AARRR模型 揭開應用推廣運營背後的秘密

2021-06-09 20:03:57 字數 4253 閱讀 1236

為了幫助那些移動應用開發者認清這一點,我們通常用以下這個aarrr模型向他們解釋乙個移動應用背後的運營模式。

aarrr是acquisition、activation、retention、revenue、refer,這個五個單詞的所寫,分別對應這一款移動應用生命週期中的5個重要環節。下面我們來簡單講解一下aarrr模型中每個專案的意義。

運營一款移動應用的第一步,毫無疑問是獲取使用者,也就是大家通常所說的推廣。如果沒有使用者,就談不上運營。

很多使用者可能是通過終端預置(刷機)、廣告等不同的渠道進入應用的,這些使用者是被動地進入應用的。如何把他們轉化為活躍使用者,是運營者面臨的第乙個問題。

當然,這裡面乙個重要的因素是推廣渠道的質量。差的推廣渠道帶來的是大量的一次性使用者,也就是那種啟動一次,但是再也不會使用的那種使用者。嚴格意義 上說,這種不能算是真正的使用者。好的推廣渠道往往是有針對性地圈定了目標人群,他們帶來的使用者和應用設計時設定的目標人群有很大吻合度,這樣的使用者通常比 較容易成為活躍使用者。另外,挑選推廣渠道的時候一定要先分析自己應用的特性(例如是否小眾應用)以及目標人群。對別人來說是個好的推廣渠道,對你卻不一定 合適。

另乙個重要的因素是產品本身是否能在最初使用的幾十秒鐘內抓住使用者。再有內涵的應用,如果給人的第一印象不好,也會「相親」失敗,成為「嫁不出去的老大難」。

此外,還有些應用會通過體驗良好的新手教程來吸引新使用者,這在遊戲行業尤其突出。

有些應用在解決了活躍度的問題以後,又發現了另乙個問題:「使用者來得快、走得也快」。有時候我們也說是這款應用沒有使用者粘性。

我們都知道,通常保留乙個老客戶的成本要遠遠低於獲取乙個新客戶的成本。所以狗熊掰玉公尺(拿乙個、丟乙個)的情況是應用運營的大忌。但是很多應用確實並不清楚使用者是在什麼時間流失的,於是一方面他們不斷地開拓新使用者,另一方面又不斷地有大量使用者流失。

解決這個問題首先需要通過日留存率、周留存率、月留存率等指標監控應用的使用者流失情況,並採取相應的手段在使用者流失之前,激勵這些使用者繼續使用應用。

留存率跟應用的型別也有很大關係。通常來說,工具類應用的首月留存率可能普遍比遊戲類的首月流存率要高。

獲取收入其實是應用運營最核心的一塊。極少有人開發一款應用只是純粹出於興趣,絕大多數開發者最關心的就是收入。即使是免費應用,也應該有其盈利的模式。

收入有很多種**,主要的有三種:付費應用、應用內付費、以及廣告。付費應用在國內的接受程度很低,包括google play store在中國也只推免費應用。在國內,廣告是大部分開發者的收入**,而應用內付費目前在遊戲行業應用比較多。

無論是以上哪一種,收入都直接或間接來自使用者。所以,前面所提的提高活躍度、提高留存率,對獲取收入來說,是必需的基礎。使用者基數大了,收入才有可能上量。

以前的運營模型到第四個層次就結束了,但是社交網路的興起,使得運營增加了乙個方面,就是基於社交網路的病毒式傳播,這已經成為獲取使用者的乙個新途徑。這個方式的成本很低,而且效果有可能非常好;唯一的前提是產品自身要足夠好,有很好的口碑。

從自傳播到再次獲取新使用者,應用運營形成了乙個螺旋式上公升的軌道。而那些優秀的應用就很好地利用了這個軌道,不斷擴大自己的使用者群體。

通過上述這個aarrr模型,我們看到獲取使用者(推廣)只是整個應用運營中的第一步,好戲都還在後頭。如果只看推廣,不重視運管中的其它幾個層次,任由使用者自生自滅,那麼應用的前景必定是暗淡的。

