标签：
创业公司如何做数据分析？网站分析工具里的指标千百种，到底要从哪些数据入手呢？除了流量跟转换率，还有哪些数据跟公司成长有关呢？或许可以从了解AARRR Metrics开始。AARRR Metrics是由硅谷知名创业孵化中心500Startups的创办人Dave McClure所提出的一组指标，这些指标描述了不同阶段的使用者行为，我们则可以借此了解目前事业发展的状况。
AARRR是什么？
AARRR是从使用者生命周期的角度来看的一组指标，定义如下：
Acquisition（获得使用者）：使用者从各式各样的管道来访。
Activation（成为有效的客户）：使用者在初次到访后，使用了我们所提供的部分主要功能，而不是看几眼就走了。
Retention（用户留存、回访）：用户再次造访。
Referral（用户推荐他人）：用户喜欢我们提供的产品或服务，而且推荐其他人使用。
Revenue（用户付费）：用户决定付费购买我们的产品或服务。
aarrr_metrics
Acquisition：一切的起点
当我们的服务开始营运，行销活动开始运作，使用者就开始从各式各样的管道涌入了。这是一切的起点：没有人来，就没有人有机会深入认识我们的产品跟服务，也就更不用谈什么获利了。现今推广的管道十分多元，所以特别要注意设定好追踪程序，识别来自不同管道的流量，以便进一步优化。导流量通常是由营销人员负责，必须试着找到不同的管道，包括：
（1）CP值最高的；
（2）能冲量的；
（3）同样成本下转换率最高的。
这边讲的转换率，不只是指购买，而是包括进到AARRR的各个阶段的比例，都是可以拿来衡量的目标。
Activation：顾客上门了，然后呢？
顾客上门啰！有没有稍微逛一下？有没有尝试认识一下我们的服务？有没有用了一些主要的功能？光是来拜访是不够的，访客必须完成一些事情，才算是比较了解我们提供了什么产品或服务，他们会在心中盘算东西划不划算、自己有没有需求…等等问题。如果引起了顾客的兴趣，他们可能就会想让这个关系更进一步：也许是注册、也许是下载我们提供的试用软件、也许是连续看了三则新闻…或者是其他我们觉得重要的行为。
针对不同的产业特性，应该去订定比较合适的Activation衡量指标。举例来说，如果是Dropbox，就会去追踪有下载客户端软件的客户、有看完网页介绍文字的客户、有完成注册的客户…等等行为。如果某些管道带进来的访客Activation太低，那就可能要回头检讨一下这些是不是对的管道、对的族群。Activation可以再细分成更多的步骤或指标，针对各个步骤去做追踪改善，或是利用易用性测试、A/B Testing去不断地优化。
Retention：让顾客爱上
如果顾客满意第一次造访的经验，那么未来他们有同样需求的时候，很可能就会再来找我们。然而拜访频率也是跟产业特性、跟购买周期有关的，例如：人们拜访新闻网站的频率跟拜访租车网站的频率想必是不同的，所以在规划Retention时，必须考察产业特性去设计，并且考察不同时间长度的留存率。像是在游戏App产业，常常会去观察30天留存率、7天留存率、次日留存率等等。
即使顾客满意第一次的体验，然而却可能因为各种因素，却没有再来拜访（也许只是忘了）。这个时候就可以设计一些自动化的电子邮件，来提醒顾客我们的存在。自动化邮件有几种规划方向：
根据顾客在服务中的生命周期：刚注册的客户可以寄发教学文章，比较上手的客户可以鼓励他们探索新的功能…等等。
提供每周、每月的状态报告：定期跟使用者报告目前的最新状况，像是SlideShare会定期寄出你的投影片的浏览量、下载量，鼓励大家更积极分享投影片。
根据不同事件来触发：加入了购物车却没购买？追踪了某个好友却再也没登入？快回来吧～（招手）
Referral：好东西要跟好朋友分享
推荐是我们必须重视的部分，除了因为社群网站很流行、很多人会在上面分享之外，朋友的推荐常常比广告来得有说服力。如果客户满意这次使用体验，何不鼓励他们分享出去呢？程序员客栈www.proginn.com就是一个利用朋友推荐来快速成长的例子：当推荐朋友加入时，自己可以获得容量奖励，所以会有动机去积极推广；受邀请的朋友也能得到奖励，就比较不会觉得只是单纯被利用了。来自推荐的流量，可以再细分下去：每位使用者平均推荐给多少人？成功推荐的比例？推荐而来的转换率如何？哪种类型的使用者比较喜欢推荐？比较有影响力？怎么样设计推荐奖励机制？有很多优化的方向可以尝试。
Revenue：企业存在目的在于获利
我们的获利模式是什么？有许多的企业是透过贩卖商品跟服务来获利，那么就必须去确认在浏览商品、加入购物车、付费等流程中，每个阶段都是顺利的，并监控每个步骤的完成比例、跳出率等等。如果是Freemium模式，除了要注意付费用户的比例、每个付费用户的贡献之外，也要确保从免费转为付费的流程是顺畅的、是让消费者没有疑虑的。如果是透过广告营利，那么可能就不是专注在Revenue这个指标，而是尽量去提升流量跟粘性，以便提升广告的曝光量。
以上针对AARRR的各个元素进行了简单介绍，也稍微提到了可以优化的方向，最后有几件事情要提醒：必须确保所有数据都有人负责，数据只是结果，无法告诉你背后原因；想找出原因应考虑进行一些质化研究，应思考这几个数据的优先级。举例来说，大部分Startup应该要先专注在Activation跟Retention上，确认自己的产品真的解决某些人的痛点。
标签：
原文地址：http://www.cnblogs.com/proginn/p/5668057.html
