在应用AIDA过程中最难的是刺激购买欲望，包括的：
通常刺激需求采用的方法：
传统的推销模型是否能利用？答案是能！最直接的场景：直播带货。
该模型是AIDA的升级，该模型相比AIDA多了M(Memory)记忆这一项。与AIMA不同的是AIDMA的目标是促成下次转化，而AIMA的目标是促成当次转化。该模型比较适合客单价高、用户购买频率低用户考虑周期长的产品。
被迫参与
一般参与
主动参与
参与并传播
2、调动消费者的情绪和情感
4、运用记忆的编码原理，使语言材料生动、形象，便于记忆
记忆编码就是对外界输入大脑的信息进行加工转化的过程，在整个记忆系统中，编码有不同的层次或水平，而且以不同的形式存在着。具体来说，Ericsson（1988）提出，要想获得很高的记忆技能，必须满足以下三个条件：
德国心理学家艾宾浩斯(H、Ebbinghaus)于1885年提出了著名的艾宾浩斯遗忘曲线。该曲线表示，在初次习得知识后的遗忘速度是最快的，以后逐渐放慢，因此，要保持习得的知识，在最初的时候要加强重复，以避免遗忘。
AISAS模式是由电通公司针对互联网与无线应用时代消费者生活形态的变化，而提出的一种全新的消费者行为分析模型。
添加Search（搜索）的原因：
AISAS通常是如何使用的？
基于SIPS模型能做的内容：
Sense，品牌-用户互相感知
Interest&Interactive，产生兴趣-互动
形成互动不仅仅在于触点的多寡，更在于互动的方式、话题、内容和关系。这方面，曝光、印象的效率在降低，而理解、跟随、响应用户的兴趣和需求成为关键，这也是为什么社会化网络越来越成为最具消费影响力的风尚、源头的原因。此阶段的用户，正在产生或者已经形成一定程度的心理耦合、兴趣共振。核心指标：
Connect&Communication，建立连接-交互沟通
Action，行动-购买
在行动-产生购买（Action）阶段，用户的行为不仅发生在电子商务网站之中，O2O、App、社交网络等，都可能成为购买的发起地点。帮助企业优化销售、电子商务布局，评估不同方面关键指标对于销售转化的价值和意义：
SICAS模型涉及到的内容非常多，想要执行起来非常的困难。个人认为与此模型比较类似的是小米的“参与感”。如何利用此模型目前个人还没什么清晰的思路。
ISMAS，由北京大学刘德寰教授提出，根据移动互联时代人们生活形态的改变（尤其是用户主动性的增强），针对传统的理论模型提出的改进模型。即：
关于消费行为模式这么多的类型，如何决定我们应该使用哪个模型？有些人可能认为应该选择最新的，有些人可能以为应该选择最为流程的。我的建议是把上述所有流程串联起来，选择你认为最重要的。再跟进你认为重要的选项去完善你对应的策略。
PULSE模型是传统的网站衡量指标，基于商业和技术的产品评估，被很多公司和组织广泛应用于跟踪产品的整体表现。构成PULSE指标主要有：
基于PULSE中存在的不足，结合用户体验质量以及让数据更有实际意义的需求，Google提出了一个作为补充的度量框架：HEART。
这五项仅仅是指标体系的范畴，不同的产品可据此定义具体的指标，用以监控完成目标的过程。愉悦感结合用户的满意度来度量，任务完成度结合任务完成的效果和效率来度量。参与度、接受度、留存率是全新的范畴，一般通过广泛的行为数据来制定。通常并不适合在一个指标设定中用到所有维度，但可以参考该框架来决定是包括或排除某个维度。比如用户是要将使用你的产品作为工作的一部分，在这种企业环境下参与度就没有什么意义了。在这个案例中可以考虑选择愉悦感或者任务完成度。
AARRR着重解决三个问题：
如果从AARRR模型的转化关系来说，解决这三个问题就是回答用户从何而来，是否喜欢APP，留下来多少人，多少人为此而付费，是否具有较高的传播价值。这几个问题是一个优秀APP产品走向成功所要必须回答的问题。
