随着互联网行业的发展，数据驱动的趋势越来越明显。比如抖音系的大数据、百度的AI开放平台、FACEBOOK动不动就100多种的A/B Test。在这个趋势下，设计的好坏除了站在专业角度，靠有经验者去评价好坏，也需要结合数据的对比，与产品迭代的方向去规划好后续的设计方案；并通过数据分析，量化设计效果，来帮助我们产出更贴近用户行为的设计。真正做到「设计推动改版、设计助力产品拿结果」。网上的数据解释，大多偏孤立不系统化。这里沿着 AARRR（用户生命周期，又称黑客增长模型），来讨论下设计师需关注的，哪些对产品至关重要的全局数据指标。
image.png
△ AARRR 模型（用户生命周期 / 黑客增长模型）

Acquisition 新增用户

重要性
新增用户与活跃用户堪称APP体验的两大健康指标。没有新增与活跃用户的APP，就离绝症不远了。其中早期的新增用户，与产品与市场的契合度，及用户体验紧密相关。后期与营销推广能力与效果强相关。如果产品新用户的比重过高，如果不是颠覆型创新或现象级产品（解决了用户长期的极大痛点或弥补了市场的大缺口），那说明该产品的新用户大多都是靠推广得来。这种情况有必要严重关注，特别是观察后续这批新用户的留存率，避免「僵尸用户」的现象。image.gif
image.png

定义
安装 APP 后，首次成功启动产品的用户。
DNU(Daily New User)：日新增用户数。
WNU(Weekly New User)：周新增用户数。
MNU(Monthly New User)：**月新增用户数。

Activation 活跃用户

重要性
DAU / WAU / MAU一般是业务指标的三座大山，如果只能挑选一个指标来衡量产品的水平，那便是活跃用户数。比如微信的日活可以高达10亿，流量之王的称号当之无愧。
但这并非定论，也要视行业而定。比如游戏行业就很看重付费用户数、互联网金融很看重资产总数等，这时活跃用户就并非最重要的了。

定义
DAU(Daily Active User)：日活跃用户数。即某个自然日内启动过APP的用户，该日内同一个设备多次启动只记一个活跃用户，俗称去重。
WAU(Weekly Active User)：周活跃用户数。某个自然周内成功启动过应用的用户，该周内同一个设备多次启动只记一个活跃用户；
MAU(Monthly Active User)：月活跃用户数。某个自然月内成功启动过应用的用户，该月内同一个设备多次启动只记一个活跃用户。
对于活跃的定义，每家APP可以视情况而定。其中，最基础最通用的便是「登录APP」。然后，可以再收窄范围，比如可以是：完整体验过APP核心功能的用户（往往是工具类APP）。

衡量标准
DAU / WAU / MAU 哪个属于核心指标？这要结合产品自身的定位。
比如高频应用，往往希望用户每天都打开APP，比如社交、新闻、地图、游戏、音乐类，这时会更关注短期指标 DAU。而中低频应用就更看重中长期指标 WAU 和 MAU，比如基金、旅游、快递等。但有时也存在 APP 里多种定位的功能，就有高频拉低频，低频带高频的打法，指标就得综合来看。

Retention 留存率

重要性
留存率是验证用户忠诚度的核心指标。在内部，如果做了产品升级 / 设计改版，留存率可以很好验证用户对功能及设计的依赖度。留存率提高说明用户更喜欢产品。
在外部，如果一个相对稳定的产品，留存率如果出现明显的下降，则说明用户质量有了变化，很可能是推广、竞品等外部因素引起的。

定义
User Retention Rate：留存率 = 留存用户/ 当时新增用户 × 100%。某一统计周期内的新增用户数。经过一段时间后仍然使用 / 卸载产品的用户的比例。
其中，对使用还是卸载才算做留存行为，互联网各界仍有不同的看法。留存率并没有特别准确的定义。
image.png
根据周期的不同，留存率又可以分为：

Daily Retention Rate：次日留存率。某一统计时段新增用户在第二天再次成功使用 / 保留应用的比例。
Weekly Retention Rate：周（7日）留存率。即某一统计时段新增用户在第7天再次成功使用 / 保留应用的比例。

Monthly Retention Rate：月（30日）留存率。即某一统计时段新增用户在第30天再次成功使用 / 保留应用的比例。

image.png

衡量标准
一天之内，用户通常对APP的记忆点还未消失。如果次日留存率能达到50%以上，就说明这个产品已经非常出色了，新用户进来便对产品产生极大的热情与兴趣。
一周之内，用户通常会经历一个完整的产品体验周期。如果这时候用户还愿意继续使用，他很有可能会转换成我们的长期用户。如果周留存率过低，说明用户使用产品只图一个新鲜劲，使用过后便不想再探索产品的其他部分了。
一个月之内，用户通常会体验到 1 - 2 个版本移动端的产品。月留存率更能体现出一个版本对用户的正面影响有多大。如果月留存率过低，往往说明产品的功能更新、内容更新、体验升级、性能方面没令用户满意。

