数据分析常用模型合集（二）RARRA模型、RFM模型

随着互联网的发展，前期平台的砸钱拉新、抢占市场，大家都叫AARRR小甜甜；

现在市场基本抢占得差不多，形成了一个平衡，新人基本拉不到多少，用户都知道干什么事有哪些平台，比如买东西主流淘宝、京东、PDD或者抖音看看比比价，外卖看看美团、饿了么等，现在惊现一种声音，指出AARRR已经过时了，应该用RARRA模型。

本系列总共三篇，最后一篇链接：

数据分析常用模型合集（三）同期群、逻辑树、假设检验等-CSDN博客

一、RARRA

每个字母的意义是一样的，只不过把重要性改变了，RARRA模型将留存用户摆在了首要位置。

1.1区别：

AARRR模型：首要任务是获取，不管能留下多少，但是主抓获取，攻城略地让每个会用手机会网上消费的人都用我的产品，最终能留下来多少，那是之后的事先不管，留下来固然重要，但最重要的是让每个人都听说过或者用一次我的产品。

RARRA模型：①突出留存，让老用户继续购买②让新用户第一次尝到甜头，无法自拔，比如送新用户大额优惠券③让老用户拉新，让双方都得到点甜头；主要是以上三个点，通过各种手段让用户感受到我的产品的优点，让他喜欢我的产品。用户不傻，同样的东西，PDD比淘宝便宜，我就去PDD买，而且PDD售后退款那不是一般地快，基本上刚点一下退款钱就到账了，东西有问题甚至能“仅退款”，在潜移默化中，思维上认为PDD就是好一些，就能留住用户，再加上时不时搞点限时优惠券，偶尔送点几分钱让用户尝点甜头，毕竟网上陌生人给你送钱，不管多少，人心里都感觉暖暖的。

那么为什么不能每个环节都做好呢？

虽然每一环节都重要，但一个公司一个产品，各项工作都需要投入、成本，不可能每一方面都完美，所有方面都好=都不怎么好，故有所侧重，设想生活中，哪个公司哪家产品，能又好又便宜售后又好？根本就不存在！

1.2本质：

从AARRR到RARRA的模型变化

文雅点说：是从野蛮获取用户到精细化运营用户的视野转变；

直白点说：市场抢占差不多了，今天下割据局势已定，新人基本没有多少了，要转变一下经营重心，不再疯狂砸钱搞拉新了，想点办法把用户死死留住不停消费，同时不断地挖掘用户价值，之前你能买79元一只的眉笔，明天给你送个优惠券，就能买几千几万块钱的义乌包包；现阶段的工作重心是要死死守住自己的地盘，再一点点挖对手墙角。

实际上，并非所有公司都像互联网巨头那样已经群雄割据，所以AARRR模型和RARRA模型，要并用，又要注重广撒网让用户看到广告并点进来，又要提供好的初次使用体验和核心价值。

说重点：这两个模型，只是不同发展时期，开展业务的侧重点不同而已。

1.3具体来说：

RARRA 模型调转了重要性，是公司开展业务的主要思路的转变，具体点：

（1）留存（Retention）：

为你的用户提供难以置信的价值，让他们一次次的回来继续使用你的产品。

举例①：相信淘宝买过东西的人，碰到东西不好有问题，想退货，肯定遇到过，卖家会质疑你，“明明我的东西没问题，是你自己买之前没看清楚，是你想鸡蛋里挑骨头”，最终用户申请了客服介入，经过长时间的互相拉扯，还不一定能退货退款，甚至退回去的东西，卖家说你弄脏了，或者影响了二次销售。

PDD就不一样，PDD狠在很容易退款，而且先把钱退到用户账上，退款速度快到让你来不及怀疑平台是不是在忽悠你；

举例②：网购平台大部分商家，并不是生产者，说白了都是二道贩子（低价买高价卖赚差价），在这种情况下，PDD就是要便宜点（虽然也会搞一点差异定价，比如有最便宜的，但会优先推荐给你不是最便宜的，类似杀熟的方法，但总体是要便宜点的），这样用户一比较，高下立判；

用户经过稍微一思考，认为PDD就是好，逐渐形成习惯，默认地会认为PDD更好，留存的效果就达到了。

举例③：一般的购物平台主界面，基本是购物窗口，什么特价、优惠，说白了都是购物的，而PDD不这样玩，主界面重要位置放了很多小游戏窗口，通过玩游戏，可以攒点优惠券，攒积分兑换点免费送小礼物，由于小游戏玩的时间往往比较长，粘性大，只要用户习惯用PDD了，再时不时推点广告，总有一天会钓到鱼。这招如同三国时期战略思想，不一上来就直奔主题让用户有防备之心，而是通过长期计划慢慢渗透，再配合一点小优惠一举拿下。

