aarrr-metrics

AARRR 海盗指标

将 Dave McClure 的 AARRR 框架应用于五个阶段的增长衡量与优化：获客、激活、留存、收入和推荐。

何时使用此技能

• 构建增长仪表板
• 识别漏斗瓶颈
• 确定增长实验的优先级
• 向投资者汇报
• 诊断增长问题

方法论基础

基于 Dave McClure 的 AARRR 框架（500 Startups），提供：

• 各阶段的指标定义
• 漏斗转化分析
• 优先级框架
• 实验设计指导

Claude 的工作与由你决定的事项

Claude 的工作	由你决定
定义各阶段的指标	产品的具体定义
识别瓶颈	实验优先级
提出实验建议	资源分配
创建仪表板	工具选择
对标绩效	可接受的阈值

说明

步骤 1：定义各个阶段

AARRR 阶段：

阶段	问题	重点
Acquisition（获客）	用户如何找到你？	流量、渠道
Activation（激活）	用户是否获得了良好的首次体验？	引导流程、顿悟时刻
Retention（留存）	用户会回来吗？	参与度、习惯
Revenue（收入）	用户会付费吗？	转化、变现
Referral（推荐）	用户会告诉其他人吗？	病毒式传播、NPS

步骤 2：设置各阶段的指标

指标框架：

阶段	主要指标	辅助指标
获客	CAC、独立访客	渠道组合、CTR、CPM
激活	激活率	激活耗时、流失节点
留存	D7/D30 留存率	DAU/MAU、流失率
收入	LTV、ARPU	转化率、ACV
推荐	病毒系数	NPS、推荐率

步骤 3：绘制你的漏斗

漏斗模板：

Acquisition → Activation → Retention → Revenue → Referral
   100%    →    30%     →    15%    →    5%   →    1%

计算各个阶段之间的转化率。

步骤 4：识别瓶颈

瓶颈分析：

流失节点	诊断
获客 → 激活	引导流程不佳或流量不精准
激活 → 留存	未发现核心价值
留存 → 收入	定价与价值不匹配
收入 → 推荐	未能让付费用户满意

步骤 5：确定实验优先级

ICE 框架：

• Impact（影响）：对指标的提升有多大？
• Confidence（信心）：我们有多确定？
• Ease（易行性）：实施起来有多容易？

示例

示例 1：完整的 AARRR 仪表板

输入：

Build an AARRR dashboard for a B2B SaaS product.
Monthly visitors: 50,000
Signups: 3,000
Activated users: 900
Paying customers: 150
Referrals generating signups: 45

输出：

## AARRR Dashboard: B2B SaaS

### Funnel Overview

┌──────────────────────────────────────────────────────────────┐ │ AARRR FUNNEL │ ├──────────────────────────────────────────────────────────────┤ │ │ │ ACQUISITION ACTIVATION RETENTION REVENUE REF │ │ 50,000 3,000 900 150 45 │ │ 100% 6% 30% 17% 30% │ │ │ │ ████████████ ████████ ████ ██ █ │ │ │ │ 访客 → 注册 → 已激活 → 付费 → 推荐 │ │ (-94%) (-70%) (-83%) (-70%) │ │ ⚠️ ⚠️ ✅ ⚠️ │ │ │ └──────────────────────────────────────────────────────────────┘

---

### Stage-by-Stage Analysis

#### 1. ACQUISITION

**Metrics:**
| Metric | Value | Benchmark | Status |
|--------|-------|-----------|--------|
| Monthly visitors | 50,000 | - | Baseline |
| Visitor → Signup | 6% | 2-5% | ✅ Good |
| CAC | $45 | <$50 | ✅ Good |
| Signups | 3,000 | - | - |

**Channel Breakdown:**
| Channel | Visitors | Signups | Conv % | CAC |
|---------|----------|---------|--------|-----|
| Organic | 20,000 | 1,500 | 7.5% | $0 |
| Paid Search | 15,000 | 900 | 6% | $60 |
| Content | 10,000 | 450 | 4.5% | $20 |
| Social | 5,000 | 150 | 3% | $80 |

