六、「APP运营模式」
1、AARRR模型
AARRR模型有5个重要环节
（1）获取用户(Acquisition)
运营一款移动应用的第一步，毫无疑问是获取用户，也就是大家通常所说的推广。
这个阶段，最初大家最关心的数据是下载量。不过，下载了应用不等于一定会安装，安装了应用也不等于一定使用了该应用。所以很快激活量成为了这个层次中大家最关心的数据，甚至是有些推广人员唯一关注的数据。通常激活量(即新增用户数量)的定义是新增的启动了该应用的独立设备的个数。
（2）提高活跃度(Activation)
这里面一个重要的因素是推广渠道的质量。差的推广渠道带来的是大量的一次性用户，也就是那种启动一次，但是再也不会使用的那种用户，如积分墙，刷量的渠道。好的推广渠道往往精准作用在目标用户，精准推广，永远是运营人员很需要记住的点。
另一个重要的因素是产品本身是否能在最初使用的几十秒钟内抓住用户。应用如果给人的第一印象不好，经常crash，卡顿，那你懂的。
此外，还有些应用会通过体验良好的新手教程来吸引新用户，这在游戏行业尤其突出。
DAU(日活跃用户)和MAU(月活跃用户)两个数据基本上说明了应用当前的用户群规模，这是两个运营人员必看的指标。其实还要看另两个指标：每次启动平均使用时长和每个用户每日平均启动次数。这两个数据可以结合一起看。
版本、页面转换路径和自定义事件也是很好的分析维度。对产品经理来说，分析它们有助于不断改进应用。
（3）提高留存率(Retention)
有些伙伴会发现应用被下载后，没有用户粘性，次日留存，7日留存很低，用户留不住。
通常保留一个老客户的成本要远远低于获取一个新客户的成本。所以狗熊掰玉米(拿一个、丢一个)的情况是应用运营的大忌。但是很多应用确实并不清楚用户是在什么时间流失的，于是一方面他们不断地开拓新用户，另一方面又不断地有大量用户流失。
解决这个问题首先需要通过日留存率、周留存率、月留存率等指标监控应用的用户流失情况，并采取相应的手段在用户流失之前，激励这些用户继续使用应用。
留存率跟应用的类型也有很大关系。通常来说，工具类应用的首月留存率可能普遍比游戏类的首月流存率要高。
有些应用不是需要每日启动的，那样的话可以看周留存率、月留存率等指标，会更有意义。留存率也是检验渠道的用户质量的重要指标，如果同一个应用的某个渠道的首日留存率比其它渠道低很多，那么这个渠道的质量是比较差的。
（4）获取收入(Revenue)
获取收入其实是应用运营最核心的一块。极少有人开发一款应用只是纯粹出于兴趣，绝大多数开发者最关心的就是收入。即使是免费应用，慢慢的也需要考虑其盈利的模式。
收入有很多种来源，主要的有三种：付费应用、应用内付费、以及广告。
无论是以上哪一种，收入都直接或间接来自用户。所以，前面所提的提高活跃度、提高留存率，对获取收入来说，是必需的基础。用户基数大了，收入才有可能上量。
关于收入，最常用的观察是 ARPU(平均每用户每月收入)值。
（5）自传播(Refer)
以前的运营模型到第四个层次就结束了，但是社交网络的兴起，使得运营增加了一个方面，就是基于社交网络的病毒式传播，这已经成为获取用户的一个新途径。这个方式的成本很低，而且效果有可能非常好;唯一的前提是产品自身要足够好，有很好的口碑。
通过上述这个AARRR模型，我们看到获取用户只是第一步，后面如何留住他们，增加粘性也很重要。
2.DNU（Daily New Users）
每日激活/注册的用户数。也可以说是激活或注册，看自己定义。
3.CAC（Customer Acquisition Cost）：用户获取成本（一般也称作CPA）
4.CPC(Cost Per Customer )：用户获取成本=推广成本/有效新增用户
5.CR(Conversions Rates)
注册转化率=最终注册成为用户/访问了某种渠道（如推广链接、APP下载市场）的总人数
6.DAU（Daily Active Users）：日活跃用户数，每日打开使用产品的用户数
7.WAU（Weekly Active Users）
