close
Boardmix博思白板 logo boardmix 白板
产品
AI工具
企业服务

用户增长 · 行为指标 · 实验复盘

AI生成AARRR模型

增长问题,不只发生在获客环节。用 Boardmix AI 整理用户从第一次接触到持续使用的行为,把指标、原因假设和下一轮实验放在同一张白板上。

先定义有效行为,再寻找值得验证的增长机会

增长,卡在哪个环节?AARRR 用户增长
  1. AAcquisition获客

    用户从哪里来?

    来源
  2. AActivation激活

    体验到核心价值了吗?

    首次价值
  3. RRetention留存

    还会继续使用吗?

    持续使用
  4. RReferral推荐

    带来新的有效用户?

    口碑带新
  5. RRevenue收入

    价值转化为收入?

    商业结果

五个观察维度;真实路径与指标口径由你的业务决定。

从你的资料开始

从用户行为开始分析增长

说明服务谁、解决什么问题、用户怎样完成核心任务,以及目前有哪些行为数据。AI可整理阶段、候选指标与待核假设;没有数据的部分先留空。

建议同时提供统计周期、用户或团队口径、关键事件定义。只有“注册量下降”,还不足以判断问题发生在哪里。

进入 Boardmix 后继续;
AI用量以账号权益为准。

先让输入清楚

AARRR模型是什么?先把增长问题说具体

AARRR把用户增长分成获客、激活、留存、推荐和收入五个观察维度。它帮助团队连接用户行为与业务结果;真正有用的分析,需要统一对象、事件与时间口径。

01 · 用户与价值

先确定谁在获得什么价值

写清目标人群、使用任务和业务模式。个人工具可以按用户观察,团队产品可能需要按工作区或团队观察;购买者与使用者不同的业务,还要把两种角色分开。

02 · 行为与周期

为每个阶段定义有效行为

不要把访问页面等同于激活,也不要把登录等同于留存。围绕核心任务定义事件,再按真实使用频率选择观察窗口。每个比例都应说明分子、分母和排除条件。

03 · 事实与假设

从问题线索走向可检验原因

把已有数据、访谈和客服反馈放在指标旁。漏斗中某一步下降只是线索,可能与入口人群、产品障碍或统计变化有关,不能直接让AI给出唯一原因。

了解AARRR模型的五个增长维度 →

看一个具体例子

以团队协作产品为例,逐项定义增长行为

以下为虚构案例,不使用真实经营数据。产品为小型团队提供项目协作,付费按团队计算;先约定统计单位,再为各阶段选择可验证的观察方式。

虚构案例 · 新团队开始使用项目协作服务

识别带来有效需求的入口

同样是访问产品页,寻找个人待办工具和寻找团队协作方案的用户,后续行为可能不同。

可观察的行为

按搜索、内容、推荐等已识别来源记录新访客或新团队;来源不明的单列,避免把推测当作渠道归因。

指标口径怎样约定

如观察访问到新建团队的转化,需要先约定去重访客、创建成功事件、归因窗口及跨设备处理方式,不混用点击次数和用户数。

下一步先核对什么

比较不同入口用户的问题与后续激活情况,确认新增访问是否来自真正适合产品的人群。

同一张AARRR图可以包含不同口径的指标,但必须逐项注明。只有满足同一队列、顺序和观察条件的事件,才适合直接计算逐层漏斗转化。

展开全部分析要点

获客:识别带来有效需求的入口

同样是访问产品页,寻找个人待办工具和寻找团队协作方案的用户,后续行为可能不同。

可观察的行为:按搜索、内容、推荐等已识别来源记录新访客或新团队;来源不明的单列,避免把推测当作渠道归因。

指标口径怎样约定:如观察访问到新建团队的转化,需要先约定去重访客、创建成功事件、归因窗口及跨设备处理方式,不混用点击次数和用户数。

下一步先核对什么:比较不同入口用户的问题与后续激活情况,确认新增访问是否来自真正适合产品的人群。

激活:找到首次体验核心价值的行为

创建账号只是开始。一个候选激活事件是:团队创建项目,并由不同成员完成任务分配与确认。

可观察的行为:观察新团队是否完成一次真实的协作任务;演示数据或空项目可按事先约定的规则排除。

指标口径怎样约定:候选激活率为规定窗口内完成核心协作事件的新团队数,除以有完整观察窗口的同期新团队数。事件是否代表价值还要结合使用反馈验证。

下一步先核对什么:如果大量团队停在邀请或成员接入环节,先查看失败记录和访谈,再决定是否改邀请说明、权限或引导。

留存:判断价值是否被持续使用

以首次达到候选激活事件的团队建立同一批次,再观察后续是否继续开展有效协作。

可观察的行为:结合产品的使用节奏,记录后续一段时间内是否再次分配、更新或完成真实项目任务。

指标口径怎样约定:固定同一队列和相同事件定义,明确按某一周期内回访还是按指定时点回访计算;不要混用新注册团队和已激活团队作为分母。

