1、新媒體技術基礎模塊五：新媒體數據收集與分析技術單元三：新媒體數據分析02互動數據構成與分析典型平臺數據分析傳播數據構成與分析轉化數據構成與分析目錄04010301傳播數據構成與分析PART ONE傳播數據構成與分析（一）內容傳播數據指標構成1發稿量/轉載量可以按不同時間段如一個月、一周和近24小時，展示新媒體發稿量趨勢及轉載趨勢。媒體傳播量2用數據展現企業下屬網站、微博、微信、APP在各平臺信息的傳播量。傳播力屬性 3網站、APP傳播力排行榜，包括相似文章數量、影響地域、傳播趨勢及轉載列表。展示信息包括發布內容題、作者、發布時間、新聞來源、轉載量；內容的傳播效果分析，分析結果包括傳播路徑、影響

2、地域、傳播趨勢及轉載列表。傳播數據構成與分析（一）內容傳播數據指標構成4實時動態包括今日發稿總量、發稿的轉載與原創比，各媒體平臺發稿量的占比，新聞熱點信息等。實時展示企業下屬網站、微博、微信、APP的內容發布情況，包括發稿量/轉載量趨勢分析，媒體類型轉載量占比，媒體傳播量，網站、微博、微信、APP 傳播力排行榜。發布內容及熱點頭條文章5發布內容的閱讀量、評論量、轉發量、傳播時長、覆蓋網站、覆蓋地域，展示傳播引爆點及稿件的傳播路徑圖。媒體類型轉載量占比 6展示企業下屬網站、微博、微信、APP發布的稿件轉載量的占比，對單篇稿件可設置更新頻率，對用戶指定的內容進行分析展示。傳播數據構成與分析（二）產

3、品傳播數據指標構成基于產品運營的新媒體平臺，產品具有內嵌分享功能，對內容型平臺或者依賴傳播做增長的產品，對病毒式增長的衡量就會變的至關重要，因此，數據指標包括分享率、傳播率、病毒K因子和傳播周期。分享率轉化率即現有用戶中有多少比例的用戶進行分享。按單篇內容來計算分享率，即點擊分享按鈕的人占閱讀人數的比例。轉化率是指分享后有多少比例的用戶被轉化為新用戶，即新用戶數占分享次數的比例。傳播數據構成與分析（二）產品傳播數據指標構成病毒K因子傳播周期又稱病毒系數，衡量現有用戶能夠成為產品獲取的新用戶數。病毒K因子計算公式：K=（分享數/現有用戶數）*（新用戶數/分享數）=分享率*轉化率當K因子大于1時，

4、每位用戶能至少能帶來一個新用戶，用戶量會像滾雪球般變大，最終達成自傳播。當K因子足夠大時，就是口口相傳的病毒營銷。傳播周期指用戶完成從傳播到轉化新用戶所需要的時間，通常傳播周期越短，意味著用戶裂變傳播的效果越好。02互動數據構成與分析PART TWO互動數據構成與分析新媒體的互動數據是用戶參與運營活動產生的，用戶可以在官網、互動活動頁面、微博、BBS等活動或欄目中參與互動，也可自愿留下信息，這些活動過程會形成互動數據。新媒體平臺可通過互動數據驅動制定互動策略、設定互動規則為用戶量身打造互動活動，來吸引用戶參與。互動數據分析包含如下： 內容互動數據分析用戶互動數據分析活動互動數據分析互動數據構成

5、與分析（一）用戶互動數據的構成與分析用戶互動數據指引入新用戶、留存老用戶、保持用戶活躍、促進用戶付費、挽回流失或者沉默的用戶等新媒體運營中所產生的互動數據。0201用戶精準畫像數據分析活躍、留存、付費的分析你的用戶是男性多還是女性多，他們分布在什么樣的年齡層次，集中于哪些省份，他們受教育程度如何，興趣點有哪些，等等這些都是做基礎用戶分析的指針，而對基礎用戶的分析會決定運營人員應當采用何種運營策略、使用何種運營工具、發布哪些運營活動和內容。用戶運營需要了解用戶的規模以及增長或衰退情況，并進行適當的用戶分層。新用戶有多少、老用戶又有多少、每日增長規模如何、用戶處于怎樣的生命周期。明確了這一點，才能

