从消费者行为模式到用户增长模型

消费者行为模型

在日常的产品设计或产品运营过程中，有时可以参照消费者行为模式调整我们的策划，从而获得更高的效果。用户消费者行为模型目前总结了很多的类型。具体使用哪些类型还需要考虑具体的场景。

AIDA

1898年，美国广告学家艾里亚斯·路易斯即已提出称为“AIDA”的消费者行动模式。

AIDA模式代表传统推销过程中的四个发展阶段：

• 设计好推销的开场白或引起顾客注意
• 继续诱导顾客，想办法激发顾客的兴趣
• 刺激顾客购买欲望时是要顾客相信他想购买这种商品是因为他需要
• 购买决定由顾客自己做出最好，推销员只要不失时机地帮助顾客确认

在应用AIDA过程中最难的是刺激购买欲望，包括的：

• 本身没需求产生需求
• 本身弱需求产生强需求

通常刺激需求采用的方法：

• 强调功能或效果
• 夸大痛点与问题
• 利用人性弱点，如攀比心理，从众心理，损失规避等。

传统的推销模型是否能利用？答案是能！最直接的场景：直播带货。

AIDMA

AIDMA，是1920年代美国营销广告专家山姆·罗兰·霍尔（Samuel Roland Hall）在其著作中阐述广告宣传对消费者心理过程缩写。

该模型是AIDA的升级，该模型相比AIDA多了M(Memory)记忆这一项。与AIMA不同的是AIDMA的目标是促成下次转化，而AIMA的目标是促成当次转化。该模型比较适合客单价高、用户购买频率低用户考虑周期长的产品。

该模型主要应用场景是品牌推广，使用时核心的点在于如何让你的广告众多广告中被区分出来，并被消费者记住。

提高广告记忆效果的一些方法：

1、找准受众用户，提高广告受众的涉入程度。

广告受众参与广告活动的四种状态之比较：

被迫参与

被迫参与指受众本不愿接触某广告信息，但为了看/听广告信息前后的新闻/娱乐等内容而不得不成为广告活动中的一个环节，此时受众往往对广告心存抵触。

一般参与

指受众在意识得到或意识不到的情况下参与广告活动，但对广告信息无明显厌烦抵触情绪。在大部分情况下，受众皆属此种状态。广告受众在一般参与广告时，往往受到以下几个因素的影响：

• 广告受众的具体心情以及所处的具体环境
  • 心情愉悦、放松的状态时比较愿意接受广告信息，而处在烦躁、紧张时则容易反感、排斥广告信息
  • 受众在空闲、无聊的时间比较不容易排斥广告
• 广告信息的内容与广告受众的相关性
• 广告信息的播出时间及方式
  • 高频播放对于受众记忆广告起很大作用，但集中轰炸很容易产生疲劳，厌烦的情绪也随之而来

主动参与

指消费者由于需要广告提供相关产品的信息以帮助其实现购买决策而主动查找、观看、阅读相关产品广告信息。引起消费者主动参与广告的产品通常是耐用性产品，比如住房、汽车、家电、家具等。选择这类产品时，消费者往往是比较慎重的，而不是看一两次广告就可以决定买某个品牌的产品的。导致受众主动参与广告的行为主要有以下四个动因：

• 降低信息不对称带来的风险
  • 厂商的信誉、产品的功效、质量、特点等
  • 同质商品、相关替代品的信息
• 增加自己的信息占有量，增加展示机会
• 节约成本，增加消费者剩余以及心理满足感。低价、折扣信息等
• 享受美感、愉悦身心。有创意、制作精美的广告

参与并传播

参与并传播指的是广告受众不但参与到广告活动中，而且还成为广告大众传播的延伸(广告继续传播的载体)。也就是广告受众不仅接收了广告信息，芾且又进一步将广告信息通过一定的方式传播给其他受众。

2、调动消费者的情绪和情感

参见：情感化设计打造理想产品

3、尽量用干净、纯净的广告内容，适当减少广告识记材料的数量

• 广告包含的信息不要太多
• 广告词尽可能短小精悍，字数建议7±2（5～9是一般成人的短时记忆的平均值）

4、运用记忆的编码原理，使语言材料生动、形象，便于记忆

记忆编码就是对外界输入大脑的信息进行加工转化的过程，在整个记忆系统中，编码有不同的层次或水平，而且以不同的形式存在着。具体来说，Ericsson（1988）提出，要想获得很高的记忆技能，必须满足以下三个条件：

• 意义编码（meaning encoding），即信息应该在意义层面上加工，把信息和存储的知识联系起来
• 提取结构（retrieval structure），即线索应该与信息一起存储以利于其后的提取
• 加速（speed-up），即广泛练习以使编码和提取中所涉及的加工过程越来越快，直至达到自动化的程度。

5、利用联想记忆的规律，将广告信息与某一特定的人、物或景联系起来，加强记忆

充分利用图像记忆，声音记忆，嗅觉记忆等综合感官的识别。接地气、贴近生活。广告信息与内容相互融合。尽量运用消费者平时所熟悉的内容，或让人们联想到自己熟悉的事、物。

6、根据遗忘的时间规律适时重复广告

德国心理学家艾宾浩斯(H、Ebbinghaus)于1885年提出了著名的艾宾浩斯遗忘曲线。该曲线表示，在初次习得知识后的遗忘速度是最快的，以后逐渐放慢，因此，要保持习得的知识，在最初的时候要加强重复，以避免遗忘。

