AARRR モデルデータ指標システムを確立するにはどうすればよいでしょうか?

AARRR モデルは、ユーザー分析のための当社の古典的なモデルであり、典型的なファネル構造です。ライフサイクルの観点から、ユーザーがプラットフォームに参加し、最終的に商業的価値を得るために必要な 5 つのステップについて説明します。価値は、ユーザーの購買行動（収益の獲得）から直接得られるだけでなく、推奨者（自己伝播）やコンテンツ制作者（維持率）としてのユーザーによって生み出される収益からも得られます。

01 AARRRモデルとは何ですか?

AARRR は、製品ライフサイクルの 5 つの段階に対応する 5 つの単語を表します。

1. 獲得: ユーザーはどのようにしてあなたの製品を発見し、利用しますか?
2. アクティベーション: ユーザーの初回体験はどのようなものでしょうか?
3. 保持: ユーザーは製品に戻ってきますか (繰り返し使用しますか)?
4. 収益: 製品はどのようにして収益を上げますか (ユーザーを通じて)?
5. 参照: ユーザーは他のユーザーに伝える意思がありますか?

AARRR モデルは、次の 2 つの重要な点を指摘しています。

1. ユーザーに焦点を当て、ユーザーのライフサイクル全体を手がかりとして捉えます。
2. ユーザー生涯価値 (LTV) がユーザー獲得コスト (CAC) とユーザー運用コスト (COC) の合計よりはるかに大きい場合、製品の全体的なコストと収益の関係を制御することは、製品の成功を意味します。

02 AARRRのデータ指標

1. 買収

獲得段階は、製品のプロモーション段階であり、製品運用の最初のステップです。

事業者は、さまざまなプロモーションチャネルや方法を通じてターゲットユーザーを獲得し、さまざまなマーケティングチャネルの有効性を評価することで、より合理的な投資戦略を決定し、ユーザー獲得コスト（CAC）を最小限に抑えます。

現時点で注目すべき主な指標は次のとおりです。

1) 新規登録ユーザー数（DNU）

定義:毎日ゲームに登録してログインするユーザーの数。

ここでの登録は広い概念です。一部のアプリでは、アプリを初めて起動するユーザーを指します。したがって、DNU の定義は、初めてログインまたは APP を起動するユーザーとも言えます。

モバイル統計では、ユーザーがデバイスを具体的に参照することもあることに注意してください。

問題の解決方法:

• チャンネルによって貢献されたユーザーシェア。
• マクロトレンドによって配信戦略が決まります。
• スパムユーザーは多数いますか?
• 登録コンバージョン率分析。

2. 活性化を高める

新規ユーザーは沈殿後にアクティブユーザーに変換されます。このとき、アクティブユーザーの数や、ユーザーの利用頻度、滞在時間などのデータに注目する必要があります。

1) デイリーアクティブユーザー数（DAU）

定義:毎日ゲームにログインしたユーザーの数。

一部のアプリでは、アプリを起動するとアクティブ ユーザーになることを意味しますが、他のアプリでは、アクティブ ユーザーと見なされるにはアカウントを登録し、オンライン アカウントを作成する必要があります。アクティブユーザーの計算は重複排除されます。

問題の解決方法:

• コアユーザー規模。
• 製品ライフサイクル分析。
• 製品のアクティブ ユーザーが失われ、アクティブ ユーザーが分解されます。
• ユーザーアクティビティ率、アクティブユーザーはユーザー数をカウントします。

2) 週間アクティブユーザー数（WAU）

定義:過去 7 日間 (当日を含む) にアプリにログインしたユーザーの数。通常は 1 週間を基準に計算されます。

問題の解決方法:

• 定期的なユーザースケール。
• 周期的な変化の傾向は、主にプロモーション期間と非プロモーション期間の比較です。

3) 月間アクティブユーザー数（MAU）

定義:その月の過去 30 日間 (当日を含む) にアプリにログインしたユーザーの数。通常は暦月に基づいて計算されます。

MAUの変動幅は比較的小さく、製品ユーザー規模の安定性という点ではMAUは風向計のようなものと言えます。しかし、プロモーション期間中は、バージョンアップや運用活動の調整がMAUに与える影響がより顕著になります。