6、了解產品處于什么樣的階段，用戶處于什么樣的階段，然后才能了解對用戶進行運營的目標所在，從而選擇合適的運營方式。互動數據構成與分析（一）用戶互動數據的構成與分析03用戶行為數據分析與轉化通過對用戶行為數據的分析，靈活運用事件分析模型、留存模型、轉化漏斗等，了解用戶為什么來、為什么走、為什么活躍、為什么留存。對新用戶的增長，已有用戶的活躍和留存，活躍用戶促付費，流失用戶的挽回都有對應的措施，讓所有的決策有跡可循而不是“拍腦袋”，才能真正提升活躍、留存和付費。（1）留言點贊用留言或點贊與閱讀量的比值來衡量用戶對該篇文章的互動情況，數值越高，互動越明顯。（2）用戶消息新媒體運營人員為了引導用戶互動和關

7、注，經常會策劃一些送福利的活動，用戶想要了解活動的具體情況，就需要與平臺活動，就會產生用戶消息。消息越多，說明活動吸引力大。 互動數據構成與分析（二）內容互動數據的構成與分析內容互動是通過采集、創造、組織、呈現內容提高新媒體營銷的內容價值，創造出對用戶粘性、用戶活躍產生促進作用的運營內容。內容互動數據分析指用戶連接進來之后，需要根據用戶對內容的偏好及各種行為的數據分析來了解用戶，對用戶分組，定向推送合適的內容。1.內容評論數據指標分析內容評論量/內容評論人數內容評論量指的是在統計周期里的總內容評論次數。評論量越高，意味著用戶對文章發表見解的意愿越強烈。內容評論人數指在統計時間周期里，產生過內容

8、評論行為的用戶總和。內容評論量會略高于內容評論人數，因為有的用戶可能發布了多條評論。互動數據構成與分析1.內容評論數據指標分析內容評論率是指在統計時間周期里，產生過內容評論行為的用戶占內容閱讀點擊人數的比重，即： 內容評論率=內容評論人數/內容點擊人數通過這個指標，我們可以分析得到用戶對于哪些內容更有討論的欲望。一般比較有爭議的話題內容評論率會較高。內容評論率內容平均評論量是在某個時間周期里的內容分享的平均水平， 即：內容平均評論量=內容評論量/內容圖文量這個指標可以反映用戶對內容的黏性。內容平均評論量互動數據構成與分析1.內容評論數據指標分析內容平均評論量趨勢內容平均評論量趨勢指在同樣的時間

9、周期里用戶活躍度是否有提升。內容平均評論量趨勢向上，通常說明內容越來越受用戶歡迎。內容最高評論量內容最高評論量指過去某段時間內，單篇內容獲得的最多的評論量。除了找到最高評論數值及其對應的文章，還可以分析其內容特征，并總結出該類內容的選題和編輯技巧。互動數據構成與分析2.內容分享轉發數據指標分析內容分享量/內容分享人數內容分享量是內容被分享出去的總數量。分享量越高，通常意味著內容功能里的內容越受目標用戶喜歡。分享人數則是指在統計時間周期里，產生過內容分享行為的用戶總和。 內容分享率內容分享率是指在統計時間周期里，產生過內容分享行為的用戶占內容閱讀點擊人數的比重， 即：內容分享率=內容分享人數/內

10、容點擊人數。互動數據構成與分析2.內容分享轉發數據指標分析內容平均分享量內容平均分享量是指在某個時間周期里的內容分享的平均水平，即每篇內容平均有多少次分享： 內容平均分享量=內容分享總量/內容總量。 內容平均分享量趨勢內容平均分享量趨勢是指在同樣的時間周期里，內容平均分享量是否有提升。趨勢向上的分享量說明內容越來越被目標用戶認可，文章的結構和長度也都是符合用戶閱讀習慣的。互動數據構成與分析2.內容分享轉發數據指標分析內容最高分享量內容最高分享量是指過去某段時間內，單篇內容獲得的最高的分享量。建議持續分析具有高分享量的文章具有哪些特征，并在后續的寫作中進行驗證。互動數據構成與分析（三）活動互動數

