Preamble (run first)
bash "$(dirname "${BASH_SOURCE[0]}")"/check-update.sh 2>/dev/null || true
# 创建增长迭代目录
mkdir -p docs/03-增长迭代
# 检查数据指标文档
echo "📊 正在检查数据指标体系..."
if [ -f "docs/02-方案设计/数据指标体系.md" ]; then
echo "✅ 数据指标体系 - 已找到"
else
echo "⏳ 数据指标体系 - 未找到"
fi
echo ""
echo "🎯 AARRR模型介绍："
echo "A - Acquisition (获取用户)"
echo "A - Activation (激活用户)"
echo "R - Retention (提高留存)"
echo "R - Revenue (增加收入)"
echo "R - Referral (自传播)"
执行流程
digraph pm_aarrr {
rankdir=TB;
node [shape=box, style=filled, fillcolor="#e3f2fd"];
"选择分析重点" -> "收集数据";
"收集数据" -> "并行派发Subagent";
"并行派发Subagent" -> "获取用户分析";
"并行派发Subagent" -> "激活用户分析";
"并行派发Subagent" -> "提升留存分析";
"并行派发Subagent" -> "获取收入分析";
"并行派发Subagent" -> "自传播分析";
"获取用户分析" -> "综合分析与报告";
"激活用户分析" -> "综合分析与报告";
"提升留存分析" -> "综合分析与报告";
"获取收入分析" -> "综合分析与报告";
"自传播分析" -> "综合分析与报告";
"综合分析与报告" -> "生成AARRR增长报告";
}
步骤 1: 选择分析重点（主 agent - 用户交互）
使用 AskUserQuestion 询问：
🎯 AARRR增长分析 - 选择分析重点
AARRR模型覆盖用户生命周期的5个环节。请选择您重点关注的环节：
A) 全面分析（分析所有5个环节，并行执行，推荐） B) 获取分析（Acquisition - 用户从哪里来） C) 激活分析（Activation - 用户首次体验是否良好） D) 留存分析（Retention - 用户是否持续使用） E) 变现分析（Revenue - 如何赚钱） F) 传播分析（Referral - 用户是否愿意推荐） G) 瓶颈诊断（找到当前最大的增长瓶颈）
💡 提示：
- 选择"A"可并行分析所有环节，效率提升 5x
- 产品初期 → 关注获取和激活
- 产品成长期 → 关注留存和变现
- 产品成熟期 → 关注变现和传播
用户选择后，记录到变量 AARRR_FOCUS
步骤 2: 收集数据（主 agent）
2.1 读取现有数据指标
尝试读取 docs/02-方案设计/数据指标体系.md
如果不存在，提示用户：
- A) 先执行 /pm-data 建立数据指标体系
- B) 手动输入当前的关键指标数据
- C) 使用行业基准数据进行分析
2.2 构建数据输入
使用 AskUserQuestion 收集关键数据：
📊 数据收集
请提供以下关键指标（如不确定可输入"未知"）：
Acquisition (获取用户)：
- 新增用户数（近7天）：
- 主要渠道：
- 渠道转化率：
Activation (激活用户)：
- 注册转化率：
- 首次关键行为完成率：
Retention (留存)：
- 次日留存率：
- 7日留存率：
- 30日留存率：
Revenue (变现)：
- 付费转化率：
- ARPU (平均每用户收入)：
- LTV (用户生命周期价值)：
Referral (传播)：
- 邀请率：
- K因子 (病毒系数)：
将所有数据整理为结构化 JSON，准备传递给 subagent。
步骤 3: 并行派发 subagent 分析（核心优化）
优化说明：
- 主 agent 一次性派发 5 个 subagent
- 每个 subagent 负责 1 个 AARRR 环节的分析
- 分析细节不占用主 agent 上下文
- 所有环节并行执行
3.1 构建 subagent 任务清单
如果用户选择"全面分析"：
准备 5 个并行 subagent 任务：
[
{
"task_id": "acquisition_analysis",
"stage": "Acquisition",
"focus": "用户获取渠道、成本、效率",
"input_data": {
"新增用户数": "1000",
"主要渠道": ["搜索", "社交媒体", "推荐"],
"渠道转化率": "5%",
"CAC": "50元"
}
},
{
"task_id": "activation_analysis",
"stage": "Activation",
"focus": "用户首次体验、核心功能触达",
"input_data": {
"注册转化率": "40%",
"首次关键行为完成率": "30%",
"onboarding完成率": "60%"