AISAS

AISAS模式是由电通公司针对互联网与无线应用时代消费者生活形态的变化，而提出的一种全新的消费者行为分析模型。

AISAS相比AIDMA多出的Search(搜索)和Share（分享），而弱化了Desire（需求）和（Memory）记忆。

添加Search（搜索）的原因：

• 用户期望通过搜索获取到更多的相关信息，确定决策是否合理。
• 用户期望参考别人的意见进行消费，防止踩坑

添加Share（分享）的原因：

• 用户期望通过分享自己的内容，获得外部对自己决策的认可

AISAS通常是如何使用的？

• 软文
  • 通过软文引取用户兴趣
  • 通过软文占据搜索结果
• 单品
  • 通过刷单获取搜索排名，获得更多展示机会
  • 通过堆料打造爆品，获取口碑，赢得品牌信任
  • 提供个性化与客制化服务，可开箱、可测评、可晒单
• 事件营销
• 分享激励
  • 朋友圈分享

SIPS

2011年，日本广告公司电通株式会社提出了社交媒体时代用户消费行为分析的工具“SIPS模型”，该模型认为用户的消费行为经历了四个阶段：

基于SIPS模型能做的内容：

• 以情感营销激发用户“共鸣”
  • 打造优质产品，引发内容共鸣
  • 注重形象塑造，触发品牌共鸣
• 以精准营销引导用户“确认”
  • 精准定位目标群体，满足用户需求
  • 精确识别意见领袖，扩大群体影响
• 以互动营销促成用户“参与”
  • 搭建线上互动平台，培养用户信赖感
  • 延伸线下消费服务，强化用户忠诚度
• 以口碑营销实现用户“共享”
  • 跨平台整合营销，促成用户扩散
  • 建立效果评价机制，重视用户反馈

SICAS

随着互联网的普及人们意识到信息量过于巨大且真假难辨，需要有多种渠道来辅助消费决策；另一方面，信息源又得到了巨大拓展，社交平台成了主要的信息获取渠道之一；同时，科技发展使得每个人的意见传达更便捷、门槛更低、形式更多样，越来越多的人希望表达自己的想法并获取对他人的影响力。用户的消费行为正在由线性的行为消费过程转变为网状、多点双向基于感知的连接，用户的体验分享正在成为真正意义上的消费源头。营销业者需要思考的是如何跟随这样一场变革及时迁徙，把商务营销的主场转移到互联网，而不是在传统媒体与互联网之间寻求结合。在这样一场转移过程中，需要考虑的是如何将Mass Media广播式的广告系统，转变为基于实时感知、多点双向、对话连接的交互系统。从广告、营销到对话的转变，也就是从AIDMA、AISAS到SICAS的转变。

Sense，品牌-用户互相感知

在SICAS生态里，通过分布式、多触点，在品牌-商家与用户之间建立动态感知网络（Sense Network）是非常重要的基础。关于触点，既有去向impression的产生，更有来向的on demand需求响应，对话过程无时无刻、随时随地，广告网络、智能语义技术、社交网络、移动互联网LBS位置服务等，是互动感知网络的基础。对品牌商家来讲，实时全网的感知能力变成第一要义，建立遍布全网的Sensor，及时感知需求、理解取向、发现去向、动态响应以及充分有效的Reach变得非常重要。对用户的感知最为重要，而能够被用户感知到同等重要，这两点是品牌商家建立感知网络的两个关键。对于用户来说，关注、分享、订制、推送、自动匹配、位置服务等，都是其有效感知的重要通路，品牌商家所需要做的，就是以最恰当的方式能够被用户通过这些通路感知。在Sense阶段，有6个衡量企业感知能力的基本指标：

• 感知率：以某种或某些组合手段所能够感知到有效人群与目标市场总体人群之间的比率；
• 感知量：能够感知到的信息范围的多寡，用户人口信息-兴趣需求内容-网络地址信息-现实位置信息-关系链-沟通联系方式等；到达率：营销活动最终到达的人口与能够感知到的人口的比率；
• 理解力：是否能够基于感知到的信息进行分析、理解、响应；
• 感知效率：到达单位人口的目标客户，所发生的成本；
• 被感知率：根据抽样或者全数据实测原则，所了解到的被潜在用户能够感知到的人口比例；
• 回馈率：是否具有双向回路的感知人口在所有目标感知人口中的比率。

Interest & Interactive，产生兴趣-互动

形成互动不仅仅在于触点的多寡，更在于互动的方式、话题、内容和关系。这方面，曝光、印象的效率在降低，而理解、跟随、响应用户的兴趣和需求成为关键，这也是为什么社会化网络越来越成为最具消费影响力的风尚、源头的原因。此阶段的用户，正在产生或者已经形成一定程度的心理耦合、兴趣共振。核心指标：

• 兴趣互动成本效率指标：互动Action行动量、单位互动成本、二跳率、点击率、转化率、播放完成率等；
• 兴趣互动内容特性指标：关系、话题、声量、关注点、好评度、好评点等；
• 兴趣互动品牌服务指标：品牌气质、产品功能、价格评价、使用体验等。

Connect & Communication，建立连接-交互沟通

意味着必须基于广告、内容、关系的数据库和业务网络，基于Open API、Network、分享、链接，将移动互联网和PC互联网结合，将企业运营商务平台和Web、App打通，建立与用户之间由弱到强的连接，而非链接。不同广告系统打通、广告系统与内容、服务系统打通，以及Social CRM等，成为其中的关键。帮助企业建立有效的Connect架构，评估不同方面Connect的成本效率：