さらに、MAU の傾向は、製品ライフサイクルのさまざまな段階で異なって変化します。

問題の解決方法:

• ユーザースケールの安定性。
• プロモーション効果評価。
• 全体的なユーザー サイズの変更。

4) 平均一日使用時間（DAOT）

定義: 1 日の合計オンライン時間 / 1 日のアクティブ ユーザー数。

利用時間については、単回利用時間、日次利用時間、週次利用時間などの指標に分けられ、これらの指標に対して区間分布や平均計算を行うことで、参加の固執性を把握することができます。

問題の解決方法:

• 製品品質の問題を分析します。
• さまざまな時間軸で平均使用時間を観察して、さまざまなユーザー グループの習慣を理解します。
• チャネル品質を測定する基準の 1 つ。
• 維持率は解約分析の基礎となります。

5) DAU/MAU

DAU/MAU は、ユーザーが毎月アプリを訪問する平均日数を示します。たとえば、アプリの DAU が 50 万、MAU が 100 万の場合、DAU/MAU 比率は 0.5 となり、ユーザーの月間平均訪問時間は 30*0.5=15 日であることを意味します。これは、ユーザーの粘着性を評価するための比較的重要な指標でもあります。

DAU/MAU は 3.33% から 100% の範囲ですが、これら 2 つの状況は現実には基本的に発生しないことは明らかです。異なる分野のアプリには、参照用のベンチマーク値が異なります。たとえば、モバイルゲームでは20％を基準値として使用し、2017年6月と9月のHonor of Kingsの値は基本的に約31％で、ツールアプリでは40％を基準値として使用します。

DAU/MAU 値が高いほど、アプリの粘着性が強くなり、より多くのユーザーがアプリを使用する意思があることを意味します。

逆に、DAU/MAU 値が非常に低い場合、アプリが失敗したことを意味するわけではありません。

また、結論を導き出す前に、製品属性（例えば、定期的な家計管理・就職活動・住宅購入・賃貸などのアプリは、性質上 DAU が比較的低い可能性がある）、時間的考慮（平日・休日など）、バージョン更新、運用アクティビティ、ユーザー次元における ARPU 値など、複数の条件に基づいて多次元分析を行う必要があります。

そのため、DAU/MAUの意味を正しく理解することが重要です。

3. 保持

アクティビティの問題を解決した後、「ユーザーがすぐに出入りしてしまう」という別の問題が発見されました。ゲームにはユーザーの定着率や維持率が欠けていると言われることもあります。

ユーザーの定着率や質を測る指標が必要です。これは、アプリが初期段階でユーザーを維持し、アクティブユーザー数を増やせるかどうかを判断する手段です。定着率はその手段の1つです。

維持率: 一定期間内の新規ユーザー数を A として記録します。一定期間が経過した後、新規ユーザー A に対して引き続きアプリを使用しているユーザーの割合が維持率です。

1) 1日目の維持率

定義: 1 日あたりの新規ユーザー数は、+1 日にログインしたユーザー数と新規ユーザー数の比率です。

2) 3日目の維持率

定義:毎日の新規ユーザーとは、新規ユーザーのうち 3 日目にログインしたユーザーの比率です。

3) 7日目の維持率

定義:新規ユーザー数に対する、7 日目にログインした毎日の新規ユーザーの比率。

維持率は徐々に製品の品質を判断する重要な基準へと進化してきました。

維持率に注意を払うと同時に、解約率の分析にも注意を払う必要があります。継続率よりも、ユーザー獲得の観点からユーザーを獲得するチャネルが合理的かどうか、製品のユーザー規模が拡大できるかどうかが重要になります。離脱率は、一部のユーザーがアプリを離れる理由に関係します。これはユーザー獲得段階に存在する問題かもしれませんが、アプリのユーザーベースが安定している場合、有料ユーザーの喪失はアプリの収益の大幅な低下を引き起こす可能性があります。

維持率の計算は、統計期間に応じて決定できます。たとえば、週ごとの維持率を計算する場合、新規ユーザーの週ごとの維持率は、1 週間の新規ユーザーの合計数とその後の週の維持率によって計算されます。