Revenue 收入

重要性
收入是产品的最终目的，也是应用运营最核心的一件事。几乎没有人开发一款商业APP只是纯粹出于兴趣，绝大多数人关心的便是收入。即使是免费的APP，也有他的收入模式。
收入有多种来源，主要有三种：付费应用、应用内付费、广告。
付费应用来说，国内对它的接受度不高，即使是Google Play Store，在中国也大多只推免费应用。
应用内付费，随着居民可支配收入的提高、智能手机的普及与支付手段的便捷性，越来越受到用户（特别是游戏用户）的接受。
广告则是早期绝大多数工具类产品的主要收入来源，有经久不衰的生命力。
但无论是上面哪一种来源，收入都来自于用户。所以比如先提升 AARRR 的前三者，才有思考收入的前提。有效用户基数大了，付费操作的边际成本才能被压低。
image.gifimage.png
△ 游戏行业的现金收入（流水）检测

定义
Gross Income：总收入。即一款产品能获得的全部收入，包括APP自身的付费、内部付费、广告、外部合作的收入。
Paying Users：付费用户数。即产品内有过付费行为的用户数量。一般来说，付费用户数还需带上一个时间周期，比如第四季度付费用户数，以便继续比对同比与环比的增长。
Pay Users Rate：付费率 = 付费用户数 / 有效用户数。其中有效用户数可是能接触到付费内容的用户（有些产品偏小型，定义为活跃 / 注册用户也可）。
ARPU(Average Revenue Per User)：单个用户平均收入 = 总收入 / 活跃用户数。它代表的是一个时间段内，产品从每个用户所得到的收入。
ARPPU(Average Revenue Per Playing User)：单个付费用户平均收入 = 总收入 / 付费用户数。其它代表的是一个时间段内，每位付费用户给产品贡献的收入。

衡量标准
一般来说，先看总收入与付费用户数，因为它们一起反映一款产品的付费规模。
总收入，衡量的是一款产品的商业能力（非盈利能力，盈利能力与净收入挂钩）。
付费用户，衡量的是用户对产品付费内容的接受及欢迎度。
接着再看付费率、ARPU、ARPPU，因为它们一起反映一款产品的付费质量。
付费率衡量的是，一款产品付费行为整体能被接受的程度。
ARPU 衡量的是，产品整体的收入质量。
ARPPU 衡量的是，产品付费用户圈子里的收费质量。比如，付费率低、ARPPU、ARPU 低，那说明产品内用户对付费内容的态度呈两级分化，而且付费内容是小众内容。喜欢的人很喜欢，不喜欢的人一点兴趣都没有，或许就要进行用户分群了。
但以上收入指标只是代表产品本身，如果涉及到公司运营，相挂钩的指标是利润。提到利润，就要涉及产品外的一些数据，比如传统的三费（销售、管理、财务费用）、运营成本等。此时有代表性的指标是ROI。
收入指标高，仅能代表业务还在上升期，不能反映利润。

Refer 自传播

重要性
AARRR 以前仅有前四个层次。但随着互联网传播的兴起，所以增加了最后一个R（自传播），刚好与第一个A（新增用户）形成一个闭环。基于社交网络的病毒式传播，这已经成为获客的一个新途径。这个方式下限很低，能让成本足够低，而且效果有可能非常好。唯一的前提是产品自身要足够好，有很好的口碑（即前四个层次足够给力）。
从自传播到再次获取新用户，应用运营形成了一个螺旋式上升的轨道。而那些优秀的产品就能很好地利用了这个轨道，不断扩大自己的用户群体。
一般传播增长还有三大引擎：
黏着式增长引擎：让用户成为回头客，并持续使用你的产品。相关指标有：客户留存率、流失率、使用频率（如距离上次登录的时间）。
病毒式增长引擎：让声名传播出去。相关指标有：病毒式传播系数，即每个用户所带来的新用户数。
付费式增长引擎：本质上赚钱并不是一种驱动增长的引擎，只有当你反过来把一部分营收再用于获取用户，营收才有利于产品的增长。相关指标有：客户终身价值、客户获取成本。
其中，病毒式增长还有三种传播方式：

原生病毒性。根植于产品内部，作为产品的使用功能而存在，一般是用户主动分享传播。
人工病毒性。一种迫于外力的存在，往往根植于一套奖励系统，一般是用户受激励而传播。
口碑病毒性。源自于满意用户的交谈，与你的产品或服务无关。
image.png
image.gif△ Area 120 创始人与Google人总结的9条病毒式传播机制

定义

以下只涉及病毒式增长的传播数据指标。
CAC(Cost of Customer Acquisition)：获客成本。其代表企业开发一个顾客所付出的成本。包括为吸引客户，向客户销售、服务客户及保留客户而花费的各类资源，涵盖花费在宣传促销、经营、计划、服务以及营销部门的某些销售活动上的费用。
获客成本还可以进一步细分成注册用户获客成本与有效客户获客成本。
K 因子病毒系数：次级成功转化的数量 = 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。比如，每个用户向20个朋友发出邀请，其中 10% 接收到邀请转化为新用户。则次级成功转化的数量则为 2 = 20 × 10%。
当 K > 1 时，用户群就会象滚雪球一样增大。如果 K < 1 的话，那么用户群到某个规模时就会停止通过自传播增长。
Virial Cycle Time：病毒循环周期。指的是一个用户从第一次接触并使用你的产品，到被激励将产品推荐给其他人的时间间隔。

衡量标准
一般来说，获客成本和 K 因子一起衡量传播的质量，而循环周期衡量传播的速度（这可以让循环轮数增多，获取到的新用户就越多）。

原文链接：https://mp.weixin.qq.com/s/Fp6Mb2T3nQyTjin5uzQ_Dg
作者：青年老陈
时间：2020.2.17