11、據的構成與分析新媒體運營活動是通過開展獨立或聯合的運營活動，拉動某一個或多個指標的短期提升。活動是基于與用戶之間的互動開展的，根據運營活動類型不同，產生的活動互動數據和數據分析過程也不一樣。拉新類活動數據指標分析促活類活動數據指標分析留存類活動數據指標分析付費類活動數據指標分析 互動數據構成與分析（三）活動互動數據的構成與分析拉新類活動數據指標分析拉新類活動是指通過新媒體手段新增粉絲的活動，這類活動的核心指標通常是新增用戶數。例如微信公眾號上常見的微課漲粉活動、微博上常見的關注并三個好友的抽獎活動，都屬于拉新類活動。 促活類活動數據指標分析促活類活動是指為了促進現有粉絲活躍程度的活動，這類活動

12、的核心指標通常是活躍用戶數或活躍率。例如微信公眾號發起的留言互動，就屬于促活類活動。互動數據構成與分析（三）活動互動數據的構成與分析留存類活動數據指標分析留存類活動是指為了增加用戶黏性、減少粉絲流失的活動，這類活動的核心指標通常是次日留存率、七日留存率和三十日留存率。留存類活動的特點是持續性，例如有些公眾號會經常在文章底部放現金紅包抽獎鏈接，或者在每個月舉辦留言送書的活動。 付費類活動數據指標分析付費類活動是指引導粉絲付費的活動，核心指標即電商類平臺的轉化指 標，包括付費人數、新增付費人數、銷售總額、付費訂單總量、人均客單價。 例如微信公眾號上賣產品、賣課的活動，即為付費類活動。03轉化數據構

13、成與分析PART THREE轉化數據構成與分析（一）交易類平臺轉化數據構成GMV即Gross Merchandise Volume，指網站的成交的應付金額，而這里的成交金額包括：付款金額和未付款。GMV = 銷售額+取消訂單金額+拒收訂單金額+退貨訂單金額GMV指用戶付款的實際流水，是用戶購買后的消費金額。 成交額轉化數據構成與分析（一）交易類平臺轉化數據構成指成交金額減去退款后剩余的金額。銷售收入在產品里邊產生過交易行為的用戶總量，同活躍用戶一樣，交易用戶也可以區分為首單用戶（第一次消費）、忠誠消費用戶（持續購買的用戶）、流失消費用戶（流失后又回來的用戶）等。同時，為了研究用戶的付費潛力，還

14、可以研究下產品的付費用戶比例 即：付費用戶比例 = 付費用戶 總注冊用戶 付費用戶量轉化數據構成與分析（一）交易類平臺轉化數據構成在單個促銷活動中，指每一筆用戶訂單的收入，即：總收入/訂單數。而在整個產品生命周期中，我們更關注用戶平均付費，即：總收入/用戶數ARPU可以再一步細分，當普通用戶占比太多，往往還會采用每付費用戶平均收入： ARPPU = 總收入 收費用戶數ARPU和新增用戶一樣，獲得一個新付費用戶的成本已經高于維護熟客的成本。復購率更多用在整體的重復購買次數統計：單位時間內，消費兩次以上的用戶數占購買總用戶數。 復購率轉化數據構成與分析（二）社區型平臺轉化指標社區型平臺的首要目的是

15、將用戶聚集在一起，并且引入用戶生成內容，核心關鍵在于培養一個能夠生成內容的活躍用戶社區。內容生成者參與內容生存的用戶總量，其中以內容生產比例（內容生產者/用戶總量）來衡量一個社區的內容生成健康度。如小紅書社區的核心競爭力就在于具有內容生產者數量的優勢。內容互動者指平臺中有生成內容、閱讀內容、評論內容、分享內容、收藏內容、投票（任一）行為的用戶總量。其中以內容互動比例（內容互動者/總用戶量）來衡量整個產品的用戶參與度。內容生成者指通過內容產生的實際收入，具體包含廣告收入、分成收入、訂閱付費等。轉化數據構成與分析（三）企業型平臺轉化指標體驗用戶量申請體驗企業服務的用戶總量，運營需要以體驗率（體驗用