周活跃用户数，最近一周（含当日的7天）启动使用产品的用户数，一般按照自然周进行计算。
8.MAU（Monthly Active Users）
月活跃用户数，最近一个月（含当日的30天）登录过应用的用户数，一般按照自然月计算。
9.DEC（Daily Engagement Count）
日参与次数，多用于游戏，用户对移动游戏的使用记为一次参与，即日参与次数就是用户每日对游戏的参与总次数。
10.DAOT/AT（Daily Avg.Online Time）：活跃用户平均每日在线时长。
即：日总在线时长/日活跃用户数。一般的精略计算公式：AT=ACU*24/DAU
11.DAU (Daily Active User)：日活跃用户数量
12.MAU(Monthly active users)：月活，月活跃用户数量
13.Users Retention 用户留存
统计时间区间内，新增用户在随后不同时期的启动使用情况。Day 1/3/7/30 Retention Ratio次日/三日/七日/月留存率，日新增用户在次日/第三日/第七日/第三十日（不含首次启动当天）启动的用户数占新增用户比例。留存率需要进行长期跟踪，根据需要可设定30日、60日或者90日。
14.Users Churn：用户流失，统计时间区间内，用户在不同时期离开产品的情况。
15.Day 1 Churn Ratio
日流失率，统计日使用产品，但随后七日未使用的用户占统计日活跃用户比例，此定义按需求可延长观测长度。
16.Day 7 Churn Ratio
周流失率，上周使用过，但本周未使用的用户占上周周活跃用户比例。
17.Day 30 Churn Ratio
月流失率，上个月使用过产品，但本月未使用的用户占上个月月活跃用户比例。
18.MPR（Monthly Payment Ratio）
月付费率，统计时间区间内，付费用户占活跃用户的比例。一般以月计。计算公式：MPR=APA/MAU 其中APA为月付费用户数
19.APA（Active Payment Account）
活跃付费用户数，统计时间区间内，成功付费的用户数。一般以月计。如果按月进行计算，则有以下关系：APA=MAU*MPR其中MAU为月活跃用户数，MPR为月付费率。
20.ARPU（Average Revenue per Uers）
平均每用户收入，统计时间区间内，活跃用户对产品产生的平均收入。一般以月计。
21.ARPU=收益/用户数 月ARPU=收益/MAU
计算方式：产品总收入除以产品的总活跃用户数，一般按照月来计算，即ARPU=月总收入/月活跃用户数（MAU）
22.ARPPU（Average Revenue per Paying User）
平均每付费用户收入，统计时间区间内，付费用户对产品贡献的平均收入。一般以月计。
ARPPU=收益/付费用户数 Life Time生命周期 一个用户从第一次参与游戏，到最后一次参与游戏之间的时间，一般计算平均值。
23.LTV（Life Time Value）
生命周期价值 用户在生命周期内为该游戏创造的收入总计。可以看成是一个长期累计的ARPU值。
计算方式：对每个用户的平均LTV计算如下：LTV=ARPU*LT（按月计平均生命周期） 其中LT为Life Time，即生命周期，按照月统计，也就是玩家留存在游戏中的平均月的数量。
例如，一款产品的ARPU=2元，LT=5，那么LTV=2*5=10元。
24.PCU（Peak Concurrent Users）：最高同时在线用户人数
25.ACU（Average Concurrent Users）：平均同时在线用户人数
New Users Converstion Rate新用户转化率，可根据渠道进行划分，Clicks->Install->Register->Login
26.K-Factor：K因子
27.K-Factor=感染率*转化率
转化率：当感染后转化为新用户的比率。
感染率：每个用户发送的邀请数量，一般取平均值。
若K>1，产品用户群通过自传播增长较快；若K<1，产品用户群到达一定规模后就会停止通过自传播增长。