**Analysis:** Acquisition is healthy. Organic performing best.
Paid social has high CAC—consider reallocating.

---

#### 2. ACTIVATION ⚠️ BOTTLENECK

**Metrics:**
| Metric | Value | Benchmark | Status |
|--------|-------|-----------|--------|
| Signup → Activated | 30% | 40-60% | ⚠️ Below |
| Time to activate | 3.2 days | <1 day | ⚠️ Slow |
| Activation rate | 900/3,000 | - | - |

**Activation Definition:**
"Activated" = Created first project + invited 1 team member

**Drop-off Analysis:**
| Step | Users | Drop-off |
|------|-------|----------|
| Signup complete | 3,000 | - |
| Email verified | 2,400 | -20% |
| Created project | 1,500 | -38% |
| Invited team | 900 | -40% ⚠️ |

**Primary Bottleneck:** "Invite team member" step losing 40%

**Experiment Ideas:**
| Experiment | Hypothesis | ICE |
|------------|------------|-----|
| Skip team invite in onboarding | Removes friction, activate solo first | 8/8/9 = 8.3 |
| In-app invite prompt (day 2) | Right timing, after value seen | 7/7/8 = 7.3 |
| Email team invite reminder | Low effort, catches drop-offs | 5/6/9 = 6.7 |

---

#### 3. RETENTION

**Metrics:**
| Metric | Value | Benchmark | Status |
|--------|-------|-----------|--------|
| Week 1 retention | 65% | 60%+ | ✅ Good |
| Month 1 retention | 45% | 40%+ | ✅ Good |
| DAU/MAU ratio | 28% | 20%+ | ✅ Good |
| Churn rate | 5%/month | <5% | ✅ OK |

**Retention Curve:**

第 1 天： 100% ████████████████████ 第 7 天： 65% █████████████ 第 14 天： 52% ██████████ 第 30 天： 45% █████████ 第 60 天： 38% ████████ 第 90 天： 32% ██████

**Analysis:** Retention is solid. Users who activate tend to stick.
This confirms activation is the primary bottleneck.

---

#### 4. REVENUE

**Metrics:**
| Metric | Value | Benchmark | Status |
|--------|-------|-----------|--------|
| Activated → Paid | 17% | 5-15% | ✅ Strong |
| Trial → Paid | 17% | 10-25% | ✅ Good |
| ARPU | $89/mo | - | Baseline |
| LTV | $1,068 | - | 12mo × ARPU |
| LTV:CAC | 24:1 | >3:1 | ✅ Excellent |

**Revenue Breakdown:**
| Plan | Customers | % | MRR |
|------|-----------|---|-----|
| Starter ($29) | 60 | 40% | $1,740 |
| Pro ($89) | 75 | 50% | $6,675 |
| Enterprise ($249) | 15 | 10% | $3,735 |
| **Total** | **150** | - | **$12,150** |

**Analysis:** Strong conversion and healthy LTV:CAC.
Not a bottleneck—maintain current approach.

---

#### 5. REFERRAL ⚠️ OPPORTUNITY

**Metrics:**
| Metric | Value | Benchmark | Status |
|--------|-------|-----------|--------|
| Referral rate | 30% | 20%+ | ✅ Good |
| Viral coefficient | 0.45 | >1 = viral | ⚠️ Below |
| NPS | +32 | >30 | ✅ Good |
| Referral signups | 45 | - | - |

**Calculation:**
- 150 paying customers
- 30% refer (45 referrals)
- Each referral generates 1 signup
- Viral coefficient = 45/150 × (6% activation) = 0.018
- Not organic virality, but healthy referral base