上記の +3 日または +7 日は、3 日目と 7 日目の概念を強調することを目的としています。維持率を計算する際、新規追加された日は、前述の維持ユーザー数である日数に含まれませんのでご注意ください。新規ユーザー追加後の 1 日目の保持率、3 日目の保持率、7 日目の保持率を指します。

問題の解決方法:

• APP品質評価。
• ユーザー品質評価。
• ユーザースケール測定。

離脱率: 統計期間中にさまざまな時点でアプリを離れたユーザーの数。

4) 1日目の解約率

定義:統計日にアプリにログインしたが、その後 7 日間にログインしなかったユーザーのうち、統計日のアクティブ ユーザーの割合。

5) 週ごとの解約率

定義:先週の週間アクティブ ユーザー数に対する、先週はアプリにログインしたが今週はログインしなかったユーザーの割合。

6) 月間解約率

定義:先月アプリにログインしたが今月はログインしなかったユーザーの割合を、先月の月間アクティブ ユーザー数で割った値です。

解約率は、アプリが安定期に入ったときに特に注意を払う必要がある指標です。リテンションに注意するということは、アプリの初期段階でアプリユーザーがアプリに参入する状況に注意するということであり、解約率に注意するということは、製品の中期および後期段階でユーザーの安定性と製品の収益性変換に注意するということです。

安定期には、収益とアクティビティが非常に安定しています。離脱率が高い場合は、この指標を警告として機能させ、どのユーザーがアプリを離れたのか、どこに問題があるのか​​を徐々に把握する必要があります。特に、有料ユーザーの離脱率の分析には特別な注意が必要です。

問題の解決方法:

• アクティブユーザーのライフサイクル分析。
• チャンネルの変更。
• 収益を増やすための運用手段と、バージョン更新がユーザー離脱に与える影響の評価。
• 解約率はどの期間に高くなりますか?
• 業界比較と中期製品評価。

4. 収益

収益源は、アプリ内課金、アプリ内機能課金、広告収入、トラフィック収益化など多岐にわたります。主な評価指標としては、ARPU（平均注文額）が挙げられます。

主な懸念事項:

1) 支払率（PRまたはPUR）

定義:有料ユーザーとアクティブユーザーの比率。

簡単に言えば、支払い率は支払い浸透率とも呼ばれます。モバイルアプリ市場では、ほとんどの人が1日の支払い率、つまり1日の支払い比率だけを気にしています。

支払い率が高いか低いかは、製品の有料ユーザーが増加するか減少することを意味するものではありません。支払い率は、アプリの種類によっても異なります。

問題の解決方法:

• 製品の利益変換能力基準。
• ユーザーの支払いの重要なポイントと変換サイクル。
• 有料コンバージョン効果の評価。

2) アクティブ有料ユーザー（APA）

定義:統計期間中に支払いを正常に完了したユーザーの数。通常は月単位で計算され、国際市場では MPU (Monthly Paying Users) とも呼ばれます。

データ分析では、毎日課金するユーザーと毎週課金するユーザーに注目しています。主な理由は、ユーザーのライフサイクルが短く、短期的な支払いが注目されるからです。

アクティブ有料ユーザー数の計算式は次のとおりです。

APA＝MAU×MPR

問題の解決方法:

• 製品の有料ユーザーの規模。
• APAの構成、クジラ利用者、イルカ利用者、小魚利用者の割合、および収益性。
• 支払いグループの価値は全体的な安定性分析です。

3) ユーザーあたりの平均収益（ARPU）

定義:統計期間中にアクティブ ユーザーによって生成された平均収益。通常は月単位で測定されます。

ユーザーあたりの平均収益を計算する式は次のとおりです。

ARPU = 収益/ユーザー

月間ARPU＝売上高/MAU

これは総収益を総アクティブユーザー数で割ったもので、通常は月単位で計算されます。

厳密に定義された ARPU は、中国で知られている ARPU とは異なります。国内の ARPU = 総収益 / 有料ユーザー数。そのため、有料 ARPU が重視されることが多く、ここでは ARPPU と呼ばれる特別な用語があります。

ARPU は、製品ポジショニングの初期段階でさまざまな規模で収益を見積もるために使用され、LTV の重要な参照値でもあります。

問題の解決方法:

