AARRR模型 | 实现高质量拉新的4个要点

在互联网行业经典的运营体系“AARRR”模型中，拉新为其中第一环节，也就是为当前产品拉来新用户，拉新的质量直接影响了后面的活跃、留存质量。那么如何才能实现高质量的拉新呢？本篇文章将从“内容”的角度，通过“产品”、“用户”、“渠道”三个要素来讨论，也就是，当有了合适的产品，用合适的内容将合适的用户从合适的渠道引过来。

一、内容——怎么可以说服用户？

在规划拉新的时候，我们经常会思考，该用什么样的策略去跟用户沟通，才能让用户有下载产品、使用产品甚至是立马转化的想法？本篇文章的观点是，好的内容会是对产品、用户及渠道这三个要素的综合考虑：

• 内容+产品：前提是“产品本身要值得拥有”。因此对于产品的描述应该功能清晰、定位明确，能够满足用户的需求。
• 内容+用户：内容文案应该了解用户，针对不同用户群体进行触达，目标是学生群体or职场人士？
• 内容+渠道：内容形式应该考虑到不同渠道的类型以及聚集人群类型，是文字类型or视频类型？

下文将对这三个要素进行一一拆解，讨论如何产出合适的产品、用户及渠道。

二、产品角度——产品定位是什么？

俗话说“打铁还需自身硬”，做好产品本身是上述五个环节的大前提，相信绝大部分产品都需要完成以下“修炼”才能顺利迈向增长之路。

在创业团队打造出自己认为合格的产品后，满怀斗志地将其送入市场，然而等待他们的并不一定是蜂拥而至的用户，而有可能是无人问津。问题出在哪里呢？就出在产品受欢迎的程度并不是由团队自身说了算，而是取决于市场愿不愿意接纳它。因此，任何产品想要顺利打入市场，先要做到与市场契合，即PMF（Product/Market Fit）阶段。

那么，如何才能成功达到PMF状态，顺利进入市场呢？归根结底地来说，就是要让产品的诞生，真正满足用户的需求。工具类产品要能满足用户提高效率的需求，社交类产品要能满足用户方便交友的需求，交易类产品要能满足用户便捷购物的需求。证明产品各项功能能否满足用户相应需求，能够明确产品的定位及优势，为后面的宣传、推广甚至活跃留存都打下坚实的基础。

如何进行需求分析呢？笔者认为可以从以下三个步骤进行。

1. 拆分不同功能模块

目前很多产品都不仅仅拥有单一功能，在各种功能结合的情况下，梳理清楚产品不同的功能模块能够更加清晰直观地对其效果加以衡量。

以直播应用YY live为例，按照下图功能结构的拆分，可看出该产品以“内容”+“社交”功能为主：

2. 衡量各个模块所满足的需求

那么，该模块对于用户来说存在的最大意义是什么呢？能满足用户什么需求？

下图对市面上四类主流APP做了在“时间消耗”维度及“价值来源”维度的交叉划分：

YY live所主打“内容”、“社交”模块，所满足的都是用户打发时间的需求，与该产品“娱乐直播”的定位相符。

3. 验证产品需求

理清产品定位以及“预期满足的需求”后，还需要去验证其是否真正可行，能否真的满足用户的需求。在市场不确定的情况下，大规模获取用户意见显然是不理智的，纵使样本量很大，但付出的代价也是巨大的。

硅谷作家Eric Ries在其著作《精益创业》中提出的“最小化可行性产品（Minimum Viable Product,简称MVP）”可以很好地解决这一问题。MVP是指将产品原型用最简洁的实现方式开发出来，保留最基本功能与设计，快速投放市场让小批量目标用户上手使用，然后根据反馈意见迭代优化，尽早达到PMF状态。此过程有三个关键：

• 产品简洁：根据上述对产品本身定位及功能的定位，将最核心的功能提取出来，例如一段有简单交互功能的小视频。可节约成本的同时，利于用户将注意力集中在核心需求上。
• 用户反馈：用户可通过反馈通道表达自己上手产品的感受，核心为是否能满足需求（例如内容能否吸引自己的注意力），同时也包括打开流程是否流畅、操作是否繁琐等建议。
• 快速迭代：根据用户反馈，不断进行复盘，能更快地验证想法或寻找改进的方向，一步一步向更加完美的产品靠近。

完成上述步骤后，对于产品的功能及定位有一定的把握，之后的宣传及推广也有了更加清晰的方向。

三、用户角度——产品的用户是谁？

用户筛选的精准程度也是一个不断迭代完善的过程，产品从进入市场一直到稳定发展，用户画像的形成到精准化大概需要经历三个阶段。

1. 基本属性

在产品刚刚进入市场，并没有大力推广宣传的时候，获取的用户量非常之少，但也正是因为如此，这批用户的下载与使用很大程度上可能是被产品的核心功能所吸引，也恰恰反映了他们的需求。这批用户也被称为种子用户。而在初期，用户处于不了解的状态，开通的权限较少，产生的行为也不够丰富，该阶段的用户画像主要以以下基本属性为主：

