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。
文章目录
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