新媒体技术应用 课件 模块六：新媒体数据分析技术应用

新媒体技术应用模块六：新媒体数据分析技术应用单元一：数据分析技术与工具02新媒体数据分析指标体系数据分析工具新媒体数据分析流程数据分析方法目

录040103新媒体数据分析价值了解用户需求分析用户特征和需求，能够帮助企业更好地了解受众群体，掌握更强的主动性，采用更为合理的营销手段，以提高效益。把握市场变化通过大数据研究关键词关注趋势、洞察用户需求变化、监测媒体舆情趋势等，还可以从行业视角分析市场特点、洞悉品牌表现。明确运营方向运营方向一般由用户需求和企业自身优势综合决定。对于用户需求,企业可以通过分析后台用户反馈数据得到。对于自身优势,企业可以从既往推送内容中得到。评估运营结果通过数据分析评估新媒体运营结果时,除了要关注收益情况和数据进展外,也要结合投入的成本，如成本与收益效果的经济指标为投入产出比（ROI）。01新媒体数据分析流程PARTONE新媒体数据分析具有极强的实践性和应用性。其流程通常包括以下5个环节：明确运营目标、搭建指标体系、监测收集数据、分析运营数据、评估运营结果。新媒体数据分析流程02新媒体数据分析指标体系PARTTWO数据分析维度用户数据图文数据竞品数据行业数据用户数据包括用户增长数据、用户属性数据和用户互动数据。用户增长数据是指每天用户人数的变化情况，用户属性数据是指当前新媒体平台的用户画像,用户互动数据是指用户对内容的点赞、留言等情况。新媒体平台自带的图文数据称为基础图文数据，包含图文内容送达人数、阅读人数、转发人数。例如：微信公众号基础图文指标主要包含单篇图文阅读数据、单篇图文传播数据和多篇图文阅读数据。在做竞品数据分析前，首先要确定自己的竞争对手，一般会将所属领域相同、目标用户相同、目标市场一致的账号视为直接竞争对手，可以针对某一个账号做细致的调研，也可以同时对比多个账号，其最终都是得到对自身运营有用的结论。行业数据能帮助运营人员了解市场格局和行业变化，制订适宜的运营策略。例如，

QuestMobile、极光、TalkingData等平台，以及艾瑞咨询、清博大数据等新媒体数据榜单平台发布的行业数据报告。1234数据来源网络数据库社交平台网络行为日志网络舆情网络数据库数据主要是指基于传统数据库对新媒体内容及相关信息进行存储的数据，如新闻内容数据、网络服务资源数据、用户注册（关注）数据、用户行为数据、商品库存数据、销售财务数据等。网络社交数据主要是指用户参与和使用新媒体社交平台、系统、软件产生的数据，具有杂乱、异构等特点。目前以“三微一端”（微博、微信、微视频及新闻客户端）为代表的新媒体平台是网络社交数据的重点。网络行为日志数据主要是指移动终端和物联网智能终端等产生的数据，包括人为交易记录、浏览访问记录等数据，通常为结构化数据。用户行为日志数据主要有：用户每次访问网站时所有的行为数据，用户行为轨迹，流量日志等。网络舆情数据主要是指基于某热点话题或事件，大量用户通过新媒体平台参与而产生的数据。用户通过社交新媒体进行网络参与的便捷性大大提高，参与的热度和广度大大增强，导致大量舆情数据的产生。1234指标体系新媒体运营指标体系根据不同的运营目的，关注的核心指标会有所不同。但总体来说主要从拉新指标、活跃指标、留存指标、转化指标和传播指标这五个方面的一级指标分解到具体的二级指标，再根据实际应用情况分解到到新媒体运营的行动指标，建立指标体系如表所示。实际运营根据需求，对指标体系内的内容进行拆解调整。一级指标二级指标行动指标拉新指标浏览量曝光量、点击量（PU）、点击率（CTR）注册用户数注册用户数（关注用户数）获取成本千次曝光成本（CPM）、单次点击成本（CPC）、单次获客成本（CPA）活跃指标活跃用户数日活跃用户数量（DAU）活跃率活跃率=活跃用户数/注册用户数指标体系新媒体运营指标体系一级指标二级指标行动指标留存指标留存率次日留存率、7日留存率、30日留存率流失率流失率=流失用户总量/当初的用户总量转化指标总成交额总成交额（GMV）成交额成交额付费用户数付费用户数、付费用户比例=付费用户数/注册用户数复购率复购率=消费两次以上的用户数/总购买用户传播指标分享率分享率=分享次数/阅读次数（通常以单篇内容计算）转化率转化率=新用户数/单篇内容分享次数病毒K因子K=分享率×转化率03数据分析方法PARTTHREE营销漏斗模型指的是营销过程中，将非潜在客户逐步变为客户的转化量化模型。营销漏斗模型的价值在于量化了营销过程各个环节的效率，帮助找到薄弱环节。所以整个漏斗模型就是先将整个购买流程拆分成一个个步骤，然后用转化率来衡量每一个步骤的表现，最后通过异常的数据指标找出有问题的环节，从而解决问题，优化该步骤，最终达到提升整体购买转化率的目的，整体漏斗模型的核心思想其实可以归为分解和量化。如图所示，为某产品的销售转化情况。数据分析模型1.

