App 運營的指標具體都有哪些？

在和大量移動應用開發者接觸的過程當中，咱們注意到有一個現象是：不少開發者只注意應用的下載量和激活量，他們把這些指標當作是一款應用成功與否的標誌。因而不少應用出現了「重推廣、輕運營」，甚至是「有推廣、無運營」的狀況。

可是，一我的真正成爲某款應用的用戶是在哪一個時刻呢？是他決定下載這款應用的時候嗎？仍是他安裝了這款應用的時候？事實上，都不是。甚至當他啓動並進入了這款應用的時候，也尚未真正成爲這款應用的用戶——一般這時他還帶着懷疑的態度。只有當他以爲這款應用符合（也多是超出）他的指望值、或者至少還有興趣再次進入應用體驗時，他才真正成爲這款應用的用戶。
爲了幫助那些移動應用開發者認清這一點，咱們一般用如下這個AARRR模型向他們解釋一個移動應用背後的運營模式。

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。下面咱們來簡單講解一下AARRR模型中每一個項目的意義。

獲取用戶（Acquisition）
運營一款移動應用的第一步，毫無疑問是獲取用戶，也就是你們一般所說的推廣。若是沒有用戶，就談不上運營。

提升活躍度（Activation）
不少用戶多是經過終端預置（刷機）、廣告等不一樣的渠道進入應用的，這些用戶是被動地進入應用的。如何把他們轉化爲活躍用戶，是運營者面臨的第一個問題。
固然，這裏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用戶，也就是那種啓動一次，可是不再會使用的那種用戶。嚴格意義上說，這種不能算是真正的用戶。好的推廣渠道每每是有針對性地圈定了目標人羣，他們帶來的用戶和應用設計時設定的目標人羣有很大吻合度，這樣的用戶一般比較容易成爲活躍用戶。另外，挑選推廣渠道的時候必定要先分析本身應用的特性（例如是否小衆應用）以及目標人羣。對別人來講是個好的推廣渠道，對你卻不必定合適。
另外一個重要的因素是產品自己是否能在最初使用的幾十秒鐘內抓住用戶。再有內涵的應用，若是給人的第一印象很差，也會「相親」失敗，成爲「嫁不出去的老大難」。
此外，還有些應用會經過體驗良好的新手教程來吸引新用戶，這在遊戲行業尤爲突出。

提升留存率（Retention）
有些應用在解決了活躍度的問題之後，又發現了另外一個問題：「用戶來得快、走得也快」。有時候咱們也說是這款應用沒有用戶粘性。
咱們都知道，一般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。因此狗熊掰玉米（拿一個、丟一個）的狀況是應用運營的大忌。可是不少應用確實並不清楚用戶是在什麼時間流失的，因而一方面他們不斷地開拓新用戶，另外一方面又不斷地有大量用戶流失。
解決這個問題首先須要經過日留存率、周留存率、月留存率等指標監控應用的用戶流失狀況，並採起相應的手段在用戶流失以前，激勵這些用戶繼續使用應用。
留存率跟應用的類型也有很大關係。一般來講，工具類應用的首月留存率可能廣泛比遊戲類的首月流存率要高。

獲取收入（Revenue）
獲取收入實際上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。即便是免費應用，也應該有其盈利的模式。
收入有不少種來源，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。
不管是以上哪種，收入都直接或間接來自用戶。因此，前面所提的提升活躍度、提升留存率，對獲取收入來講，是必需的基礎。用戶基數大了，收入纔有可能上量。

自傳播（Refer）
之前的運營模型到第四個層次就結束了，可是社交網絡的興起，使得運營增長了一個方面，就是基於社交網絡的病毒式傳播，這已經成爲獲取用戶的一個新途徑。這個方式的成本很低，並且效果有可能很是好；惟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用戶，應用運營造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，不斷擴大本身的用戶羣體。
經過上述這個AARRR模型，咱們看到獲取用戶（推廣）只是整個應用運營中的第一步，好戲都還在後頭。若是隻看推廣，不重視運管中的其它幾個層次，任由用戶自生自滅，那麼應用的前景一定是暗淡的。

