圖中我們可以看到,線下活動推廣獲得的用戶數量與質量都是最優,由此說明,可以加大線下活動的投入。比如說,在多個超市或菜市場附近開展線下活動,發放小禮品或者是線上的優惠券,激勵客戶掃碼註冊賬號。

  • 2、活躍(Activation)

用戶試用過後的下一步就是要激活,激活要做的是活躍客戶,需要將已經註冊了APP的用戶活躍起來,發展成活躍用戶或是核心用戶。此時,更應該考慮的是使用者對於產品核心功能的使用情況

如果是一款短視頻軟體,那麼可以設置需要新使用者觀看到一定時長即為激活使用者;如果是一款聊天軟體,需要新使用者完成一次對話才算激活。那麼在買菜 APP 中,我們可以暫時認為購買過一次的使用者為激活使用者。

我們使用FineBI繪製折線圖,對各月份的使用者新增情況進行分析,如下圖所示:

結論:從圖中可以看到,10 月份激活率出現了明顯的下降,需要結合實際情況具體分析激活率下降的原因。同時,建議輔助進行新客的激活活動,並對不同的新客進行做精細化營運。比如,可以在首頁進行個性化推薦產品吸引使用者,或者給新註冊但是未下單的用戶發放優惠券,刺激用戶激活。

  • 3、留存(Retention)

使用者激活之後,如果不能留存的話,最終也都將流失,徒勞一場。所以需要根據用戶的留存和使用情況對不同階段的用戶制定對應的運營策略。,

所以使用者的留存統計也很重要。參考留存分析的文檔,使用FineBI計算激活使用者的當日留存率/一週留存率/兩週留存率/30天留存率。

比如使用FineBI來計算當日留存率:

(1)首先,在FineBI中建立儀表板,進入數據決策系統,點選「儀表板>建立儀表板」,設定名稱和存放位置,點選「確定」,如下圖所示:

點選「+」,選擇範例資料集中的「使用者留存分析」資料集,點選「確定」,如下圖所示:

(2)第二步,是計算激活使用者留存率

注:範例資料已經計算激活_登入時間差,若已有資料未經處理,可參考新增欄時間差文檔進行計算。

點選「+」,新增計算欄位,輸入公式COUNTD_AGG(IF(激活_登入時間差=0,聯絡電話,null))/COUNTD_AGG(聯絡電話),輸入欄位名稱為「當日留存率」,點選「確定」,如下圖所示:

公式說明:

這樣一來,當日留存率就計算完畢。

(3)再按照同樣的方法計算一周留存率/兩週留存率/30天留存率,最終得到的結果如下圖所示:

結論:使用者的留存率有較大空間提高,需要分析流失原因,進一步提高產品體驗,挽留已有客戶。

FineBI擁有豐富的函數選擇,方便使用者對資料進行彈性的二次加工處理,以應對多變的業務分析需求。立即點擊下方圖片,親身體驗FineBI強大函數的威力吧!和軟妹一同發掘BI工具的無限可能性!

--

--

數據分析那些事
數據分析那些事

Written by 數據分析那些事

這是一個專注於數據分析職場的內容部落格,聚焦一批數據分析愛好者,在這裡,我會分享數據分析相關知識點推送、(工具/書籍)等推薦、職場心得、熱點資訊剖析以及資源大盤點,希望同樣熱愛數據的我們一同進步! 臉書會有更多互動喔:https://www.facebook.com/shujvfenxi/

No responses yet