+ 
+ 任务知识导入
+
+
+ 任务知识导入
+
+
+ https://www.zhihu.com/question/620095154/answer/3351195697
+ + + https://www.sohu.com/a/528399751_218639
+ + + https://help.fanruan.com/finebi5.1/doc-view-1256.html +
+
+ + + + https://www.sohu.com/a/528399751_218639
+ + + https://help.fanruan.com/finebi5.1/doc-view-1256.html +
+
+
+
+
+ + AARRR模型的实质是一个用户生命周期模型，关注用户获取(Acquisition) + 、激活(Activation)、留存(Retention) 、收入(Revenue) 和自传播(Refer) + 这五个方面，描述了用户从了解一个产品或服务到成为忠实用户的整个过程，对应于产品生命周期中的五个阶段。 + +
+
+
+ 
+ 案例背景：
+
+
+ 某买菜app想通过 AARRR模型分析自己的增长优势和弱势，获取更大的市场。
+
+ 案例背景：
+ + + AARRR模型的实质是一个用户生命周期模型，关注用户获取(Acquisition) + 、激活(Activation)、留存(Retention) 、收入(Revenue) 和自传播(Refer) + 这五个方面，描述了用户从了解一个产品或服务到成为忠实用户的整个过程，对应于产品生命周期中的五个阶段。 + +
+
+
+
+ 
+ 第一步，获客分析
+
+
+ 任何产品的运营，第一步都是获取新用户，新用户一般来源于不同的渠道，因此我们首先需要做的就是渠道分析。做了渠道分析，我们才能知道，哪个渠道效果好，花费少，以后可以在性价比高的渠道投放。通常情况下渠道分析有两个维度：获客数量和获客质量
+
+
+ 第一步，获客分析
+
+
+
+
+
+ 生成可视化展现
+
+
+
+
+
+
+
+
+
+
+ 推广渠道对比（平均一次浏览时间）
+
+
+ 图表分析
+
+
+
+
+ 1、推广渠道中，获客数量最多的是：
+
+
+
+
+ 2、哪种渠道的获客质量最高：
+提交
+
+
+ 对各月份的用户新增情况进行分析，折线图如下图： + +
+
+
+
+ 第二步，激活分析
+
+
+ 有了用户之后就需要提高活跃度，用户光注册没啥用，需要经常登录、使用app才行。据有效数据表明，当新用户进入产品之后的次日活跃开始计算，80%以上的新用户都不会被再次激活。而对于买菜app来说，只有产生过订单的用户才能算作被激活。
+ 第二步，激活分析
+ + 对各月份的用户新增情况进行分析，折线图如下图： + +
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+ %
+
+
+
+
+
+
+ 分析结论
+ 提交
+
+
+
+
+
+ 第三步，留存分析
+
+
+ 用户激活之后，不留存的话最终也都将流失，徒劳一场。对于买菜app来说，用户激活之后，如果不能留下来的话，那此前的工作基本都是无用的。我们可以分析一周留存率、双周留存率和月留存率，发现用户留存率仍有较大提升空间，可以分析流失原因，进一步提高产品体验，挽留已有客户。
+
+
+ 第三步，留存分析
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+ 生成留存率图表
+
+
+
+
+ 图表分析
+
+
+
+
+ 1、两周平均留存率是多少：
+
+
+
+
+ 2、从哪个时间段开始留存下来的客户，是公司的忠诚用户：
+提交
+
+
+
+
+
+ 第四步，收入分析
+
+
+ 获取收入，对产品来说是最重要的一点，当用户激活后，需要考虑的就是如何最大化获取收入，实现盈利。买菜软件的盈利与很多指标有关，我们暂且以提高用户的购买活跃度作为提高收入的的一个主要方式。我们将用户分为三个大类：低活跃用户，普通用户，会员用户。
+
+
+ 第四步，收入分析
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+ 图表分析
+
+
+
+ 1、各类用户占比：（计算结果保留一位小数）
+
+
+
+
+
+ 低活跃用户：
+
+
+ 普通用户：
+
+
+ 会员用户：
+
+
+
+
+ 2、需要针对哪类用户制定营销手段来提高他们的活跃度：
+提交
+
+
+ K = （平均每个用户向他的朋友们发出的邀请的数量）* + （接收到邀请的人转化为新用户的转化率）
+ K值的高低，直接体现自传播结果水平，当K值大于1时，将激发自传播巨大的力量，K值越大，力量越强。而若K值小于1，那么传播水平会逐步减弱，直至消失。 + +
+
+
+ 第五步，自传播分析
+
+
+ 当产品有了一定规模的用户之后，就需要考虑激发用户间的自发传播。自传播的数据指标是K因子（推荐系数）：
+ 第五步，自传播分析
+ + K = （平均每个用户向他的朋友们发出的邀请的数量）* + （接收到邀请的人转化为新用户的转化率）
+ K值的高低，直接体现自传播结果水平，当K值大于1时，将激发自传播巨大的力量，K值越大，力量越强。而若K值小于1，那么传播水平会逐步减弱，直至消失。 + +
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+ 图表分析
+
+
+
+
+
+
+ 该买菜app的K值为：（计算结果保留两位小数）
+
+ 结论：拥有了自传播的力量。可以进一步通过“邀请获红包”等运营活动进一步提高
+ K 值，加快传播速度
+
+ 提交
+