Acquisition analysis

获客分析一体化

核心原则

1. 渠道即投资组合：每个渠道都是一笔投资，用ROI和规模双维度评估，而非单一指标
2. 分级管理动态调整：主力/测试/观察三级动态流转，数据驱动升降级
3. LTV视角算ROI：渠道ROI必须考虑用户LTV而非单次收入，避免短视砍掉长周期高价值渠道
4. 流失即信号：每个流失节点都是用户在用脚投票，流失率最高的节点就是最大优化杠杆
5. 障碍分类定向击破：认知/信任/行动/价值四类障碍需要完全不同的优化手段
6. 实验验证不猜测：优化方案必须通过A/B测试验证，用数据替代直觉

交互模式

🤖→👤 AI建议人类审批

输入

输入项	类型	必填	来源	说明
19种获客渠道数据	object	是	用户提供	19种获客渠道的完整数据
历史渠道表现	object	是	用户提供	历史渠道表现数据
渠道配置和成本	object	是	用户提供	渠道配置和成本数据
历史优化数据	object	○	用户提供	历史优化实验数据

19种获客渠道清单

付费获客渠道

1. 搜索广告（SEM） - Google Ads、Baidu PPC
2. 社交广告 - Facebook/Instagram Ads、LinkedIn Ads、微信朋友圈广告
3. 展示广告 - DSP广告、原生广告
4. 视频广告 - YouTube Ads、抖音/快手广告
5. 应用商店广告 - Apple Search Ads、Google Play Ads

自然获客渠道

6. SEO/SEM有机 - 搜索引擎自然排名
7. 内容营销 - 博客文章、白皮书、案例研究
8. 社交媒体有机 - 微博、小红书、抖音有机内容
9. 社区运营 - 知乎、贴吧、行业论坛
10. 病毒传播 - 用户分享、口碑传播

合作获客渠道

11. 联盟营销 - 合作伙伴推荐分成
12. 渠道分销 - 经销商/代理商网络
13. 平台合作 - 应用市场推荐、平台首发
14. 跨界合作 - 品牌联合活动

销售获客渠道

15. SDR外呼 - 电话销售团队主动触达
16. 线下活动 - 行业展会、线下沙龙
17. 销售推荐 - 销售线索转介

其他渠道

18. 存量用户触达 - 邮件营销、Push推送、短信
19. PR/品牌 - 媒体报道、品牌活动

执行步骤

Step 1: 渠道评估（from acquisition-channel）

分析19种获客渠道数据，计算渠道规模、转化率、ROI，输出渠道分级报告。

1.1 渠道规模评估

分析各渠道的可触达规模和实际投放规模：

• 可触达规模: 渠道的潜在用户池大小
• 实际投放规模: 当前投入资源覆盖的用户量
• 市场占有率: 相对竞品的投放占比
• 增长潜力: 渠道规模的增长趋势

1.2 转化率分析

计算各渠道的完整转化漏斗：

指标	说明
曝光 → 点击转化率	广告展示到用户点击
点击 → 访问转化率	广告点击到页面访问
访问 → 注册转化率	页面访问到账号注册
注册 → 激活转化率	账号注册到首次使用
整体转化率	曝光到激活的端到端转化

1.3 ROI计算

计算各渠道的投资回报率：

渠道ROI = (渠道带来的收入 - 渠道投入成本) / 渠道投入成本

考虑LTV的ROI = (渠道带来的用户LTV - 渠道CAC) / 渠道CAC

1.4 渠道分级

基于多维度评分进行渠道分级：

主力渠道（Primary）

• ROI ≥ 目标ROI
• 规模可扩展
• 获客成本可控
• 用户质量高

测试渠道（Test）

• ROI接近目标但不稳定
• 有增长潜力待验证
• 新的获客方式探索
• 特定用户群定向

观察渠道（Observation）

• ROI低于目标
• 战略意义大于短期ROI
• 品牌建设为主
• 处于优化期

评分模型

综合得分 = 0.3 × ROI得分 + 0.25 × 规模得分 + 0.25 × 质量得分 + 0.2 × 可持续性得分

渠道评估决策规则

情况	处理方式
渠道ROI≥目标值且规模可扩展	评级为主力渠道，加大投入
渠道ROI接近目标但不稳定	评级为测试渠道，持续验证
渠道ROI<目标值且无战略意义	评级为观察渠道，减少投入
新渠道无历史数据	小流量测试，2周后评估

