数据驱动的Growth Hacking正确姿势解析！

这同样没有固定的成功公式，你必须通过「用户分群」来针对不同的可能性做实验。在我们这个例子中，你将会看到，当你对比「所有新增用户」与「关注过一个人的用户」的次日留存时会发现什么：

次日留存有了30%多的跳跃，非常棒是吗？但是如果这些用户都是在第2天、第3天才开始流失呢？

有一件关于移动应用的事实：用户会非常快的流失，实际上平均下来，移动应用70%的用户会在一天后流失，但那些非常优秀的应用的这个值只有30%。但是，在安装应用后的第3天开始，再往后，流失速率会趋于稳定：所有应用会以同样的流失速率失去他们的用户。

所以问题的关键就在你如何在用户安装之后立刻留住用户，如果你能在一开始粘住他们，你基本就能保留他们一段时间。

这是我们例子中「所有用户」与「关注过一个人的用户」在7天里的留存情况对比：

在30天后，「关注过一个人的用户」的留存率是17.5%，「所有用户」的是10.9%。这可能看起来不是那么显著，但在长期留存上，即便是一个小凸起，对你来说也是意义重大。

更为重要的是，你已经识别出了一个提高留存的因素，现在你可以寻找更多。一个可行的方法是，你现在可以把「关注一个人」不是「注册」设为起点。也就是说，你之前分析的是「注册」之后的留存情况，而下一步，你可以分析「关注一个人」之后的留存情况。这就是在你重新设计了引导流程以促进用户关注他人之后，接下来你应该努力提升什么。

然后，你可以看到其它因素是怎样促进留存的，比如，你可以比较「播放了三个视频的用户」与「全部用户」，比较两个用户群在「关注了一个人」后的留存情况。

当你搞清楚了哪些行为导致你的用户继续回来使用你的产品之后，你就需要把这些行为的用户体验放在首位。在早期粘住你的用户，他们就会很难离开你的产品。

正确的使用 AARRR 模型，并不是换了一组更好的数字，而是完全不同的数字。这些数字向你展示着人们如何使用你的产品，是什么让他们离开，是什么让他们离下来，是什么让他们大呼过瘾。

换句话说，有什么不是数字呢。

本文为沈豫龙Alan，诸葛io产品经理原创投稿鸟哥笔记，转载请注明来源，并附上作者信息。

（编辑：应用网_丽江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!