如何使用AARRR模型
一般你們在推廣應用時，頭痛的是後臺統計的激活量比渠道提供的下載量小不少。可是前幾天，有一位朋友找我諮詢，說他們公司的一款App來自某個渠道的激活量忽然猛增。可是他查了在那個渠道（是家應用市場）上的下載量，並無明顯的變化。因而他很是困惑，問我有沒有辦法幫他查到緣由。
少了多了都會讓人頭痛——由於數據出現異常，一般就說明有某個環節出了問題。可是光看一個激活量和一個下載量，並不能揭示問題的根本緣由。尤爲是當咱們已經瞭解了移動應用運營模型時，咱們更須要了解在AARRR的每一個環節中，咱們應當關注什麼樣的數據，什麼樣的數據表現纔是正常的——簡單來講，只知道AARRR還不夠，還要會用才行。

1、獲取用戶（Acquisition）
這個階段，最初你們最關心的數據是下載量。到今天，一些媒體的報道中也還常常用下載量來衡量一個應用的用戶規模和是否成功。不過，下載了應用不等於必定會安裝，安裝了應用也不等於必定使用了該應用。因此很快激活量成爲了這個層次中你們最關心的數據，甚至是有些推廣人員惟一關注的數據。一般激活量（即新增用戶數量）的定義是新增的啓動了該應用的獨立設備的個數。從字面上看激活量彷佛更應該是第二層Activation的指標，可是由於下載量、安裝量這些數據都比較虛，不能真實反映用戶是否已經被獲取。因此你們都要看激活，這纔是真正獲取到了新的用戶。
另外一個很是重要的數據，就是分渠道統計的激活量。由於在渠道推廣時，不少應用開發者選擇了付費推廣。結算的時候，天然要了解在某個渠道有多少真正激活的用戶。即便沒有付費關係，開發者也須要知道哪一個渠道是最有效果的。
可是站在更高的高度看，CAC（用戶獲取成本 Customer Acquisition Cost）纔是最須要去關注的數據。目前行業裏有種粗略的說法，每一個Android用戶的獲取成本大約在4元左右，而iOS用戶大約在8元以上。固然，應用市場下載、手機預置、廣告等各類不一樣的渠道的獲取成本是徹底不一樣的。這裏面有個性價比的問題，有些渠道的獲取成本比較高，可是用戶質量也比較高（什麼樣的叫質量高，後面會有說明）。

2、提升活躍度（Activation）
看到活躍度，你們首先會想到的指標是DAU（日活躍用戶）、MAU（月活躍用戶）。這兩個數據基本上說明了應用當前的用戶羣規模，在網絡遊戲行業這是兩個運營人員必看的指標。一般活躍用戶是指在指定週期內有啓動的用戶。可是啓動是否真的等於活躍呢？若是在指定週期內只啓動了一次，並且時間很短，這樣的用戶活躍度其實並不高（固然對某些特殊的應用來講可能算高，例如用來記錄女性生理週期的應用，一月啓動一次就夠了）。因此其實還要看另兩個指標：每次啓動平均使用時長和每一個用戶每日平均啓動次數。當這兩個指標都處於上漲趨勢時，能夠確定應用的用戶活躍度在增長。
針對使用時長和啓動次數的渠道統計一樣很重要。咱們把它們稱爲渠道的質量數據，若是某個渠道上來的用戶，這兩個指標不好，那麼在這個渠道上投入太可能是沒有意義的。最典型的就是水貨刷機的用戶，不少預置的應用都是在刷機完成時被激活的。針對這種被動激活的用戶，能夠看另外一個指標，叫一次性啓動用戶數量，也就是迄今爲止只啓動過一次的用戶的數量。
除了渠道，另外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啓動次數也會有差別。對產品經理來講，分析不一樣版本的活躍度差別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。固然活躍率和應用的類別是頗有關係的，好比桌面、省電類的應用的活躍率就比字典類的應用高。

