数据分析常用模型合集（一）AARRR模型和漏斗模型

准备把常用的数据分析模型，像什么AARRR，RFM之类的，逐个全部写一下；

最好能带点案例和代码，搞一个小合集。

最终达到完全不懂的人，看完就能知道得差不多；

数据分析常用模型合集（二）RARRA模型、RFM模型-CSDN博客

一、为什么要学分析模型

这些模型有什么用呢？我认为有三个作用：

①帮我们从整体上理解和构造业务线，有时候公司业务比较多，看起来比较复杂，通过用模型划分的几个点一一拆解，我们就可以更容易理解公司赚钱的路子，亦能给改进业务线的带来启发；

②新公司，亦可以根据这个模型，设计自己的业务线。

③从数据上更好地进行分析，相当于给了我们固定的公式，方便我们直接套，若果能再叠加自己的经验、知识，将一些指标进一步细化，就能更好地从数据角度分析问题。

二、AARRR模型内容

AARRR模型也被称为海盗模型，也叫增长黑客理论模型，是2007年提出的，AARRR分别是Acquisition、Activation、Retention、Revenue、Referral，五个单词的缩写，分别对应用户生命周期中的5个阶段。

从一般的互联网行业来看，对应了业务增长实现的5个步骤；

其实AARRR也是一个漏斗模型，比如下图：

这么一看，其实感觉也没什么意义，那么我们进一步细化呢？

2.1 Acquisition用户获取

比如分析获取方面

通过进一步的拆解，我们挖掘出用户获取的几个渠道以及关键指标，当我们的公司挣W不够多的时候，我们可以看看是哪个地方相对比较差；

比如我们研发了一款“代搬砖APP”，通过付钱让别人帮你上班，我们推广的渠道有：①线上：通过WX朋友圈、各品牌手机应用商店付费推广、百度付费推广、短视频推广、各种博主恰饭推广等；②线下：地铁站，公交站、商场、写字楼等安装电子、纸质广告招牌等；③其他渠道：比如电视广告、报纸报刊等...

通过各种方式吸引人来下载该软件，其中线上的广告数据是可掌控可知晓来源的，可以通过对比，看看哪个渠道效果好且便宜。

例子：微信朋友圈打广告，会有很多曝光量，其中有一部分人下载并注册了该软件，最终发现是一万块钱广告费，曝光量是20万次，下载人数并注册人数（去重）是5千人，那么该渠道的拉客成本是2块钱每人；

通过抖音推荐，用抖音的方式下载，花了一万块钱，曝光率有40万次，别人看完广告的完播次数有15万次，有6千人下载注册，那么对比下来，抖音看起来要好一些；

当然这个例子只是比较拉新客这一方面，实际上还要对比一下留存，要是抖音用户下载完了，很大比率当天或者几天内就会删掉，则留存率方面就没有微信强；

在此过程中：产生了渠道曝光量、渠道下载注册量、日新增用户数等，如上图所示的一系列指标，原本复杂的事情，逐渐变得可以摸清规律，这就是模型存在的意义；

你是否也曾被忽悠过？

2.2 Activation激活

用户下载了该软件，还需要使用才行；

比如当年滴滴打车，早期的打车费听说很便宜，乘客可以便宜打到车，比出租车便宜多了，司机注册滴滴平台，不仅赚乘客的钱，还有平台补贴。美团饿了么抖音，都是采用各种补贴，吸引用户来使用该软件，比如新用户零元送一个小东西，并且是真的送，看短视频可以积累钱然后提现，当然这是前期攻城略地的策略。还可以利用推荐算法，通过浏览的商品和搜索记录，推送用户可能需要的商品，让点利，比如PDD新用户很容易搞到第一波各种优惠券，一般只要有了第一次，很容易有第二次、第三次，让用户尝点甜头后逐步习惯在这个平台购物。

在此过程中：产生了各个渠道激活用户的各项指标，比如日活跃用户数、日平均使用时长、发优惠券领取并使用人数、比例等，有数据就好比较，可以对比哪个方法激活用户最划算效果最好。