漏斗分析模型AARRR模型即：Acquisition

(获取用户)Activation

(激活用户)Retention（提高留存)Revenue

(获取收入)Refer

(传播推荐)是运营行业普遍认可的一个业务分析模型。可以简单理解为：用户从哪里来？用户的第一次实用体验如何？用户是否会重复使用？怎样赚钱？用户是否愿意推荐其他用户？如图所示。数据分析模型2.AARRR模型GRAI复盘法包括4个步骤：即目标回顾(Goal)、结果描述(Result)、过程分析(Analysis)、经验总结(Insight)。具体来说,可以按照以下顺序展开工作复盘：（1）回顾目标:当初的目的或期望是什么？（2）评估结果:和原定目标相比有哪些亮点和不足？（3）分析原因:事情成功和失败的根本原因？（4）总结规律:通过以上的分析找到事物更有效、更符合本质规律的做法。数据分析模型3.GRAI复盘模型对比分析法是把客观事物加以比较，以达到认识事物的本质和规律并做出正确评价的方法。对比分析法通常是把两个相互联系的指标数据进行比较，从数量上展示和说明研究对象规模的大小、水平的高低、速度的快慢以及各种关系是否协调。对比分析包括绝对数比较和相对数比较两种形式。绝对数比较是利用绝对数进行对比，从而寻找差异的一种方法。相对数比较包括结构相对数、比例相对数、比较相对数、强度相对数、计划完成程度相对数和动态相对数。数据分析方法1.

对比分析法数据分析方法分组分析法是指通过统计分组的计算和分析，来认识所要分析对象的不同特征、不同性质及相互关系。分组分析法是在分组的基础上，对现象的内部结构或现象之间的依存关系从定性或定量的角度做进一步分析研究，以便寻找事物发展的规律，正确地分析问题和解决问题。粉丝中各年龄段的组成占比

2.

分组分析法平均分析法就是用平均数来衡量总体在一定时间和地点条件下某数据的一般水平。平均数据比总量指标更具说服力，更能帮助运营者预测发展趋势和规律。平均分析法包括数值平均数和位置平均数。数值平均数又包括算术平均数、调和平均数和几何平均数。位置平均数又包括众数和中位数，众数直观地反映了总体的集中趋势，中位数代表了现象的一般水平。数据分析方法矩阵分析法是一种定量分析数据的方法，它是指以数据两个重要指标作为分析依据，并将这两个指标作为横、纵坐标轴，构成四个象限，从而找出解决问题的方法，为运营者提供数据参考。3.

平均分析法4.

矩阵分析法网络分析法是一种分析处于同一网络中的各个节点之间的互动以及各节点的权重关系的方法。新媒体时代的交互性和去中心化更加凸显了网络分析法的重要价值。相关性分析是指分析连续变量之间线性相关程度的强弱，并用适当的统计指标表示出来的过程。大数据时代，数据间的相关关系比因果关系更加重要。在新媒体营销中，可以通过比较两个商品的相关关系强弱来选择是否进行组合销售。回归分析是通过研究事物发展变化的因果关系来预测事物发展的趋势，它是研究变量间相互关系的一种定量预测方法。可通过对大量数据的处理来确定因变量与某些自变量的相关关系，建立一个相关性较好的回归方程（函数表达式），并加以外推，用于预测今后的因变量的变化的分析方法。数据分析方法5.

网络分析法6.

相关性分析法7.

