在和大量移動應用開發者接觸的過程中，我們注意到有一個現象是：很多開發者只注意應用的下載量和啟用量，他們把這些指標看成是一款應用成功與否的標誌。於是很多應用出現了“重推廣、輕運營”，甚至是“有推廣、無運營”的情況。
但是，一個人真正成為某款應用的使用者是在哪個時刻呢?是他決定下載這款應用的時候嗎?還是他安裝了這款應用的時候?事實上，都不是。甚至當他啟動並進入了這款應用的時候，也還沒有真正成為這款應用的使用者——通常這時他還帶著懷疑的態度。只有當他覺得這款應用符合(也可能是超出)他的期望值、或者至少還有興趣再次進入應用體驗時，他才真正成為這款應用的使用者。
為了幫助那些移動應用開發者認清這一點，我們通常用以下這個AARRR模型向他們解釋一個移動應用背後的運營模式。
一、什麼是AARRR模型
AARRR是Acquisition、Activation、Retention、Revenue、Refer，這個五個單詞的所寫，分別對應這一款移動應用生命週期中的5個重要環節。下面我們來簡單講解一下AARRR模型中每個專案的意義。
1.獲取使用者(Acquisition)
運營一款移動應用的第一步，毫無疑問是獲取使用者，也就是大家通常所說的推廣。如果沒有使用者，就談不上運營。
2.提高活躍度(Activation)
很多使用者可能是通過終端預置(刷機)、廣告等不同的渠道進入應用的，這些使用者是被動地進入應用的。如何把他們轉化為活躍使用者，是運營者面臨的第一個問題。
當然，這裡面一個重要的因素是推廣渠道的質量。差的推廣渠道帶來的是大量的一次性使用者，也就是那種啟動一次，但是再也不會使用的那種使用者。嚴格意義上說，這種不能算是真正的使用者。好的推廣渠道往往是有針對性地圈定了目標人群，他們帶來的使用者和應用設計時設定的目標人群有很大吻合度，這樣的使用者通常比較容易成為活躍使用者。另外，挑選推廣渠道的時候一定要先分析自己應用的特性(例如是否小眾應用)以及目標人群。對別人來說是個好的推廣渠道，對你卻不一定合適。
另一個重要的因素是產品本身是否能在最初使用的幾十秒鐘內抓住使用者。再有內涵的應用，如果給人的第一印象不好，也會“相親”失敗，成為“嫁不出去的老大難”。
此外，還有些應用會通過體驗良好的新手教程來吸引新使用者，這在遊戲行業尤其突出。
3.提高留存率(Retention)
有些應用在解決了活躍度的問題以後，又發現了另一個問題：“使用者來得快、走得也快”。有時候我們也說是這款應用沒有使用者粘性。
我們都知道，通常保留一個老客戶的成本要遠遠低於獲取一個新客戶的成本。所以狗熊掰玉米(拿一個、丟一個)的情況是應用運營的大忌。但是很多應用確實並不清楚使用者是在什麼時間流失的，於是一方面他們不斷地開拓新使用者，另一方面又不斷地有大量使用者流失。
解決這個問題首先需要通過日留存率、周留存率、月留存率等指標監控應用的使用者流失情況，並採取相應的手段在使用者流失之前，激勵這些使用者繼續使用應用。
留存率跟應用的型別也有很大關係。通常來說，工具類應用的首月留存率可能普遍比遊戲類的首月流存率要高。
4.獲取收入(Revenue)
獲取收入其實是應用運營最核心的一塊。極少有人開發一款應用只是純粹出於興趣，絕大多數開發者最關心的就是收入。即使是免費應用，也應該有其盈利的模式。
收入有很多種來源，主要的有三種：付費應用、應用內付費、以及廣告。付費應用在國內的接受程度很低，包括Google Play Store在中國也只推免費應用。在國內，廣告是大部分開發者的收入來源，而應用內付費目前在遊戲行業應用比較多。
無論是以上哪一種，收入都直接或間接來自使用者。所以，前面所提的提高活躍度、提高留存率，對獲取收入來說，是必需的基礎。使用者基數大了，收入才有可能上量。
5.自傳播(Refer)
以前的運營模型到第四個層次就結束了，但是社交網路的興起，使得運營增加了一個方面，就是基於社交網路的病毒式傳播，這已經成為獲取使用者的一個新途徑。這個方式的成本很低，而且效果有可能非常好;唯一的前提是產品自身要足夠好，有很好的口碑。
從自傳播到再次獲取新使用者，應用運營形成了一個螺旋式上升的軌道。而那些優秀的應用就很好地利用了這個軌道，不斷擴大自己的使用者群體。
通過上述這個AARRR模型，我們看到獲取使用者(推廣)只是整個應用運營中的第一步，好戲都還在後頭。如果只看推廣，不重視運管中的其它幾個層次，任由使用者自生自滅，那麼應用的前景必定是暗淡的。
