LIVE
完整源码 GitHub ↗在线体验
growth-analytics · AARRR（渠道可编辑）
¥530,000
总花费
12,500
总获客
¥42
综合 CAC
121%
综合 ROI
2.21×
LTV:CAC
| 渠道 | 花费 | 获客 | 收入 | ROI | LTV:CAC |
|---|---|---|---|---|---|
| 私域 / Owned | 380% | 4.80× | |||
| 内容 / Content | 210% | 3.10× | |||
| 投放 / Paid | 20% | 1.20× | |||
| 联盟 / Affiliate | 120% | 2.20× |
CAC=花费/获客 · ROI=(收入−花费)/花费 · LTV:CAC≈收入/花费。改任意数字实时重算。
我的角色
数据 + 产品
年份
2024
团队
1 人（独立）
状态
原型 / Demo
01
项目概述
AARRR 全链路用户增长分析工作台：漏斗、队列留存、渠道 ROI、A/B 显著性与竞品雷达，把分散的增长指标收敛到一处并驱动产品迭代。
02
问题
P01
增长指标散落在多张报表，CAC / LTV / 留存难以一处看全。
P02
A/B 实验结果靠肉眼对比，缺乏统计显著性判断。
03
架构与流程
architecture.diagram
STEP 01
AARRR 漏斗
曝光→激活→付费
STEP 02
队列留存
D0–D30 留存热力
STEP 03
渠道 ROI
CAC / LTV 拆解
STEP 04
A/B 检验
双样本 t 检验
STEP 05
竞品雷达
多维对比
04
核心功能
VIEW 01
漏斗分析
各环节转化与流失一目了然。
VIEW 02
留存热力图
按获取队列看 D0–D30 留存衰减。
VIEW 03
CAC-LTV
计算 CAC、LTV:CAC、k 因子、综合 ROI。
VIEW 04
A/B 显著性
双样本 t 检验输出 p 值与置信区间。
05
量化成果
6
分析模块
漏斗 / 留存 / 渠道 / A/B / 竞品。
t-test
统计显著性
输出 p 值与置信区间。
MD
一键导出
分析结果导出 Markdown 报告。
06
技术栈
Pythont-testEChartsReactNext.js
下一个项目