AARRR-фреймворк (Pirate Metrics)

AARRR (произносится как "Aarrr!" как пиратский клич) — это фреймворк для аналитики, разработанный Dave McClure. Он помогает разбить жизненный цикл клиента на 5 ключевых этапов и определить, на каком этапе "течь".

Что такое AARRR

AARRR = Acquisition → Activation → Retention → Revenue → Referral

Это воронка, через которую проходят пользователи. Каждый этап имеет свои метрики и оптимизации.

┌──────────────────┐
│  ACQUISITION     │  - Люди узнают о продукте
└────────┬─────────┘
         │
┌────────▼─────────┐
│  ACTIVATION      │  - Люди первый раз используют
└────────┬─────────┘
         │
┌────────▼─────────┐
│  RETENTION       │  - Люди возвращаются
└────────┬─────────┘
         │
┌────────▼─────────┐
│  REVENUE         │  - Люди платят
└────────┬─────────┘
         │
┌────────▼─────────┐
│  REFERRAL        │  - Люди приводят друзей
└──────────────────┘

Этап 1: ACQUISITION (Привлечение)

Цель: привлечь как много людей как можно.

Ключевые метрики:

• Traffic / Visits — сколько людей посетили сайт

  • Google Analytics: Users, Sessions, Pageviews

• CAC (Customer Acquisition Cost) — сколько потратили на привлечение

  • CAC = Marketing Spend / New Users

• Sign-ups — количество зарегистрировавшихся

  • Track по источнику: Organic, Paid, Direct, Referral

• Cost per Sign-up — цена за одного зарегистрировавшегося

  • Cost / Sign-ups

Примеры оптимизаций:

• Улучшить SEO (увеличить organic)
• Запустить paid campaigns (Google, Facebook)
• Partnerships (чтобы люди узнали о продукте)
• Content Marketing (блог, статьи)

SQL для мониторинга:

SELECT 
  DATE_TRUNC('week', signup_date) as week,
  signup_source,
  COUNT(*) as signups,
  SUM(CASE WHEN source = 'organic' THEN 1 ELSE 0 END) as organic_signups
FROM users
WHERE signup_date >= NOW() - INTERVAL 12 WEEKS
GROUP BY week, signup_source
ORDER BY week DESC

Этап 2: ACTIVATION (Активация)

Цель: люди должны ощутить "aha moment" — момент, когда они поняли ценность продукта.

Ключевые метрики:

• Sign-up to First Action Rate — % пользователей, которые что-то сделали после регистрации

  • Пример: 70% зарегистрировались, но только 50% просмотрели контент = 50/70 = 71%

• First Action Completion — время до первого действия

  • Быстро ли пользователь выполняет первое действие?

• Onboarding Completion Rate — % пройдших туториал/онбординг

• Feature Adoption — % использующих ключевые фичи в первый день

Примеры оптимизаций:

• Улучшить onboarding (меньше шагов, понятнее)
• Email с первого дня ("Вот что ты можешь сделать")
• In-app tutorials
• Персонализация (рекомендации на основе интересов)

SQL для мониторинга:

SELECT 
  DATE_TRUNC('week', signup_date) as cohort_week,
  COUNT(*) as total_signups,
  COUNT(DISTINCT CASE 
    WHEN first_action_date <= signup_date + INTERVAL 1 DAY THEN user_id 
  END) as activated_day1,
  100.0 * COUNT(DISTINCT CASE 
    WHEN first_action_date <= signup_date + INTERVAL 1 DAY THEN user_id 
  END) / COUNT(*) as activation_rate
FROM users u
LEFT JOIN user_actions ua ON u.id = ua.user_id
WHERE signup_date >= NOW() - INTERVAL 12 WEEKS
GROUP BY cohort_week

Этап 3: RETENTION (Удержание)

Цель: люди должны вернуться и продолжать использовать продукт.

Ключевые метрики:

• DAU (Daily Active Users) — сколько уникальных пользователей в день

• WAU (Weekly Active Users) — в неделю

• MAU (Monthly Active Users) — в месяц

• DAU/MAU Ratio — какой % месячных пользователей активен ежедневно?