回归分析法04数据分析工具PARTFOUR数据分析工具网站分析工具网站分析工具包括百度统计、CNZZ统计、Google分析工具、爱站网等，网站分析工具最重要的作用就是为网站运营者提供数据支持。数据分析工具自媒体分析工具自媒体分析工具是操作和使用最简单的一类新媒体数据分析工具，在这类数据分析工具上，所有的数据都可一键生成，如微博、微信、抖音、今日头条等。数据分析工具第三方分析工具第三方分析工具，指的是非官方平台自带的、需要官方平台授权后才可以使用的数据分析工具。如新榜数据、西瓜助手、友盟等。数据分析工具本地分析工具利用本地分析工具分析的数据主要有两种，人工统计的数据和新媒体平台后台导出的数据。可以借助一些软件进行数据分析，数据分析者常用到的软件:Excel、SPSS和SATA等。数据分析工具网络平台分析工具有两种类型：一种是利用Tableau等新型工具处理后台导出数据；一种是利用H5类平台工具处理后台导出数据。网络平台分析工具新媒体技术应用课程南京奥派信息产业股份公司新媒体技术应用模块六：新媒体数据分析技术应用单元二：内容运营效果复盘02内容运营指标体系建立内容运营复盘数据分析内容运营关键流程分析目

录030101内容运营关键流程分析PARTONE为了更好地对内容运营效果进行复盘，我们将新媒体内容运营的业务流程拆分为5个关键环节：内容发布、内容点击、用户阅读、互动评论和分享转发，并建立以流程为导向的数据指标体系进行数据分析。内容运营关键流程分析内容运营关键流程内容发布内容点击用户阅读互动评论分享转发内容运营02内容运营指标体系建立PARTTWO分享转发环节关注：

内容分享量、内容分享人数、内容分享率、内容平均分享量、内容平均分享

量趋势和内容最高分享量等指标。内容运营指标体系建立内容运用过程中每个环节关注的指标不同。内容发布环节关注：

内容更新总量、内容发布量趋势、内容发布频率和内容生产用户量等指标；内容点击环节关注：

内容点击量、内容点击人数、内容平均点击量和内容点击率等指标；用户阅读环节关注：

在线时长、人均阅读次数和完成阅读率等指标；互动评论环节关注：

内容评论量、内容评论人数、内容评论率、内容平均评论量、内容平均评论

量趋势和内容最高评论量等指标；内容运营指标体系建立内容发布环节内容更新总量内容发布量趋势内容发布频率内容生产用户量指标解释：某段时间内总共更新多少篇符合要求的内容，也称内容发布总量作用与说明：体现内容编辑人员能力提升状况指标解释：内容发布频率=某时间周期内容更新总量/时间周期作用与说明：体现内容编辑人员能力提升状况指标解释：单位时间周期内,内容发布总量的变化趋势作用与说明：体现内容编辑人员能力提升状况指标解释：参与内容的用户数作用与说明：体现平台活跃度内容运营指标体系建立内容点击环节内容点击量内容点击人数内容平均点击量内容点击率指标解释：内容在某个时间周期内的总点击数，也称内容阅读量。作用与说明：体现内容受欢迎的程度指标解释：内容平均点击量(内容平均阅读量)=内容点击总量/内容数量作用与说明：某个时间周期阅读量的平均水平指标解释：内容点击率=内容阅读人数/内容送达人数作用与说明：反映内容标题对用户的吸引程度指标解释：内容在某个时间周期里被多少用户点击了作用与说明：体现内容有效服务人数内容运营指标体系建立用户阅读环节人均阅读次数在线时长完成阅读率指标解释：指用户在一次登录、退出行为之间，用于阅读内容的时间总和作用与说明：评估内容质量指标解释：完成阅读率简称完读率=完成该内容阅读的人数/该内容的总点击人数作用与说明：体现的是内容写作质量指标解释：人均阅读次数=内容阅读次数/内容点击人数作用与说明：体现内容的黏性内容运营指标体系建立互动评论环节内容评论量内容点赞量内容评论人数内容评论率内容平均评论量内容平均评论量趋势内容最高评论量指标解释：统计周期里总内容评论次数作用与说明：体现用户对内容发表见解的意愿指标解释：统计周期里总内容点赞次数作用与说明：体现用户对内容欢迎程度指标解释：统计时间周期里产生过内容评论行为的用户总和作用与说明：体现内容热度指标解释：内容评论率=内容评论人数/内容点击人数作用与说明：体现用户对哪些内容更有讨论的欲望指标解释：内容平均评论量=内容评论量/内容图文量作用与说明：反映用户对内容的黏性指标解释：在同样的时间周期用户活跃度变化情况作用与说明：趋势向上,说明内容越受用户欢迎指标解释：过去某段时间内,单篇内容获得的最多的评论量作用与说明：便于总结该类内容的选题和编辑技巧内容运营指标体系建立分享转发环节内容分享量指标解释：内容被分享出去的总数量作用与说明：内容分享量越高,通常意味着内容越受目标用户喜欢内容平均分享量指标解释：内容平均分享量=内容分享总量/内容总量作用与说明：在某个时间周期里的内容分享的平均水平内容分享人数指标解释：统计时间周期内产生过内容分享行为的用户总人数作用与说明：内容分享量通常略大于内容分享人数内容平均分享量趋势指标解释：指的是在同样的时间周期,内容平均分享量变化情况作用与说明：趋势向上说明内容越来越被目标用户认可,文章的结构和长度也都是符合用户阅读习惯内容分享率指标解释：内容分享率=内容分享人数/内容点击人数作用与说明：在统计时间周期里,产生过内容分享行为的用户占内容点击人数的比重内容最高分享量指标解释：指的是过去某段时间内,单篇内容获得的最高的分享量作用与说明：分析高分享量的内容具有哪些特征,并在后续的创作中进行验证03内容运营复盘数据分析PARTTHREE1.