3、提升留存率（Retention）
下載和安裝——使用——卸載或者遺忘，這是用戶在每一個應用中的生命週期。成功的應用就是那些能儘可能延長用戶的生命週期，最大化用戶在今生命週期內的價值（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。這裏我之因此用英文，是由於其中文翻譯不統一，容易引發歧義。1-Day Retention一般翻譯爲首日留存率，其實這個「首日」並非指應用被安裝使用的第一天（假設日期爲D），而是D+1日，即安裝使用的次日。由於安裝使用的第一天沒有留存率這個概念（有的話，只能是100%）。到了次日，前一天安裝使用的用戶中還有多少百分比的人還在啓動使用這款應用，這就是1-Day Retention。由於是次日，因此有些文章中也叫「第二天留存率」。一樣的，7-Day Retention是在D+7日啓動使用這款應用的佔D日首次安裝使用這款應用的用戶總數的百分比。一般用戶新安裝使用後的前幾天是流失比例最大的時期（關於用戶留存的細節，請參考咱們同事的另外一篇博客《讀懂你的用戶留存》）。因此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，若是想成爲一款成功的遊戲，1-Day Retention要達到40%， 7-Day Retention要達到 20%。
有些應用不是須要每日啓動的，那樣的話能夠看周留存率、月留存率等指標，會更有意義。 留存率也是檢驗渠道的用戶質量的重要指標，若是同一個應用的某個渠道的首日留存率比其它渠道低不少，那麼這個渠道的質量是比較差的。

4、獲取收入（Revenue）
關於收入，你們最耳熟能詳的指標就是ARPU（平均每用戶收入）值。對應的比較少提的還有個指標叫ARPPU（平均每付費用戶收入）。前幾天，@吳剛在微博裏貼圖比較二戰風雲的ARPU值時就註明了是周付費用戶ARPU（因此實際上是ARPPU）。可是不少人誤讀了覺得是六十多元的周ARPU值，就會讓他們對Android遊戲產生過度的樂觀。
是否是ARPPU高，ARPU就必定會高呢？答案是不必定。由於其中還有個指標是付費用戶比例，也就是付費用戶在所有用戶中所佔的比例。若是付費用戶比例較低，那麼那些收入攤到全部用戶身上的平均值就低了。一般來講，若是某個遊戲爲了提升ARPPU，提升了虛擬道具的價格，那麼付費用戶比例就會相應地下降。找到一個ARPPU和付費用戶比例的平衡點，才能最大化收入。
可是收入並非最重要的，利潤纔是。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。首先咱們看一下成本，咱們在上一篇中提到過CAC（用戶獲取成本）。除此以外，還有應用自己的開發成本、服務器硬件和帶寬成本以及運營成本等等。不過在用戶量很大的狀況下，CAC會成爲最主要的成本，而其它成本不在一個數量級，因此咱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（一般講的最可能是每個月的ARPU值），還不能徹底和CAC對應，由於CAC和時間段並無直接關係。因此咱們還要多看一個指標：LTV（生命週期價值）。用戶的生命週期是指一個用戶從第一次啓動應用，到最後一次啓動應用之間的週期。LTV就是某個用戶在生命週期內爲該應用創造的收入總計，能夠當作是一個長期累計的ARPU值。每一個用戶平均的LTV = 每個月ARPU * 用戶按月計的平均生命週期。
LTV – CAC的差值，就能夠視爲該應用從每一個用戶身上獲取的利潤。因此最大化利潤，就變成如何在下降CAC的同時，提升LTV，使得這二者之間的差值最大化。更進一步的，對不一樣渠道來源用戶作斷代分析，根據他們不一樣的CAC和LTV，就能夠推導出不一樣渠道來源的利潤率差別。

5、自傳播（Refer）

自傳播，或者說病毒式營銷，是最近十年才被普遍研究的營銷方法。雖然你們都聽過一些病毒式營銷的經典案例，可是要說怎樣量化評估其效果，卻不多有人知道K因子(K-factor)這個衡量指標。其實K因子這個術語並不是起源於市場學或軟件業，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因子量化了感染的機率，即一個已經感染了病毒的宿主所能接觸到的全部宿主中，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 = (每一個用戶向他的朋友們發出的邀請的數量) * (接收到邀請的人轉化爲新用戶的轉化率)。假設平均每一個用戶會向20個朋友發出邀請，而平均的轉化率爲10%的話，K =20*10%=2。這個結果還算是不錯的效果——當K>1時，用戶羣就會象滾雪球同樣增大。若是K<1的話，那麼用戶羣到某個規模時就會中止經過自傳播增加。
很遺憾的是，即便是社交類的移動應用，目前K因子大於1的也不多。因此絕大部分移動應用還不能徹底依賴於自傳播，還必須和其它營銷方式結合。可是從產品設計階段就加入有利於自傳播的功能，仍是有必要的，畢竟這種免費的推廣方式能夠部分地減小CAC。