返回列表

作者:巨人電商

4種用戶增長(zhǎng)模型:從簡(jiǎn)單到精細(xì)!

POST TIME:2021-08-20

最簡(jiǎn)單的增長(zhǎng)模型AARRR模型:

優(yōu)點(diǎn):容易搭建,可以快速顯示出影響北極星指標(biāo)的所有因素

缺點(diǎn):它是定性模型,因此比較粗略,沒(méi)有說(shuō)明每個(gè)因素對(duì)北極星增長(zhǎng)在數(shù)值上的影響,也沒(méi)有標(biāo)出每個(gè)因素之間的相互關(guān)系。

使用場(chǎng)景:可以作為第一版的增長(zhǎng)模型,幫助團(tuán)隊(duì)對(duì)增長(zhǎng)因素,有大體認(rèn)識(shí),也可以對(duì)不同產(chǎn)品進(jìn)行對(duì)比。

02

半精細(xì)增長(zhǎng)模型:全鏈漏斗型和因子分解型

優(yōu)點(diǎn):不僅可以分解出影響增長(zhǎng)的因素,還可以找到對(duì)應(yīng)的細(xì)分指標(biāo)及數(shù)值,并用簡(jiǎn)化的公式表示他們的關(guān)系,因此可以找到機(jī)會(huì)點(diǎn)和進(jìn)行簡(jiǎn)單的計(jì)算。

缺點(diǎn):和AARRR模型相比,搭建要更費(fèi)時(shí),需要的數(shù)據(jù)較多尤其是因子分解型;和定量模型相比,公式較簡(jiǎn)化不能預(yù)測(cè)未來(lái)趨勢(shì)和進(jìn)行假設(shè)分析;

使用場(chǎng)景:信息量較大,搭建起來(lái)不太復(fù)雜建議作為日常使用的增長(zhǎng)模型

Q

案例:全鏈漏斗型–谷歌的廣告收入模型

全鏈漏斗型更多來(lái)說(shuō)就是對(duì)于我們北極星指標(biāo)的一個(gè)乘法分解,把所有的因素“點(diǎn)擊率”“廣告印象數(shù)”“點(diǎn)擊平均成本”拆解出來(lái)從而進(jìn)一步分解哪些因素可以影響到這些要素。

Q

案例:因子分解型—某互金借貸產(chǎn)品的利潤(rùn)增長(zhǎng)模型

因子分解型更多來(lái)說(shuō)就是更進(jìn)一步我們希望通過(guò)一個(gè)公式 來(lái)真正的去計(jì)算我們最后的北極星指標(biāo),以上利潤(rùn)模型在這些要素里面 “壞賬“比例和“出借人利息”是很難控制的,對(duì)于獲客成本是可以影響的 那么針對(duì)獲客成本進(jìn)行進(jìn)一步分解“ 復(fù)借獲客成本”(老用戶再一次借貸的成本)和“首借獲客成本”首借又可以分解成新用戶量和首借轉(zhuǎn)化率等等 ,針對(duì)這些細(xì)分指標(biāo)去做針對(duì)性的運(yùn)營(yíng)提升

03

最精細(xì) 的增長(zhǎng)模型:全定量模型

分解出影響增長(zhǎng)的因素和對(duì)應(yīng)的細(xì)分指標(biāo),并把所有指標(biāo)組合在Excel里計(jì)算北極星指標(biāo)

優(yōu)點(diǎn):可觀測(cè)歷史趨勢(shì)預(yù)測(cè)未來(lái)北極星指標(biāo)的數(shù)值,并進(jìn)行假設(shè)分析,量化不同指標(biāo)變化對(duì)北極星指標(biāo)的影響。

缺點(diǎn):組裝和維持起來(lái)比較費(fèi)力每月更新

使用場(chǎng)景:適合有一定的數(shù)據(jù)基礎(chǔ),需要精細(xì)化運(yùn)營(yíng)的團(tuán)隊(duì)

Q

案例:某app的全定量模型

所以這個(gè)北極星指標(biāo)月活完全是通過(guò)前面兩個(gè)工作表算出來(lái)的,如何計(jì)算呢?

輸入工作表1:月新增用戶數(shù)

主要變量:不同的渠道獲客數(shù)、K因子,激活率

時(shí)間維度:基于歷史情況和對(duì)未來(lái)估計(jì)

有6個(gè)渠道每個(gè)渠道每個(gè)月都會(huì)帶來(lái)一定的安裝總數(shù),其中一個(gè)渠道是用戶推薦,預(yù)設(shè)了一個(gè)K因子代表也就是說(shuō)平均每個(gè)月活躍老用戶帶來(lái)的多少新用戶,用戶基數(shù)越大通過(guò)推薦來(lái)的人就越多,6個(gè)渠道相加安裝總數(shù),安裝-活躍有個(gè)激活轉(zhuǎn)化率預(yù)設(shè)90%,得到每個(gè)月 有多少新增的活躍用戶。可以看出1-5月是我們的歷史情況,6-12是我們對(duì)未來(lái)預(yù)計(jì)估測(cè)。

輸入工作表2:留存率

基于歷史平均值可隨實(shí)際情況進(jìn)行調(diào)整

輸出工作表:MAU(月活躍用戶數(shù))的工作表

月新增用戶*次月留存率可算出每個(gè)月的

作者:曹亮 來(lái)源:三節(jié)課

標(biāo)簽:云浮 中山 肇慶 錫林郭勒盟 南充 三亞 新鄉(xiāng) 南昌