从事数据相关岗位的伙伴，对数据指标体系并不陌生；从事运营的伙伴，对AARRRR模型也并不陌生。
而数据分析常常服务于运营，为运营提供数据策略的支持，所制定的数据指标就是为了实现数据化运营，让运营更加科学。因此，AARRR模型在数据指标的建设中，有着指导的作用。

在学习“AARRR模型与数据指标体系搭建”之前，最好带着以下问题来阅读本文。

• 什么是AARRR模型？
• 什么是原子指标和派生指标？
• 如何设计原子指标和派生指标？

一、AARRR模型与海盗指标

1.1 什么是AARRR模型
AARRR模型即：获取（Acquisition）、活跃（Activation）、留存（Retention）、收益（Revenue）、传播（Referral）。风险投资人戴夫·麦克卢尔（Dave McClure）称之为“海盗指标”。麦克卢尔认为，这是创业公司最需要关注的指标。
AARRR模型就像一个漏斗，记录着从获取用户到转化再到回流的过程。因此，数据分析的人也会称之为“漏斗模型”；AARRR模型也是用户的增长过程，因此也有运营称之为“用户增长模型”。

1.1.1 新增
新增是所有业务流程中非常重要的一步，所有转化的前提都要先获得新增。因此，在数据分析的指标中，总是少不了关注新增的相关数据指标。所有的运营都会考虑如何提高新增指标。
以金融行业为例，可以指定的数据指标有：

• 新增用户数，即新注册的用户数，该数据指标偏低时，需要运营制定相应的运营策略，提高新增用户数。该数据指标稳定后，可以将其与均值、中位数、最大最小值进行比较，从而了解新增用户的增长规律。
• 新增用户渠道占比，通过了解新增的用户主要从哪些渠道注册进来的。
• 新增用户投资占比，了解新增用户的质量。
  ……

1.1.2 促活
活跃是衡量用户质量的重要指标，特别是社交类型产品尤为重要。
不管是运营、数据分析师还是产品人员，对日活（DAU）、周活（WAU）、月活（MAU）这些数据指标应该都不陌生。很多企业在招聘运营、产品的时候也会问到：你所负责的产品，DAU是多少？有的企业直接在招聘JD上写道：经历过百万日活产品的优先考虑。
由此可见，“活跃”相关的数据指标是产品运营的一个重要指标。
活跃的指标有：

• 登录用户数，首次登录的用户数量
• 老用户首次登录用户数，老用户的激活数据统计，可分析激活运营活动的效果。

需要注意的是，并不是所有的活跃指标都是相同统计口径的。有的产品，只要启动了APP，即视为活跃；有的产品，登录了即视为活跃；有的产品，充值了才视为活跃；还有的产品，交易了才算是活跃。因此，在做数据报表的时候，也需要分清报表所处的场景，如果是对外展示，想要数据更好看的，可以将启动用户数或者登录用户数作为活跃用户数。

1.1.3 留存
新用户进来后，有一定的存活周期，有的用户注册后就离开，有的观察一段时间后离开，有的存留比较长时间。因此，留存则是分析用户质量和用户对产品的粘性程度的重要指标。
以金融产品为例，这时候关注的指标有：

• 留存用户数/留存率，以此分析存留下来的用户的数量/比例；
• 流失用户数/流失率，以此分析流失的用户的数量/比例；
• 提现用户数，以此分析存在流失风险的用户数；
• 提现金额，以此分析资金流失的数量；
• 充提差，充值与提现的金额差，以此分析资金是正流向还是负流向，如果资金出现负增长的情况，则需要相应的运营策略将用户的资金留存下来，呈现正向增长。

1.1.4 转化
转化是每个产品实现最终运营目的，乃至实现盈利的关键，因此，该阶段相应的数据指标，是公司管理层、老板非常关注的一部分。
继续以金融产品为例，这时候关注的指标有：

• 投资用户数，投资金融产品的用户数量。
• 投资次数，分析用户投资的频率越高。
• 投资金额，了解转化的实际金额，这是最直接的转化效果。
• 投资金额范围分布，对比投资的金额主要分布在哪些范围，分析用户愿意花多少钱投资到平台上。
• 首投用户数，首次投资的用户数，如果某段时间做了一些促进转化的运营活动，则这时候的数据能够反映运营活动促进转化的效果。
• 老用户首投用户数，分析相应运营活动对促进老用户转化的效果

1.1.5 传播
在整个用户运营生命周期中，并不止步于转化，而是除了转化之外，这些老用户能够源源不断地带来更多新用户，提供更多的价值。传播体现的是产品的口碑，也是源源不断获得新客流的关键。
这个阶段关注的指标有：

• 转发用户数，转发某个活动或者谋篇文章的用数量，传播意愿分析。
• 转发点击率，转发并且得到点击的占比，分析传播的效果。
• 邀请用户数，发出邀请的用户数量，分析愿意传播的用户情况。
• 受邀用户数，接受邀请成为平台用户的用户数量。
• 受邀用户数投资占比，接受邀请成为平台用户，并且有效投资的用户的占比情况，分析是否为有效传播。
• 受邀用户投资金额，有效受邀用户投资的金额数，分析有效传播的用户质量。