Step 2: 漏斗优化（from acquisition-optimize）

基于Step 1输出的渠道评估数据，分析获客漏斗数据，识别最大流失节点，自动生成优化方案和A/B测试设计。

漏斗阶段定义

标准获客漏斗包含以下阶段：

曝光 → 点击 → 访问 → 注册 → 激活 → 付费

阶段1: 曝光

• 广告展示给目标用户
• 关键指标: 曝光量、CTR

阶段2: 点击

• 用户点击广告进入落地页
• 关键指标: 点击量、CPM

阶段3: 访问

• 用户访问落地页/产品页
• 关键指标: UV、跳出率、页面停留时长

阶段4: 注册

• 用户完成账号注册
• 关键指标: 注册量、注册率

阶段5: 激活

• 用户首次完成核心行为
• 关键指标: 激活量、激活率

阶段6: 付费（可选）

• 用户完成首次付费
• 关键指标: 付费量、付费转化率

2.1 漏斗各层转化分析

1. 计算各层转化率: 识别每个阶段的转化效率
2. 对比基准: 与行业基准、历史数据对比
3. 趋势分析: 各层转化率的时间趋势
4. 渠道对比: 不同渠道的漏斗表现差异

2.2 最大流失节点识别

1. 计算流失影响系数:

   影响系数 = 该层流失率 × 该层到最终的转化率权重
   

2. 多维度拆分:

   • 按渠道拆分
   • 按用户画像拆分
   • 按流量来源拆分
   • 按时间拆分

3. 流失原因推断:

   • 定量分析: 用户行为数据
   • 定性分析: 用户反馈、访谈

2.3 优化方案自动生成

基于流失原因分析，生成针对性优化方案：

流失类型	优化方向	典型方案
认知障碍	优化广告素材	突出价值主张、改进创意
信任障碍	增强社会证明	添加评价、案例、数据
行动障碍	简化流程	减少步骤、降低门槛
价值障碍	强化价值感知	演示功能、免费试用

2.4 A/B测试设计

为优化方案设计A/B测试：

1. 假设定义: 明确测试的优化假设
2. 样本计算: 确定达到统计显著性所需的样本量
3. 测试分组: 设计对照组和实验组
4. 监控指标: 确定主要和次要监控指标
5. 决策规则: 定义何时停止测试和判定胜负

输出

存储路径：output/pm-growth/acquisition-analysis/

输出文件：acquisition-analysis.json、acquisition-analysis.md

输出Schema：

{
  "type": "object",
  "required": ["channel_assessment", "funnel_analysis", "optimization_suggestions"],
  "properties": {
    "channel_assessment": {"type": "object", "description": "渠道评估结果，包含渠道详情、分级和汇总指标"},
    "funnel_analysis": {"type": "object", "description": "漏斗分析，包含各阶段数据和关键流失节点"},
    "optimization_suggestions": {"type": "array", "description": "优化建议列表，包含优先级、问题、方案和预期提升"},
    "ab_test_designs": {"type": "array", "description": "A/B测试设计方案列表"}
  }
}

acquisition_analysis

{
  "channel_assessment": {
    "channels": [
      {
        "name": "教育行业展会",
        "scale": "年触达5万+教育机构决策者",
        "volume": 10000,
        "conversion_rate": 0.035,
        "cost_per_acquisition": 45.00,
        "roi": 2.5,
        "quality_score": 0.85,
        "classification": "primary|test|observation"
      }
    ],
    "primary_channels": ["教育行业展会", "SEO/SEM有机", "内容营销"],
    "test_channels": ["社交广告", "社区运营", "联盟营销"],
    "observation_channels": ["PR/品牌", "跨界合作", "视频广告"],
    "total_new_users": 50000,
    "blended_cac": 35.00,
    "blended_roi": 2.2
  },
  "funnel_analysis": {
    "stages": [
      {
        "name": "注册",
        "volume": 100000,
        "conversion_rate": 0.05,
        "drop_off_rate": 0.95,
        "avg_time_spent": 30
      }
    ],
    "critical_drop_off": {
      "from_stage": "访问",
      "to_stage": "注册",
      "drop_off_rate": 0.85,
      "impact_score": 0.9
    }
  },
  "optimization_suggestions": [
    {
      "priority": 1,
      "stage": "访问→注册",
      "issue": "注册表单字段过多，教育机构用户填写意愿低",
      "solution": "精简注册表单至3个必填字段，支持微信扫码一键注册",
      "expected_improvement": "预计提升15%转化率",
      "effort": "medium"
    }
  ],
  "ab_test_designs": [
    {
      "test_id": "TEST_001",
      "hypothesis": "简化注册流程可降低访问到注册的流失率",
      "control": "当前6字段注册表单",
      "treatment": "3字段精简注册表单+微信扫码注册",
      "primary_metric": "访问→注册转化率",
      "secondary_metrics": ["注册完成时长", "注册后激活率"],
      "min_sample_size": 10000,
      "estimated_duration": "7天"
    }
  ]
}