二、如何使用AARRR模型
通常大家在推廣應用時，頭痛的是後臺統計的啟用量比渠道提供的下載量小很多。但是前幾天，有一位朋友找我諮詢，說他們公司的一款App來自某個渠道的啟用量突然猛增。但是他查了在那個渠道(是家應用市場)上的下載量，並沒有明顯的變化。於是他非常困惑，問我有沒有辦法幫他查到原因。
少了多了都會讓人頭痛——因為資料出現異常，通常就說明有某個環節出了問題。但是光看一個啟用量和一個下載量，並不能揭示問題的根本原因。尤其是當我們已經瞭解了移動應用運營模型時，我們更需要了解在AARRR的每個環節中，我們應當關注什麼樣的資料，什麼樣的資料表現才是正常的——簡單來說，只知道AARRR還不夠，還要會用才行。
1. 獲取使用者(Acquisition)
這個階段，最初大家最關心的資料是下載量。到今天，一些媒體的報導中也還經常用下載量來衡量一個應用的使用者規模和是否成功。不過，下載了應用不等於一定會安裝，安裝了應用也不等於一定使用了該應用。所以很快啟用量成為了這個層次中大家最關心的資料，甚至是有些推廣人員唯一關注的資料。通常啟用量(即新增使用者數量)的定義是新增的啟動了該應用的獨立裝置的個數。從字面上看啟用量似乎更應該是第二層Activation的指標，但是因為下載量、安裝量這些資料都比較虛，不能真實反映使用者是否已經被獲取。所以大家都要看啟用，這才是真正獲取到了新的使用者。
另一個非常重要的資料，就是分渠道統計的啟用量。因為在渠道推廣時，很多應用開發者選擇了付費推廣。結算的時候，自然要了解在某個渠道有多少真正啟用的使用者。即使沒有付費關係，開發者也需要知道哪個渠道是最有效果的。
但是站在更高的高度看，CAC(使用者獲取成本 Customer Acquisition Cost)才是最需要去關注的資料。目前行業裡有種粗略的說法，每個Android使用者的獲取成本大約在4元左右，而iOS使用者大約在8元以上。當然，應用市場下載、手機預置、廣告等各種不同的渠道的獲取成本是完全不同的。這裡面有個價效比的問題，有些渠道的獲取成本比較高，但是使用者質量也比較高(什麼樣的叫質量高，後面會有說明)。
2.提高活躍度(Activation)
看到活躍度，大家首先會想到的指標是DAU(日活躍使用者)、MAU(月活躍使用者)。這兩個資料基本上說明了應用當前的使用者群規模，在網路遊戲行業這是兩個運營人員必看的指標。通常活躍使用者是指在指定週期內有啟動的使用者。但是啟動是否真的等於活躍呢?如果在指定週期內只啟動了一次，而且時間很短，這樣的使用者活躍度其實並不高(當然對某些特殊的應用來說可能算高，例如用來記錄女性生理週期的應用，一月啟動一次就夠了)。所以其實還要看另兩個指標：每次啟動平均使用時長和每個使用者每日平均啟動次數。當這兩個指標都處於上漲趨勢時，可以肯定應用的使用者活躍度在增加。
針對使用時長和啟動次數的渠道統計同樣很重要。我們把它們稱為渠道的質量資料，如果某個渠道上來的使用者，這兩個指標很差，那麼在這個渠道上投入太多是沒有意義的。最典型的就是水貨刷機的使用者，很多預置的應用都是在刷機完成時被啟用的。針對這種被動啟用的使用者，可以看另一個指標，叫一次性啟動使用者數量，也就是迄今為止只啟動過一次的使用者的數量。
除了渠道，另一個和活躍度相關的分析維度是版本。各個版本的使用時長和啟動次數也會有差異。對產品經理來說，分析不同版本的活躍度差異有助於不斷改進應用。
此外跟活躍度相關的，還有日活躍率、周活躍率、月活躍率這些指標。當然活躍率和應用的類別是很有關係的，比如桌面、省電類的應用的活躍率就比字典類的應用高。
3. 提高留存率(Retention)
下載和安裝——使用——解除安裝或者遺忘，這是使用者在每個應用中的生命週期。成功的應用就是那些能儘量延長使用者的生命週期，最大化使用者在此生命週期內的價值(下一節會談到生命週期價值這個話題)的應用。