下一步先核对什么:同时查看使用场景、团队规模和关键功能障碍。季节性或低频任务产品不宜直接套用日留存判断好坏。

推荐:区分协作邀请与带来新客户

邀请同事加入已有项目,可能属于正常协作;推荐其他团队独立开始使用,才可能构成这一业务的获客推荐。

可观察的行为:记录可确认来源的推荐行为,以及被推荐的新团队是否完成约定的有效使用事件。

指标口径怎样约定:分别定义发出推荐、被推荐者到达和新团队有效使用,不把分享按钮点击量直接写成成功推荐数。

下一步先核对什么:核对归因、重复账户和激励规则,避免把同一团队扩员或重复注册误计为新客户增长。

收入:把商业结果与用户价值一起看

团队可能先付费再达到持续使用,也可能先推荐其他团队再付费;真实路径不必符合固定顺序。

可观察的行为:记录团队的实际付费、续费与退款,结合权益使用情况理解购买之后发生了什么。

指标口径怎样约定:明确统计的是付费团队、订单金额还是扣除退款后的收入;订阅业务的新增、续费与流失需要分别观察。

下一步先核对什么:付费提升时仍要检查投诉、退款、留存和交付成本。一次促销带来的收入上升,不等于长期增长已改善。

AI辅助整理,团队继续判断

把增长模型,变成团队可以复盘的白板

在 Boardmix 中把AARRR框架、访谈记录、数据摘要与实验卡片放在一起。AI协助梳理结构,产品、运营与数据团队共同核对定义和证据。

  1. 先整理输入与口径

    写清产品、用户、关键行为和统计周期,将数据来源贴在对应阶段。缺失信息明确留空,不用假数字补齐模型。

  2. 再对照证据寻找问题

    用便签区分事实、原因假设和待调查问题;通过评论讨论分歧,把访谈或事件记录连接到相关阶段。

  3. 最后形成一张实验卡

    为优先验证的假设写明改变什么、影响谁、主要指标、体验护栏、负责人和复查时间,再根据结果调整下一轮行动。

整理我的分析资料 →
Boardmix AARRR模型与AI助手界面示例
Boardmix 产品界面示例;图内案例为演示内容,点数不代表当前账号权益。点击查看大图。

让分析服务工作

让增长讨论落在具体用户任务上

产品与增长团队

检查注册之后的首次价值

把新手引导、协作邀请和关键功能使用串起来,区分“账号增加”和“真正开始使用”。

电商与用户运营

拆开首购、复购与推荐

围绕购买周期、用户反馈和退款情况分析变化,让活动目标与长期用户价值一起被看见。

跨部门增长复盘

从一组数字到可执行试验

对齐产品、运营与数据团队的指标含义,保留不同原因假设,让每次行动都有可复查的依据。

AARRR框架不等于自动数据分析

Boardmix用于整理增长框架、资料与协作讨论,不会仅凭一句话获得你的真实经营数据。AI不能替代埋点核验、数据分析或实验设计。出现转化变化时,先检查统计口径与样本,再结合用户研究判断可能原因。

选择适合讨论的结构

AARRR模型案例模板

从社区画布开始,替换为自己的资料和问题。品牌案例用于学习结构,具体信息请结合最新资料核对。

AI生成AARRR模型常见问题

AARRR模型的五个字母分别代表什么?

分别是Acquisition获客、Activation激活、Retention留存、Referral推荐、Revenue收入。它们提供五种观察用户增长的视角。实际分析时要结合业务定义有效行为,而不是只套用五个标题。

推荐和收入的先后顺序必须固定吗?

不必。不同业务的付费、推荐与持续使用可能交错发生。本页按常见缩写顺序介绍推荐和收入,但不要求用户必须先推荐再付费;需要画漏斗时,应按真实事件顺序和统计条件设计。

激活率是否就是注册转化率?

通常不能直接等同。注册是一个事件,激活应尽量对应用户首次体验核心价值的行为,例如完成一次真实任务或团队协作。具体事件是否有效,需要结合用户反馈和后续使用进行验证。

没有行为数据,可以先用AI生成模型吗?

可以先整理产品与用户、候选事件、指标定义和需要收集的数据。此时得到的是分析框架与问题清单,不是已经证实的增长诊断。不要让AI填入虚构转化率或未经核对的行业基准。

为什么各阶段的比例不能直接相乘?

各指标可能使用不同的人群、时间窗口和统计单位,例如按访客计算获客、按团队计算激活、按订单计算收入。只有明确同一队列、事件顺序与完整观察条件,逐层转化才有可比性。

可以与团队继续编辑和分享吗?

可以在 Boardmix 白板上继续整理模型、便签、资料和实验计划,通过评论补充与讨论。分享前核对权限,并避免公开可识别用户的明细数据;AI用量、导出等权益以账号当前可用功能为准。

把思考留在画布,让协作持续发生

让增长问题有证据,让下一步实验有方向

从真实用户行为开始,和团队一起找到值得验证的改进。

开始生成AARRR模型