内容更新总量和内容发布量趋势内容更新总量是运营人员针对做数据分析时优先要做的数据统计。把单位时间内容的内容总量进行时序分析，就会得到内容发布量趋势。它是内容编辑人员能力提升与否的数据体现。当某账号在单位时间周期内的内容更新总量呈递增趋势，这意味着该账号拥有更强的内容生产能力。通常用变化率的形式表示。内容运营复盘数据分析某微博账号1-9月的发文量变化情况一、内容发布环节数据分析在内容发布环节，对于内容运营最基础的考核指标就是内容发布量。与内容发布量相关的指标包括：内容更新总量、内容发布量趋势，内容发布频率、内容生产用户量。2.

内容发布频率如在24小时里更新30篇文章，那么内容发布频率为1.25篇/小时或30篇/天。【知识拓展】需要注意的是，在新媒体运营工作中，内容更新量不是在一段时间内平均分布的，通常会在用户阅读量比较高的时间点附近聚集。例如，运营人员在8点、11点、17点、21点这些时间点发布的内容，要远远多于在其他时间发布的内容。3.

内容生产用户量对于UGC类型的内容平台，运营人员在内容发布环节还需要重点关注参与内容生产的用户量。从整体来看，参与内容生产的用户量越多，平台活跃度就会越高，如今日头条推出的“青云计划”，入选作者将直接得到现金。内容运营复盘数据分析一、内容发布环节数据分析内容更新总量展示了内容编辑情况，而内容点击则体现了内容的真实价值，因为内容只有被用户消费了才算是有价值的。可以从以下几个方面对内容点击环节进行评价：内容点击量、内容点击人数、内容平均点击量、内容点击率。1.

内容点击量/内容点击人数内容点击量与内容点击人数通常会有所差异，且内容点击量略大于内容点击人数，因为同一个用户可能点击了不止一次，这些不同的点击次数会计算到内容点击中，但只会在内容点击人数中被计算一次。内容运营复盘数据分析二、内容点击环节数据分析【典型案例】在2020年某公司的内容阅读总量为1346万，其中新浪微博495万、36氪157万、订阅号94万、公众号转载100万、脉脉360万、人人都是产品经理140万等，把数据导入Excel，采用直方图进行火种对比分析，表示如图所示。【案例分析】从图上可以看出新浪微博和脉脉的阅读量最大，可以作为未来内容投放渠道的重点方向。新媒体运营内容通常会在多个平台发布，可以根据不同分发渠道的内容阅读情况进行汇总计算总点击量。2020年某公司的内容阅读总量不同渠道分布内容运营复盘数据分析二、内容点击环节数据分析2.

内容平均点击量计算出内容平均点击量后，可以分析内容平均点击量趋势。内容平均点击量趋势又称内容平均阅读量趋势，它体现的是内容更新质量是否有提升、内容影响力是否在加速扩大，以及运营人员是否已经找到行之有效的内容传播增长点，如内容曝光渠道增加、做出符合用户口味的选题。对于增幅明显的点，运营人员还可以分析具体的运营原因。例如，某公众号在2020年个月的平均阅读量（如图所示），其中6月和11月量两个峰值，得益于618和双11的系列热点内容策划，相对来说双11的策划效果更佳。某公众号2020年每月平均阅读量内容运营复盘数据分析3.