A/B测试设计模板

test_id: "ACQ_TEST_{序号}"
name: "测试名称"
hypothesis: "如果...那么...的假设"
variants:
  control: "对照组方案描述"
  treatment: "实验组方案描述"
metrics:
  primary: "主要指标"
  secondary: ["次要指标列表"]
  guardrail: ["护栏指标"]
design:
  min_sample_per_variant: 1000
  runtime_days: 7
  mde: 0.05
success_criteria:
  - primary_metric_lift: ">=5%"
  - guardrail_metrics: "无显著下降"

输出校验规则

字段路径	类型	必填	说明
channel_assessment	object	是	渠道评估结果，须含channels/primary_channels/test_channels/observation_channels
channel_assessment.channels	array	是	渠道评估详情列表，每项须含name/scale/conversion_rate/roi/classification
channel_assessment.primary_channels	array	是	主力渠道名称列表，至少1个渠道
channel_assessment.test_channels	array	是	测试渠道名称列表
channel_assessment.observation_channels	array	是	观察渠道名称列表
channel_assessment.total_new_users	number	是	总新增用户数，须>0
channel_assessment.blended_cac	number	是	混合获客成本，须>0
channel_assessment.blended_roi	number	是	混合ROI
channel_assessment.channels[].classification	string	是	渠道分级，仅允许primary/test/observation三值
channel_assessment.channels[].roi	number	是	渠道ROI，须基于LTV计算
funnel_analysis	object	是	漏斗分析，须含stages和critical_drop_off
funnel_analysis.stages	array	是	各阶段数据，每项须含name/volume/conversion_rate/drop_off_rate
funnel_analysis.critical_drop_off	object	是	关键流失节点，须含from_stage/to_stage/drop_off_rate/impact_score
optimization_suggestions	array	是	优化建议列表，每项须含priority/stage/issue/solution/expected_improvement
optimization_suggestions[].priority	number	是	优先级，从1开始递增
ab_test_designs	array	否	A/B测试设计方案列表，每项须含test_id/hypothesis/primary_metric

决策规则

情况	处理方式
渠道ROI≥目标值且规模可扩展	评级为主力渠道，加大投入
渠道ROI接近目标但不稳定	评级为测试渠道，持续验证
渠道ROI<目标值且无战略意义	评级为观察渠道，减少投入
新渠道无历史数据	小流量测试，2周后评估
关键步骤流失率>80%	标记为最高优先级优化项
新渠道转化率低于均值50%	降级为观察渠道
A/B测试主指标提升≥5%且统计显著	全量发布优化方案
多个流失节点同时存在	按影响系数排序，优先处理最大影响项

质量检查

• 渠道评估覆盖规模、转化率、ROI、质量4个维度
• 渠道分级标准明确（主力/测试/观察）
• ROI计算考虑用户LTV而非单次收入
• 评估覆盖19种获客渠道类型
• 漏斗阶段定义完整（曝光→激活/付费）
• 流失原因区分认知/信任/行动/价值4类障碍
• 优化方案附带预期提升和实施难度评估
• A/B测试设计包含决策规则和终止条件

降级策略

上游文件缺失降级方案

缺失的上游输入	降级方案	输出影响
渠道数据缺失	用户描述产品类型和目标用户 → 推荐渠道组合	渠道评分基于行业经验而非实际数据
历史表现缺失	跳过渠道历史表现评估，使用行业基准	无法识别已验证的高效渠道
渠道数据 + 历史表现均缺失	用户描述产品类型和目标用户 → 推荐渠道组合	输出基于行业经验的渠道推荐，标注"待验证"
历史优化数据缺失	跳过历史对比，仅基于当前数据分析	无法评估优化趋势

数据获取说明

当上游文件缺失时，需用户提供以下信息以支撑降级生成：

• 产品类型：产品的类型和核心功能
• 目标用户：目标用户群体特征和规模
• 预算范围（可选）：可用于获客的预算规模
• 漏斗数据（可选）：获客漏斗各步骤的用户数和转化率
• 优化目标（可选）：期望提升的关键转化率

上游变更响应

上游变更影响表

上游来源	变更类型	影响范围	响应动作
用户提供-渠道数据	数据格式变更	channels字段解析	适配新格式，补充缺失字段默认值
用户提供-历史表现	数据粒度变更	ROI计算和趋势对比	按新粒度重新计算，标注数据口径变化
用户提供-渠道配置	渠道新增/下线	19种渠道清单和分级	更新渠道清单，新渠道默认归入测试级
用户提供-历史优化数据	实验结果更新	优化建议的基准对比	更新对比基准，调整优化优先级

下游通知机制表

下游消费者	通知条件	通知方式	通知内容
activation-aha	激活阶段流失率变更	写入输出文件	注册→激活转化率和流失分析
acquisition-orchestrator	渠道评估与漏斗优化完成	输出文件更新	渠道分级和漏斗优化完成状态与关键结论

版本历史

• v3.0: 合并 acquisition-channel + acquisition-optimize