}
},
{
"task_id": "retention_analysis",
"stage": "Retention",
"focus": "用户留存、活跃度、召回",
"input_data": {
"次日留存率": "40%",
"7日留存率": "20%",
"30日留存率": "10%"
}
},
{
"task_id": "revenue_analysis",
"stage": "Revenue",
"focus": "变现能力、付费转化、收入增长",
"input_data": {
"付费转化率": "5%",
"ARPU": "20元",
"LTV": "200元"
}
},
{
"task_id": "referral_analysis",
"stage": "Referral",
"focus": "用户传播、病毒系数、推荐机制",
"input_data": {
"邀请率": "10%",
"K因子": "0.8"
}
}
]
3.2 使用 Agent 工具并行派发
并行派发 5 个 subagent（关键优化）：
# 同时启动 5 个 subagent
使用 Agent 工具，参数：
Agent 1: Acquisition 分析
subagent_type: "general-purpose"
description: "AARRR-Acquisition分析"
prompt: |
你是一个增长分析专家。请分析 Acquisition（获取用户）环节。
**输入数据**：
{acquisition 相关数据}
**分析要求**：
1. 评估当前获取效率（与行业基准对比）
2. 识别主要渠道的表现
3. 计算获客成本 (CAC)
4. 发现增长机会和瓶颈
5. 提出优化建议
**输出格式**：
```json
{
"stage": "Acquisition",
"current_performance": "当前表现评估",
"benchmarks": "行业基准对比",
"bottlenecks": ["瓶颈1", "瓶颈2"],
"opportunities": ["机会1", "机会2"],
"recommendations": ["建议1", "建议2", "建议3"],
"priority_actions": ["优先行动1", "优先行动2"]
}
```
Agent 2: Activation 分析
subagent_type: "general-purpose"
description: "AARRR-Activation分析"
prompt: |
你是一个用户体验专家。请分析 Activation（激活用户）环节。
**输入数据**：
{activation 相关数据}
**分析要求**：
1. 评估激活漏斗表现
2. 识别首次体验的关键问题
3. 分析核心功能触达率
4. 发现激活障碍
5. 提出优化建议
**输出格式**：
```json
{
"stage": "Activation",
"funnel_analysis": "漏斗分析",
"key_issues": ["问题1", "问题2"],
"activation_barriers": ["障碍1", "障碍2"],
"recommendations": ["建议1", "建议2"],
"quick_wins": ["快速见效点1", "快速见效点2"]
}
```
Agent 3: Retention 分析
subagent_type: "general-purpose"
description: "AARRR-Retention分析"
prompt: |
你是一个留存分析专家。请分析 Retention（提高留存）环节。
**输入数据**：
{retention 相关数据}
**分析要求**：
1. 评估留存曲线健康度
2. 识别流失关键节点
3. 分析用户行为模式
4. 发现留存驱动因素
5. 提出优化建议
**输出格式**：
```json
{
"stage": "Retention",
"retention_health": "留存健康度评估",
"churn_points": ["流失点1", "流失点2"],
"retention_drivers": ["驱动因素1", "驱动因素2"],
"recommendations": ["建议1", "建议2"],
"engagement_tactics": ["策略1", "策略2"]
}
```
Agent 4: Revenue 分析
subagent_type: "general-purpose"
description: "AARRR-Revenue分析"
prompt: |
你是一个变现专家。请分析 Revenue（增加收入）环节。
**输入数据**：
{revenue 相关数据}
**分析要求**：
1. 评估变现能力
2. 分析付费转化路径
3. 计算 LTV/CAC 比率
4. 发现变现机会
5. 提出优化建议
**输出格式**：
```json
{
"stage": "Revenue",
"monetization_health": "变现健康度",
"ltv_cac_ratio": "LTV/CAC比率分析",
