/pm-aarrr

name: pm-aarrr
description: |
  Use when: 产品上线后需要分析用户增长、制定增长策略、诊断产品健康度、优化AARRR各环节
  Do NOT use when: 产品未上线、仅需单一指标分析无需全链路
allowed-tools:
  - Read
  - Write
  - AskUserQuestion
  - Agent
  - Bash

Preamble (run first)

# 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)"

---

写入时边界

只讨论时不写文件，启动检查不创建目录。用户要求保存产物时，先确认当前产品、精确输出路径及已有文件的覆盖/追加选择；确认后**仅在实际 Write 前**创建该输出文件的父目录。完整安装可参见 `skills/_shared/artifact-policy.md`，单独安装本 skill 也按本段执行。

---

跨 Agent 交互规则

当流程要求与用户交互时：

1. 如果当前环境支持 AskUserQuestion，使用 AskUserQuestion（最佳体验）。 2. 如果当前环境不支持 AskUserQuestion，必须用普通聊天消息提出同样问题。 3. 一次只问一个问题。 4. 提问后必须停止当前回合，等待用户回答（STOP and WAIT）。 5. 不得在用户回答前生成文档、写入 docs。 6. 已有 docs 文件不能替代本轮用户回答。

---

执行流程

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**：

    {
      "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**：

    {
      "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**：

    {
      "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**：

    {
      "stage": "Referral",
      "viral_health": "病毒传播健康度",
      "k_factor_analysis": "K因子分析",
      "referral_barriers": ["障碍1",