前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >微信数据分析和微信传播模型

微信数据分析和微信传播模型

作者头像
数据派THU
发布2018-01-26 17:43:35
1.1K0
发布2018-01-26 17:43:35
举报
文章被收录于专栏:数据派THU

什么是微信数据分析

试想一下,如果是你,会怎么向你的领导、你的下属,进行数据分析呢?

是像描述天气一样——昨天阴天,今天天气挺好,风和日丽的,明天预报多云?还是用其他的方式?

大多数人所谓的数据分析就像刚才描述天气一样,那不是分析,而是描述数据。

数据分析需要从来源、行为、流失等方面进行分析。

微信数据分析要根据微信传播的特性而定,微信传播是基于好友分享内容而产生的。这里不考虑单纯的复制粘贴, 那样的传播指向性不明确,这里我们只讨论指向性明确的分享链接和内容。

微信数据分析需要从用户入手——新增、活跃、留存代表着数据分析的三个方面

数据分析的作用,能够帮助我们回顾过去,评估现在,计划明天,预测未来,从而能够展望未来

微信数据分析的内容

(举栗子而已哦)

1、 新增用户数

主要包括:男、女、未知来源、员工推广、活动推广、用户传播、老用户传播、新用户传播、未知来源占比、员工推广占比、活动推广占比、用户传播 占比、老用户传播占比、新用户传播占比、分享员工、分享用户、分享老用户、分享新用户、分享员工占比、分享新用户占比、分享员工人均传播、分享用户人均传 播、分享老用户人均传播、分享新用户人均传播等。

2、好友关系数

主要包括好友数:0、1、2-5、6-10、10-20、20+以及占比情况等。

3、好友关系来源

主要包括:第一关系链ID、第一关系链昵称、关系类型和来源类型等。

4、微信/微信社区行为

如果是游戏,主要有注册(授权登录)、打开、完成、未完成、分享等;如果是电商,主要有注册(授权登录)、打开、下单、付费、删除订单等;如果是普通社区页面,主要有注册、打开、浏览、分享等。

5、交叉分析

留存用户数、新增用户数、留存人均、新增人均,次日用户留存率、7日留存、14天留存、30天留存;用户活跃度,行为完成、未完成用户数以及比例;活跃用户数,行为完成情况分类分析、完成率分析、完成率高低用户分析等。

6、交叉分析形式

图、表、图表。

7、通过交叉分析看产品运营数据的前生今世,了解昨天、评估今天,为前景而计划明天的具体实施。

微信传播模型

1、循环模型

备注:

NU – New Users(新用户数)

AU – Active Users(活跃用户数)

S% – Share Rates(分享率)

F – Friends(好友数)

C% – Conversion Rates(转化率)

R% – Retention Rates(留存率)

模型来源:巧贝科技CEO Hata

2、循环公式

AU 01 = NU X0 × R N1%

NU 01 = AU 01 × S N1% × F × C N1%

= NU 00 × R N1% × S N1% × F × C N1%

= NU X0 × K N1%

NU X1 = NU X0 × K N1%

…………(抱歉中间部分省略下,嘿嘿)

NU X4 ≈ NU X0 × K N1%4

NU n ≈ NU 0 × K %n

备注:

NU – New Users(新用户数)

AU – Active Users(活跃用户数)

S% – Share Rates(分享率)

F – Friends(好友数)

C% – Conversion Rates(转化率)

R% – Retention Rates(留存率)

模型来源:巧贝科技CEO Hata

3、根据模型改进产品和运营

现状的预设值

参数

数值

R% (留存率)

21%

S% (分享率)

20%

F (常量)(好友数)

100

C% (转化率)

25%

计算结果

1.05

其他几种可能的数值计算结果:

其他数值的计算结果

参数

数值

参数

数值

R%

20%

R%

25%

S%

20%

S%

25%

F(常量)

100

F(常量)

100

C%

25%

C%

16%

计算结果

1

计算结果

1

参数

数值

参数

数值

R%

30%

R%

30%

S%

25%

S%

30%

F(常量)

100

F(常量)

100

C%

14%

C%

12%

计算结果

1.0125

计算结果

1.08

参数

数值

参数

数值

R%

35%

R%

35%

S%

30%

S%

35%

F(常量)

100

F(常量)

100

C%

10%

C%

9%

计算结果

1.05

计算结果

1.1025

理想中的是黄色部分中的两个,计算结果1.081.1025,大于预设值的计算结果1.05——这也就是说,R%、S%、C%在这个基础上持续的增长,能够给传播带来积极地效果和回报。

产品和运营需要基于以下三个点作调整,不断的优化、改进,甚至是颠覆式的创新:如何提高R(留存率)?如何提高S(分享率)?如何提高C(转化率)?

当然,这个模型还有不完善的地方。

首先,不适用与电商以及其他社会化媒体,目前只考虑了针对微信的传播模型,其他类型根据平台上用户行为以及传播的特性,会有一定的不同。

其次,这个模型还需要大量的实例来证明和说明。提出不能指导实际工作的模型都是耍流氓。

这是我通过整理文章的方式消化掉工作中的知识点。

来源:数据分析

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2016-12-06,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 数据派THU 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
大数据
全栈大数据产品,面向海量数据场景,帮助您 “智理无数,心中有数”!
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档