從AARRR到RARRA的營運思路轉變
AARRR專注於獲客（Acquisition）， AARRR模型可能已經不再適用網路營運這個瞬息萬變的場景。原因有二：
（1）獲客成本增加
市場競爭激烈，用戶獲客成本已經不再便宜，一組數據顯示：電商線上獲客的成本翻了很多倍，以拉新獲客為中心的增長模式意味著要比十年前這個模型提出時平均增加成本。
（2）流失率高
一組數據顯示，現在平均每個App在安裝後的情況：前3天內將流失掉77％的DAU。在30天內，它將流失90％的DAU。而到了90天，流失率躍升到95％以上。不管你是否心存懷疑，這就是目前眾多創業公司所面對的現實窘境。
因為以上兩個原因，現在黑客增長的真正關鍵在於用戶留存，而不是獲客。所以我們需要一個更好的模型——就是RARRA模型。
AARRR與RARRA的區別
簡單的說，AARRR模型的核心在於獲客，而在RARRA的模型下，專注用戶的留存。
RARRA模型下，如何做用戶增長？（成功案例分享）
分享一個我們前不久自己做的RARRA模型下用戶增長的成功案例：
我們做的是一個在線教育平臺，課程的分類包括：
以拉新為目的的新用戶免費體驗課（0元）；
以轉化為目的的低價專題課（50元以內）；
以盈利為目的的短期班課（999元以內）和系統課（1000-4000元）。
這樣的課程顯然是以拉新-留存-轉化個流程進行的設計，也是現在很多在線教育平臺通用的課程模式設計，其實本質上和其他行業的平臺也是類似。
在RARRA的模型下，數據驅動更重要。因為如果專注獲客，可以在通路選擇等方面憑借經驗和主觀判斷來選擇，但是專注留存，就必須用數據分析找出每個留存環節的差異因素，進而制定最高效的方案大幅度提升留存率。在在線教育平臺的營運中，因為從推廣到課程設計、課程質量、售前售後服務等，包含大量影響營收的因素，因此數據分析方法也相對複雜。
數據分析的第一步，也是關鍵點在於：構建指標體系。
對於一個平臺來說，一般的數據指標都非常多，但必須確定唯一關鍵指標（OMTM），也是大家常說的北極星指標，作為驅動的方向。
回歸商業本質，一切商業模式的終極目標當然是收入，但是收入這個指標並非北極星指標，而是決定北極星指標的上級因素。如下圖所示，平臺收入=有效聽課用戶數*客單價。因為課程的客單價有大致的市場標準，不會做太多變動。因此經過分析，我們認為直播課程營運的北極星指標是——有效聽課用戶數，也就是購買了課程並且有效聽課的用戶數量。
那麽接下來，就要對北極星指標進行分解。
從指標拆解來看：
有效聽課用戶中的新用戶數=外部流量導入*轉化率；
有效聽課用戶中的老用戶數=老用戶數*續報率。
在最後分解的四個指標中，除了老用戶數是直接由新用戶轉化率決定的之外，流量、轉化率、續報率三個指標都是可以通過營運來提升和改善的。
但是由於時間和資源的限制，對於三個指標，營運策略上肯定會有側重點和先後順序。
一開始，我們採用的是AARRR模型，把重點放在提升流量和新用戶轉化率上。通過廣告投放、拉新紅包等大量引流，並在課程設計上做了很多設計促進新用戶轉化率。最後流量和轉化率都提升了，但問題是，用戶停留在0元免費課和低價轉化課上，而續報高價課的有效用戶很少，這樣看似產品新增用戶很多，熱熱鬧鬧，但整體的營收還是上不去。
團隊分析後認為，AARRR模型可能並不適合我們。既然續課率出了問題，應該嘗試採用RARRA模型，把營運重點放在留存上。
於是，數據組開始探索留存的問題點出現在哪裡。我們拉出不同維度用戶數據進行對比，最後發現新用戶和老用戶的續課率差值竟高達53%。
也就是說，新用戶進行初步低價課轉化後，在從低價課到達正價課的留存續課階段，是流失最嚴重的一塊。找到了最痛的點，問題其實已經解決了一半。
接下來，通過各種數據因素分析，我們判斷出了影響新用戶續課率的幾個重點因素，分別是：用戶來源、課前服務、課程質量。並且對每一個因素繼續分解深挖。
在課程質量方面，三個細分數據指標綜合可以衡量課程質量。
課前服務時間上，通過數據對比，我們發現課前兩周進行服務的效果最好，續課率也最高。用戶來源上，短期班課的用戶續課率遠高於其他兩個來源。
根據以上的數據分析，給出了營運策略指導為：
教師和教研團隊狠抓課程質量，改變以前主觀評價模式。用出勤率、完課率和作業完成率三者綜合考核教師KPI；
通過以上三個方向的營運策略調整，同時平臺整體收入也大幅增加，而營運成本卻比以前大規模進行通路投放大大節省了。
階段性的成功，正是及時調整了用戶增長模型，並採用系統的數據分析方法驅動用戶增長。可以看出，數據驅動下，最終給出的營運策略非常簡潔，但前面數據組背後付出的努力和精力是很難被看到的。這正是我們想要的結果，紮根穩且深入，但呈現的卻是簡潔明了的營運指令。