内容点击率对于单篇内容来说，内容点击率通常反映内容标题对用户的吸引程度。【典型案例】选取春雨医生公众号的7篇文章，统计其阅读情况数据，选取送达人数和阅读人数两个指标，然后根据点击率公式计算点击率。标题送达人数阅读人数点击率无痛分娩孩子会变傻？信这种谣言才更容易傻28098810867338.68%父母如何应对熊孩子？4809860311092964.68%【花式补充秘籍】早产儿如何补充能量和蛋白质250288070288028.08%科学新招！一招打破婴幼儿反复腹泻的魔咒3978901210288052.85%儿童补充营养的误区，宝妈们踩雷了没？36783410288027.97%新冠肺炎来袭，产检和打疫苗怎么办5809880290288049.96%哄娃神器竟是“死亡摇椅”？婴儿睡眠要注意哪些安全问题？1256731922315.30%【案例分析】从表中可以看出，新生代父母面对熊孩子的应对方式和婴幼儿腹泻问题十分关注，在2021年大家对新冠肺炎疫苗的担心问题也很关注。内容运营复盘数据分析用户点击具体内容后，就会花费时间阅读它，对于喜欢的内容就会把它读完，对于不喜欢的内容就会中途放弃阅读。具体来说，阅读环节会分析以下指标数据：在线时长指的是用户在一次登录、退出行为之间，用于阅读内容的时间总和，它是评估内容质量的一个数据指标。阅读指标数据123人均阅读次数=内容阅读次数/内容点击人数，它体现的是内容的黏性，其中人均阅读次数越多，越能够说明目前平台的内容黏性高。完成阅读率简称完读率，是针对单篇内容的阅读数据指标，它等于完成该内容阅读的人数除以该内容的总点击人数，体现的是内容写作质量，通常完成阅读率越高，说明内容质量越高。在线时长人均阅读次数完成阅读率内容运营复盘数据分析三、用户阅读环节数据分析图中为微信公众号后台单篇文章的阅读完成情况，文章被分为20等份，每5%为一个锚点，可以看到用户在每个锚点位置的跳出比例，到最后100%位置的数值即本文的完成阅读率。需要注意的是，如果某篇文章的完成阅读率比另一篇文章高，并不一定是文章质量更高，也可能是文章篇幅较短，或者阅读人数较少等其他原因。所以用完成阅读率来比较内容质量时，最好是针对阅读人数、篇幅和选题等差不多的文章来比较。内容运营复盘数据分析【案例分析】可以看出一般用户在文章开头5%位置的跳出比例是相对比较高的，这也侧面体现了内容开头的重要性。内容互动主要指用户的点赞和评论情况，大量的互动行为意味着内容深入人心，也体现用户对内容的黏性更强。内容互动环节会分析以下指标数据：1.

内容评论量/内容评论人数内容评论量越高，意味着用户对文章发表见解的意愿越强烈。内容评论人数则是指在统计时间周期里，产生过内容评论行为的用户总和。与内容阅读量和内容阅读人数类似，内容评论量会略高于内容评论人数，因为有的用户可能发布了不止一条评论。2.

内容评论率通过这个指标，我们可以分析得到用户对于哪些内容更有讨论的欲望，一般比较有争议的话题内容评论率会较高。3.

内容平均评论量内容平均评论量指的是在某个时间周期里的内容评论的平均水平，即每篇内容平均有多少条评论，这个指标可以反映用户对内容的黏性。内容运营复盘数据分析四、互动评价环节数据分析4.

内容平均评论量趋势内容平均评论量趋势向上，通常说明内容越来越受用户欢迎。对于增长或下跌趋势明显的节点，运营人员需要去分析产生的原因。例如，

某平台7月份的内容评论量出现明显增长，原因在于图文底部添加了留言引导。内容运营复盘数据分析四、互动评价环节数据分析5.