放眼整个APP业务，数据分析起到桥梁的作用，在APP研发、营销、运营等关键节点上，APP数据分析都将有所衡量和提供决策支持。
获取用户（Acquisition）
用户获取分析的关键在于找出最有价值的渠道。最有价值的渠道并不一定是用户量最大的渠道，而是指那个为我们带来了“触发关键行为的用户”的渠道。如果你比较怕麻烦，欢迎使用最简单粗暴的“关键行为”指标——留存率。
提高活跃（Activation）
提到活跃，首先会想到的指标是DAU（日活跃用户）、MAU（月活跃用户）。这两个数据基本上说明了应用当前的用户群规模。通常活跃用户是指在指定周期内有启动的用户。另外针对使用时长和启动次数的渠道统计同样很重要。
提高留存（Retention）
有些应用不是需要每日启动的，那样的话可以看周留存率、月留存率等指标，会更有意义。
获取收入（Revenue）
LTV–CAC的差值，就可以视为该应用从每个用户身上获取的利润。所以最大化利润，就变成如何在降低CAC的同时，提高LTV，使得这两者之间的差值最大化。
推介&自传播（Refer）
社交网络的兴起，使得运营增加了一个方面，就是基于社交网络的病毒式传播，这已经成为获取用户的一个新途径。这个方式的成本很低，而且效果有可能非常好；唯一的前提是产品自身要足够好，有很好的口碑。从自传播到再次获取新用户，应用运营形成了一个螺旋式上升的轨道。
AARRR专注于获客（Acquisition），作为一个2007年提出的概念，AARRR模型可能已经不再适用互联网运营这个瞬息万变的场景。原因有二：
因为以上两个原因，现在黑客增长的真正关键在于用户留存，而不是获客。所以我们需要一个更好的模型——RARRA模型。
RARRA模型是托马斯·佩蒂特ThomasPetit和贾博·帕普GaborPapp对于海盗指标-AARRR模型的优化，RARRA模型突出了用户留存的重要性。
RARRA模型把用户留存放到了第一位，作为了用户增长的核心。在做好用户留存之后，再去优化用户的激活，让用户在产品内尽快产生关键行为，体验到产品的啊哈时刻，之后用户产生推荐传播和持续付费贡献，最后在前面四个环节已经优化验证后，再发力用户获取，实现良性的用户增长，在用户数量增长的同时，用户质量和用户价值同样增长。
用户留存的底层逻辑：产品是前提
用户留存的思路方法：价值与成本
感知产品价值，形成使用习惯：
Hook上瘾模型，留存终极目标
Hook上瘾模型是尼尔·埃亚尔及瑞安·胡佛提出的理论，在其《上瘾：让用户养成使用习惯的四大产品逻辑》一书中进行了详细阐述，对于用户留存来说也有极大参考价值，从产品层面利用Hook上瘾模型，培养用户习惯，是用户留存的理想状态。
用户留存的前后延伸：拉新与流失
如果说AIPL是帮助商家了解品牌人群资产总量，以及各链路人群的多少，那么FAST就是在此基础上，又从数量和质量两个维度，来衡量品牌在人群资产运营是否健康的模型。
该指标主要帮助品牌了解自身的可运营消费者总量情况，首先利用GMV预测算法，预估品牌消费者总量缺口，然后基于缺口情况优化营销预算投入，站内外多渠道种草拉新，为品牌进行消费者资产扩充；并指导品牌进行未来的货品规划和市场拓展，多方位拓展消费者。
FAST体系在数量指标层面，提供全网消费人群总量（Fertility）和高价值人群-会员总量（Superiority）；在质量指标层面，提供了人群转化率（Advancing）和会员活跃率（Thriving）。
增长，应该是营销人永恒的课题。特别是在互联网流量红利见顶下的存量时代，增长变得愈发的“难”。通常难在3个地方：找不到帮助品类增长的方向、缺乏明确的品类增长抓手、品类增长效率较低。