• Social Connect：企业是否建立了与主要社会化网络的品牌对话、互动连接通路；
• Ad Connect：企业是否自身或者通过Agence实现了广告系统的数据互联、业务协同；
• App Connect：企业是否通过自有App及第三方App建立与消费者的互动连接通路；
• LBS Connect：企业是否具有通过位置服务为消费者匹配产品服务的能力；
• EC Connect：企业是否将上述通路与电子商务打通，使得消费者可以直达、购买；
• CRM Connect：企业是否实现了原有CRM系统、Social CRM系统互联互通，甚至彻底打通为一体，以及具备将感知网络数据流汇聚到CRM中进行动态实时管理、响应、对话的能力；
• SCM Connect：企业是否已经将后端物流供应链与前段电子商务、客户关系管理打通；

Action，行动-购买

在行动-产生购买（Action）阶段，用户的行为不仅发生在电子商务网站之中，O2O、App、社交网络等，都可能成为购买的发起地点。帮助企业优化销售、电子商务布局，评估不同方面关键指标对于销售转化的价值和意义：

• 电商率：线上销售以及通过O2O带来的销售额在总销售额中的比率；
• 分布率：企业电子商务是一战之内的自主电子商务，还是分布式的电子商务，及其占比；
• 接通率：企业线下销售网店、线上电子商务中与感知网络的接通量、打通率；
• 个性率：是否具备对用户个性化需求的采集、响应、定制、服务能力，及其占比；
• 移动率：企业电子商务在移动终端的部署量以及交易达成量以及在总量中的比率；
• 社会化率：社会化网络来源的流量、声量、购买量在企业商务总量中的比率。

Share，体验-分享

体验-分享（Share）的原始理解在于社会化网络，但是实际过程中，互联网的开放分享会实现对用户体验分享碎片的自动分发和动态聚合，且一切远非口碑营销那么简单。体验、分享并非消费的末尾，很大程度上正在成为消费的源头，且体验分享的关键信息的发现能力，不仅是满足个性化需求的关键，也会成为消费生产力的重要来源。在体验、分享阶段进行互动、引导，其营销价值甚至大过于以广告制造最初的Attention。这是一个消费者主体、用户主权的时代。核心评估指标：

• 体验分享内容指标：话题、关注点、好评度、好评点、传播圈、关键节点等，Interest互动阶段也有相关指标；
• 体验分享互动指标：参与者量、声量、话题数等；
• 体验分享对话指标：企业与进行体验分享活动的用户之家的对话量、响应度；
• 体验分享转化指标：从用户体验分享环境转化到企业品牌社区、官微、官网、电商网站等营销环境的用户的比率；

SICAS模型涉及到的内容非常多，想要执行起来非常的困难。个人认为与此模型比较类似的是小米的“参与感”。如何利用此模型目前个人还没什么清晰的思路。

ISMAS

ISMAS，由北京大学刘德寰教授提出，根据移动互联时代人们生活形态的改变（尤其是用户主动性的增强），针对传统的理论模型提出的改进模型。即：

ISMAS直接丢掉了之前的“广告”元素，认为在移动互联与社交媒体高度发达时代，用户直接就已经有兴趣植入，用户的消费进入了主动消费的时代。消费者对于购买目标十分清晰，并且知道该如何去进一步进行主动购买，寻求口碑效应，并且最终会讲购买心得作以分享，形成二次口碑。

ADMAS

广告在企业的市场营销活动中处于重要环节，担负着协助企业进行商品促销，开拓市场，吸引消费者的任务[8]。网络时代，社会化媒体给予用户极大的参与空间，使得消费者对商品的诉求越来越高。因此，在商业广告创意过程中，对消费者心理的研究和分析就显得至关重要。传统的AIDMA、AISAS和ISMAS模式均具有一定的时代优势，但未进行系统的整合，也未曾从广告创意策略方向进行探讨。基于此背景，将消费行为模式的相关理论进行整合，创新性地提出了ADMAS消费行为模式。

• Attention(引起注意)，只有具有异质性的信息才能被消费者注意到，进而产生兴趣。
• Desire(需求)，消费者大多数是理性的，会在已知的商品信息基础上进行需求评估，判断该商品是否能为自己带来价值，或满足物质需求，或满足情感需求，或是带来艺术享受，并决策是继续进行信息搜集，还是放弃购买。
• Message&Mouth(信息与口碑)，当商品能够满足消费者一定的需求时，消费者往往会对商品的信息进行主动搜索，希望尽可能地了解更详尽的信息来支撑自己的购买决策。
• Alternative(选择)，消费者在进行信息搜索时，会不可避免地搜索同类型产品进行比较，根据结果选择购买方案。在这一阶段，企业要为自己的商品增添独特优势，在社会生产能力极度提升的今天，产品的本质差距不大，更多的是对商品形象的塑造。
• Share(分享)，为满足社交需求，消费者会主动进行消费体验分享，以获得关注。消费者基于消费体验进行信息分享，优质的信息分享来源于优质的消费体验。

相关策略：

• Attention，满足消费者求新、求异的心理
  • 创异：广告在构思上要不落俗套，新颖别致，具有独特性，只有具有异质性的信息或信息表现形式才能打破大众对信息麻木，甚至是拒绝的状态。
  • 创疑：广告创意设计要利用消费者的好奇心、运用各种表现手法布下疑阵，使得消费者对广告画面产生猜疑和紧张的心理，使广告的内容和诉求长久地印记在消费者的脑海中，引起消费者思考。
  • 创易：广告要简洁，色彩选择要简单舒适，广告内容要简易明了。在繁杂的信息中，广告所负载的信息过多会引起受众的烦躁及冷漠。
  • 创忆：广告信息的可记忆性是评价广告的重要指标，广告的效用主要表现为消费者对广告信息的记忆，制造记忆点，与消费者的已有记忆产生联结，这会对消费者的购买行为起到直接或间接的促进作用。
• Desire，在广告中传递商品的价值，满足消费者的物质和心理需求
  • 创怡：给受众一种舒适、美好的心理感受。
  • 创艺：要创造性地运用艺术，吸引消费者眼球、进行情感刺激，进而传递商品信息，刺激消费者的心理欲求。
  • 创益：要向受众提供商品的物质或心理功能来满足受众的物质和情感需要
• Message&Mouth，能起到造势的作用，使消费者自发地进行信息搜寻和话题讨论
  • 创议：话题性广告带来的是消费者的关注度，创造话题是争夺消费者有限注意力的重要手段。
  • 创亦：广告创意要能够引起群体效应和偶像效应。
• Alternative，产品本质相差较小时消费决策很大程度上依赖于其对产品的情感诉求
  • 创翼：广告创意要塑造优秀、成功、符合消费者所期待的形象，引领消费者去追求更优秀的自己。
  • 创移：广告创意要能够与消费者产生情感共鸣，满足消费者的情感诉求。
• Share，优质体验的分享会为商品塑造良好的口碑，消极的分享会影响其他消费者对产品的认知和购买
  • 创宜：提升消费者的满意度

