微信数据分析和微信传播模型

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

其他几种可能的数值计算结果：

理想中的是黄色部分中的两个，计算结果1.08、1.1025，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