• さまざまなチャネルからのユーザーの品質を判断します。
• 製品収益貢献分析。
• アクティブユーザーあたりの平均収益と配信コストの関係。

4) 有料ユーザーあたりの平均収益（ARPPU）

定義:統計期間中に有料ユーザーによって生成された平均収益。通常は月単位で測定されます。

有料ユーザーあたりの平均収益を計算する式は次のとおりです。

ARPPU = 収益/支払いユーザー

月間ARPPU＝売上高/APA

これは総収益を有料ユーザー総数で割ったもので、通常は月単位で計算されます。

ARPPUはクジラユーザーや雑魚ユーザーの影響を受けやすいので、分析する際には注意が必要です。

ARPPU、APA、MPR を組み合わせることで、有料ユーザーの維持を分析し、特定の有料ユーザーの損失を詳細に分析し、支払いの品質と規模を確保できます。

問題の解決方法:

• 有料ユーザーの支払い能力と勾配の変化。
• 有料ユーザーの全体的な支払い傾向と、さまざまな支払い階層間の違い。
• クジラユーザーの価値を探る。

5) 生涯価値（LTV）

定義:ユーザーが生涯にわたって生み出した総収益。長期累積ARPUとして見ることができます。

各ユーザーの平均LTVは以下のように計算されます。

LTV = ARPU × LT（月または日数で計算された平均ライフサイクル）

このうち、LT はライフタイム、つまりユーザーが初めてアプリを起動してから最後に起動するまでの時間です。通常は平均値が計算されます。LT は月単位で測定され、ユーザーがアプリに滞在する平均月数です。

たとえば、APP の ARPU が 2 人民元、LT が 5 の場合、LTV は 2×5 = 10 人民元になります。

上記の計算方法は理論的には実行可能ですが、実際には以下のLTV計算方法を採用しています。

特定の日または週の新規ユーザー数を追跡し、その後の 7 日間、14 日間、30 日間におけるこのユーザー グループの累積収益貢献を計算し、それをこのグループの新規ユーザー数で割ります。つまり、累積収益 / 新規ユーザー = 累積 ARPU (LTV) となります。

この方法では、さまざまなライフサイクルの段階で、この一連の新規ユーザーの大まかな生涯価値を計算できます。

問題の解決方法:

• ユーザーの収益貢献サイクル。
• ユーザーグループとチャネルの利益貢献、LTV と CPA の測定。
• LTV は有料ユーザーと無料ユーザーを区別せず、全体的な価値を考慮します。

5. 参照

自己伝播は口コミやバイラルコミュニケーションとも呼ばれます。重要な指標の 1 つは K 係数です。

K 係数の計算式は複雑ではなく、手順は次のとおりです。

K = (各ユーザーが友人に送信する招待の数) × (招待を受け取った人が新規ユーザーになる率)。

平均して各ユーザーが 20 人の友人を招待し、平均コンバージョン率が 10% であると仮定すると、K = 20 × 10% = 2 となります。

K>1 の場合、ユーザー ベースは雪だるま式に増加します。

K が 1 未満の場合、ユーザー ベースは特定のサイズに達すると自己増殖による成長を停止します。

ほとんどのアプリは自己増殖だけに頼ることはできず、他のマーケティング手法と組み合わせる必要があります。ただし、製品設計段階で自己増殖に資する機能を追加することは依然として必要です。結局のところ、この無料のプロモーション方法は、CACを部分的に削減することができます。

上記はAARRRモデルのデータ指標システムです。完全なデータ指標システムを確立することによってのみ、将来的にはユーザー行動のより包括的な分析を行うことができます。

関連記事:

1. AARRR モデルを使用して、コスト 0 で 10 日間で 150,000 人のファンを獲得するにはどうすればよいですか?

2.0 は 10 日間で 150,000 人のファンを犠牲にしました。AARRR モデルはこのように使用できることがわかりました。

3. AARRRモデルを通じて製品運用戦略を議論する

4. AARRRモデル: ゲーミフィケーションによるユーザー成長戦略

5.AARRRR モデル: マーケティング プロセスの基礎となる論理モデル!

6. ケース分析: AARRR モデルを使用してユーザー数の増加を促進するには?

著者: 南から

出典: 南から