方法論：用AARRR模型做數據分析

數據分析是一項實戰性的工作內容，只有在不停的優化中才能越做越好。

對一個剛入門的產品經理來說，為一個全新的產品或項目做數據分析，都會有手足無措的感覺。現在，筆者把自己在數據分析這塊工作上的所遇所思寫成文章分享給大家，按照文章的步驟，你也能做出一個基本的數據分析。

一、明確數據分析的目的：

做數據分析前，一定要先確定好目標，這樣后面的每一步才能不偏離大方向。那么，你做數據分析的目的是什么？

1. 檢測用戶對新功能的喜愛程度？
2. 優化用戶在使用過程中的槽點？
3. 尋找新的流量增長點？

這幾條實際上都只是大數據分析框架中的某一個模塊，在這個模塊之上還有一個更重要的大框架。

做數據分析的時候，最好先把這個整體的數據分析框架整理出來，在這個框架之下，再填補具體某個模塊的分析需求。這樣的數據分析才更飽滿，更具有參考價值。

二、常見的數據分析框架：AARRR模型

AARRR模型是所有產品經理都要了解的一個數據模型。著名的《增長黑客》里面的數據分析基礎，也是以這個模型為基礎的。

• 獲取（Acquisition）：用戶如何發現（并來到）你的產品？
• 激活（Activation）：用戶的第一次使用體驗如何？
• 留存（Retention）：用戶是否還會回到產品（重復使用）？
• 收入（Retention）：產品怎樣（通過用戶）賺錢？
• 傳播（Retention）：用戶是否愿意告訴其他用戶？

這個模型將數據分析分成了五個大的模塊，我們依據這個模型，把每一個模塊劃分出更細分的維度，羅列出影響每一個維度的變變量，整理出一些表格，這些表格就成了我們做數據分析的基礎。

下面以APP為例詳細分析下這個AARRR模型：

1. 獲取部分：

獲取部分一般需要評估的維度有：渠道的獲客數量、獲客質量等。

獲客數量示例：

從上邊的表格中看出，360應用市場的獲客數量要明顯好于其他的安卓應用市場渠道。而且線上活動的獲客數量比線下活動的獲客數量多，說明這款產品可能更適合在線上做一些推廣。當然也有可能是活動本身的質量影響了獲客量。

除了渠道獲客數量之外，一定要分析渠道獲客質量。結合數量和質量兩個維度，才能更好的篩選出適合企業自己的優質渠道，更客觀的評估公司做的推廣活動的效果。

獲客質量示例：

通過渠道數量和質量這兩個指標的分析，我們發現線上活動帶來的用戶數量、質量都比較高，所以這可能是更適合這個APP的獲客渠道。我們篩選出優質的渠道后，就可以在這個渠道上投放更多的資源，從而為公司帶來源源不斷的新用戶。

渠道數量和質量的指標還有很多，要依據產品及公司業務模塊區分制定，一般有：每日新增、累積新增、啟動次數、首次交易戶、首綁交易戶、一次性用戶數、平均使用時長等。

2. 激活部分：

激活一般指注冊激活、主動活躍、推送活躍、交易活躍等。

很多用戶下載一個APP后，只是瀏覽了幾個頁面，就把應用卸載了。那這個用戶數量可以記錄在APP新增下載量里面，注冊激活就不會記錄。

激活示例：

上邊的數據顯示這個APP的交易活躍明顯大于主動活躍，那么可以推斷這個APP是交易驅動，可能是一個電商或者理財類的APP。對于一些新聞、娛樂、社交類的APP，它們的主動活躍一般會高于交易活躍。

這里要特別說明的是注冊激活部分。注冊激活部分需要進行詳細的頁面埋點，列出影響注冊激活的因素，對這些元素不斷優化，最后提高產品的注冊激活數量。

具體的埋點部分在文章后面有介紹。

3. 留存部分：

用戶只有留存下來，才有可能與APP發生更多接觸，才有可能最終促成付費。

留存示例：

一般來說，次日留存gt;3日留存gt;7日留存gt;次月留存。用戶的留存量剛開始會下降的比較嚴重，到了后期會逐漸穩定在一個數量級上。穩定下來的這些用戶，基本上就是產品的目標用戶了。

