这几年我们会发现微信上充斥着一系列必须是“用户邀请其他用户一起参与”的活动和信息，比如拼多多砍价、猫猫猫猫猫猫猫猫猫猫猫猫猫猫猫猫猫猫猫猫猫猫猫猫猫猫

一旦参与，你就可能在长期运营手段的影响下成为这些产品的用户，在各种激励的作用下，与朋友分享上述类似的活动。

总之，不管你是否认可这种方式，它们已经成为目前最高效的用户增长方式，做增长的人自豪地称之为裂变，他们渴望进入游戏。

那么为什么这些方法对用户增长如此有效呢？这就涉及到一套用户运营模型AARRR模型，也叫盗版模型。AARRR是获取、激活、留存、收益和Refer的缩写，分别对应用户生命周期中的五个重要环节:客户获取、激活、留存、收益和传播。

著名的成长黑客中的数据分析基础也是基于这个模型。每一层的递进都会产生一个漏斗损失，成长黑客的工作之一就是优化漏斗，减少流量损失。AARRR模型是所有有产品、运营、市场等成长相关指标的朋友都应该知道的数据模型。

从获取客户到传播推荐，整个AARRR模型形成了用户全生命周期的闭环模型。在传播环节，理论上来说，只要能带动老用户邀请新用户参与，每个老用户平均邀请不少于一个新用户，就能保证和保障用户规模的不断扩大，实现持续增长。因此，产品和运营商都会想方设法让用户在每一个关键路径产生裂变式的分享行为，吸引更多的新用户，降低每个漏斗环节的流失率，从而实现用户的持续增长。

对上述AARRR模型进行简单描述。每个产品具体情况不同，但一般都包括这五个方面的开发过程。本文将用 FineBI来分析一个杂货购物APP的五个开发过程，并给出一个实用的解释。

数据已经在文末给大家准备好了。首先把这次分析的Excel数据导入FineBI。FineBI可以支持链接多个数据源，导入多种数据表单，如数据库表单、Oracle、SQL等。

在FineBI中，只需要编辑字段就可以完成数据处理，比如常见的过滤功能、分组汇总功能、新增栏目、排序功能、合并功能等等。

1。客户获取分析

当你得到一个客户，你会得到一些新的东西，那就是让用户知道有这样一个APP，并试用它。通常会有多个渠道来增加产品的曝光度，但是如何选择最佳渠道，用最少的预算获得最佳效果，首先要做的就是渠道分析。

通常渠道分析有两个维度:客户数量和客户质量。(本文中我们以打开APP的平均浏览时间作为客户质量的评价标准，不同企业在实际操作过程中评价指标不同。)

首先通过直方图观察渠道的客户数对比，将最左边维度的推广渠道和客户数分别拖动到横轴和纵轴上:

然后通过表格观察客户质量，将推广渠道和浏览时间分别拖拽到维度和指标上:

预览具有以下效果:

结论:可见线下活动推广的数量和质量是最好的，可以加大线下活动的投入。在超市或者菜市场附近做线下活动是最好的选择。

2。激活

激活不是直接对等注册成功。激活要做激活客户，更要关注用户对产品核心功能的使用。

比如短视频软件需要新用户观看一定时间，聊天软件需要新用户完成一段对话才能激活。那么，在买菜APP中，我们认为购买过一次的用户就是活跃用户。

分析每个月的新增用户，操作如下:

预览效果:

结论:10月份激活率下降，需要分析具体原因。同时协助新客户活动，并做精细化运营，在首页推荐个性化产品，吸引用户。

3。保留

用户被激活后，如果不挽留，最终还是会流失，徒劳无功。

所以用户的留存统计也很重要。当天、一周内、两周内、三周内登录的用户数占登录用户总数的比例。

当日留存率:激活登录用户数/所有登录用户数。

一周留存率:第一次激活日期为维度，计算激活_登录时间差为1-7的注册用户数/所有注册用户数。

两周留存率:第一个激活日期为维度，统计激活_登录时间差为8-14的注册用户数/所有注册用户数；

FineBI中的操作如下:

结论:用户留存率大幅提升空。需要分析流失的原因，进一步改善产品体验，留住现有客户。

4。收入

当一个用户激活后成为你的一个用户，需要考虑的是如何获得收入和盈利。买菜软件的盈利和很多指标有关。这里我们暂时把提高用户的购买活跃度作为增加收入的主要途径。

我们把用户分为三类:低活跃用户，普通用户，会员用户。用漏斗图显示。

FineBI中有专门的漏斗图模板，直接在图表类型中选择漏斗图，将会员状态拖拽到颜色和标签中，让不同等级的会员显示不同的颜色；然后将记录数拖动到大小和标签中，让代表不同成员国的色块根据成员数形成不同的漏斗区，如下图所示:

结论:活跃度低的用户数量庞大，潜力巨大。●活跃用户，留住会员用户。

5。传播

当一个产品有了一定数量的用户，就要考虑激发用户之间的自发交流。自传播数据指数为k因子(推荐系数):

K =(每个用户发送给好友的邀请数量)*(收到邀请的人转化为新用户的转化率)

k的值直接反映了自传播结果的水平。当k的值大于1时，就会激发出巨大的自我传播的力量。k值越大，威力越强。但是，如果k的值小于1，传播水平将逐渐减弱，直至消失。

根据上面的公式计算APP的K值，如下步骤所示:

为了方便观察，可以将K值做成文本组件并显示在仪表盘中，只需将指标中的K值拖动到本文的属性中即可，如下图所示；

根据上面的操作显示用户数、推荐数和接受推荐的人数:

结论:APP K值大于1，具有自传播能力。可以通过“邀请领红包”等运营活动，进一步提高K值，加快传播速度。

上述实际案例展示了AARRR用户模型分析的基本形式。这种模式其实有很多玄机，深入分析才能挖掘出更大的价值。

最后，我建议你可以自己分析，使用的工具和数据源也为你准备好了。请参见下面的。