AARRR是Acquisition、Activation、Retention、Revenue、Refer，这个五个单词的缩写，分别对应用户生命周期中的5个重要环节。

1）Acquisition 用户获取：获取用户是运营产品的第一步，即推广。这个阶段最关心的数据是下载量、安装量。

2）Activation 用户激活：用户通过不同渠道进入应用，运营者需利用相关运营手段将被动进入应用的用户转化为活跃用户。比如体验良好的新手教程。

常用的数据指标：DAU(日活跃用户)、MAU(月活跃用户)、每次启动平均使用时长、每个用户每日平均启动次数。版本、页面转换路径和自定义事件也是很好的分析维度。

3）Retention 用户留存：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。

运营需要通过日留存率、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留存率要高。

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）Revenue 获得收益：获取收益是运营最核心的一块。

 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。

常用的数据指标： ARPU(平均每用户每月收入)值。

5）Referral 自传播：基于社交网络的病毒式传播，已成为获取用户的一个新途径。

成本低，效果好。唯一的前提是产品自身要足够好，有很好的口碑。

RFM模型是衡量客户价值和客户创利能力的重要工具和手段。在众多的客户关系管理(CRM)的分析模式中，RFM模型是被广泛提到的。

该机械模型通过一个客户的近期购买行为、购买的总体频率以及花了多少钱3项指标来描述该客户的价值状况。

第一级是社区的管理人员；第二级是用户管理工具；第三级是有价值用户，即足够活跃且能够给社区贡献有效价值的用户；第四级是一般性用户。

用户金字塔模型的建立，自上而下，上层影响下层。目的是让运营者对用户的构成有清晰的了解。

工作场景：多用于用户的管理，确保促活和留存。

实际工作中，需要关注的是金字塔顶端20%的用户；可以利用模型有效地管理用户，并且每个模块可以再进行拆解成小金字塔。

作为管理工具，用户金字塔模型可以增加用户和用户之间的关系。

数据思维，描述、定位、需求、应用、技术和价值角度对数据思维进行了阐释，这六个角度基本上能概括用数据来分析和解决问题的过程和机理。

用户生命周期是指从一个客户开始对企业进行了解或企业欲对某一客户进行开发开始，直到客户与企业的业务关系完全终止且与之相关的事宜完全处理完毕的这段时间。

客户的生命周期是企业产品生命周期的演变，但对商业企业来讲，客户的生命周期比企业某个产品的生命周期重要得多。

客户生命周期描述的是客户关系从一种状态（一个阶段）向另一种状态（另一个阶段）运动的总体特征。

转化漏斗模型是指多个自定义事件序列按照指定顺序依次触发的流程中的量化转化模型。

通俗的说，从起点到终点的多个环节中，每个环节都会产生用户流失，依次递减，每一步都会有一个转化率。

AIDMA理论是漏斗模型的基础。

包括：
1）Attention：关注
2）Interest：兴趣
3）Desire：渴望
4）Memory：记忆
5）Action：行动/购买

Moment of Truth，描述消费者被营销或者激发之后发生的行为变化的关键时点。

第一、对于一次成功的转化，各个渠道或触点各有多少的功劳；

第二、描述各个渠道或触点对该转化进行贡献的先后关系甚至因果关系。

Cohort即分组、同期。Cohort模型通过对性质完全一样的可对比群体的留存情况的比较，来发现哪些因素影响短、中、长期的留存。

优点：简单，直观。相较与比较繁琐的损失分析，RFM或者用户聚类等，Cohort只用简单的一个图表，就直接描述了用户在一段时间周期（甚至是整个LTV）的留存（或流失）变化情况。

用户流失预测模型包括：

1）定义用户流失周期
目的是判断用户是否流失。这里引入回访率（即某日登陆的用户中在其后再次登录的用户数/当时登录的用户数*100%)。

用户流失期限越长，用户的回访率越低，存在一个时间拐点，在该周期后用户回访率随周期的延长而下降缓慢，下降缓慢的这批用户即为平台长期活跃用户，而该周期即为用户流失周期。

2）抽取建模样本
抽取的用户是已经过了上述的流失周期（即可定义用户是否流失）。

参与建模的指标维度：用户基本信息、访问行为、消费行为。

3）使用决策树预测用户是否流失

模型首先需要将用户分成训练集和测试集(默认划分为13比7)，然后用训练集的数据来训练模型，在用来预测测试集，最后用预测的准确性（AUC）来评估模型。

流失用户的原因分析以人（平台用户）、货（如电商商品）、场（平台、竞品等）三个维度为主。

用来评估客户流失预测模型预测效果好坏的一个重要指标，就是提升度。

所谓提升度，是指使用模型预测客户流失比不使用模型要好多少。

ARGO是在增长停滞，或者增长乏力时（也就是产品的存量阶段）的一套运营模型，基于用户生命阶段落实到具体操作的层面，在保证运营目标完成的同时，不断的提升用户生命价值LTV。

作用：帮助企业设计用户运营目标及策略，从Acquisition获客转化，Retention活客粘客，再到Growth创造价值，构建起Open开放的用户运营平台。

整个模型是在用户开始使用产品时开始，在每个阶段为用户提供个性化的需求，在正确的时间通过正确的运营策略和触达动作，追求用户的运营效率和利益最大化。

模型用来分类用户需求，确定需求优先级。

Kano定义了三个层次的顾客需求：基本型需求、期望型需求和兴奋型需求

基本型需求：基本型需求是用户对企业提供的产品/服务因素的基本要求，是用户认为产品/服务“必须有”的属性或功能。

当其特性不充足(不满足顾客需求)时，顾客很不满意;当其特性充足(满足顾客需求)时，顾客也可能不会因而表现出满意。

期望型需求：期望型需求是指用户满意度与需求的满足程度成比例关系的需求。

期望型需求没有基本型需求那样苛刻，其要求提供的产品/服务比较优秀，但并不是“必须”的产品属性或服务行为。

兴奋型需求：兴奋型需求要求提供用户一些完全出乎意料的产品属性或服务行为，使用户产生惊喜。

当其特性不充足时，并且是无关紧要的特性，则用户无所谓，当产品提供了这类需求时，用户就会对产品非常满意，从而提供用户的忠诚度。

重点维护高利润用户，同时也要关心不给利润但是占据大部分公司资源的客户，这部分客户要舍弃。

而中间大多数在恒定值附近的客户，则要进行标准化服务，节省资源，让边际成本降低。

正太分布模型经常会用在B2B商业中，当用户运维的资源更加粗放，而且资源非常有限的时候，就可以用正态分布模型。

HOOK模型（上瘾模型）由《上瘾》的作者尼尔·埃亚尔、瑞安·胡佛提出，主要分析如何让用户对产品“上瘾”。

即让用户养成使用习惯的四大产品逻辑，包括四个要素：

触发（Trigger）、行动（Action）、奖励（Reward）、投入（Investment）。

冰山模型是美国著名心理学家麦克利兰于1973年提出了一个著名的模型，所谓“冰山模型”，就是将人员个体素质的不同表现表式划分为表面的“冰山以上部分”和深藏的“冰山以下部分”。

其中，“冰山以上部分”包括基本知识、基本技能，是外在表现，是容易了解与测量的部分，相对而言也比较容易通过培训来改变和发展。

而“冰山以下部分”包括社会角色、自我形象、特质和动机，是人内在的、难以测量的部分。

它们不太容易通过外界的影响而得到改变，但却对人员的行为与表现起着关键性的作用。