增长不是买量:先理解 AARRR
很多团队把增长等同于「投广告、拉新」。但拉来的用户留不下、不付费,增长就只是把水倒进一个漏水的桶。AARRR 模型的价值,就是把用户旅程拆成五段,让你看清桶底到底漏在哪一段。
| 阶段 | 要回答的问题 | 核心指标 |
|---|---|---|
| 获取 Acquisition | 用户从哪里来、成本多少 | 新增用户数、CAC |
| 激活 Activation | 新用户有没有体验到核心价值 | 激活率、Aha 时刻 |
| 留存 Retention | 用户会不会再来 | 次日 / 7 日 / 30 日留存 |
| 变现 Revenue | 用户愿不愿意付钱 | 付费率、ARPU、LTV |
| 推荐 Referral | 用户愿不愿意带人来 | 邀请率、K 因子 |
五段并不是平行关系,而是有明确优先级。经验法则:留存没做好的时候先别急着拉新,否则拉得越多、漏得越多。先把漏斗底部堵住,再往上加水,增长才是可持续的。
- AARRR获取 / 激活 / 留存 / 变现 / 推荐五段漏斗。
- CAC 与 LTV渠道评估的核心比值,健康线通常要求 LTV/CAC ≥ 3。
- Aha 时刻与留存最相关的那个关键行为,是激活的抓手。
- 实验闭环假设 → 实验 → 验证 → 放大,让增长可复利。
获取:渠道与成本
获取要回答两个问题:用户从哪些渠道来,以及每个渠道值不值。渠道粗略可分三类——内容与自然流量、付费投放、社交裂变,三者的成本结构与可持续性完全不同。
- 单看新增量没有意义,必须绑上获客成本:CAC = 总花费 ÷ 新增用户数。
- 分渠道看后续留存:付费渠道拉来的用户,留存往往低于自然流量。
- 判断渠道质量,用该渠道用户的 LTV 与 CAC 之比,健康线通常要求 LTV / CAC ≥ 3。
一个常见错误是只看首日回报:投放当天数据好看就加预算,忽略了这批用户三天后就流失。渠道评估至少要看完 7 日留存再决定加不加量,否则很容易把预算砸在最贵的低质量流量上。
激活:找准 Aha 时刻
激活指的是新用户第一次真正体验到产品核心价值的那一刻,也就是通常说的 Aha 时刻。找到它、并让更多人更快到达,是增长里杠杆最高的动作之一。
找法通常靠相关性分析:把「完成某个关键行为的用户」与「长期留存的用户」做交叉,看哪个行为与留存的相关性最强。例如对协作工具,可能是「创建第一个项目并邀请一位同事」。
-- 找出与 7 日留存最相关的关键行为(示例)
SELECT
e.event_name,
COUNT(DISTINCT e.user_id) AS uid_cnt,
AVG(CASE WHEN r.day7_active = 1 THEN 1.0 ELSE 0 END) AS day7_retention
FROM events AS e
LEFT JOIN retention_7d AS r ON r.user_id = e.user_id
WHERE e.dt = '2026-10-01'
GROUP BY e.event_name
HAVING COUNT(DISTINCT e.user_id) > 100
ORDER BY day7_retention DESC;
找到 Aha 行为之后,把它前置:新用户引导里少讲功能清单,多引导用户完成那个关键动作。同样的产品,引导方式改一改,激活率的差别常常超出预期。
留存:增长的复利
留存是增长复利的来源。留存曲线是否走平,决定产品能不能形成稳定盘子:如果 30 日之后曲线不再明显下探,说明有一批用户已经把产品纳入日常。
-- 按注册周分组的留存队列(cohort 分析)
WITH cohort AS (
SELECT user_id, DATE_TRUNC('week', register_at) AS cohort_week
FROM users
WHERE register_at >= '2026-01-01'
)
SELECT
c.cohort_week,
COUNT(DISTINCT c.user_id) AS cohort_size,
COUNT(DISTINCT CASE WHEN a.dt = c.cohort_week + INTERVAL '7 day' THEN a.user_id END) AS w1,
COUNT(DISTINCT CASE WHEN a.dt = c.cohort_week + INTERVAL '28 day' THEN a.user_id END) AS w4
FROM cohort AS c
LEFT JOIN active_daily AS a ON a.user_id = c.user_id
GROUP BY c.cohort_week
ORDER BY c.cohort_week;
看留存不要只看平均值,一定要切人群:新老用户、不同渠道、不同功能路径。平均值会把好人群和坏人群混在一起,把真正的问题掩盖掉。
变现与推荐
变现关注把留存下来的用户价值兑现,推荐关注让满意的用户带来更多用户。两者都建立在留存之上——没有留存,变现和推荐都是空中楼阁。
- 变现看付费率、客单价、ARPU、LTV,以及 LTV 与 CAC 的比值。
- 推荐看邀请率、被邀请用户的质量,以及 K 因子(每个用户平均带来多少新用户)。
推荐做得好可以直接降低获客成本,但前提是产品本身值得推荐。强行让用户分享的机制,通常只会带来一次性、低质量的注册数字,反而污染了增长数据。
搭建增长实验闭环
增长不是一次性动作,而是持续实验。一个能稳定运转的增长闭环通常包含五步:提出假设 → 设计实验 → 小流量验证 → 读取数据 → 放大或放弃。
假设必须写成可验证的形式,例如「如果在新用户引导里加入模板选择,激活率会提升 5%」。没有数字,就无法判断实验成功与否;一次只改变一个变量,否则数据涨了也不知道是哪个改动起了作用。
小流量验证的意义在于控制风险:先用 5% 的流量跑一轮,确认没有负面效果,再逐步放量。这一步能挡掉大部分「直觉正确、数据打脸」的想法。
常见增长陷阱
- 只盯新增不看留存:漏斗底部漏着,加量只是加速漏水。
- 优化虚荣指标:把注册数当成绩,却不管这些账号是否真的被使用。
- 一次改多个变量:数据涨了也无法归因,经验沉淀不下来。
- 没有停止规则:看到想要的结果就提前叫停,容易把噪声当成信号。
增长的正解往往是「把已有用户服务得更好」,而不是「找一批新人来填坑」。
把 AARRR 当作一张自查表:每一段都问一句「我现在最弱的是哪一环」,然后把资源压到那一环上。增长是概率游戏,但方向对了,概率就会站在你这边。