另乙個非常重要的資料,就是分渠道統計的啟用量。因為在渠道推廣時,很多應用開發者選擇了付費推廣。結算的時候,自然要了解在某個渠道有多少真正啟用的使用者。即使沒有付費關係,開發者也需要知道哪個渠道是最有效果的。

看到活躍度,大家首先會想到的指標是dau(日活躍使用者)、mau(月活躍使用者)。這兩個資料基本上說明了應用當前的使用者群規模,在網路遊戲行業這 是兩個運營人員必看的指標。通常活躍使用者是指在指定週期內有啟動的使用者。但是啟動是否真的等於活躍呢?如果在指定週期內只啟動了一次,而且時間很短,這樣 的使用者活躍度其實並不高(當然對某些特殊的應用來說可能算高,例如用來記錄女性生理週期的應用,一月啟動一次就夠了)。所以其實還要看另兩個指標:每次啟 動平均使用時長和每個使用者每日平均啟動次數。當這兩個指標都處於**趨勢時,可以肯定應用的使用者活躍度在增加。

針對使用時長和啟動次數的渠道統計同樣很重要。我們把它們稱為渠道的質量資料,如果某個渠道上來的使用者,這兩個指標很差,那麼在這個渠道上投入太多 是沒有意義的。最典型的就是水貨刷機的使用者,很多預置的應用都是在刷機完成時被啟用的。針對這種被動啟用的使用者,可以看另乙個指標,叫一次性啟動使用者數 量,也就是迄今為止只啟動過一次的使用者的數量。

除了渠道,另乙個和活躍度相關的分析維度是版本。各個版本的使用時長和啟動次數也會有差異。對產品經理來說,分析不同版本的活躍度差異有助於不斷改進應用。

此外跟活躍度相關的,還有日活躍率、周活躍率、月活躍率這些指標。當然活躍率和應用的類別是很有關係的,比如桌面、省電類的應用的活躍率就比字典類的應用高。

對於大部分應用,應該關心的是1-day retention 和7-day retention。這裡我之所以用英文,是因為其中文翻譯不統一,容易引起歧義。1-day retention通常翻譯為首日留存率,其實這個「首日」並不是指應用被安裝使用的第一天(假設日期為d),而是d+1日,即安裝使用的第二天。因為安 裝使用的第一天沒有留存率這個概念(有的話,只能是100%)。到了第二天,前一天安裝使用的使用者中還有多少百分比的人還在啟動使用這款應用,這就是1- day retention。因為是第二天,所以有些文章中也叫「次日留存率」。同樣的,7-day retention是在d+7日啟動使用這款應用的佔d日首次安裝使用這款應用的使用者總數的百分比。通常使用者新安裝使用後的前幾天是流失比例最大的時期 (關於使用者留存的細節,請參考我們同事的另一篇部落格《讀懂你的使用者留存》)。所以這兩個指標在留存率分析是最重要的。曾經有遊戲行業的行家指出,如果想成 為一款成功的遊戲,1-day retention要達到40%, 7-day retention要達到 20%。

有些應用不是需要每日啟動的,那樣的話可以看周留存率、月留存率等指標,會更有意義。 留存率也是檢驗渠道的使用者質量的重要指標,如果同乙個應用的某個渠道的首日留存率比其它渠道低很多,那麼這個渠道的質量是比較差的。

關於收入,大家最耳熟能詳的指標就是arpu(平均每使用者收入)值。對應的比較少提的還有個指標叫arppu(平均每付費使用者收入)。前幾天,@吳 剛在微博裡貼圖比較二戰風雲的arpu值時就註明了是周付費使用者arpu(所以其實是arppu)。但是很多人誤讀了以為是六十多元的周arpu值,就會 讓他們對android遊戲產生過分的樂觀。