  • 20% DAU/MAU = средняя активность
  • 50% DAU/MAU = высокая активность

• Churn Rate — % пользователей, которые ушли

  • Monthly Churn = (Users who didn't return) / (Start of month users)

• Retention Cohorts — процент пользователей, вернувшихся через N дней

  • Пример: 70% вернулись на день 2, 50% на день 7, 30% на день 30

Примеры оптимизаций:

• Push notifications (напоминания)
• Email campaigns (еженедельные дайджесты)
• Улучшить контент (чтобы было что смотреть)
• Gamification (бонусы, уровни, достижения)
• Personalization (показывать релевантный контент)

SQL для когортного анализа:

WITH cohorts AS (
  SELECT 
    user_id,
    DATE_TRUNC('week', signup_date) as cohort_week,
    signup_date
  FROM users
)
SELECT 
  cohort_week,
  FLOOR((DATE_TRUNC('week', active_date) - DATE_TRUNC('week', signup_date)) / 7) as days_since_signup,
  COUNT(DISTINCT user_id) as users_active,
  100.0 * COUNT(DISTINCT user_id) / 
    (SELECT COUNT(*) FROM cohorts c2 WHERE c2.cohort_week = cohorts.cohort_week) as retention_rate
FROM cohorts
LEFT JOIN user_activity ua ON cohorts.user_id = ua.user_id
GROUP BY cohort_week, days_since_signup
ORDER BY cohort_week DESC, days_since_signup

Результат (Retention Table):

Cohort    Day 1   Day 7   Day 30  Day 90
2024-01   100%    75%     45%     20%
2024-02   100%    78%     48%     25%
2024-03   100%    72%     42%     18%

Этап 4: REVENUE (Монетизация)

Цель: получить деньги от пользователей.

Ключевые метрики:

• Conversion Rate — % пользователей, которые платят

  • Paid / Total

• ARPU (Average Revenue Per User) — средний доход на пользователя

  • Total Revenue / Total Users

• LTV (Lifetime Value) — сколько в среднем пользователь потратит за всю жизнь

  • LTV = ARPU / Churn Rate

• MRR (Monthly Recurring Revenue) — предсказуемый ежемесячный доход

  • For subscriptions: # subscribers * average price

• CAC Payback — за сколько месяцев окупится затрата на привлечение

  • CAC / (ARPU * Gross Margin %)

• LTV/CAC Ratio — здоровья бизнеса

  • LTV/CAC > 3 = хорошо

Примеры оптимизаций:

• A/B тестировать цены (найти оптимальную)
• Улучшить преобразование (упростить оплату)
• Upsell (продать дороже)
• Cross-sell (продать ещё что-то)

SQL:

SELECT 
  DATE_TRUNC('month', payment_date) as month,
  COUNT(DISTINCT user_id) as paying_users,
  SUM(amount) as total_revenue,
  100.0 * COUNT(DISTINCT user_id) / 
    (SELECT COUNT(*) FROM users u WHERE u.signup_date <= DATE_TRUNC('month', payment_date) + INTERVAL 1 MONTH) as conversion_rate,
  SUM(amount) / COUNT(DISTINCT user_id) as arpu
FROM payments
GROUP BY month
ORDER BY month DESC

Этап 5: REFERRAL (Рекомендации)

Цель: люди приводят друзей, бесплатный рост.