消费者行为模式总结

关于消费行为模式这么多的类型，如何决定我们应该使用哪个模型？有些人可能认为应该选择最新的，有些人可能以为应该选择最为流程的。我的建议是把上述所有流程串联起来，选择你认为最重要的。再跟进你认为重要的选项去完善你对应的策略。

用户增长模型

从PULSE到HEART

PULSE模型

PULSE模型是传统的网站衡量指标，基于商业和技术的产品评估，被很多公司和组织广泛应用于跟踪产品的整体表现。构成PULSE指标主要有：

• Page view/页面浏览量
• Uptime/响应时间
• Latency/延迟
• Seven days active user/7天活跃用户数
• Earning/收益

这些指标非常重要，并且和用户体验息息相关。一个用户体验佳的产品在PV和用户量上应当是会不断增长的。但是这些指标要么太表面化，要么只是间接和用户体验相关，很难用来评估改变交互界面对于用户的影响。并且他们也经常产生负面的互相影响——比如一个特定功能页面的PV上升可能是由于这个功能真的很棒，或是界面让用户迷惑，而想通过不断的点击尝试离开。改变所带来短期的价值提升，但糟糕的用户体验长期来说会造成用户的流失。在一段特定时期内的用户指标数，例如七天活跃用户数常常被用做用户体验指标。该指标度量了整个用户群，但没有反映用户对于产品的深入程度，比如七天之内来访的频数，同样它也没有区分新老用户群体。在最糟糕的情况下，100%的活跃用户都是新访客，但活跃用户总数仍在不断增加，这对于产品来说显然是失败的。

HEART模型

基于PULSE中存在的不足，结合用户体验质量以及让数据更有实际意义的需求，Google提出了一个作为补充的度量框架：HEART。

• Happiness/愉悦度
• Engagement/参与度
• Adoption/接受度
• Retention/留存率
• Task success/任务完成度

这五项仅仅是指标体系的范畴，不同的产品可据此定义具体的指标，用以监控完成目标的过程。愉悦感结合用户的满意度来度量，任务完成度结合任务完成的效果和效率来度量。参与度、接受度、留存率是全新的范畴，一般通过广泛的行为数据来制定。通常并不适合在一个指标设定中用到所有维度，但可以参考该框架来决定是包括或排除某个维度。比如用户是要将使用你的产品作为工作的一部分，在这种企业环境下参与度就没有什么意义了。在这个案例中可以考虑选择愉悦感或者任务完成度。

• 愉悦感：愉悦感是设计用户体验中的主观感受问题，像满意度、视觉感受、向别人推荐的意愿、易用性感知。可以通过好好设计问卷长时间监控相同的指标来看设计修改后带来的变化。
• 参与度：参与度是用户在一个产品中的参与深度，在这个维度上，通常用来作为一段时期内访问的频度、强度或互动深度的综合。比如单用户每周的访问次数，或者用户每天上传的照片数，这比总量要好——因为总量的增长可能是由更多的用户的产生，而不是更多的使用产生的。
• 接受度和留存率：接受度和留存率指标通过特定时期内大量用户的统计提供强大的洞察，来定位新用户和老用户的差异问题。接受度监控特定时期内有多少新用户开始使用产品，而留存率则监控特定时期内有多少用户在下稍后一个时期内仍然存在。
• 任务完成率：任务完成率维度包括一些传统的用户体验行为指标，比如效率（如完成任务的时间），效果（比如任务完成的百分比）以及错误率。

目标-信号-指标：不管定义的用户中心的指标是怎样的，如果不能精确的和目标相关，以及能够跟踪达到目标的过程，那么都是白搭。

• 目标：定义产品或功能的目标是什么，特别是在用户体验方面。用户需要完成什么任务？重新设计是试图达到什么？
• 信号：想想用户的行为或态度如何体现成功或失败。什么行动会表示目标已经达到？什么感受或看法能够联系到成功或失败？在这个阶段你应该思考你的这些信号的数据源可能是什么？
• 指标：想想这些信号是否可以转换为特定的指标，是否可以被方便的持续跟踪。

从AARRR到RARRA

AARRR模型

AARRR模型又称为海盗指标。是2007年由 Dave McClure（500 Startups创始人）提出的一种业务增长模式。它包括5个阶段：获客（Acquisition）、激活（Activation）、留存（Retention）、商业变现（Revenue）、用户推荐/自传播（Referral）。它被广泛接受为公司关注的五个最重要的指标，因为这些指标有效地衡量了公司的增长，同时又简单且可操作。

AARRR着重解决三个问题：

如果从AARRR模型的转化关系来说，解决这三个问题就是回答用户从何而来，是否喜欢APP，留下来多少人，多少人为此而付费，是否具有较高的传播价值。这几个问题是一个优秀APP产品走向成功所要必须回答的问题。

