微信數據分析和微信傳播模型

微信數據分析是什么
 試想一下，如果是你，會怎么向你的領導、向你的下屬，進行數據分析呢？是像描述天氣一樣“昨天陰天，今天天氣挺好，風和日麗的，明天預報多云”，還是用其他的方式？大多數人所為的數據分析就像剛才描述天氣一樣，那不是分析，而是描述數據。
 
數 據分析需要從來源、行為、流失等方面進行分析。微信數據分析要根據微信傳播的特性而定，微信傳播是基于好友分享內容而產生的，這里不考慮單純的復制粘貼， 那樣的傳播指向性不明確，這里我們只討論指向性明確的分享鏈接和內容。微信數據分析需要從用戶入手，新增、活躍、留存代表著數據分析的三個方面，進行開源 節流。
 
數據分析的作用，能夠幫助我們回顧過去，評估現在，計劃明天，預測未來，從而能夠展望未來。數據分析還能夠幫助我們認清現狀，通過計劃明天，逐漸向我們預想的未來靠近。
 
微信數據分析的內容（舉栗子而已）
 
1、 新增用戶數，主要包括：男、女、未知來源、員工推廣、活動推廣、用戶傳播、老用戶傳播、新用戶傳播、未知來源占比、員工推廣占比、活動推廣占比、用戶傳播 占比、老用戶傳播占比、新用戶傳播占比、分享員工、分享用戶、分享老用戶、分享新用戶、分享員工占比、分享新用戶占比、分享員工人均傳播、分享用戶人均傳 播、分享老用戶人均傳播、分享新用戶人均傳播等。
 
2、好友關系數，主要包括好友數：0、1、2-5、6-10、10-20、20+以及占比情況等。
 
3、好友關系來源，主要包括：第一關系鏈ID、第一關系鏈昵稱、關系類型和來源類型等。
 
4、微信/微信社區行為：如果是游戲，主要有注冊（授權登錄）、打開、完成、未完成、分享等；如果是電商，主要有注冊（授權登錄）、打開、下單、付費、刪除訂單等；如果是普通社區頁面，主要有注冊、打開、瀏覽、分享等。
 
5、交叉分析：留存用戶數、新增用戶數、留存人均、新增人均，次日用戶留存率、7日留存、14天留存、30天留存；用戶活躍度，行為完成、未完成用戶數以及比例；活躍用戶數，行為完成情況分類分析、完成率分析、完成率高低用戶分析等。
 
6、交叉分析形式：圖、表、圖表。
 
7、通過交叉分析看產品運營數據的前生今世，了解昨天、評估今天，為前景而計劃明天的具體實施。
 
微信傳播模型
 
1、循環模型
模型來源，巧貝科技CEO Hata
 
2、循環公式（來源，巧貝科技CEO Hata）
 
NU – New Users（新用戶數）
AU – Active Users（活躍用戶數）
R% – Retention Rates（留存率）
S% – Share Rates（分享率）
F – Friends（好友數）
C% – Conversion Rates（轉化率）
 
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%
…………（抱歉中間部分省略下，嘿嘿）
 
NU X4 ≈ NU X0 × K N1%4
NU n ≈ NU 0 × K %n
 
3、根據模型改進產品和運營
 
R% 21%
S% 20%
F 100
C% 25%
 
幾種可能的數值
 
R% 20% R% 25% R% 30%
S% 20% S% 25% S% 25%
F（常量） 100 F（常量） 100 F（常量） 100
C% 25% C% 16% C% 14%
1 1 1.0125
R% 30% R% 35% R% 35%
S% 30% S% 30% S% 35%
F（常量） 100 F（常量） 100 F（常量） 100
C% 12% C% 10% C% 9%
1.08 1.05 1.1025
R% 21%
S% 20%
F（常量） 100
C% 25%
1.05
 
理想中的是黃色部分中的兩個，R%、S%、C%在這個基礎上持續的增長，才能夠給傳播帶來積極地效果和回報。產品和運營需要基于這三個點作調整，不斷的優化、改進，甚至是顛覆式的創新。
 
如何提高R，留存率？
如何提高S，分享率？
又如何提高C，轉化率？
 
當然，這個模型還有不完善的地方，首先，不適用與電商以及其他社會化媒體，目前只考慮了針對微信的傳播模型，其他類型根據平臺上用戶行為以及傳播的特性，會有一定的不同。其次，這個模型還需要大量的實例來證明和說明，提出不能指導實際工作的模型都是耍流氓。