以下文章來源於木木自由 ，作者木兮
本文將整理一些常見的資料模型，希望大家能建立一個資料模型分析思維意識，優先根據有效的資料模型進行精細化分析、資料探勘等，確保分析結果的有效性和正確性。
資料模型分析思維，即各種資料分析經驗的抽象集合，你擁有了更多的資料模型，也就擁有了更多的認知“資料”世界的工具。在斯科特·佩奇的《模型思維》一書中，提到了20多個思維模型，我們在資料分析過程中可能會經常用到的主要有：AARRR（海盜模型）、RARRA、漏斗模型、金字塔模型、RFM模型、使用者生命週期模型、滑梯模型、消費者行為模型等等。
我們將整理分享幾個常見的資料模型，僅供參考！
01 AARRR模型
AARRR增長模型出自於增長駭客，又稱海盜模型，即獲客、啟用、留存、變現、傳播推薦。
▶獲取使用者（Acquisition）、提高活躍度（Activation）、提高留存率（Retention）、獲取收入（Revenue）、使用者推薦（Refer），這個五個單詞的縮寫，分別對應使用者生命週期中的5個重要環節。
▶獲取使用者（Acquisition）：透過一定的方式讓產品在一些渠道上面得到展現，並使看到展現的使用者轉化成產品使用者。
▶提高活躍度（Activation）：提高產品的使用粘性，提升使用者使用產品的深度。
▶提高留存率（Retention）：如何讓使用者不斷地使用我們的產品，減少使用者的流失，提升使用者粘性。讓使用者無法離開產品。
▶獲取收入（Revenue）：透過一些手段和渠道從使用者那裡獲取收益。
▶使用者推薦（Refer）：透過提升產品的競爭力，使使用者給他的朋友推薦我們的產品。
▆獲取使用者（Acquisition）的資料指標：流量來源、流量路徑、CAC(使用者獲取成本)、CPC(每次點選付費) 、CPT(按時長付費)、 CPM(千人成本) 、 CPS(按提成收費) 、CPA(按點選計費) 、Campaign(塑造品牌)。
▆提高活躍度（Activation）的資料指標：DNU(日新增使用者) 、DAU/WAU/MAU 、 ACU(平均同時線上人數)、 PCU(最高同時線上人數)、 PV、 UV 、意向UV(進入意向頁面的使用者數)、 PV/UV、 CTR(點選率)、 意向UV-CTR （點選UV/意向UV）、VV(影片播放次數)、訪問時長、停留時長、滾動屏數、人均停留時長、人均操作次數、 N次操作佔比、行為路徑、訪問頻次、跳出率、使用者來源、使用者去向。
▆提高留存率（Retention）的資料指標：留存率、次日留存率、7日留存率、30日留存率、迴流率、召回CTR（提取出的正確資訊條數 / 樣本中的資訊條數)、使用者生命週期 (週期/(1-週期內新增留存率))。
▆獲取收入（Revenue）的資料指標：GMV 、ARPU(每使用者平均收入）、ARPPU(平均每付費使用者收入）、LTV(生命週期價值)、 PBP(回收期)、 ROI(投資回報率 )、收入地圖 、客單價、 消費次數 、消費頻率、 訂單量、 利潤、 購買偏好、 直接引導成交、 間接引導成交、 購買間隔。
▆使用者推薦（Refer）的資料指標：分享率、分享次數、K-Factor (病毒傳播指標)、 NPS。
02 RARRA模型
AARRR最開始關注的是如何獲取使用者，所以AARRR關注的首要指標是獲客使用者數，而RARRA透過最重要的指標來關注增長：使用者留存。
RARRA的資料模型，本質上是在AARRR的基礎上進行順序調整得到，以滿足日益獲客成本所帶來的壓力成本。RARRA模型相比與AARRR可以使得獲客成本更低。
▶使用者留存（Retention）：如何讓使用者不斷地使用我們的產品，減少使用者的流失，提升使用者粘性。讓使用者無法離開產品。
▶使用者啟用（Activation）：提高產品的使用粘性，提升使用者使用產品的深度。
▶使用者推薦（Referral）：透過提升產品的競爭力，使使用者給他的朋友推薦我們的產品。
▶商業變現（Revenue）：透過一些手段和渠道從使用者那裡獲取收益。
▶使用者拉新（Acquisition）：透過一定的方式讓產品在一些渠道上面得到展現，並使看到展現的使用者轉化成產品使用者。
RARRAR首先關注的是產品的留存情況。當產品的留存情況不好，要最佳化產品的使用體驗、功能和營運方式。當這三方面都得到最佳化提升，接下來就進提供使用者的活躍度，以及商業化方面的嘗試，等到這些都做好了， 就大規模的推廣產品關注獲客資料指標。
▆使用者留存資料指標：留存率、次日留存率、7日留存率、30日留存率、迴流率、召回CTR（提取出的正確資訊條數 / 樣本中的資訊條數)、使用者生命週期 (週期/(1-週期內新增留存率))。