放眼整个APP业务，数据分析起到桥梁的作用，在APP研发、营销、运营等关键节点上，APP数据分析都将有所衡量和提供决策支持。

获取用户（Acquisition）

用户获取分析的关键在于找出最有价值的渠道。最有价值的渠道并不一定是用户量最大的渠道，而是指那个为我们带来了“触发关键行为的用户”的渠道。如果你比较怕麻烦，欢迎使用最简单粗暴的“关键行为”指标——留存率。

关注指标：用户生命周期价值(LTV)>用户获取成本(CAC)

• 用户数量
• 渠道转化率
• 自然增长用户Organic Users
• 推广获得用户 Marketing Users
• 虚假用户数(One Session/Day User)：一次会话用户。主要用于监控渠道刷量作弊。同时也可反映目标用户的使用习惯，判断渠道获取的用户是否有效，从而评价渠道推广质量。
• 渠道增长率：
• 渠道份额
• CAC(Consumer Acquisition Cost) CAC = 投入成本/有效用户数

提高活跃（Activation）

提到活跃，首先会想到的指标是DAU（日活跃用户）、MAU（月活跃用户）。这两个数据基本上说明了应用当前的用户群规模。通常活跃用户是指在指定周期内有启动的用户。另外针对使用时长和启动次数的渠道统计同样很重要。

关注指标：

• 活跃用户
  • 每日活跃用户数量(DAU)、每月活跃用户数量(MAU)
  • 活跃用户比例=一段时间内活跃用户数量/一段时间内累计用户数量
  • 日活跃率、周活跃率、月活跃率
  • 一次性用户(One-Day User)
  • 一次性用户比例：一次性用户数/累计用户数。
• 启动次数
  • 一般建议30分钟内重复开启记录为一次完整使用，不单独计量。
  • 日启动次数、周启动次数、月启动次数、日平均启动次数：该日平均每用户启动应用次数。 日启动次数/日启动用户数
• 使用时长
  • 平均单次使用时长
  • 平均日使用时长
• DAU/MAU
  • 比值越趋近于1表明用户活跃度越高，在比值低于2时，应用的传播性和互动性将会很弱。行业中也常用DAU/MAU乘以30来计算每月用户平均活跃天数。
  • 好的产品会有更高的DAU/MAU比值。

提高留存（Retention）

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。

关注指标：

• 用户在某段时间内开始使用产品，经过一段时间后，仍然继续使用产品的被认作是留存用户；这部分用户占当时新增用户的比例即是留存率。
• 日留存(1Day Retention)、周留存(7Day Retention)、月留存(30Day Retention)

获取收入（Revenue）

LTV – CAC的差值，就可以视为该应用从每个用户身上获取的利润。所以最大化利润，就变成如何在降低CAC的同时，提高LTV，使得这两者之间的差值最大化。

关注指标：

• ARPPU, Average Revenue per Paying User, 即平均每付费用户收入。一般以月为单位计算，计算方法如下： 月总收入/月付费用户数。ARPPU反映的是平均每个付费用户的付费额度。
• ARPU, Average Revenue per User, 即平均每用户(活跃用户)收入。一般以月为单位计算，计算方法如下：月总收入/月活跃用户数。ARPU反映的是总体收入在整体用户中均摊的情况，通常该值会远小于ARPPU。
• 付费转化率(Conversion Rate)，付费用户占整体活跃用户的比例。一般以月为单位计算。计算方法如下：月付费用户数/月活跃用户数
• 用户生命周期价值(LTV)，LTV就是某个用户在生命周期内为该应用创造的收入总计，可以看成是一个长期累计的ARPU值。每个用户平均的LTV = 每月ARPU * 用户按月计的平均生命周期。比如，如果APP的ARPU = $0.5, 用户平均生命周期为3个月， 那么LTV = $0.5 * 3 = $1.5。

推介&自传播（Refer）

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。从自传播到再次获取新用户，应用运营形成了一个螺旋式上升的轨道。

关注指标：

• K因子(K-factor)：K = (每个用户向他的朋友们发出的邀请的数量) * (接收到邀请的人转化为新用户的转化率)。当K>1时，用户群就会像雪球一样增大。如果K<1的话，那么用户群到某个规模时就会停止通过自传播增长。

AARRR专注于获客（Acquisition），作为一个2007年提出的概念， AARRR模型可能已经不再适用互联网运营这个瞬息万变的场景。原因有二：

• 获客成本增加
• 流失率高

因为以上两个原因，现在黑客增长的真正关键在于用户留存，而不是获客。所以我们需要一个更好的模型——RARRA模型。

RARRA模型

RARRA模型是托马斯·佩蒂特Thomas Petit和贾博·帕普Gabor Papp对于海盗指标-AARRR模型的优化，RARRA模型突出了用户留存的重要性。

RARRA模型把用户留存放到了第一位，作为了用户增长的核心。在做好用户留存之后，再去优化用户的激活，让用户在产品内尽快产生关键行为，体验到产品的啊哈时刻，之后用户产生推荐传播和持续付费贡献，最后在前面四个环节已经优化验证后，再发力用户获取，实现良性的用户增长，在用户数量增长的同时，用户质量和用户价值同样增长。

用户留存的底层逻辑：产品是前提

用户留存的思路方法：价值与成本

• 产品满足了用户需求，为用户提供持续的价值
• 没有合适的替代产品，或转换到新产品成本高

感知产品价值，形成使用习惯：

• 提升核心功能的使用频次
• 增加用户的产品使用时长
• 拓展产品的用户使用场景

Hook上瘾模型，留存终极目标

Hook上瘾模型是尼尔·埃亚尔及瑞安·胡佛提出的理论，在其《上瘾：让用户养成使用习惯的四大产品逻辑》一书中进行了详细阐述，对于用户留存来说也有极大参考价值，从产品层面利用Hook上瘾模型，培养用户习惯，是用户留存的理想状态。