1.2 AARRR的常见用途

AARRR模型主要用于运营和数据分析，是企业和产品发展过程中需要关注的指标。这也是用户生命周期所出现的阶段，运营可针对不同的阶段制定运营目标和运营策略，并通过分析各个阶段的数据指标，以了解运营的效果，从而制定更进一步的运营/营销计划。

二、数据指标体系搭建

通过AARRR模型，我们可以了解到建设数据指标体系的整体方向。那么，我们该如果去搭建数据指标体系呢？如何细分各个数据指标？

2.1 原子指标与派生指标
数据指标分为原子指标和派生指标。何为原子指标？何为派生指标？
原子指标：基于某一业务时间行为下的度量，是业务定义中不可再拆分的指标，具有明确业务含义的名词。
原子指标=业务过程+度量
如，出借金额
派生指标：有原子指标延伸出来的指标，可以理解为原子指标业务统计范围的圈定。
派生指标=原子指标+修饰词+时间周期
如，原子指标为“出借金额”，“近7天V8等级用户出借金额”则为派生指标（近7天为时间周期，V8等级为修饰词，用户作为维度，而不作为修饰词）

2.2 数据指标构建

数据域： 指面向业务分析，将业务过程或者维度进行抽象的集合。其中，业务过程可以概括为一个个不可拆分的行为事件，在业务过程之下，可以定义指标；维度是指度量的环境，如买家下单事件，买家是维度。
为保障整个体系的生命力，数据域是需要抽象提炼，并且长期维护和更新的，但不轻易变动。在划分数据域时，既能涵盖当前所有的业务需求，又能在新业务进入时毫无影响地被包含进已有的数据域中和扩展新的数据域。
业务过程： 指企业的业务活动时间，如下单、支付、退款都是业务过程。请注意，业务过程是一个不可拆分的行为时间，通俗地讲，业务过程就是企业活动中的事件。
时间周期： 用来明确数据统计的时间范围或者时间点，如最近30天、自然周、截止当日等。
修饰类型： 是对修饰词的一种抽象划分。修饰类型从属于某个业务域，如日志域的访问终端类型涵盖无线端、PC端等修饰词。
修饰词： 指除了统计维度以外指标的业务场景限定抽象。修饰词隶属于一种修饰类型，如在日志域的访问终端类型下，有修饰词PC端、无线端等
度量/原子指标： 原子指标和度量含义相同，基于某一业务时间行为下的度量，是业务定义中不可再拆分的指标，具有明确业务含义的名词，如支付金额。
维度： 维度是指度量的环境，用来反映业务的一类属性，这类属性的集合构成一个维度，也可以称为实体对象。维度术语一个数据域，如地理维度（其中包括国家、地区、省一级城市等级别的内容）、时间维度（其中包括年、季、月、周、日等级别的内容）。
维度属性： 维度属性隶属于一个维度，如地理维度里面的国家名称、国家ID、省份名称等都属于维度属性。
派生指标： 派生指标=一个原子指标+多个修饰词（可选）+时间周期。
可以理解为原子指标业务统计范围的圈定。如原子指标：支付金额，最近1天海外买家支付金额则为派生指标（最近1天为时间周期，海外为修饰词，买家作为维度，而不作为修饰词）

注：摘自《大数据之路：阿里巴巴大数据实践》

三、基于AARRR模型的指标体系建设实例

了解了AARRR模型和指标体系建设规范之后，我们就可以结合公司业务来做指标体系建设了。
下面以网贷平台为例，基于AARRR模型来建设指标体系。

3.1 拉新阶段的数据指标
业务过程：访问、点击、注册、出借
度量：用户数、次数、金额

3.2 促活阶段的数据指标
业务过程：登录
度量：用户数、次数、时长

3.3 留存阶段的数据指标
业务过程：登录、出借、提现
度量：用户数、次数、时长

3.4 转化阶段的数据指标

业务过程：充值、出借、回款
度量：用户数、次数、金额

3.5 传播阶段的数据指标

业务过程：分享、点击、注册
度量：用户数、次数

四、回顾与反思

• 什么是AARRR模型？
  概括来说，就是：新增、促活、留存、转化、传播。
• 什么是原子指标和派生指标？
  原子指标=业务过程+度量；

派生指标=原子指标+修饰词（可选）+时间周期

在实际的工作中，数据指标的建设，并不仅仅是基于AARRR模型，还会有其他的模型和方法论，需要我们在实践中不断摸索。
除了海盗指标之外，还有一个指标体系方法叫“北极星指标”，如果有兴趣，大家也可以了解和学习。

“North Star Metric” 北极星指标，又叫做“OMTM” One metric that matters, 第一关键指标，是产品现阶段最关键的指标。
之所以叫北极星指标，是因为这个指标一旦确立，就像北极星一样，高高闪耀在天空中，指引着全公司上上下下，向着同一个方向迈进。