對於大部分應用，應該關心的是1-Day Retention 和7-Day Retention。這裡我之所以用英文，是因為其中文翻譯不統一，容易引起歧義。1-Day Retention通常翻譯為首日留存率，其實這個“首日”並不是指應用被安裝使用的第一天(假設日期為D)，而是D+1日，即安裝使用的第二天。因為安裝使用的第一天沒有留存率這個概念(有的話，只能是100%)。到了第二天，前一天安裝使用的使用者中還有多少百分比的人還在啟動使用這款應用，這就是1-Day Retention。因為是第二天，所以有些文章中也叫“次日留存率”。同樣的，7-Day Retention是在D+7日啟動使用這款應用的佔D日首次安裝使用這款應用的使用者總數的百分比。通常使用者新安裝使用後的前幾天是流失比例最大的時期(關於使用者留存的細節，請參考我們同事的另一篇部落格《讀懂你的使用者留存》)。所以這兩個指標在留存率分析是最重要的。曾經有遊戲行業的行家指出，如果想成為一款成功的遊戲，1-Day Retention要達到40%， 7-Day Retention要達到 20%。
有些應用不是需要每日啟動的，那樣的話可以看周留存率、月留存率等指標，會更有意義。 留存率也是檢驗渠道的使用者質量的重要指標，如果同一個應用的某個渠道的首日留存率比其它渠道低很多，那麼這個渠道的質量是比較差的。
4.獲取收入(Revenue)
關於收入，大家最耳熟能詳的指標就是ARPU(平均每使用者收入)值。對應的比較少提的還有個指標叫ARPPU(平均每付費使用者收入)。前幾天，@吳剛在微博裡貼圖比較二戰風雲的ARPU值時就註明了是周付費使用者ARPU(所以其實是ARPPU)。但是很多人誤讀了以為是六十多元的周ARPU值，就會讓他們對Android遊戲產生過分的樂觀。
是不是ARPPU高，ARPU就一定會高呢?答案是不一定。因為其中還有個指標是付費使用者比例，也就是付費使用者在全部使用者中所佔的比例。如果付費使用者比例較低，那麼那些收入攤到所有使用者身上的平均值就低了。通常來說，如果某個遊戲為了提高ARPPU，提高了虛擬道具的價格，那麼付費使用者比例就會相應地降低。找到一個ARPPU和付費使用者比例的平衡點，才能最大化收入。
但是收入並不是最重要的，利潤才是。如何最大化利潤呢?利潤最簡化的計算公式是：利潤=收入-成本。首先我們看一下成本，我們在上一篇中提到過CAC(使用者獲取成本)。除此之外，還有應用本身的開發成本、伺服器硬體和頻寬成本以及運營成本等等。不過在使用者量很大的情況下，CAC會成為最主要的成本，而其它成本不在一個數量級，所以我們在後續討論中只考慮CAC。
那麼收入如何計算? ARPU是一個和時間段相關的指標(通常講的最多是每月的ARPU值)，還不能完全和CAC對應，因為CAC和時間段並沒有直接關係。所以我們還要多看一個指標：LTV(生命週期價值)。使用者的生命週期是指一個使用者從第一次啟動應用，到最後一次啟動應用之間的週期。LTV就是某個使用者在生命週期內為該應用創造的收入總計，可以看成是一個長期累計的ARPU值。每個使用者平均的LTV = 每月ARPU * 使用者按月計的平均生命週期。
LTV – CAC的差值，就可以視為該應用從每個使用者身上獲取的利潤。所以最大化利潤，就變成如何在降低CAC的同時，提高LTV，使得這兩者之間的差值最大化。更進一步的，對不同渠道來源使用者做斷代分析，根據他們不同的CAC和LTV，就可以推匯出不同渠道來源的利潤率差異。
5. 自傳播(Refer)
自傳播，或者說病毒式營銷，是最近十年才被廣泛研究的營銷方法。雖然大家都聽過一些病毒式營銷的經典案例，但是要說怎樣量化評估其效果，卻很少有人知道K因子(K-factor)這個衡量指標。其實K因子這個術語並非起源於市場學或軟體業，而是來源於傳染病學——對，就是研究真正的病毒傳播的科學。K因子量化了感染的概率，即一個已經感染了病毒的宿主所能接觸到的所有宿主中，會有多少宿主被其傳染上病毒。
K因子的計算公式不算複雜，K = (每個使用者向他的朋友們發出的邀請的數量) * (接收到邀請的人轉化為新使用者的轉化率)。假設平均每個使用者會向20個朋友發出邀請，而平均的轉化率為10%的話，K =20*10%=2。這個結果還算是不錯的效果——當K>1時，使用者群就會象滾雪球一樣增大。如果K<1的話，那麼使用者群到某個規模時就會停止通過自傳播增長。
很遺憾的是，即使是社交類的移動應用，目前K因子大於1的也很少。所以絕大部分移動應用還不能完全依賴於自傳播，還必須和其它營銷方式結合。但是從產品設計階段就加入有利於自傳播的功能，還是有必要的，畢竟這種免費的推廣方式可以部分地減少CAC。
以上我們列舉了在應用推廣運營各個層次(各個階段)需要關注的一些指標。在整個AARRR模型中，這些量化指標都具有很重要的地位，而且很多指標的影響力是跨多個層次的。及時準確地獲取這些指標的具體資料，對於應用的成功運營是必不可少的。