基本上对产品有一点了解的人都会说出来几个数据指标，诸如UV、PV、活跃率、留存率等等这些数据，但是除了这些需要关注的数据还有哪些呢？这些数据指标又比较散，如何才能够更加系统化、结构化的去关注这些数据，以保证能够不会漏掉一些关键的数据？
 
对于不同的产品，需要关注的数据肯定是不同的，比如电商产品和社交产品需要关注的数据重点肯定是不同的，除此之外对于不同生命周期中的产品，需要关注的数据也肯定是不同的，那如何去选择合适的数据指标去进行关注？
 
之前写过一篇关于需要关注的数据的文章，是按照产品的生命周期来进行划分的，之前的文章将产品的生命周期划分为种子期、推广期和成熟期三个部分。在种子期主要关注的数据为产品本身的数据和用户相关的一些数据，用来验证猜想，并且通过用户的使用情况来对产品进行优化改进。
 
在推广期则是主要关注渠道相关的一些数据以及用户的增长、留存相关的一些数据，而当产品进入成熟期的时候，更多的时候关注的数据则是商业变现以及现在用户的活跃和流失相关的一些数据。
 

本文将会用AARRR模型来尝试着进行需要关注的一些数据指标的梳理，AARRR模型是指Acquisition、Activation、Retention、Revenue、Referral，即用户获取、用户激活、用户留存、用户收益以及用户传播。

对于这几个词的翻译则有很多种，其中Activation也有翻译成活跃的，另外也有将Referral放在Revenue之前的，所以在这里也仅仅是简单的说下个人的理解，一家之言，仅供参考，由于web端了解较少，故下文中提到的均为App端。

1

用户获取（Acquisition）

在保证了产品如期的上线之后，那么接下来问题就来了，如何能够让我们的目标用户能够知道产品，知道产品之后又如何去下载，而在此过程中都需要关注哪些数据呢？

1.渠道相关的数据


渠道来源：用户是从哪里看到产品的，是应用市场的广告位、是关键词搜索，还是其他链接的导入
渠道转化率：各渠道的转化率如何
渠道占比：各主流应用市场的下载占比是多少
渠道用户获取成本：每个渠道获取单个用户的成本肯定是不同的，各渠道的单个用户获取成本是多少
渠道用户平均生命周期价值：渠道来源的用户的平均生命周期的价值如何，可以用来衡量渠道带来的用户的质量
 
每个渠道的用户群体的属性都是不同的，每个渠道的用户获取成本以及平均单个用户的价值也是不相同的，当能够清楚的了解各个渠道的数据之后，就能够针对不同的渠道的特点去进行合理的优化，选择合适的渠道。
 

2.应用相关的数据


下载量：成功下载的数量
安装量：成功安装的数量
下载时间：用户下载应用的时间段
 
下载≠下载成功，下载成功≠安装，安装≠安装成功，安装成功≠启动，说的好像很简单的样子下载安装就行，但是在下载安装的每个环节都有可能出问题，从下载到安装的整个过程也是符合漏斗模型的。
2

用户激活（Activation）

从用户的获取到用户的下载安装完成，再从用户的激活到注册，其实是相当高的一个门槛，很多用户在此过程中已经流失了，而在用户启动应用到注册这个过程又需要关注哪些的数据呢？
 

1.新增用户


用户总量：产品的用户总量
新增用户数：新增的用户数量
新注册用户数：新增≠新注册，某些产品则是需要先进行注册，一般新增都是指设备，也可以用新的账号来作为新注册用户
注册转化率：注册≠注册成功，在注册的用户中有多少用户是成功注册的
流失节点：对于注册过程中未注册成功的用户是在哪些地方注册失败，从而导致注册流失的
 
有些产品是没有注册流程的，而对于必须注册才能够使用的产品，则需要在新增用户的环节中针对用户的注册转化率和流失节点来进行注册环节的优化，找出影响用户注册的一些环节，然后来不断的优化注册环节，减少用户的注册流失率。
 

2.用户属性 


初次使用时间：用户第一次使用产品的时间
设备终端：用户使用产品的设备占比
网络环境：用户使用产品时具体的网络环境，是2G、3G、4G还是wifi环境下
地域属性：用户的地域分布是怎样的
 
通过用户初次使用设备的时候可以获取到关于用户相关的一些属性信息，能够对目标用户的属性有着更清楚的了解，便于对用户进行归类。
3

用户留存（Retention）

留存其实有一个潜在的前提，那就是用户的活跃，当然也需要去看如何定义活跃本身，当成功的吸引用户并让用户留下来，接下来需要关注的就是如何能够让用户持续的来，并且能够持续的保持活跃，同时需要关注用户的流失。
 