16、戶量/用戶量）來衡量產品的包裝吸引力。付費用戶量對于企業服務類產品來說，最需要非常關注的是有多少免費用戶最終成為了付費客戶，運營需要以轉化率（付費用戶總量/體驗用戶總量）來衡量產品的市場匹配度。追加銷售量有多少人升級到了更貴的服務級別，運營需要以追加銷售比例（總加銷售用戶/總付費用戶）來衡量產品的售后服務能力。平均客戶營收單位時間里平均每位客戶帶來的營收（銷售額/付費用戶），相應的還有客戶終身價值，它指的是客戶使用產品過程中的付費總額。04典型平臺數據分析PART FOUR典型平臺數據分析（一）微信公眾號數據分析 微信公眾號是在微信公眾平臺上申請的應用賬號，發布形式包括文字、語音、圖片、視頻，

17、是商家通過微信進行互動營銷及自媒體人與用戶群體進行互動的平臺。微信公眾號有數據后臺，在首頁中單擊“統計內容”即可查看。微信公眾號后臺典型平臺數據分析1.公眾號數據分析概述0201用戶分析內容分析用戶分析模塊包括用戶增長數據和用戶屬性數據，分別對應微信公眾號的漲粉量和用戶畫像。內容分析模塊包括群發數據和視頻數據，除了可以看到總體數據以外，還可以看到單篇群發數據和單個視頻數據。對于主要發布形式為圖文的公眾號運營人員來說，經常分析的模塊是單篇群發數據，即針對每次推送的圖文進行數據分析，分析主要圍繞圖文閱讀量展開。典型平臺數據分析1.公眾號數據分析概述03菜單分析微信公眾號可以在消息界面底部設置自定義

18、菜單，作為用戶互動的入口。用戶可以通過點擊菜單選項，收到設定的響應，如收取消息、跳轉鏈接。通過菜單數據分析，我們可以看出公眾號用戶對菜單功能的滿意程度和活躍程度，點擊次數越多，說明服務的覆蓋人群越多；人均點擊次數越大，說明用戶越活躍。典型平臺數據分析1.公眾號數據分析概述04消息分析消息分析模塊包括消息分析和消息關鍵詞，其中消息是指公眾號的關注用戶主動發送的消息。消息關鍵詞是指公眾號運營人員設置好一定關鍵詞規則后，用戶在公眾號消息頁面發送該關鍵詞，公眾號會自動回復設置好的內容。回復內容的形式包括圖文消息、純文字、圖片等。在公眾號后臺，我們可以看到不同關鍵詞的出現次數，并可以據此了解用戶喜好。典

19、型平臺數據分析1.公眾號數據分析概述 公眾號消息分析典型平臺數據分析2.公眾號用戶畫像分析（1）人口特征人口特征包括性別分布、年齡分布和語言分布，其中年齡分布按照年齡區間顯示各個區間的用戶數，如圖所示。運營人員可以根據這些數據對文章的風格側重調整。例如，女性用戶偏多時，可以使用調皮、可愛的語言風格。公眾號用戶年齡分布典型平臺數據分析2.公眾號用戶畫像分析（2）地域歸屬地域歸屬數據是指公眾號用戶在各地區的分布情況，可以具體到某個省內某個地級市的用戶占比，低級分布如圖所示。這些數據能為運營人員提供用戶付費能力、活動選址、內容選題等方面的參考。公眾號用戶地域歸屬地級分布典型平臺數據分析2.公眾號用戶