2.3Retention留存

要想办法，让用户喜欢用你的产品，并且养成习惯形成依赖，从心理上认为，买东西就要上某某平台（理想目标是这样），一般有不定时送优惠券诱导消费（平台先少赚点，放长线钓大鱼），限时送低价会员（因为用户冲了钱，不想浪费而越陷越深），小游戏如天天消消乐（达到多少积分免费送点小东西）等等方式。

在此过程中：一般有一日、三日、七日留存率等，也有各种促销活动优惠券领取率（看到推送给优惠券并同意领取）等。

2.4Revenue收益

以前我们都搞不清楚，为什么很多互联网软件一开始要砸钱抢占市场拼命拉客户，直到后面达到了行业“独占鳌头”，我们才明白了，只要用户量高，前期再怎么烧钱，后面依然可以赚回来.

比如短视频平台可以吸引商家来入驻，商家想买东西，就得花钱买排名、买推广、付费报名参加活动，并且每一单都有提成，同时给普通用户推送广告，又满足了商家的推广需求，又引导了用户消费，可以说只要用户量大，基本可以为所欲为。

在此过程中：有付费率（付费用户占活跃用户的比例），平均每用户带来的收益，平均每付费用户收益，用户生命周期价值等指标。

2.5Referral传播

我们希望通过一个成熟的用户，让用户给他的亲戚朋友七大姑八大姨推广我们的产品，一般给他一点小小的好处，让他上钩，同时拉到的新客户也先免费送点小东西，例如一分购买几包卫生纸，从而实现拉新，毕竟大部分都会比较相信亲近的人的推荐。

在此过程中：有转发率（成熟用户看到了转发有好处，并愿意转发的比例），K因子（发出的邀请数量）*（接到邀请并成功转化为新用户的比例）等指标；

相信通过上面简单的讲解，我们已经基本了解模型的作用，不仅可以帮助我们理解整体的业务，还可以进一步细化其中环节，衍生出相应的数据指标，进而可以对比分析。

你是否在寻找一个带数据的案例？

AARRR模型要获取公司完整的数据，并分析各方面业务数据，且是一个长期的过程，但凡谁有完整真实的案例，那都得进去缝纫机踩到冒烟。

一些参考性的指标和思路可以看看下图：

其中产生的指标，可以参考，当然AARRR模型是一个思路，要灵活运用：

三、漏斗模型

其实AARRR也是漏斗模型的一种。

漏斗模型，即业务流程，从开始到最后完成盈利，有一个过程，而一般每一步用户都会减少，漏斗模型即拆解每一步，查看每一步详细情况，制定指标，优化运营方法。

3.1电商漏斗模型

那我们如何借助漏斗模型帮助我们实现目标呢？

1.帮我们快速定位出问题的环节，比如哪个渠道用户转化率较其他渠道明显偏低，是在哪个环节出了问题，哪一环节可提升空间大，毕竟提升弱项比增加强项，往往更容易成效也更明显。

2.针对问题，进行各方面多维度对比分析，进行优化。

3.持续监控，有了一个基准，在更新优化，可以对比查看，优化前和优化后，哪个更好。

3.2其他漏斗模型

看看就行，有些模型噱头大于实际作用。

图来源：如何理解并应用漏斗模型？ - 知乎 (zhihu.com)

四、AARRR模型画图

matplotlib和seaborn没有这种图，excel也可以强行画但不推荐，不好看且麻烦，自己画可以使用pyecharts，或者BI工具基本都有漏斗的模板。

from pyecharts import options as opts
from pyecharts.charts import Funnel

data = [13543, 11413, 10982, 7765, 5918]
phase = ['新用户', '激活用户', '留存用户', '消费用户', '传播用户']

funnel = Funnel(init_opts=opts.InitOpts())
funnel.add("阶段", [list(z) for z in zip(phase, data)])
funnel.set_global_opts(title_opts=opts.TitleOpts(title="AARRR模型"))
funnel.render("AARRR.html")