AARRR模型
AARRR模型环节拆解
- Acquisition（获取用户）
- 通过各种渠道，进行拉新操作，让用户接触产品
- 投放-资源置换-平台蹭流量-社交裂变
- Activation（激发活跃）
- 获取了用户后，需要让用户使用产品，引导用户完成某些动作
- 电商新用户完成首单购买；一个月内完成三次购买
- 新用户暑假默认五本书籍
- Retention（提高留存）
- 用户来了，也活跃了，但是以后再也不用了，流失太严重也不行，还需要让用户持续的活跃，留住一个老用户的成本远远低于获取一个新用户
- 高活跃高消费：会员权益
- 低活跃高消费：定时推送
- 高活跃低消费：优惠券、打折、秒杀、拼团
- 活跃消费一般：提留存
- Revenue（增加收入）
- 做产品、创业终究是要盈利的，产品要有自己的盈利模式，不断地盈利才可以更好的运营产品
- Referral（传播推荐）
- 金杯银杯不如老百姓口碑，通过传播，通过朋友间的推荐，会带了更多的流量
AARRR模型的意义
- AARRR模型是包括5个阶段获客（Acquisition）、激活（Activation）、留存（Retention）、变现（Revenue）、自传播（Referral）；
- 这五个阶段作为互联网公司最关注的阶段指标（KPI），有效的衡量了产品的增长，简单量化可操作。
电商漏斗模型
构建步骤
- 梳理主要路径和流失节点
- 梳理路径目的：对用户在产品上的消费行为、路径有一个比价全面的了解；
- 主要路径上的流失节点：找出主要路径上的常规流失节点，并对其进行进一步分析优化
- 选定核心路径
- 原因：非核心路径对最后的指标影响不大
- 观察和比较数据
- 时间维度
- 天、周、月、季度、年
- 用户渠道类型维度
- 新老用户维度
- 新老用户产生的用户数据不一样
一、以京东为例梳理主要路径与流失节点
京东核心路径拆解
二、选定核心路径
规则：
- 选择开口大的路径
- 漏斗环节不能太多
- 环节太多需要考虑因素太多，一般选取5-8个
- 漏斗环节间的量差不能太大（100倍）
- 两个不能放在一起的环节例：当前页面转化率为50%，下一个页面的转化率为0.001%
- 原因：转化率低的环节发生的0.001%-0.002%的波动变化，相较于50%的环节来说太小了
- 如：搜索框进来的用户有1000万，900万点击了搜索结果，几千人点击了搜索结果页的相关推荐
- 老板看不见0.001的增幅
- 别人不好理解这样的搭配分析的目的是什么
- 将“产品推荐”“店铺页面”界定为流失的原因
- 与“搜索”入口不一致的用户路径，需要从新建立该入口的漏斗模型
三、观察和比价数据
时间划分
- 年、月、日
- 特殊日期（节假日、618、双11）
- 周期性（周末VS周中）
- 对应时间表发生的事件
- 了解每个时间段所发生的每件事情
用户划分
- 用户属性（地域、性别、年龄、机型、浏览器版本…）
- 活跃用户VS全量用户
- 新用户VS老用户
- 会员VS非会员
对漏斗数据进行分析
- 纵向对比
- 每个环节之间的合理性
- 横向对比
- 多维度对比
- 时间
- 用户
- 相似路径对比
- 关注不同层级的数据指标
- 搜索列表
- 搜索结果页结果点击率
- 详情页转化率
- 搜索无结果次数
- 需要关注搜索的途径：搜索框搜索、语音搜索、推荐搜索
- 详情页
- 平均页面停留时间
- 加入购物车数量
- 需要关注详情页面的排版设计、评论、客服…
- 订单页面和收银台页面
- 有效订单转化率
- 成交比率
- UV成交转化率
- 成交单数/页面UV数
- 平均UV价值
- 总成交额/页面UV
- 需要关注物流、退货、发票、运费、支付方式、支付异常（密码错误、冲动消费、技术问题…）
- 结合其他数据分析工具
- 基于漏斗模型，结合其他数据分析工具进行组合分析，如归因分析模型
- 多从用户角度体验
- 从数据中无法找出原因，不如上手体验体验
TIPS：仅从数据的角度有时候很难判断一个页面的质量！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至605152901@qq.com 举报，一经查实，本站将立刻删除。