20、畫像分析（3）訪問設備訪問設備終端分布顯示不同終端的用戶數，如圖所示，可以反映出該賬號用戶的付費能力。通常iPhone 用戶占比較高的公眾號，用戶付費能強。公眾號用戶訪問設備終端分布典型平臺數據分析2.公眾號用戶畫像分析（4）單篇群發的用戶畫像可以看到每篇文章的用戶畫像，包括性別分布、年齡分布，如圖所示。用單篇畫像和公眾號畫像進行比較，可以分析得出該篇文章所吸引的用戶是否是平臺目標用戶。單篇群發的用戶畫像典型平臺數據分析3.公眾號漲粉量分析在微信公眾號后臺單擊“用戶增長”，可以看到該賬號最近的漲粉情況。在微信公眾號生態里，新媒體運營人員關注的要么是可以變現，要么是可以漲粉。因此，“漲粉”量也是

21、新媒體運營人員需要高度重視的一項指標。在“用戶增長”數據中，除了查看關鍵指標數據，還可以針對新關注人數、取消關注人數、凈增關注人數、累積關注人數進行趨勢分析，趨勢分析可選擇時間周期為 7 天、14 天、30 天或 365 天之內某個時間段的關注人數變化，還可以與上月數據做對比分析，如圖所示。 微信公眾號“用戶增長”數據典型平臺數據分析4.公眾號圖文閱讀量分析公眾號圖文閱讀量屬于圖文數據，是微信公眾號運營人員常關注的核心指標之一。人們常說的“10 萬+”文章即指閱讀量超過 10 萬次的文章，因為閱讀量超過 10 萬后，文章閱讀量對外不展示具體數值，只展示“10萬+”，這個詞逐漸成為高閱讀量文章的

22、簡稱，也是很多新媒體從業者追逐的目標。公眾號圖文閱讀量的來源主要是公眾號消息和用戶轉發兩大渠道。因此，為了提升平均閱讀量，除了要研究如何從選題和標題切入來提升公眾號消息閱讀量，也要讓閱讀了這篇文章的用戶產生轉發的意愿。前者主要對應公眾號圖文的首次打開率，后者主要對應分享率。典型平臺數據分析（二）微博數據分析微博是一個可以公開發布實時內容的新媒體平臺，發布內容包括文字、圖片、視頻等類型，其發送數量也沒有限制，是一個全民皆可參與發布和分享的平臺。微博有自己的數據分析后臺，在個人主頁中單擊“管理中心”下的“數據助手”即可查看。 微博個人主頁典型平臺數據分析1.數據概覽進入個人微博主頁，單擊“管理中心

23、”“數據助手”“數據概覽”，就可以對微博基本數據進行整體分析。在“數據概況”選項卡中，可以看到昨日/近7日關鍵指標、粉絲變化、博文、我發布的內容、視頻文章等模塊的數據概況，如圖所示。 近7日關鍵指標趨勢典型平臺數據分析2.粉絲數據分析微博的粉絲數據分為粉絲趨勢、活躍分布、粉絲畫像，其中免費版功能包括粉絲趨勢分析與近7日取關粉絲列表。（1）粉絲趨勢分析可以從發布內容、數量、發布時間總結粉絲增長趨勢、整理運營經驗，持續保證增長態勢；如果粉絲增長數據下降，可以查看近期微博數據總結教訓。（2）近7日取關粉絲列表運營者可以根據用戶取關的時間，研究當天內容是否引起讀者的反感；或者去取消關注用戶的微博主頁看

24、其興趣所在，避免同類粉絲的流失。典型平臺數據分析2.粉絲數據分析（3）活躍粉絲粉絲在某一天或某個時間段中登錄過微博即被視為活躍粉絲。付費版提供近七日粉絲活躍分布（如圖所示）、粉絲按小時分布、粉絲來源、粉絲性別年齡、粉絲地區分布等功能，近7日粉絲活躍分布如圖所示。 （4）粉絲畫像粉絲畫像提供粉絲類型、粉絲星座的統計功能。 近7日粉絲活躍分布典型平臺數據分析3.內容數據分析在微博上，主要內容形式是博文、頭條文章和視頻，以博文為例進行內容數據分析。（1）微博閱讀趨勢在“微博閱讀趨勢”模塊，可以看到賬號在近 7 天、近 30 天、近 90 天以及一年內任意時段內發布的微博被閱讀的趨勢。（2）微博閱讀人