▆使用者啟用資料指標：DNU(日新增使用者) 、DAU/WAU/MAU 、 ACU(平均同時線上人數)、 PCU(最高同時線上人數)、 PV、 UV 、意向UV(進入意向頁面的使用者數)、 PV/UV、 CTR(點選率)、 意向UV-CTR （點選UV/意向UV）、VV(影片播放次數)、訪問時長、停留時長、滾動屏數、人均停留時長、人均操作次數、 N次操作佔比、行為路徑、訪問頻次、跳出率、使用者來源、使用者去向。
▆使用者推薦資料指標：分享率、分享次數、K-Factor (病毒傳播指標)、 NPS。
▆商業變現資料指標：GMV 、ARPU(每使用者平均收入）、ARPPU(平均每付費使用者收入）、LTV(生命週期價值)、 PBP(回收期)、 ROI(投資回報率 )、收入地圖 、客單價、 消費次數 、消費頻率、 訂單量、 利潤、 購買偏好、 直接引導成交、 間接引導成交、 購買間隔。
▆使用者拉新資料指標：流量來源、流量路徑、CAC(使用者獲取成本)、CPC(每次點選付費) 、CPT(按時長付費)、 CPM(千人成本) 、 CPS(按提成收費) 、CPA(按點選計費) 、Campaign(塑造品牌)。
03 漏斗模型
即使用者行為路徑所要經過的核心流程步驟，使用者在流程的走向過程中會逐漸的減少。關於漏斗模型，本質是分解和量化，從獲取使用者到最終轉化成購買這整個流程中的一個個子環節，相鄰環節的轉化率則就是指用資料指標來量化每一個步驟的表現。
所以整個漏斗模型就是先將整個購買流程拆分成一個個步驟，然後用轉化率來衡量每一個步驟的表現，最後透過異常的資料指標找出有問題的環節，從而解決問題，最佳化該步驟，最終達到提升整體轉化率的目的，整體漏斗模型的核心思想其實可以歸為分解和量化。
可以透過這種分解和量化的形式，將問題進行不斷的拆解，最後透過量化的形式來輔助達成目標，或者針對異常的步驟進行調優，最終達到總目標。它可以廣泛應用於流量監控、產品目標轉化等日常資料營運工作中，稱之為轉化漏斗；也可以用於產品、服務銷售，稱之為銷售漏斗。
04 金字塔模型
可以在做精細化營運，使用者分層時使用，比如可以將使用者分成：頭部使用者、中腰部使用者、底部使用者；也可以分成：合夥人、付費會員、復購使用者、成交使用者、瀏覽使用者等等。馬斯洛需求層次理論其實也是金字塔模型的一個應用。
05 RFM模型
衡量客戶價值和客戶創利能力的重要工具和手段，是電商營運所比知的分析模型。
▶R（Recency）代表最近一次消費。理論上來說，上一次消費時間越近的客戶是越優質的客戶，該部分客戶與店鋪的關係更加緊密，更加容易觸達；距離當前上一次消費越遠的客戶，越有流失的風險。
▶F（Frequency）代表消費頻率。可以說最常購買的客戶，是滿意度最高的客戶，也是忠誠度較高的客戶。提升客戶的購買頻率意味著提高客戶終身價值的貢獻。
▶M（Monetary）代表消費金額。消費金額是客戶貢獻的最直接的體現，我們所做的所有營運活動都是為了提升客戶的消費金額。
06 SWOT模型
SWOT是最常用的競爭態勢和競爭機會的分析模型，利用二維四象限的方式分成：S (strengths)是優勢、W (weaknesses)是劣勢、O (opportunities)是機會、T (threats)是威脅四個維度。
07 使用者生命週期模型
使用者從接觸到平臺(APP)到使用者流失的整個過程，可以分為：匯入期、成長期、成熟期、休眠期、流失期。從平臺營運的角度可以將使用者的生命週期分成獲客區、升值區和流失區，對應著這三個階段我們的營運核心工作也不盡相同。獲客區：推廣獲客；升值區：成交轉化、復購增購、分享裂變；流失區：新品研發、使用者導流。
08 波士頓矩陣模型
波士頓矩陣其實是利用二維四象限將產品分成了明星、金牛、瘦狗和問題四種類型。在電商營運中波士頓也具有很大的指導意義，我們可以根據波士頓矩陣的方式制定平臺的產品矩陣：流量款、利潤款、形象款，讓商城的產品更符合交易邏輯。
總結
本文簡單的介紹幾個常用的資料模型，拋磚引玉，而更多的資料模型以及每個模型具體的應用還需要我們在日常的工作中不斷的積累。本文主要讓大家建立一個資料模型的分析思維，在進行資料分析之前，可以先利用一些資料模型來搭建分析框架。
總之，任何模型都有其產生的歷史背景、資料基礎、使用範圍，也不是所有模型的目的都是精準。簡單、好用、省事，是更多時候的考慮。大家可以找更多的資料深入學習資料模型，複用現有模型，更重要的是，需要我們透過熟悉主流的資料模型產出邏輯，並從中找到規律，創造出適用於我們產品業務線或者專案資料模型，擁有了資料模型思維，使其資料分析更具有了科學性，有了認知更廣的“資料”世界的強而有力的工具。