"revenue_leaks": ["收入流失点1", "流失点2"],
"monetization_opportunities": ["机会1", "机会2"],
"recommendations": ["建议1", "建议2"]
}
```
Agent 5: Referral 分析
subagent_type: "general-purpose"
description: "AARRR-Referral分析"
prompt: |
你是一个病毒传播专家。请分析 Referral（自传播）环节。
**输入数据**：
{referral 相关数据}
**分析要求**：
1. 评估病毒传播能力
2. 分析 K 因子表现
3. 识别传播驱动因素
4. 发现传播障碍
5. 提出优化建议
**输出格式**：
```json
{
"stage": "Referral",
"viral_health": "病毒传播健康度",
"k_factor_analysis": "K因子分析",
"referral_barriers": ["障碍1", "障碍2"],
"viral_loops": ["病毒循环1", "循环2"],
"recommendations": ["建议1", "建议2"]
}
```
主 agent 等待所有 subagent 完成。
步骤 4: 收集结果并整合（主 agent）
主 agent 收集所有 subagent 的返回结果：
{
"analysis_results": [
{
"stage": "Acquisition",
"bottlenecks": ["渠道转化率低", "CAC过高"],
"recommendations": ["优化落地页", "增加社媒投放"]
},
{
"stage": "Activation",
"bottlenecks": ["onboarding流失严重"],
"recommendations": ["简化注册流程", "增加引导"]
},
{
"stage": "Retention",
"bottlenecks": ["次日留存低于行业平均"],
"recommendations": ["增加push推送", "优化新手任务"]
},
{
"stage": "Revenue",
"bottlenecks": ["付费转化率低"],
"recommendations": ["增加免费试用", "优化付费引导"]
},
{
"stage": "Referral",
"bottlenecks": ["K因子<1, 无自增长"],
"recommendations": ["增加邀请激励", "优化分享体验"]
}
]
}
步骤 5: 综合分析与报告生成（主 agent）
主 agent 进行跨环节综合分析：
- 识别最大瓶颈（所有环节对比）
- 发现连锁问题（如 Activation 差导致 Retention 低）
- 制定优先级策略（先解决哪个瓶颈）
使用 Write 工具生成综合报告：
# AARRR增长分析报告
## 一、执行概况
**分析时间**: {时间}
**分析模式**: 全面分析（5个环节并行）
**数据来源**: 手动输入 / 数据指标体系 / 行业基准
---
## 二、各环节表现总览
| 环节 | 健康度 | 核心指标 | 与行业对比 |
|------|--------|---------|-----------|
| Acquisition | ⚠️ 中等 | 新增1000人/周，CAC 50元 | CAC偏高 |
| Activation | ❌ 较差 | 注册转化率40% | 低于行业平均(60%) |
| Retention | ⚠️ 中等 | 次日留存40% | 接近行业平均 |
| Revenue | ⚠️ 中等 | 付费转化率5% | 略低于行业平均 |
| Referral | ❌ 较差 | K因子0.8 | 低于自增长阈值(1.0) |
---
## 三、关键发现
### 3.1 最大瓶颈：Activation（激活）
**问题**：
- 注册转化率仅 40%，低于行业平均 60%
- Onboarding 完成率仅 60%
- 首次关键行为完成率仅 30%
**连锁影响**：
- Activation 差 → Retention 低
- 未激活用户难以留存和变现
**根本原因**：
- 注册流程过于复杂（5步 → 建议优化为3步）
- 缺少清晰的首次使用引导
- 核心功能未在首次体验中触达
### 3.2 次要瓶颈：Referral（传播）
**问题**：
- K因子 0.8，无法实现自增长
- 邀请率仅 10%
**机会**：
- 增加"激活-传播"闭环（激活用户立即触发邀请）
- 优化邀请激励机制
---
## 四、优化建议（优先级排序）
### P0 - 立即优化（影响最大）
**1. 优化注册流程**
- 减少注册步骤（5步 → 3步）
- 增加社交账号一键登录
- 预期效果：注册转化率 40% → 60%
**2. 简化 Onboarding**
- 突出核心功能，减少次要引导
- 增加"快速开始"路径
- 预期效果：Onboarding 完成率 60% → 80%
**3. 增加首次