pm-aarrr

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)"

---

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"
    }
  }
]