孔淼：用户增长和留存的秘密
为什么要精细化数据运营？
随着互联网浪潮的更替，人口红利时代已结束，互联网用户构成与表现发生了巨大的变化，从各个角度体现出来，以下面4个趋势为例：
（1）互联网人群年龄分布由以往的集中化分布变得越来越分散；
（2）城市差异化越来越明显，由以往一、二线城市主场模式慢慢转化为金字塔模型，三四线城市人口迅速增加；
（3）网络环境的改善和优化越来越明显，用户体验变得越来越重要；
（4）不同城市对应用的偏好表现不同；
以往，大部分公司只关注三件事，从 Traffic 到 users 到 revenue，从流量到用户到收入。在人口红利的时代，单纯扩大人群，扩大流量，带来更多的用户，就能产生更多收入。而随着人口红利的饱和，很多 APP 的开发者会发现一个很头疼的问题：用户量上升遇到瓶颈。
这时候，很多应用会做分析，比如A渠道引入用户5000，而B渠道引入用户3000，那么则可以认为A渠道>B渠道；更聪明的会分析留存，这时候得到的结果可能产生一定差异；更加聪明做法应该是关心应用核心事件，衡量核心事件的留存。这数据精细化数据运营的思想。
AARRR 模型
AARRR 模型是Acquisition、Activation、Retention、Revenue、Refer的缩写，分别对应这一款移动应用生命周期中的5个重要环节。
AARRR 模型
当发现产品有问题的时候，这个时候要做的一件事就是分析从用户获取到收入这个步骤中，到底哪一步是最大的问题。最好的方式是首先要监控起用户获取到收入的整个过程，用数据化的工具来监测这个过程。先找到OMTM（one Metric That matters），然后解决这个问题，切不可一下子尝试解决所有问题。
常用分析方法
第一个，结合业务逻辑，进行漏斗转化分析。通过漏斗转化率，寻找OMTM。比如知乎注册的两个入口，首页注册和读文章读到一半的弹窗注册，两个步骤到达注册分别是两个漏斗，可以分析比较这两个漏斗，最终分析用户注册的损失在哪里。漏斗分析，就是通过分析一个过程存在的各个步骤，找到缺口在哪里。
第二个，结合业务，自定义用户留存，关注应用核心事件的留存分析。
第三个，更深入的分析。明确分析目标，提出问题，避免盲目布点，跟踪关键过程。例如，暴走漫画的分类排序，由于用户访问点击率从上到下不是对等的，分局用户持续使用率优化分类排序，最终提升产品质量。
硅谷产品经典案例
Quora：
分享的很多，注册的很少，用户激活的比例偏低 -> 很多人读文章会读完的，大家做了一个措施，读文章一半的时候弹出一个窗口。
留存率比较低，用户在应用里互动比较少 -> 用户读到这篇文章的时候我给他推荐一些相关的文章。
LinkedIn：
200 万到 2 亿的增长非常快，源于growth hacking 的策略 -> 发现很多人在搜索引擎里面搜自己的名字，搜不到结果，想到的办法是用户可以创建公开的个人资料，并且被搜索引擎检索到，用户增长就上去了。
……
总结：AARRR模型中两个关键步骤，用户获取与用户留存，直接关系到应用的最终目的——收入，因此应用十分关注这种亮点。用户增长的瓶颈解决的办法是找到OMTM，而寻找OMTM的需要精细化数据运营分析，例如漏斗转化分析。真正对收入产生直接作用的用户存留并不是简单的新增用户存留，而是关系到应用核心价值体现的事件存留，精细化数据运营分析的自定义存留就是针对这个需求设计的。
网友评论