用户留存的前后延伸：拉新与流失

• 拉新关注质量（拉新和留存配合优化）
• 流失及时预防
  • 流失用户定义（什么样的用户叫流失用户？30天没有访问？）
  • 确定流失征兆（用户流失前会有什么特征？进行过哪些行为？）
  • 设置预警机制（当用户有流失征兆时及时干预，减少流失）
  • 流失用户召回（已经流失的用户进行阶段性的召回）

阿里三把斧：AIPL、FAST、GROW

AIPL模型

AIPL模型指的是来源于美国的一个营销模型，AIPL的意思分别是认知(awareness)、兴趣（interest）、购买（purchase）和忠诚（loyalty），就是用户从看到你→点你→产生兴趣→购买的过程。

AIPL模型可以帮助商家通过不同的付费工具，匹配不同的场景，加上溢价和创意，分别匹配不同的策略，满足不同阶段的客户需求。AIPL模型，本质上是将各类的电商行为数据进行了一系列清洗，建立了一个综合数据模型。包括品牌商品的曝光、点击、浏览，用户的搜索、成交、加购、分享等等行为。是一个对品牌消费者情况比较全面的衡量。这里要引入一个重要概念：触点。触点，就是品牌和消费者建立联系的一个环节、或者实物。以下是阿里AIPL的计算逻辑：

在这个计算模型的基础上，计算每个品牌有多少认知用户、多少兴趣用户、多少购买、忠诚用户，成为了可能。所有的四类用户合起来，就是该品牌的消费者资产，所有的消费者都是可以用来进行营销的。针对认知、兴趣用户，可以进行促购买转化；针对购买用户，可以进行复购转化；针对忠诚用户，可以进行深层次需求挖掘，提升品牌忠诚度。可以说，根据用户的的分层，可以进行的营销方式就更加有了针对性。同时，也可以对消费者资产进行数据监控，衡量各个活动的效果，和传统的相比，有了量化的衡量尺度，就是质的提升，对营销来讲相当于有了很好的标准。品牌数据银行这个数据产品，就基于该模型，进行了各个维度的洞察分析。

FAST模型

如果说AIPL是帮助商家了解品牌人群资产总量，以及各链路人群的多少，那么FAST就是在此基础上，又从数量和质量两个维度，来衡量品牌在人群资产运营是否健康的模型。

该指标主要帮助品牌了解自身的可运营消费者总量情况， 首先利用 GMV 预测算法，预估品牌消费者总量缺口，然后基于缺口情况优化营销预算投入，站内外多渠道种草拉新，为品牌进行消费者资产扩充；并指导品牌进行未来的货品规划和市场拓展，多方位拓展消费者。

• F（Fertility）可运营人群数量-活跃消费者：该指标主要帮助品牌了解自身的可运营总量的情况，首先利用GMV预测算法，预估品牌消费者总量缺口，然后基于缺口情况优化营销预算投入，站内外多渠道种草拉新，为品牌进行消费者资产扩充，并指导品牌进行未来的货品规划和市场拓展，多方位拓展消费者
• A（Advancing）人群转化力-关系周加深率：多场景提高消费者活跃度，促进人群链路正向流转，多渠道种草人群沉淀后，进一步筛选优质人群，通过钻展渠道进行广告触达，品牌内沉淀人群细分，对消费者进行分层运营，差异化营销，促进整体消费者的流转与转化。
• S（Superiority）高价值人群总量-会员总量：会员/粉丝人群对于品牌而言价值巨大，能够为品牌大促提供惊人的爆发力，通过线上和线下联动，联合品牌营销，以及借助平台的新零售等场景如天猫U先，淘宝彩蛋，智能母婴室扩大品牌会员/粉丝量级，为后续的会员/粉丝运营打下基础
• T（Thriving）高价值人群活跃度-会员活跃率：借助大促，提高会员/粉丝活跃度，激发会员/粉丝潜在价值，为品牌GMV目标完成提供助力，对会员/粉丝按照RFM指标进行分层运营，优化激活效率，千人千权触达惩戒，公私域结合，赋能会员/粉丝运营。

FAST体系在数量指标层面，提供全网消费人群总量（Fertility）和高价值人群-会员总量 （Superiority）；在质量指标层面，提供了人群转化率 （Advancing）和会员活跃率 （Thriving）。

GROW模型

增长，应该是营销人永恒的课题。特别是在互联网流量红利见顶下的存量时代，增长变得愈发的“难”。通常难在3个地方：找不到帮助品类增长的方向、缺乏明确的品类增长抓手、品类增长效率较低。

于是，作为如今定位为商业操作系统的阿里，就提出了适用于母婴、食品、家清、美妆、医药保健和个护等几大一级类目的大快消行业增长“仪表盘”——GROW模型。GROW中的4个单词分别代表着影响品类增长的“决策因子”：

• 渗透力（Gain）: 指消费者购买更多类型品类 / 产品对品牌总增长机会的贡献
• 复购力（Retain）: 指消费者更频繁 / 重复购买产品对品牌总增长机会的贡献
• 价格力（bOOst）: 指消费者购买价格升级产品对品牌总增长机会的贡献
• 延展力（Widen）: 指品牌通过提供现有品类外其他关联类型产品所贡献的总增长机会