25、數 在“微博閱讀人數”模塊，可以看到該賬號在近 7 天、近 30 天、近 90 天以及一年內任意時段內發布的微博被閱讀過的人數。（3）點擊趨勢分析 在“點擊趨勢分析”模塊，可以看到賬號發布的微博中帶有短鏈或者圖片被點擊的次數累加，可以通過峰值快速定位某一日發布的內容進行分析。（4）單條微博分析在“單條微博分析”模塊，我們可以看到賬號在近 7 天、近 30 天、近 90 天以及一年內任意時段內發布的微博的時間、內容、閱讀和互動數。典型平臺數據分析3.內容數據分析（5）閱讀來源及閱讀粉絲分析 閱讀來源：按照主關注流、分組關注流、熱門流、搜索頁、個人主頁和其他來源展示了一條微博發出后 7 天內不同閱

26、讀來源的分布情況。某條微博大部分來自主關注流，且大部分是非粉絲閱讀，可以推測是因為該賬號被轉發多次后引起的閱讀量傳播，如圖所示。 單條微博閱讀來源分析典型平臺數據分析3.內容數據分析閱讀粉絲分析：一條微博發出 7 天內，粉絲與非粉絲用戶閱讀到這條微博占比。某條微博大部分來自主關注流，且大部分是非粉絲閱讀，可以推測是因為該賬號被轉發多次后引起的閱讀量傳播，如圖所示。 單條微博閱讀粉絲分析典型平臺數據分析4.互動數據分析微博作為一個開放的移動社交媒體平臺，其社交性主要表現在用戶可以通過轉發、評論、點贊等方式進行互動和交流。互動數的多少在一定程度上代表著博主和微博內容的受歡迎程度。（1）互動數分析

27、互動數是用戶對博主產生互動行為的數據統計指標，指用戶對博主在一段時間內發布的內容（包括微博、評論、故事）產 生的互動行為（包括轉發、評論微博、贊微博、回復評論、贊評論）。 （2）近7天賬號互動top10 “近7天賬號互動top10”模塊提供7天內累計與博主互動最多的前十名用戶榜單，轉評贊數為轉發、評論、贊相加和，我們還能看到這些用戶的粉絲數，粉絲數量較多的用戶意味著影響力較大。典型平臺數據分析4.互動數據分析（3）我的影響力影響力是衡量微博賬號每天在微博平臺中影響力大小，它是通過博主的發微博情況、被評論、轉發的情況以及活躍粉絲的數量來綜合評定，如圖所示。活躍度：發布高質量的博文吸引粉絲、積極轉

28、發評論、私信好友聊天都能迅速提高活躍度。傳播力：每篇博文平均被轉發、被評論的次數和人數越多，證明傳播力越強。覆蓋度：當天登錄的粉絲數和與你轉評贊的粉絲數越多，覆蓋度越高。 微博我的影響力典型平臺數據分析4.互動數據分析（4）我發出的評論在“我發出的評論”模塊可以查看到賬號每天發出的評論數，在一定程度上可以反映博主的勤勞程度，多與其他賬號互動也可以起到引流的效果。典型平臺數據分析（三）今日頭條數據分析 今日頭條是北京字節跳動科技有限公司開發的一款基于數據挖掘的推薦引擎產品。它基于算法的人工智能平臺，它將用戶的每一個動作進行數據記錄和挖掘，從而對用戶進行標簽化處理，同時也對每一條內容和每一位作者進行標簽化，以完成用戶和內容發布者的匹配。今日頭條內置數據分析功能，通過點擊個人頭像（昵稱），選擇“創作平臺”進入頭條號后臺，點擊“管理作品管理”可查看每個作品表現數據；點擊“數據”可查看運營整體數據，包括收益數據、作品數據和粉絲數據等三個模塊。 頭條號后臺典型平臺數據分析1.管理作品管理按照全部、不同內容類型（文章、視頻、微頭條、問答、小視頻、音頻）、草稿箱等標簽顯示作品表現數據，運營者可根據數據決定是否修改內容以獲取更好的點擊率。可通過狀態（全部、已發布、審核中、未通過、僅我可見）和時間區