• 基础属性：例如性别/年龄/职业/婚姻阶段/学历等等。
• 地域属性：例如地区/省份/城市/城市等级等等。
• 爱好属性：例如购物偏好/APP偏好等等。

根据上述的基本属性，可以对当前产品的用户有一个大概了解，能够知道“什么样的人会被我的产品吸引过来？”利用当前画像所呈现的用户标签组合去拉新，在一定程度上能够规避对于“完全不感兴趣人群”的无效触达，但仍是不够精准。

2. 行为属性

当产品有一定程度的用户积累，并且行为数据变得较为丰富之后，有更多的素材来帮助我们更加精准地识别用户。依然以YY live为例（仅举例，不考虑产品实际所处阶段），根据用户不同的使用行为，对其进行基于业务维度上的拆分：

• 用户角色：在该应用内有很明显的两个不同角色，就是主播和观众。不同的角色对于同一产品的诉求可能完全不同，量级较大的观众群体追求娱乐、打发时间，而主播则更多关注如何吸粉、变现。同样地，在其他类型APP中也存在这种情况，例如打车软件也分为司机和乘客。关注到不同类型的群体，能更加有针对性地吸引到不同用户。
• 各模块使用偏好：例如直播观看时长、视频观看时长等，依据此类型可区分出对不同形式内容感兴趣的群体，分别对不同群体进行精细化触达。
• 各内容主题偏好：例如唱歌类、脱口秀类直播等，可以发掘用户不同的内容偏好，对于拉新的内容选择及平台也有一定的参考价值。

基于行为属性的拆分对于不同类型的产品来说相差较大，需要具体情况具体分析。有了行为属性之后，可以知道“用户对当前产品的哪些方面感兴趣？”，可以进一步对用户进行精细划分。

3. 更加精细的用户分层

当产品发展到较为稳定、成熟之后，积累了大量的用户与行为数据，并且其中还会有新增和稳定的付费用户，就可以（并且也是需要）利用一些更加科学、全面、可验证的方法去建立产品的用户画像，更系统地了解当前产品池里的用户。最经典的用户画像构建方法就是RFM模型：

• R代表Recency（最近一次消费）：用户距取数日期最近一次的消费。可以衡量用户的消费周期。
• F代表Frequency（用户消费频次）：用户在规定时间段内的消费次数。
• M代表Money（消费金额）：用户在规定时间段内的消费金额。

上文是最为经典的RFM模型的代表意义，而在实际应用中，其他类型的产品盈利模式不同，衡量的指标自然也就不同，还是以YY live为例，直播类产品的用户可以按照以下几个指标划分：

• R代表Recency（最近一次观看直播）：用户距取数日期最近一次的观看直播行为。可以衡量用户的使用周期。
• F代表Frequency（用户观看直播频次）：用户在规定时间段内的观看直播次数。
• M代表Money（充值、付费金额）：用户在规定时间段内的充值、付费或打赏金额。

根据RFM模型的三个维度可以创建一个至少八个象限的用户分层模型。下图来自百度百科：

在此模型下，可以归纳出不同分层人群的大致沟通策略：

在用户量充足的前提下，相信该模型能够较为稳定地实现对用户的精准分层。

用户画像涉及对付费用户甚至是忠实付费用户的分层，是贯穿整个产品周期的运营工作，在拉新环节中，主要利用对重要客户的特征识别，能在拉新时对目标用户有更加清晰的画像，帮助产品及运营团队更好的实现精准化拉新。

四、渠道角度——在哪里可以找到产品的核心用户？

谈及拉新渠道，必不可少的考虑因素有以下两个，分别是渠道效果及渠道成本，任何一个渠道的选择都应该建立在对两者进行综合考虑的基础上。

1. 渠道效果

在外部信息有限的情况下，我们并不一定能提前获取所有拉新渠道在各个维度的表现，因此关于拉新渠道的选择可能会是一个不断尝试、不断寻找最优解的过程。在探索过程中，以下三个维度我认为比较重要：

• 渠道类型：该渠道是付费还是免费渠道？内容主要有什么类型？什么形式？用户都是什么群体居多？这些信息可以帮助我们大致了解该渠道的聚集人群与本产品的核心用户是否相似，以及是否有较高的内容匹配度，据此来提高投放的精准度。
• 渠道曝光体量：渠道曝光体量需要根据产品当前的发展阶段以及关于不同的成本计价方式来确定。
• 渠道引流转化率：转化效果依不同的业务场景来定，可以是注册转化率，也可以是购买转化率。

根据上述三个要素可以在效果上对投放的渠道有一个比较全面的评估。

2. 渠道成本

渠道的投放成本在各个渠道、各个业务场景甚至各个行业都有不同，但基本的原则是“平均用户成本不能超过平均用户价值”，以下介绍几个常见的计价方式，不作展开讨论：

• CPM：单次曝光成本。指按单次曝光计费。
• CPC：单次点击成本。指按点击次数计费。
• CPA：单次获客成本。指按获客数计费。

综合以上对于效果和成本的考虑，相信可以确定适合于当前产品的数个拉新渠道，作为稳定拉新的渠道。

总的来说，拉新是贯穿产品整个生命周期的任务，是产品及运营人员的使命所在，只求在一次又一次的尝试及验证中，找到更加适合产品的发展方向。

本文作者 @ywmw_ 。

版权声明

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！