对于不同的品类，拥有对应的GROW指数，即根据 （G）、（R）和（O）对各自的 GMV贡献计算出各自的G/R/O 的值。这个是指导对应品类在增长上的发力方向。

比如：

• 母婴行业的品类渗透力（G）明显高于其他因子
• 食品和家清行业的复购力（R）机会突出
• 美妆和医药保健行业的价格力（O）机会最大
• 个护行业各方面增长机会均匀，渗透力（G）的机会略高

腾讯CIT、字节跳动5A、爱奇艺AACAR

腾讯CIT

腾讯广告副总裁蒋杰对外展示了腾讯广告的产品技术体系全景。从“用户理解”、“用户触达与影响”及“用户转化与运营”三大环节,腾讯广告为企业的全链路数字化营销提供了全面的产品技术支撑。蒋杰表示:“腾讯广告的产品和技术旨在连接用户与商业,驱动交易全链路的用户增长,让我们的技术能够为商业创造更好的价值。”

如果说过去的整合营销，是由多种渠道向消费者传达同一个声音，那么全链路营销则更加关注利用不同的触点，对消费者的行为进行一系列的影响。然而，这里的“影响”应被看作是一个循序渐进的过程。

腾讯的“全链路营销”：

在移动互联网时代,营销正在回归以用户为中心、定位新的价值增长点这一本质。伴随不可逆的用户数字化转变,围绕用户进行价值创造的钥匙,就是坚定深入的全链路营销数字化所带来的增长驱动。

前链路-流量缩距：完成浅层目标

在全链路的运营中，前链路更像是整条链路中的铺垫阶段。通过线上线下引流、微信公众号广告加粉、微信小程序广告留存等方式对公域流量进行运营，从而累积品牌私域体量，沉淀品牌私域资产，以此完成流量缩距的碰撞。这一链路，拉近消费者与品牌距离的同时，更为后期阶段的高效转化提供了基础。

后链路-流量收割：完成深层目标

在前链路动作完成后，后链路的流量收割便比直接投放广告要容易得多。当品牌完成一定的私域流量积累，透过节日营销、新品上市、会员营销等手段，利用奢侈品行业“话题性”、“时令性”、“稀缺性”三大特点进行流量收割，达成的效果将事半功倍。

字节跳动 O-5A-GROW

5A就是科特勒在《营销4.0》中，以5A理论重新定义了用户与品牌间的关系，即Aware（感知）、Appeal（好奇）、Ask（询问）、Act（行动）、Advocate（拥护）这一传播模型更好地还原用户与品牌间关系流转的全过程。这里的拥护就很有意思，这个拥护可以是传播分享、也可以是品牌维护等，对品牌正向的行为。

O就是Opportunity，分成4块：

• 基于流转分析挖掘的人群
• 基于历史投放高CTR扩展人群
• 用户行为&兴趣定向人群
• 传统DMP定向意向人群

O将人群进行了分类，结合5A，相互区分。比如喜不喜欢一个艺人，喜不喜欢一个节目，全部是根据用户的行为决定的。也可以是根据我初始的订阅，自我标签的。根据行为反馈的数据表示，他喜欢，那就投好的料给他，他就会给你好的表现行为。而有些用户不匹配，投再多的料也没用，反而还会给你差评。

投放对看用户的心理，看不同人群的反应，反应出来是5A中哪一个，然后进行打分，也可以是权重的指标。O+5A 之后用GROW 去驱动它。

GROW

• G | Gain 品牌知名度
• R | Relation deepening 深度种草
• O | Owned self-media 众媒养成
• W | Word of mouth 口碑建设

爱奇艺AACAR

爱奇艺通过九年多来在广告领域的不断创新，逐步的总结出一套方法论，构建起AACAR营销模型。包括Attention引起注意、Association产生联想、Consensus共鸣共识、Action购买行为、Reputation口碑分享 ，即一条从品牌曝光到品牌认知建立再到后链路转化的完整营销路径，把带来的海量用户变成一个营销的饕餮盛筵呈现给广告主，并通过不断创新，结合科技、用户、效果层面加持，满足广告主“品效协同”诉求。

在AACAR营销模型的框架之下，爱奇艺发挥了其在洞察、创意和科技方面的三大核心势能，以此衍生出 视觉引关注、互动生好感、品效共协同、科技享智能、用户全覆盖、效果双引擎六大类营销创新。

• 视觉引关注：从“Attention注意”到“Association联想”，即通过视觉冲击力，建立品牌认知。
• 互动生好感：即从“Association联想”到“Consensus共鸣”，即强化品牌形象。在消费者注意力日益碎片化、缩短化的背景下，互动视频广告可以充分调动用户参与热情，让用户对广告的感知从被动接受到主动获取，大大提高了传播效率和营销效果。
• 品效共协同：从“Consensus共鸣”到“Action”购买，即形成品效协同。这一部分的最新营销产品是 多屏品效协同广告。
• 科技享智能：即在科技方面， 通过AI智能技术，提升广告精准程度 。
• 用户全覆盖：覆盖更多用户，包括VIP用户，对于VIP会员群体，用什么样的方式与这部分优质用户进行更好的沟通，一直是视频营销领域思考的问题。
• 效果双引擎：通过广告形式创新以及智能营销技术，提升后端转化。尤其是激励广告，用户完成广告任务会有送会员或其他奖励，在这样的激励下，转化效率极大提升。此外，基于智能内容理解的精准定向广告会让效果更精准。

从增长循环到飞轮理论

增长循环 Growth Loops

2018年由四个知名的矽谷互联网公司的高管/创投提出了一个全新增长框架Growth Loops。

• Brian Balfour（Founder/CEO @ Reforge. Former VP Growth @ HubSpot）,
• Casey Winters（Chief Product Officer @ Eventbrite. Growth Advisor. Former Pinterest, Grubhub.）,
• Kevin Kwok（Former Greylock Ventures）,
• Andrew Chen （Partner @ Andreesen Horowitz. ex-Growth @ Uber）

