AARRR指标
AARRR 指标对应用户获取（Acquisition）、用户激活（Activation）、用户留存（Retention）、获得收益（Revenue）、推荐传播（Referral）。覆盖用户整个生命周期。就是运营在做的拉新、促活、留存、转化、推荐。
指标说明
其中，拉新手段取决于：业务形态、公司资源、团队资源、运营手段、产品阶段。差别太大，有的运营同学在做，有的甚至市场、商务也在做。所以这部分还是根据各自的业务来看。
促活是定义活跃用户成分 + 促进活跃动作。先说说活跃用户。
活跃用户数：
日活跃用户数：每天完成产品关键操作行为的用户数；
周活跃用户数：在一个自然周内完成产品关键行为的用户数，需要过滤相同用户（这里有的应用是自然周、有的是近 7 天，目前我觉得都可以，只要其他地方指标统一，好理解就行）；
活跃率：某一段时间内活跃用户在总用户量的占比，用来衡量产品的健康程度。比如月活跃率：在一个自然月内，月活跃用户数／注册用户数。
图表数据解读：
对于新产品来说，活跃率下降是一定的，因为不可能每个用户都会留下来。每个行业都会有特性；
活跃率随着产品的成熟，会呈现稳定趋势（和新用户留存指标是一致的曲线）。
随着时间积累，活跃用户的成分就会包含几种类型用户。具体公式为：
其中，老用户中，有的应用会划分为「活跃用户」、「忠诚用户」，二者的区别一般在于用户参与核心动作的次数和深度。比如电商平台按照购买频次 + 金额来定义；教育行业按照上课课时 + 购买课程数量来定义。还有另外一个层面，就是产品本身的用户量。用户量大所以需要细分，这个也比较好理解。
另外，回流用户就是通过各种策略，将定义的流失用户，重新回来使用产品。回流用户的定义：
指流失之后再次访问网站的用户，即用户曾经流失过，满足流失时间期限内完全没有访问/登录网站的条件，但之后重新访问/登录网站；
回访率＝回访用户／流失用户数。
所以，回访用户应该是和流失用户相对应的。这里会有一个坑，比如：当产品的回流用户数据在 15% 时，是否能证明是运营策略见效了 。其实不一定，很有可能是流失用户的定义有问题。回流用户的召回率，我觉得 7% 左右是合理的。类似的行业阈值指标了解，可以参考《精益数据分析》这本书，里面有详细说到各个行业的情况。
定义好活跃用户成分后，再来说促进活跃的动作。促进活跃最有效的，是产品动作。下面讲在项目里常用到的方法。然后结合能看到案例说下。
第一，对于新用户，核心是降低操作成本。让用户走完产品核心流程。例如在叮咚买菜 App 首页，当新用户进来时，首先提供“新人专项尝鲜价”区域商品，然后直接把“购物车“操作放在首页。如果用户有兴趣要买，直接 2 步就能完成订购流程（放入购物车-支付计算）。
第二，尽量让用户在产品产生数据交互。产品内用户数据越多，用户迁移成本越高，流失可能越低。典型的比如：笔记类应用，当在印象笔记有 100 篇笔记时，切换到有道云笔记的成本就很高。
第三，对于老用户，产品在保证持续提供核心价值情况下，有新的内容提起用户兴趣。在在线教育行业，即使一节在线课程，里面的案例也需要结合实际情况进行更新。比如刚刚提到的叮咚买菜的例子，如果用户订购完，再送一张随机限期优惠券，也是一种方法。
再说说剩下的留存、转化、推荐。用户留存对应的流失用户说明，可以看看 《流失用户分析框架》。转化这部分更多的是和运营策略、产品商业目标有关，而且每个行业区别巨大，能力有限，这里先不详说。
产品分享现在几乎是产品标配。关于传播质量，《游戏数据分析的艺术》提供过一个计算方式：
K（传播质量）＝（每个用户向他的朋友们发出邀请的数量）* （接收到邀请的人转化为新用户的转化率）
假设平均每个用户向 20 个人发出邀请，而平均转化率为 10%，则K＝20 * 10%＝2
当 K>1 时，用户会不停增大；
当 K<1 时，用户会停止增长。
接触了一些项目后，我发现这个公式可能太片面。实际中考虑推荐的因素是：传播成本、传播渠道、用户体验、ROI设定。总之不单考虑新用户个数，比如用户个数少，但是用户产生的金额多。
数据报表
每个项目的 BI 后台，基本上包含了上面说到的指标。但除了这些指标之外，还会延伸一些衡量指标。所以业务指标上基本包含：运营现状、趋势判断、指标表现、产品问题。运营现状就是产品指标、活动指标。
趋势判断
同比：将本周期与之前同周期相同时间点的数据进行比对；
环比：将本期数据与前期数据做比较；
定基比：确定一个可对比的基准线，以某个时期为基数，其他各期数据与之对比。
指标表现：主要是和数据底线、行业比较、项目目标比较。
产品问题：对比历史数据指标；产品异常分析。
根据上面的维度，就会产生一些常规报表：流量分析、活跃用户分析、留存分析、流失分析、付费/续费分析、竞品分析、功能分析。
关于这部分内容总结下：
介绍 AARRR 模型（最常用、最好理解的模型）；
说明了活跃用户成分；
促活的 3 种方式；
传播质量的介绍；
常规数据报表的维度。