于是，作为如今定位为商业操作系统的阿里，就提出了适用于母婴、食品、家清、美妆、医药保健和个护等几大一级类目的大快消行业增长“仪表盘”——GROW模型。GROW中的4个单词分别代表着影响品类增长的“决策因子”：
比如：
腾讯的“全链路营销”：
在移动互联网时代,营销正在回归以用户为中心、定位新的价值增长点这一本质。伴随不可逆的用户数字化转变,围绕用户进行价值创造的钥匙,就是坚定深入的全链路营销数字化所带来的增长驱动。
前链路-流量缩距：完成浅层目标
后链路-流量收割：完成深层目标
O就是Opportunity，分成4块：
O将人群进行了分类，结合5A，相互区分。比如喜不喜欢一个艺人，喜不喜欢一个节目，全部是根据用户的行为决定的。也可以是根据我初始的订阅，自我标签的。根据行为反馈的数据表示，他喜欢，那就投好的料给他，他就会给你好的表现行为。而有些用户不匹配，投再多的料也没用，反而还会给你差评。
投放对看用户的心理，看不同人群的反应，反应出来是5A中哪一个，然后进行打分，也可以是权重的指标。O+5A之后用GROW去驱动它。
GROW
GrowthLoops的核心理念在于：让三步骤流程建立一个系统而非断裂的模块。以病毒式裂变为例：使用产品->推荐给好友>好友使用产品>推荐给另一个好友->如此循环往复。例如：邀请好友使用滴滴，双方均获得10元乘车体验金。
有关病毒传播的一些容易被忽略的事实
知名的Amazon飞轮理论(flywheelmodel)，其实也是GrowthLoop的概念。Amazon能够发展到今天这么成功，归功于他所做的事情能够推动飞轮持续不断的滚动！
飞轮模型最大的功劳就是把漏斗和倒漏斗模型连接在一起，形成了一个有自驱力的增长闭环。
飞轮的重点就是把用户给我们带来的增长能量用上，保持转下去。为了使它转得更快，你再叠加上去的所有能量都在增大能量池的大小。飞轮能不能持续转下去取决于三个因素：
动能
飞轮的旋转速度是通过我们在它最有影响的区域施加更多的力量而提高的。在漏斗模型里，所有的力量都用在了吸引和获取用户上，改进版里增加了留存。而在飞轮模型里，你还需要取悦用户并且帮助他们成功。这里要注意的是，既然试图在各个方面想方设法推动飞轮，就要确保所有的力量方向都是一致的。比如：销售人员和帮助用户成功的人员之间如果没有缺乏一致性，会让用户很不愉快并且流失，让你的飞轮速度慢下来。而销售和市场的不一致是另一个会拖后腿的典型原因。保持方向一致性，这一点至关重要。
摩擦力
我们可以找到用户丧失动力的地方并加以改进，以此来降低摩擦力。提高转化率，取悦用户，找到让用户流失的问题，都可以提高飞轮的速度。另一个重点角度是从团队和组织的角度考虑摩擦力。用户分组，人员之间的交接，专业化不足都可能导致摩擦。
自重和体积
当我们成功地提高了速度和降低了摩擦，会发现用户变得更加愉快了。而更愉快的用户意味着“更重“的飞轮，旋转的时候能产生更多的能量。这意味着，随着用户数量的增长，飞轮会带来更多增长。如果把用户“密度”也纳入考虑，让他们更多地使用我们的产品或者变得更有”粘性“，我们就能实现更多的动力和增长。
操作时，按照以下3步进行。
步骤一：找到衡量指标
飞轮模型其实是个半成品，有一个固定的框架，但还需要企业自己去填充关键指标。
先搞清楚飞轮的现状，三个阶段：吸引、参与、取悦。
问自己两个问题：
步骤二：最大化愉悦感
根据你绘制的飞轮，评估每个阶段用户体验的现状→想办法最大限度提高用户的喜悦，增加口碑。
步骤三：降低摩擦
找出用户与企业之间的摩擦、因团队内部摩擦导致的不好用户体验→重新调整，减少这些摩擦，更好地为用户服务。可以拆成四步来进行：
看完这么多模型你是否心理也有疑惑，我到底该用哪个？用最新的？用最流行的？
我的建议是具体问题具体分析，以上的模型都只能作为参考，用来完善你自己的增长体系。以上的成功案例，都是先成功，后总结。无论哪一个都不是拿着方法论去套用的。唯一不变的是用户体验。