常见的几个Growth Loops：病毒式裂变（Viral loop）、补贴增长（Paid loop）、UGC内容循环（User-generated content loop ）。Growth Loops的步骤组成主要有三个：输入Input (拉新/激活)、行动/步骤Action/Step、输出Output (转化/收益)。

Growth Loops 的核心理念在于：让三步骤流程建立一个系统而非断裂的模块。以病毒式裂变为例：使用产品->推荐给好友>好友使用产品>推荐给另一个好友->如此循环往复。例如：邀请好友使用滴滴，双方均获得10元乘车体验金。

有关病毒传播的一些容易被忽略的事实

• 人们对于社交网络的传播作用过于乐观
• 口头传播比广告更精准，转化率极高
• 重要的是传播的内容，而非传播者
• 传播的素材不是与生俱来的，是刻意创造的

Pinterest 的核心增长动能，就是来源于网站上UGC 的内容。种子用户输入（input）了内容，其他用户因为内容而在平台上产生了更多的engagement，而后因为这些UGC 内容持续从外部为Pinterest 带来更多的新老用户而形成了Loop。

飞轮理论 Flywheel Model

知名的Amazon飞轮理论(flywheel model)，其实也是Growth Loop的概念。Amazon能够发展到今天这么成功，归功于他所做的事情能够推动飞轮持续不断的滚动！

飞轮模型最大的功劳就是把漏斗和倒漏斗模型连接在一起，形成了一个有自驱力的增长闭环。

飞轮的重点就是把用户给我们带来的增长能量用上，保持转下去。为了使它转得更快，你再叠加上去的所有能量都在增大能量池的大小。飞轮能不能持续转下去取决于三个因素：

• 动能
• 摩擦力
• 体积和自重

动能

飞轮的旋转速度是通过我们在它最有影响的区域施加更多的力量而提高的。在漏斗模型里，所有的力量都用在了吸引和获取用户上，改进版里增加了留存。而在飞轮模型里，你还需要取悦用户并且帮助他们成功。这里要注意的是，既然试图在各个方面想方设法推动飞轮，就要确保所有的力量方向都是一致的。比如：销售人员和帮助用户成功的人员之间如果没有缺乏一致性，会让用户很不愉快并且流失，让你的飞轮速度慢下来。而销售和市场的不一致是另一个会拖后腿的典型原因。保持方向一致性，这一点至关重要。

摩擦力

我们可以找到用户丧失动力的地方并加以改进，以此来降低摩擦力。提高转化率，取悦用户，找到让用户流失的问题，都可以提高飞轮的速度。另一个重点角度是从团队和组织的角度考虑摩擦力。用户分组，人员之间的交接，专业化不足都可能导致摩擦。

自重和体积

当我们成功地提高了速度和降低了摩擦，会发现用户变得更加愉快了。而更愉快的用户意味着“更重“的飞轮，旋转的时候能产生更多的能量。这意味着，随着用户数量的增长，飞轮会带来更多增长。如果把用户“密度”也纳入考虑，让他们更多地使用我们的产品或者变得更有”粘性“，我们就能实现更多的动力和增长。

操作时，按照以下 3 步进行。

步骤一：找到衡量指标

飞轮模型其实是个半成品，有一个固定的框架，但还需要企业自己去填充关键指标。

先搞清楚飞轮的现状，三个阶段：吸引、参与、取悦。

• 吸引→ 利用企业的资源、知识，生产内容，从而与对的人建立有意义的关系。
• 参与→ 通过提供能解决见解和解决方案，与人们建立持久的关系。
• 取悦→ 提供卓越的体验，能够实现用户的目标，让用户成为公司的推动者。

问自己两个问题：

• 我们在飞轮的每个阶段已经做了什么？
• 我们用什么衡量这些事情的成功或失败？

步骤二：最大化愉悦感

根据你绘制的飞轮，评估每个阶段用户体验的现状 → 想办法最大限度提高用户的喜悦，增加口碑。

步骤三：降低摩擦

找出用户与企业之间的摩擦、因团队内部摩擦导致的不好用户体验 → 重新调整，减少这些摩擦，更好地为用户服务。可以拆成四步来进行：

• 摩擦点在哪里？
  • 外部，可以看看用户和潜在用户的抱怨，他们在与公司接触的时候有遇到哪些困难。
  • 内部，可以想想哪些指标是反复努力也没办法提升的，哪些流程时间超过它应有的长度，还有一些常见的问题来源。
• 哪些点是可以被自动化的？
• 哪些是可以通过目标统一来解决的？
• 哪些可以通过组织调整来解决？

增长公式

看完这么多模型你是否心理也有疑惑，我到底该用哪个？用最新的？用最流行的？

我的建议是具体问题具体分析，以上的模型都只能作为参考，用来完善你自己的增长体系。以上的成功案例，都是先成功，后总结。无论哪一个都不是拿着方法论去套用的。唯一不变的是用户体验。

参考链接：

• 一文讲透用户消费行为模型（AIDMA、AISAS、SIPS、SICAS、ISMAS）
• 消费者行为分析模型如何从AIDMA、AISAS演变到SICAS的？
• ADMAS广告创意策略理论模型的提出
• Google 用户体验指标衡量方案：HEART
• AARRR已是过去式，而RARRA才是更好的增长黑客模型
• 阿里3大营销模型：AIPL、FAST、GROW
• 字节跳动的数字营销用户增长模型
• 解析flywheel飞轮模型以及它的落地路径