案例分享：RARRA模型下，如何做用户增长？

本文作者结合实际案例，跟大家分享一下在RARRA模型下，如何做用户增长？

从AARRR到RARRA的运营思路转变

众所周知，AARRR经典的增长黑客体系，也称之为「海盗法则」，分别是获取、激活、留存、变现以及推荐。提出这个模型的 Dave McClure 认为，所有创新型、成长型的企业都应该按照这样的模型来做增长。

AARRR专注于获客（Acquisition），作为一个2007年提出的概念， AARRR模型可能已经不再适用互联网运营这个瞬息万变的场景。原因有二：

（1）获客成本增加

市场竞争激烈，用户获客成本已经不再便宜，一组数据显示：阿里线上获客的成本翻了 6 倍， 京东的获客成本翻了 1.5 倍，趣头条用户获取成本增加了 8 倍，百度的流量获取成本增长了 41%。在当前的情况下，以拉新获客为中心的增长模式意味着要比十年前这个模型提出时平均增加5倍以上的成本。

（2）流失率高

一组数据显示，现在平均每个App在安装后的情况：前3天内将流失掉77％的DAU。在30天内，它将流失90％的DAU。而到了90天，流失率跃升到95％以上。不管你是否心存怀疑，这就是目前众多创业公司所面对的现实窘境，它创造了Brian Balfour所说的“无意义成长之轮”。

因为以上两个原因，现在黑客增长的真正关键在于用户留存，而不是获客。所以我们需要一个更好的模型——就是RARRA模型。

AARRR与RARRA的区别

RARRA模型是托马斯·佩蒂特Thomas Petit和贾博·帕普Gabor Papp对于海盗指标-AARRR模型的优化，RARRA模型突出了用户留存的重要性。

简单的说，AARRR模型的核心在于获客，而在RARRA的模型下，专注用户的留存。

RARRA模型下，如何做用户增长？（成功案例分享）

分享一个我们前不久自己做的RARRA模型下用户增长的成功案例：

我们做的是一个在线教育平台，课程的分类包括：

以拉新为目的的新用户免费体验课（0元）；

以转化为目的的低价专题课（50元以内）；

以盈利为目的的短期班课（999元以内）和系统课（1000-4000元）。

这样的课程显然是以拉新-留存-转化个流程进行的设计，也是现在很多在线教育平台通用的课程模式设计，其实本质上和其他行业的平台也是类似。

在RARRA的模型下，数据驱动更重要。因为如果专注获客，可以在渠道选择等方面凭借经验和主观判断来选择，但是专注留存，就必须用数据分析找出每个留存环节的差异因素，进而制定最高效的方案大幅度提升留存率。在在线教育平台的运营中，因为从推广到课程设计、课程质量、售前售后服务等，包含大量影响营收的因素，因此数据分析方法也相对复杂。

数据分析的第一步，也是关键点在于：构建指标体系。

对于一个平台来说，一般的数据指标都非常多，但必须确定唯一关键指标（OMTM），也是大家常说的北极星指标，作为驱动的方向。

回归商业本质，一切商业模式的终极目标当然是收入，但是收入这个指标并非北极星指标，而是决定北极星指标的上级因素。如下图所示，平台收入=有效听课用户数*客单价。因为课程的客单价有大致的市场标准，不会做太多变动。因此经过分析，我们认为直播课程运营的北极星指标是——有效听课用户数，也就是购买了课程并且有效听课的用户数量。

那么接下来，就要对北极星指标进行分解。

从指标拆解来看：

有效听课用户中的新用户数=外部流量导入*转化率；

有效听课用户中的老用户数=老用户数*续报率。

在最后分解的四个指标中，除了老用户数是直接由新用户转化率决定的之外，流量、转化率、续报率三个指标都是可以通过运营来提升和改善的。

但是由于时间和资源的限制，对于三个指标，运营策略上肯定会有侧重点和先后顺序。

一开始，我们采用的是AARRR模型，把重点放在提升流量和新用户转化率上。通过广告投放、拉新红包等大量引流，并在课程设计上做了很多设计促进新用户转化率。最后流量和转化率都提升了，但问题是，用户停留在0元免费课和低价转化课上，而续报高价课的有效用户很少，这样看似产品新增用户很多，热热闹闹，但整体的营收还是上不去。

团队分析后认为，AARRR模型可能并不适合我们。既然续课率出了问题，应该尝试采用RARRA模型，把运营重点放在留存上。

于是，数据组开始探索留存的问题点出现在哪里。

我们拉出不同维度用户数据进行对比，最后发现新用户和老用户的续课率差值竟高达53%。

也就是说，新用户进行初步低价课转化后，在从低价课到达正价课的留存续课阶段，是流失最严重的一块。

找到了最痛的点，问题其实已经解决了一半。

接下来，通过各种数据因素分析，我们判断出了影响新用户续课率的几个重点因素，分别是：用户来源、课前服务、课程质量。并且对每一个因素继续分解深挖。（标红为续课率效果最好）

在课程质量方面，三个细分数据指标综合可以衡量课程质量。

课前服务时间上，通过数据对比，我们发现课前两周进行服务的效果最好，续课率也最高。

用户来源上，短期班课的用户续课率远高于其他两个来源。

根据以上的数据分析，给出了运营策略指导为：

教师和教研团队狠抓课程质量，改变以前主观评价模式。用出勤率、完课率和作业完成率三者综合考核教师KPI；

助教团队的课程服务时间前置，从以前的课前一周和课后进行服务，改为课前两周开始进行用户服务；

服务人群的重点转移到短期班课新用户上。

改进后的效果：

通过以上三个方向的运营策略调整，同样的团队，仅用了一个月的时间，就把新老用户续课率的差值从53%缩小到了9%！效果非常明显。同时平台整体收入也大幅增加，而运营成本却比以前大规模进行渠道投放大大节省了。

阶段性的成功，正是及时调整了用户增长模型，并采用系统的数据分析方法驱动用户增长。可以看出，数据驱动下，最终给出的运营策略非常简洁，但前面数据组背后付出的努力和精力是很难被看到的。这正是我们想要的结果，扎根稳且深入，但呈现的却是简洁明了的运营指令。