4. AARRR漏斗模型与指标映射
AARRR 漏斗模型由 Dave McClure 提出，将用户生命周期划分为 获取（Acquisition）、激活（Activation）、留存（Retention）、收入（Revenue）、推荐（Referral） 五个阶段。每一阶段对应一组核心指标，构成从用户触达到病毒传播的完整指标闭环。
1. 各阶段指标定义与数据口径
| 阶段 | 核心指标 | 数据口径 |
|---|---|---|
| 获取 | 新用户数 / 渠道曝光→点击率 | 新用户：首次访问或注册的用户（按设备 ID/UID 去重）；渠道点击：utm_source 标记的落地页点击 |
| 激活 | 激活率（Activation Rate） | 完成关键行为（如登录、浏览商品详情、播放视频）的用户数 ÷ 新用户数；关键行为需产品团队定义 |
| 留存 | 次日 / 7 日 / 30 日留存率 | 第 N 天回访的用户数 ÷ 第 0 天新增用户数；回访定义为有任意用户事件（非后台心跳） |
| 收入 | LTV / ARPU / ARPPU | LTV = 用户生命周期内总付费 / 用户数；ARPU = 总收入 / 总用户数；ARPPU = 总收入 / 付费用户数 |
| 推荐 | K 因子（病毒系数） | K = 平均每位用户发送邀请数 × 邀请转化率；需要埋点记录“邀请发送”和“通过邀请注册”事件 |
2. 维度拆解与看板结构
AARRR 看板通常按 时间维度（日/周/月）和 渠道维度（自然流量、付费广告、社交传播）进行交叉分析。推荐使用以下结构化看板：
- 顶部概览区：五个阶段的当日环比变化、七日趋势线（Sparkline）。
- 漏斗图区：按阶段展示用户数量递进关系，自动计算各环节转化率。
- 异常预警区：对环比下降超过 10% 的阶段标记红色，点击可下钻到渠道明细。
- 明细表区：展示各阶段核心指标按渠道、设备、地域的细分对比。
3. 异常解释与业务动作
常见异常场景：
- 获取激增但激活率骤降 → 检查渠道质量：虚假流量、落地页加载失败、注册流程中断。动作：剔除低质渠道，优化落地页关键路径。
- 留存率连续三周下滑 → 核心功能使用频次下降或新版本体验回退。动作：开展留存留存分析（RAR），定位未激活用户群体并发送唤醒 PUSH。
- 收入突降但留存正常 → 付费点或定价策略失效。动作：检查支付成功率、对比竞品定价、查看付费引导是否被拦截。
4. 复盘分析框架
- 对比基准：与上月/去年同期、目标值、行业标杆对比。
- 归因下钻：选择异常阶段，按“渠道→设备→地区→用户分层”逐级下钻。
- 假设验证：提出影响指标的可能原因（如版本更新、活动上线、外部舆情），组合分析事件时间线验证。
- 动作闭环：将发现转化为 OKR 或实验计划，在下一看板迭代中验证改善效果。
5. AARRR 漏斗指标映射图
关键提示：AARRR 并非严格线性漏斗——推荐阶段可以发生在用户生命周期的任意时刻，甚至早于收入阶段。实际看板应支持将推荐事件作为独立行为在留存之后追踪，也可将其设置在激活后作为“传播节点”。