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")

五、写在最后

本文只是一个引子,看了可能有点收获,但并不多,还要加深巩固一下:

我将筛选过的一些AARRR方面比较好的文章,由于AARRR模型是一整套业务线条的内容,所以基本不会有人自爆家底,写一本厚厚的内容详细阐述各方面的数据,我认为值得一看的链接附上,亦是本文参考:

AARRR(海盗模型)|原理+Python可视化实现-阿里云开发者社区 (aliyun.com)

电商AARRR模型分析(一)------R语言 - 郝hai - 博客园 (cnblogs.com)

抖音AARRR模型分析 - 简书 (jianshu.com)

用AARRR模型分析拼多多用户增长方式 | 人人都是产品经理 (woshipm.com)

AARRR模型案例:利用数据优化渠道投放,并实现用户增长 | 人人都是产品经理 (woshipm.com)

以网易云音乐为例,基于AARRR模型分析用户增长 | 人人都是产品经理 (woshipm.com)

数据分析思维:一文读懂漏斗分析 | 人人都是产品经理 (woshipm.com)

相关推荐
网络真危险!!4 分钟前
【数据分析】认清、明确
数据挖掘·数据分析
菜鸟的人工智能之路4 分钟前
极坐标气泡图:医学数据分析的可视化新视角
python·数据分析·健康医疗
菜鸟学Python5 分钟前
Python 数据分析核心库大全!
开发语言·python·数据挖掘·数据分析
EterNity_TiMe_1 小时前
【论文复现】(CLIP)文本也能和图像配对
python·学习·算法·性能优化·数据分析·clip
CV学术叫叫兽2 小时前
一站式学习:害虫识别与分类图像分割
学习·分类·数据挖掘
HPC_fac130520678167 小时前
以科学计算为切入点:剖析英伟达服务器过热难题
服务器·人工智能·深度学习·机器学习·计算机视觉·数据挖掘·gpu算力
wxl78122714 小时前
如何使用本地大模型做数据分析
python·数据挖掘·数据分析·代码解释器
小尤笔记15 小时前
利用Python编写简单登录系统
开发语言·python·数据分析·python基础
FreedomLeo115 小时前
Python数据分析NumPy和pandas(四十、Python 中的建模库statsmodels 和 scikit-learn)
python·机器学习·数据分析·scikit-learn·statsmodels·numpy和pandas
浊酒南街15 小时前
Statsmodels之OLS回归
人工智能·数据挖掘·回归