1.活跃相关


注册/活跃转化率：先定义活跃，然后去看在新注册的用户中有多少是转化为了活跃用户
DAU：先定义什么是活跃，是启动了应用，还是在应用上完成了某些任务，然后再去关注日活跃量
WAU：周活跃量
MAU：月活跃量
使用时间：用户最近一次使用产品是什么时候
使用时长：平均每次使用产品的时间长度
使用频次：启动应用的频次
 
通过分析用户的一些使用产品的行为数据，可以大致知道用户正常使用产品的数据，也能够根据用户的活跃度来将用户进行分类，如分为高认同用户、中度参与用户以及低认同用户等，针对不同的用户，来采用不同的运营活动。
 

2.留存相关


注册/留存转化率：先定义留存，然后去看在新注册的用户中有多少是转化为了留存用户
次日留存率：新增用户中次日留存数/新增用户总数
7日留存率：新增用户中7日留存数/新增用户总数
30日留存率：新增用户中30日留存数/新增用户总数
 
对于不同的产品，留存率肯定是不同的，结合同类型的产品的次日、7日以及30日留存率来进行对比，看产品能否达到行业的平均水平，然后是否能够提升留存率，因为提升产品的用户量仅仅是开源还是不够的，还需要能够节流，能够将用户沉淀下来。
 

3.流失相关


沉默用户：先定义什么是沉默用户，然后再去关注这个指标
流失用户：先定义什么是流失用户，然后再去关注这个指标
 
定义了沉默用户之后，对沉默用户进行分析，对于沉默用户有什么共性的特征，比如用户的属性、性别、年龄或者是否集中于某一渠道，在用户流失之前有哪些相似的行为，或者说在流失的时间节点前是否做了一些活动或者产品上有大的改版，找到用户流失的原因，并且能够建立用户的流失预警机制和回流机制。
4

用户收益（Revenue）

当产品走向成熟之后，不可避免的会走上商业化的道路，互联网产品常见的盈利模式主要为应用付费、应用内付费以及广告这几种方式，应用付费的习惯在国内尚未养成，所以大多数为增值服务和广告的形式。商业收入=用户数量×付费转化率×ARPU，所以想增加营收则需要关注这些数据。
 
付费频次：用户是一次性付费还是持续性的进行付费
付费人数：有多少人愿意为之买单
付费转化率：产品的付费转化率是多少，二次付费的转化率是多少
ARPU值： Average Revenue Per User，即每用户平均收入，不同类型的产品的ARPU值肯定不同
5

用户传播（Referral）

任何一款产品都希望自己的产品能够实现传说中的“自传播”，能够利用用户的口碑来进行传播，而如果说想实现用户的自传播，要么需要做到有趣，要么需要能够做到有用，能够为用户创造价值，而在用户的传播过程中也有一些能够进行量化的指标。
 
分享数：用户将产品进行分享至第三方的次数
转化率：分享至其他渠道带来的转化率如何
K因子：K因子数=单个用户分享至朋友数×转化率，比如某个用户向Ta的10个朋友进行了分享，分享的转化率是15%，那K因子数=10×15%，即K=1.5，当K>1时，即能够实现用户的自增长
NPS：Net Promoter Score，即净推荐值，是用来量化用户忠诚度的指标，NPS值与用户的忠诚度和长期利润呈正相关，NPS的得分值在50％以上被认为是不错的。根据对外公布的企业（付费产品），最佳NPS为50-80%，平均NPS为5-10%，有些甚至是负数。
 
确定NPS值的方法是，向产品的用户询问“您有多大程度上愿意将产品推荐给您的朋友（家人、同事、同学、亲戚…）”，用0-10分来进行量化，然后对得到的分值进行分类。在产品的传播过程中，推荐者能够帮助产品进行传播，而贬损者则会不利于产品的传播，计算方法如下：

推荐者（得分为9-10分）：产品的忠实拥护者，不光会买，还会将产品推荐给他人
被动者（得分为7-8分）：总体满意，但是也会考虑其他的产品
贬损者（得分为0-6分）：使用产品，但是并不满意
 
以上就是本文的全部内容，为方便查看，汇总如下脑图，欢迎补充和指正…当然这仅仅只是一个通用的模型，不同类型的产品需要关注的数据不同，具体产品具体分析。

产品学习｜交流分享

公众号ID：产品经理从0到1

长按二维码即可关注

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。