数据分析方法(3)之AARRR模型

数据分析方法以往期数：

数据分析方法(1)之漏斗分析
AAARR模型所使用数据集和漏斗分析数据是一样的，两篇可以结合来看。

数据分析方法(2)之5W2H理论

1、理论

1.1、定义

AARRR模型因其掠夺式的增长方式也被称为海盗模型，核心就是AARRR漏斗模型，对应客户生命周期帮助大家更好地理解获客和维护客户的原理。

1.2、AARRR解释

• AARRR模型形成了一个闭环，即自己成为用户后，进行传播给好友，好友成为用户后，继续传播给好友的好友，以此成为指数增长趋势。

1.2.1、Acquisition [获取]

• app上线之后，最重要的就是用户了，没有用户，app很难获得收益，而且很有可能令app下线。通过各种推广渠道来获取新用户，并对获客渠道进行评估，看看哪个渠道获客量最大，以重视该渠道，减少获客成本（CAC）。
• 指标：日新增用户数、注册转化率分析（注册完是否消费了）
• 解决问题：渠道贡献率（哪个渠道获客少的就可以舍掉了），优化推广策略

1.2.2、Activation [激活]

• 很多用户可能是被动进入应用的（例如浏览网页时误点了，或者是app进入封面时的广告），如何把他们转化为活跃用户就是运营者的一大问题。此外还有些应用会通过良好的新手教程吸引用户（游戏app常见）。
• 指标：日活跃用户数（DAU）、月活跃用户数（MAU）、日均使用时长、用户每月访问app的平均天数（DAU\MAU ）
• 解决问题：用户活跃率分析、活跃用户规模、一天中哪个时间段最活跃

1.2.3、Retention [存留]

• 活跃度解决后，就要研究用户的留存率了，有些用户来的快走的也快即每有用户粘性（留不住人）。很多应用确实并不清楚用户是在什么时间流失的，他们不断获取新用户，同时大量老用户又流失。而且获取新用户的获客成本要远远高于留住老客户。因此我们就要研究如何留住老用户。留存率时产品质量的重要标准。
• 指标：次日、三日、七日留存率（过了多久还剩下多少老用户）；流失率；复购率等
• 解决问题：app质量评估、留存用户特征分析、流失用户分析

1.2.4、Revenue [收益]

• 获取收入才是运营最关心的一块了。收益来源也有很多，例如付费应用、应用内付费（游戏皮肤）、以及广告（微博封面推广）。无论是哪种都是源于用户，因此前面提到的获客，留存等非常重要，有用户才有钱挣。
• 指标：付费率(付费用户/活跃用户)、付费用户规模、用户人均收入、生命周期价值(用户从注册到不再使用app创造的平台收入)
• 解决问题：付费转化率效果评估、付费用户分析、获客渠道质量分析

1.2.5、 Referral [传播]

• 以前的运营模型到第四个层次就结束了，但是社交网络的兴起，使得运营增加了一个方面，就是基于社交网络的病毒式传播，这已经成为获取用户的一个新途径。这个方式的成本很低，而且效果有可能非常好。（拼多多砍一刀、邀请新用户得钱）
• 指标：K因子，K＝（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>1时，用户群就会像滚雪球一样增大，指数增长。
  • K<1时，用户群到某个规模时就会停止通过自传播增长。

以上是AARRR模型的数据指标体系。建立完善的数据指标体系，我们后续才可以对用户行为进行更全面的分析。

二、AARRR模型python实战

2.1、 数据预处理

本数据集（来自天池）共有大约1200万条数据，数据为淘宝APP2014年11月18日至2014年12月18日的用户行为数据，共6列字段，列字段分别是：
user_id：用户身份，脱敏
item_id：商品ID，脱敏
behavior_type：用户行为类型（包含点击、收藏、加购物车、支付四种行为，分别用数字1、2、3、4表示）
user_geohash：地理位置
item_category：品类ID（商品所属的品类）
time：用户行为发生的时间

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif']=['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_mi