**Experiment Ideas:**
| Experiment | Hypothesis | ICE |
|------------|------------|-----|
| Referral incentive (2-way) | Motivation for both parties | 7/8/7 = 7.3 |
| In-app share prompts | Right moment capture | 6/7/8 = 7.0 |
| Case study program | Social proof + referral | 5/6/6 = 5.7 |

---

### Priority Recommendations

| Priority | Focus | Current | Target | Impact |
|----------|-------|---------|--------|--------|
| 1 | Activation | 30% | 45% | +450 activated/mo |
| 2 | Referral | 30% | 50% | +30 referral signups |
| 3 | Paid channel mix | 6% conv | 8% conv | -$10 CAC |

**90-Day Goal:**
If activation improves 30% → 45%:
- +450 more activated users
- At 17% conversion = +76 new customers
- At $89 ARPU = +$6,800 MRR

---

### Dashboard Template

┌────────────────────────────────────────────────────────────┐ │ AARRR 月度仪表板 2026 年 1 月 │ ├────────────────────────────────────────────────────────────┤ │ │ │ 获客 激活 留存 │ │ 访客：50K 已激活：900 D30：45% │ │ 注册：3K 比率：30% ⚠️ 流失率：5% │ │ CAC：$45 时间：3.2d DAU/MAU：28% │ │ │ │ 收入 推荐 总体 │ │ 客户：150 推荐人数：45 MRR：$12.2K │ │ 转化率：17% 比率：30% LTV:CAC：24:1 │ │ ARPU：$89 NPS：+32 健康度：🟢 │ │ │ │ 瓶颈：激活（30%，目标为 45%） │ │ 实验：跳过团队邀请引导流程 │ │ │ └────────────────────────────────────────────────────────────┘

示例 2：快速诊断瓶颈

输入：

Diagnose this funnel:
- 100K visitors, 5K signups (5%)
- 4K activated (80%)
- 1K retained at D30 (25%)
- 200 paid (20%)

输出：

## Quick AARRR Diagnosis

### Funnel

| Stage | Users | Conv | Benchmark | Status |
|-------|-------|------|-----------|--------|
| Acquisition | 100K → 5K | 5% | 2-5% | ✅ Good |
| Activation | 5K → 4K | 80% | 40-60% | ✅ Excellent |
| Retention | 4K → 1K | 25% | 40%+ | ❌ Problem |
| Revenue | 1K → 200 | 20% | 5-15% | ✅ Strong |

### Bottleneck: RETENTION

**Problem:** Only 25% retained at D30 (should be 40%+)

**What this means:**
- Great at attracting and activating
- Users try it, find value initially
- But don't form a habit / come back
- Losing 3,000 activated users monthly

**Likely Causes:**
1. Single-use case (solved problem, left)
2. Not enough ongoing value
3. Poor re-engagement
4. Competitor switching

**Recommended Experiments:**
1. User interviews with churned users
2. Email re-engagement sequence
3. Weekly value summary email
4. Add recurring use case

**Impact if fixed:**
If retention → 40%: 1,600 retained → 320 paid
That's +120 customers/month (+60%)

技能边界

此技能擅长的内容

• 梳理增长指标
• 识别漏斗瓶颈
• 确定实验优先级
• 创建仪表板

此技能无法完成的内容

• 访问你的实际数据
• 了解你的具体定义
• 运行实验
• 保证结果

迭代指南

后续提示词：

• “为[问题]设计激活实验”
• “[阶段]有哪些重要指标？”
• “创建留存分析框架”
• “如何提升[具体转化率]？”

参考资料

• Dave McClure - Pirate Metrics（500 Startups）
• Reforge Growth Series
• Amplitude Product Analytics
• Mixpanel Growth Framework

相关技能

• product-led-growth - PLG 增长方式
• growth-loops - 可持续增长
• startup-metrics - 投资者指标

技能元数据

• 领域：增长
• 复杂度：中级
• 模式：cyborg
• 价值实现时间：完整设置需 2-3 小时
• 前置条件：分析数据访问权限、指标定义