留存還有很多指標，如：次日留存、3日留存、每日流失、每日回流、用戶聲明周期、平均生命周期貢獻、7日回訪用戶、使用間隔、頁面訪問量、回訪率等等。具體選定哪個維度進行統計要依據自己的產品和業務重新定制。

4. 收入部分：

收入部分主要是公司的業務層面的數據，用戶使用APP后，瀏覽了什么樣的商品和服務，選了了什么商品和服務，最后支付了多少。關于固體交易金額的數據，第三方工具一般統計不了，公司也不可能把這部分數據接口開放給第三方，所以這塊是需要我們在產品后臺單獨做埋點的。

整個支付環節的埋點一般有兩個主要因素要考慮，一是看用戶的支付支付體驗是否順暢，是否有一些頁面卡主了用戶，讓用戶無法進行交易。二是看在哪一個頁面流失最高，用控制變量的方法調整流失率高的頁面的欄位、交互等。

5. 傳播部分：

傳播部分一般可以分成兩個維度，輿情監控維度（包括用戶的主動傳播分享）和產品的引導分享維度。

大一點的公司一般都有專業的部門來負責輿情監控，會收集和處理一些負面的評論，積極傳播產品的正面價值。

產品內部的引導分享可以參照上面的表格制定一些監控因素，最后統計數據，指導下一步工作。

有了數據分析的框架后，該用什么工具進行數據分析呢？

三、用什么工具做數據分析？

一般來說，都是要自己做一個數據后臺的，用來統計產品功能頁面的數據和業務層面的數據。沒有條件的可以由開發部門按照產品經理的需求從數據庫導出數據，產品經理再進行分類整理。

或者可以對接第三方數據統計工具。

常見的第三方工具有：

• APP分析工具：友盟、TalkingData、Flurry等。
• 網站分析工具：GA、Alexa等。

四、數據收集的方法：

我們知道了數據分析的框架，知道了數據分析的工具，接下來要做的就是如何使用這些框架和工具了。這就涉及到數據分析最基本的步驟——埋點。

所謂埋點，就是在正常的功能邏輯中添加統計邏輯。一個全新的APP，即使對接了tailingdata、友盟這樣的平臺，產品經理也需要做后臺事件埋點的。因為talkingdata等平臺主要是統計頁面相關的數據，點擊、使用、訪問等。更深層次的用戶與后臺交互的一些數據和業務申請層面的數據，還是要在自己的后臺埋點統計的。

下面以在行APP的首頁、登錄頁面進行埋點示例：

在行-首頁：

在行-登錄頁：

做埋點的時候， 一般要做兩張表格，一張是埋點事件表，一張是埋點統計表。

數據埋點（事件）表：

數據埋點事件表一般是記錄每個頁面的交互事件，一般是后臺記錄次數。比如點擊登錄按鈕的次數、點擊獲取驗證碼的次數，進入某個頁面的次數、退出某個頁面的次數等

在這里統計的時候有兩個維度需要區分。一個是PV，一個是UV。

• PV： 訪問量， 即Page View， 即頁面瀏覽量或點擊量，用戶每次刷新即被計算一次。
• UV：獨立訪客，即Unique Visitor，訪問您網站的一臺電腦客戶端為一個訪客。00:00-24:00內相同的客戶端只被計算一次。

數據埋點（統計）表：

這一部分就是你要直接看的數據了，一般可以直接生成圖表，定制一個圖表導出的規則，每天在某個時點導出發送一次。

整理完這兩張表后，再帶上你的產品頁面圖（交互稿也可），就可以愉快的去找開發的小伙伴們提需求了。經過一場撕X大戰后，你的需求可能需要再優化下，然后就就可以等開發、測試、上線了。

數據是每時每刻都在變化的，是監控一個產品質量的良好指標。數據分析也是一項實戰性的工作內容，只有在不停的優化中才能越做越好。產品經理上班的時候，每天都應看這些表格，了解一下近期的產品數據是否有異常，做到及時發現問題、解決問題。

PS：

不足之處歡迎指正。

作者：艾爺。微信公眾號：十方象（just-ten）。

本文由 @艾爺 原創發布于人人都是產品經理。未經許可，禁止轉載。