（区别可见下图，抛开品牌效应，单从界面清爽度来看，PDD毫无疑问是让人更舒服的，没有那么多铺天盖地的东西，有时候少即是多，多了让人烦）

关注的指标：日活跃用户数，用户平均使用时长，老用户留存或流失的因素等；

如下图，完全监控住你的手机，连你卸载了都给你推荐挽留广告。

（2）激活（Activation）

确认新注册激活的用户在第一时间看到你们的产品的核心价值。

比如我晚上跑完步，买了一瓶饮料，店铺里是卖4块钱一大瓶，当然还给冰上，晚上回去搜了一下，在某东上，价格比单买还贵，并且买回来还要自己冰，但PDD上价格，明显要便宜一些，这种价格差让我在购买时，无法去选择贵的，这玩意也不能造假，就算买到假的，我也知道PDD可以很快退款维权，让我无法拒绝。（我先从某东上搜的，发现PDD也会给我推荐饮料，究竟是软件盗取了输入记录，还是某度输入法售卖了我的信息呢）

举例①：相信大家在一些平台新用户注册时，经常看到1分钱选购个小礼物，如果买价值稍微高一点的东西，经常会蹦出一个优惠券，这招虽然是阳谋，但架不住实实在在的优惠，当用户尝到在平台有过第一次付款，第二次基本不会太远。

举例②：优化注册和付款流程，一个软件如果注册或者付款太过麻烦，许多人可能懒得用，而现在许多平台注册，甚至直接使用微信、支付宝授权即可，付款流程更是简易至极，通过让用户尽快体验到产品的价值，快速建立使用习惯，提高用户留下的可能性。

这个阶段：主要关注影响用户初次下单的因素，经常通过AB测试，判断最合适诱导用户初次购买的因素，判断用户未完成付款，是哪个阶段的问题并加以改善。

（3）推荐Referral

让用户分享，拉亲朋好友一起使用

主要方法，不外乎成功拉新，双方都给好处，或者让好友下载软件帮忙“砍一刀”或者团购更省一点；

（4）收益Revenue

基本同AARRR，只要用户量够大，根本不愁赚不到钱。

（5）获取Acquisition

由于大部分能争取到的客户，已经争取到了，剩下的是小部分，并且不是那么容易拉到，比如年龄较大的长辈，并不愿意使用一些平台，或者防范意识比较高的人群，或者对产品提供的服务“并非刚需”的人群；

这个阶段，可以通过让老用户去拉动亲朋好友，给双方一些优惠；可以尝试不同渠道打广告对比效果；或者开拓新渠道，比如“社区团购、买菜、买药等”，虽然此时剩下的蛋糕并不是那么多，但我不抢就会被别人抢，这个道理在互联网上上演了无数次。

1.4 其他可参考链接

RARRA的文章，其实不太多，可以看看这些：

AARRR模型的颠覆者RARRA，谁才是最好的增长黑客模型？-腾讯云开发者社区-腾讯云 (tencent.com)

用RARRA模型揭秘“拼多多”那些用户增长策略 | 人人都是产品经理 (woshipm.com)

案例分享：RARRA模型下，如何做用户增长？ | 人人都是产品经理 (woshipm.com)

数分狗必知必会 | 模型篇： AARRR?RARRA？别想那么多，都是一样的-腾讯云开发者社区-腾讯云 (tencent.com)

二、RFM模型

RFM模型，通过后台数据，对用户进行分类（画像），让我们知道顾客哪些类型占比多少，从而更有针对性地让顾客长久地使用平台，避免流失。

2.1 含义

R（Recency）：消费间隔，最近一次距离上次消费的时间间隔

F（Frequency）：消费频次，一段时间内的消费总次数

M（Monetary）：消费金额，一段时间内的消费总金额

其中R，如果用户距离上一次购买已经过去很久，那么很可能我们已经失去该用户；

其中F，如果用户购买频次，比如一个月购买很多次，那么他可能是个购物狂，也很可能是平台的忠实顾客；

其中M，如果用户购买的金额较大，那么他可能是个土豪，这样的顾客一定要留住。

简单的划分，对每个类别，可以分为True和False,那么将会有八种划分。

每一种划分，都有一个名字，其实也不用记。

如果间隔R越短，频次F很高，金额M又很大，他肯定是个最有价值的客户；

反之则没什么价值，甚至不用考虑去挽留，因为他很可能对平台没有兴趣；

大部分用户介于中间状态---

①如果他很久不来买，可以尝试发一个限时优惠券券，避免他流失；

②如果他消费频次很多，可以忽悠他开会员，会员每周都有些优惠券，但是不能一次性用完，这样他会经常使用软件，从而死死黏住他；

③如果他消费金额低，总买便宜货，那就多给他推荐各种便宜的产品，平台少赚点也是赚的；如果他消费金额高，那么在售后方面，提升其服务质量，避免他因为退款退货问题对平台产生厌恶。

 2.2 划分方式

简单的：比如一个月或者三个月内，计算所有用户的R,F,M值，通过比较是否大于均值，简单划分乘8种类别。

稍微精细点：对R,F,M值，通过分位数，划成1到5分，其中R间隔越短，分值越高，F频数越多分值越高，M金额越大分值越高，或者划成1-10分，最终可以计算一个总分，这样能更精确地量化。划分也没必要非得是分位数，可以自己设置阈值，分成多少个区间的箱子bins来打分。

本质理解：RFM提供了一个思路，对用户划分的思路，可以根据公司业务情况，自由改变加以运用。

具体实现可参考（直接翻到最下面）：

超市零售数据分析案例（粗浅、易懂型）（RFM模型）_数据分析超市产品分析案例-CSDN博客