Ключевые метрики:

• Referral Rate — % пользователей, которые привели кого-то

  • users with referrals / # total users

• Average Referrals per User — среднее количество рефералов на пользователя

• Viral Coefficient (k) — сколько новых пользователей привносит каждый пользователь

  • k = Referral Rate * (Referred Conversion Rate)
  • k > 1 = экспоненциальный рост (viral)
  • k < 1 = замедляющийся рост

• Viral Cycle Time — как быстро реферал приводит следующий реферал

  • Дни от signup до первого реферала

• Referral Revenue — доход от пользователей, пришедших по рефералу

  • Обычно выше, чем от других каналов

Примеры оптимизаций:

• Заинцентивизировать рефералы (бонусы, скидки)
• Упростить sharing (одна кнопка, скопировать ссылку)
• Reward both sides (и реферрер, и referred получают бонус)
• Gamify (leaderboard, badges)

SQL:

SELECT 
  u.user_id,
  u.signup_date,
  COUNT(DISTINCT r.referred_user_id) as referrals_count,
  SUM(CASE WHEN p.payment_id IS NOT NULL THEN 1 ELSE 0 END) as paying_referrals,
  AVG(referred_u.ltv) as avg_referred_ltv
FROM users u
LEFT JOIN referrals r ON u.id = r.referrer_id
LEFT JOIN users referred_u ON r.referred_user_id = referred_u.id
LEFT JOIN payments p ON referred_u.id = p.user_id
GROUP BY u.user_id, u.signup_date
HAVING COUNT(DISTINCT r.referred_user_id) > 0
ORDER BY referrals_count DESC

Практический пример: Netflix AARRR анализ

ACQUISITION:
- Spend: $10M/месяц на маркетинг
- New sign-ups: 500K
- CAC: $20

ACTIVATION:
- Sign-up to First Watch: 85% в день 1
- Avg time to first watch: 2 часа

RETENTION:
- DAU: 50M (из MAU 100M)
- DAU/MAU: 50%
- Month 1 Retention: 70%
- Month 3 Retention: 50%

REVENUE:
- Paying users: 80M
- ARPU: $12/месяц
- MRR: $960M
- LTV: $400 (ARPU $12 / churn 3%)
- LTV/CAC: $400 / $20 = 20 (очень здоров!)

REFERRAL:
- Referral rate: 15%
- Viral coefficient: 0.5 (не вирально, но стабильный рост)

Как использовать AARRR на практике

Для Product Manager:

1. Определи, на каком этапе "течь" (где больше всего теряются пользователи)
2. Приоритизируй оптимизацию этого этапа
3. Мониторь тренды каждого этапа

Для Marketing:

1. ACQUISITION — целевой CAC и источники
2. Помогай ACTIVATION с email и onboarding
3. Помогай REFERRAL с программами

Для CEO:

1. DAU/MAU — энергия продукта
2. Churn Rate — здоровье бизнеса
3. LTV/CAC — экономическая жизнеспособность

Дашборд AARRR для отслеживания

SELECT 
  'ACQUISITION' as stage,
  COUNT(DISTINCT user_id) as metric_value,
  'New Users (Week)' as metric_name
FROM users
WHERE signup_date >= NOW() - INTERVAL 7 DAYS

UNION ALL

SELECT 
  'ACTIVATION',
  COUNT(DISTINCT user_id),
  'First Action (Day 1)'
FROM users
WHERE signup_date >= NOW() - INTERVAL 7 DAYS 
  AND first_action_date <= signup_date + INTERVAL 1 DAY

UNION ALL

SELECT 
  'RETENTION',
  COUNT(DISTINCT user_id),
  'DAU (Today)'
FROM user_activity
WHERE activity_date = CURRENT_DATE

UNION ALL

SELECT 
  'REVENUE',
  COUNT(DISTINCT user_id),
  'Paying Users (Month)'
FROM payments
WHERE payment_date >= DATE_TRUNC('month', CURRENT_DATE)

UNION ALL

SELECT 
  'REFERRAL',
  COUNT(DISTINCT referrer_id),
  'Users with Referrals'
FROM referrals
WHERE referral_date >= NOW() - INTERVAL 30 DAYS

Итог

AARRR-фреймворк помогает:

• Разбить complexity жизненного цикла на 5 этапов
• Определить, где проблема (где течь)
• Фокусировать улучшения на критичном этапе
• Отслеживать здоровье бизнеса по всем направлениям

Главное: не пытайся улучшать всё сразу. Сначала определи, на каком этапе самая большая потеря, и оптимизируй его.