编辑导语:互联网流量红利消退后，流量获取越来越难，数据的重要性越来越凸显。本文介绍了两种常用的模型:漏斗模型和AARRR模型，并分析了如何利用这两种模型做数据分析。

现在说互联网下半场，流量红利慢慢消逝意味着什么？现在已经不是互联网时代刚刚起步比较早的时候了，网民覆盖的花生比较少。一个产品只要做出来，就会有大量用户进来，甚至不用运营。现在流量全部集中在头部的一些企业，如果再去抢流量，势必会被打破。

据国泰证券研究，电商行业获客成本不断攀升，2020年已经高得离谱。阿里的平均获客成本是704，拼多多是163，JD.COM是392。在如此高的获客成本下，精细化数据运营成为了一条不得不走的道路。

1.漏斗模型

最早是由美国一家知名广告商提出的，叫做消费者购买漏斗。是对流程中每个环节的分解和量化，帮助我们发现问题，进行优化。像电商网站的漏斗模式是最常用的一种。当然其他产品也可以，定义核心流程就好。

以电子商务为例:

漏斗模型一般可以做出来，但是你怎么发现问题，你怎么提出假设，你怎么优化才是关键。这其中的核心是你需要掌握每个环节的流量情况，最好通过指标比例公式进行拆解，否则仅凭一个访问量是无法定位问题的。

1)主页流量

一般我们更多的是从外部渠道吸引流量到首页，所以流量的质量很重要。我们一般通过这些指标来衡量页面的流量指标:页面UV点击率、停留时间、跳出率。一般用户在对页面感兴趣的时候会有更多的点击行为，点击行为会产生点击率、跳转率等等。

2)搜索产品-产品列表页面

搜索是站内流量的主要来源，在站内商品检索和商品布局分类中起着关键作用。通常，围绕搜索的索引如下:

3)产品详情页面

详情页作为转化的关键路径，是用户决策的关键，所以一般分析详情页的质量可以分为平均停留时间、加车数、立即购买数等。

4)生成订单

提交订单一般是转化的最后一步，目的是让用户尽快付款。本步骤衡量的指标包括全局指标交易转化率和有效订单转化率:

5)摘要

衡量一个页面是否引起兴趣的指标有点击率、弹出率、停留时长、滑动负载到底部的比例等。一般人会从上到下先看到头部信息。如果头部信息不够吸引人，他们一般会滑行加载，你可以看到到底部的比例和停留时间。

2.AARRR模型

这种模型也被称为盗版模型，最早由Macclure提出，分别代表产品生命周期的五个阶段。一般是根据产品的不同阶段针对不同的对象，而不是抓眉毛胡子一把抓。

接下来，让我们来关注如何完成获取和保留阶段:

1)获取:目的取决于信道的质量

我们通常从各种渠道(搜索引擎、市场投放、新自媒体、线下活动、外部合作渠道等)获取用户。).我们平时关注的是各种渠道的用户数量和质量。我们从数量上看新用户数量，从质量上看一般转化情况，从收入上看交易额。

一般我们基于“注册人数”和“付费转化率”两个维度建立渠道四象限分析。一般可以用excel散点图做矩阵图。通过计算各维度的平均值，可以跨越横坐标和纵坐标(有兴趣可以了解一下矩阵图的方法)。

如果企业本身有对外广告等。，成本投入大。基于(成本和用户转化率四象限分析)，目的是筛选出低成本高转化率的渠道。

2)保留:保留分析

留存是衡量产品价值最有效的指标。一般来说，我们基于以下保留表来分析保留。说到这里，当我们真正面对这张图的时候，很多人还是傻眼了，不知道如何下手。

联盟-保留分析表

一般保留曲线分为三个部分:震荡期、选择期和稳定期。但是有些产品几乎没有稳定期，所以这样的产品是很危险的，意味着留存不断下降，迟早有一天池子里的水会被抽干。

一般在震荡期和选择期关注新用户的留存，稳定期关注功能的留存。留存率低应该怎么分析？

3)新用户保持率分析

我们一般定义新用户的留存，初始行为第一次开始，留存行为可以定义为重启或者付费(商业上什么样的行为都可以定义为留存)。如果留存率低，就需要做对比分析。一般留存与业务功能密切相关，我们可以把功能模块拉出来进行对比分析(这不仅对新用户的留存分析有用，对我们在稳定期关注功能留存也有用)。

由此，我们可以清楚地看到，功能3带来的留存率高于其他，这可以引导我们做出以下决定:

总结:新用户越早激活越好。核心行为最好当天完成。在流失用户之前，尽量引导他们使用留存较高的功能，让他们实现产品的核心价值。

4)用户分组分析

分析留存用户和流失用户的区别，分析两类用户尤其是流失用户的特点。方法可以基于上面的漏斗模型，定义核心路径，然后分析用户行为，具体是丢失了哪一步，然后有针对性的分析。

对于流失的用户，你也可以寻求用户的反馈，具体听听他们的想法，你是因为什么原因没有满足你的需求而离开的？如果没有一个好的第三方分析工具花很长时间去分析，其实是典型的“捡了芝麻丢了瓜的行为”。直接向用户寻求反馈也是一种有效的方式。快速决策验证比全局分析更高效，因为用户真的不喜欢你的产品，可以说短时间内就会卸载。

在后面的章节里，我会具体讲解用户分析和问题解决的结构分析，希望能在数据分析的道路上对你有所帮助。

作者:陈晨；微信官方账号:余说产品。

本文由@陈辰原创发布。每个人都是产品经理。未经许可，禁止转载。

图片来自Unsplash，基于CC0协议。