是不是arppu高,arpu就一定會高呢?答案是不一定。因為其中還有個指標是付費使用者比例,也就是付費使用者在全部使用者中所佔的比例。如果付費用 戶比例較低,那麼那些收入攤到所有使用者身上的平均值就低了。通常來說,如果某個遊戲為了提高arppu,提高了虛擬道具的**,那麼付費使用者比例就會相應 地降低。找到乙個arppu和付費使用者比例的平衡點,才能最大化收入。

那麼收入如何計算? arpu是乙個和時間段相關的指標(通常講的最多是每月的arpu值),還不能完全和cac對應,因為cac和時間段並沒有直接關係。所以我們還要多看一 個指標:ltv(生命週期價值)。使用者的生命週期是指乙個使用者從第一次啟動應用,到最後一次啟動應用之間的週期。ltv就是某個使用者在生命週期內為該應用 創造的收入總計,可以看成是乙個長期累計的arpu值。每個使用者平均的ltv = 每月arpu * 使用者按月計的平均生命週期。

ltv – cac的差值,就可以視為該應用從每個使用者身上獲取的利潤。所以最大化利潤,就變成如何在降低cac的同時,提高ltv,使得這兩者之間的差值最大化。更 進一步的,對不同渠道**使用者做斷代分析,根據他們不同的cac和ltv,就可以推導出不同渠道**的利潤率差異。

自傳播,或者說病毒式營銷,是最近十年才被廣泛研究的營銷方法。雖然大家都聽過一些病毒式營銷的經典案例,但是要說怎樣量化評估其效果,卻很少有人 知道k因子(k-factor)這個衡量指標。其實k因子這個術語並非起源於市場學或軟體業,而是**於傳染病學——對,就是研究真正的病毒傳播的科學。 k因子量化了感染的概率,即乙個已經感染了病毒的宿主所能接觸到的所有宿主中,會有多少宿主被其傳染上病毒。

k因子的計算公式不算複雜,k = (每個使用者向他的朋友們發出的邀請的數量) * (接收到邀請的人轉化為新使用者的轉化率)。假設平均每個使用者會向20個朋友發出邀請,而平均的轉化率為10%的話,k =20*10%=2。這個結果還算是不錯的效果——當k>1時,使用者群就會象滾雪球一樣增大。如果k<1的話,那麼使用者群到某個規模時就會停 止通過自傳播增長。

很遺憾的是,即使是社交類的移動應用,目前k因子大於1的也很少。所以絕大部分移動應用還不能完全依賴於自傳播,還必須和其它營銷方式結合。但是從產品設計階段就加入有利於自傳播的功能,還是有必要的,畢竟這種免費的推廣方式可以部分地減少cac。

以上我們列舉了在應用推廣運營各個層次(各個階段)需要關注的一些指標。在整個aarrr模型中,這些量化指標都具有很重要的地位,而且很多指標的影響力是跨多個層次的。及時準確地獲取這些指標的具體資料,對於應用的成功運營是必不可少的。 )

揭開應用推廣運營背後的秘密

編者按 本文作者徐懿,雷鋒 約撰稿人,北京騰雲天下coo,對資料感興趣的讀者可以在微博 bryanxu。為了幫助那些移動應用開發者認清這一點,我們通常用以下這個aarrr模型向他們解釋乙個移動應用背後的運營模式。aarrr是acquisition activation retention reven...

產品經理 AARRR模型

三 總結 四 參考資料 aarrr模型其實就是使用者生命週期的五個階段,分別是 acquisition使用者獲取 activation使用者啟用 retention使用者留存 revenue獲得收益 referral推薦傳播 根據這個模型,基本上就可以解決大部分使用者獲取,使用者推廣之類的題目。這肯...

增長黑客理論 AARRR 模型

刷朋友圈時,看見一位做爬蟲工程師的朋友介紹自己轉型成了增長黑客。腦子一愣,增長黑客是啥?我現在已經這麼落後了嗎?再一次為自己知識的貧乏而落淚。懷著憧憬的心情,上網學習了下。增長黑客理論 什麼是增長黑客 growth hacker 增長黑客是一群以資料驅動營銷,以市場指導產品,通過技術化手段貫徹增長目...