内容最高评论量运营人员除了找到最高评论数值及其对应的文章，还可以分析其内容特征，并总结出该类内容的选题和编辑技巧。【典型案例】如图为2021年5月1日20点的新浪微博的热搜榜，其中头新闻号发的《西湖断桥五一假期变人桥》消息，阅读累计1.9亿次、评论1.3万次。【案例分析】通过互动情况，说明当天西湖断桥景点的受欢迎程度很大，选用五一假期相关主题内容为近期热点。互动情况也是舆论情况的体现，也是社会对内容中的话题关注程度的体现，也是社会热点的体现，内容运营复盘数据分析四、互动评价环节数据分析内容分享量/内容分字人数内容分享率内容平均分享量内容平均分享量趋势内容分享量越高，通常意味着内容越受目标用户喜欢。内容分享人数则是指在统计时间周期，产生过内容分享行为的用户总和。内容分享率是指在统计时间周期里，产生过内容分享行为的用户占内容点击人数的比重，即内容分享率-内容分享人数/内容点击人数。内容平均分享量指的是在某个时间周期里的内容分享的平均水平，即每篇内容平均有多少次分享。内容平均分享量=内容分享总量/内容总量。内容平均分享量趋势指的是在同样的时间周期，内容平均分享量是否有提升。内容平均分享量趋势向上说明内容越来越被目标用户认可，文章的给构和长度也都是符合用户阅读习惯的。12345内容最高分享量指的是过去某段时间内，单篇内容获得的最高的分享量。运营人员应分析具有高分享量的文章的特征并进行验证。内容最高分享量内容运营复盘数据分析五、分享转发环节数据分析新媒体技术应用课程南京奥派信息产业股份公司新媒体技术应用模块六：新媒体数据分析技术应用单元三：活动运营效果复盘02活动运营指标体系建立活动运营复盘数据分析活动运营类型分析目

录030101活动运营类型分析PARTONE拉新类活动是指通过新媒体手段增加粉丝数量的活动，这类活动的核心指标通常是新增粉丝数。例如，微信公众号上常见的微课“涨粉”活动、微博上常见的关注并@三个好友的抽奖活动，都属于拉新类活动。促活类活动是指为了促进现有粉丝活跃程度的活动，这类活动的核心指标通常是活跃粉丝数或活跃率。例如，微信公众号发起的留言互动，就属于促活类活动。留存类活动是指为了增加粉丝黏性、减少粉丝流失的活动，这类活动的核心指标通常是次日留存率、7日留存率和30日留存率。留存类活动的特点是持续性，例如，公众号在文章底部放现金红包抽奖链接。活动运营类型分析1.

拉新类活动2.

促活类活动3.

留存类活动活动运营类型分析传播类活动是指通过新媒体渠道推广品牌、实现传播品牌的活动，核心指标包括病毒K因子、传播周期。例如，新世纪主办的“逃离北上广”、“丢书大作战”就属于传播类活动。付费类活动是指引导粉丝付费的活动，核心指标即电商类平台的转化指标，包括付费人数、新增付费人数、销售总额、付费订单总量、人均客单价。例如，商家在新媒体社交平台上卖产品服务，即为付费类活动。5.

传播类活动4.

付费类活动02内容运营指标体系建立PARTTWO活动类型及对应指标根据上述五类不同目的，每个目的所对应的活动核心指标如下。活动类型活动目的核心指标行动指标具体指标拉新活动增加粉丝数量新增粉丝数浏览量点击量（PU）、点击率（CTR）注册用户数或关注人数粉丝量获取成本千次曝光成本(CPM)、点击成本(CPC)、单次获客成本(CPA）促活活动促进现有粉丝活跃程度活跃粉丝数或活跃率活跃粉丝数活跃用户数量(DAU)粉丝活跃率活跃率留存活动增加粉丝黏性、减少粉丝流失留存率和流失率留存率次日留存率、7日留存率和30日留存率流失率流失率活动类型及对应指标活动类型活动目的核心指标行动指标具体指标付费活动引导粉丝付费平台的转化指标付费人数付费人数、新增付费人数销售总额总成交额(GMV)、成交额付费订单总量付费订单总量、复购率人均客单价人均客单价传播活动推广品牌、实现传播品牌病毒K因子、传播周期分享率分享率=分享次数/阅读次数转化率转化率=新用户数/单篇内容分享次数病毒K因子K=分享率×转化率根据上述五类不同目的，每个目的所对应的活动核心指标如下。设定核心数据指标数值过往数据如果这类活动不是首次组织，运营者可以直接根据过往的活动数据来设定核心数据指标数值。例如，某公众号要做一场微课“涨粉”活动，运营者可以拿之前做过的活动数据作为基数，乘以目前比当时高出的用户倍数，再来设定涨粉目标。竟品指标参考竞品数据指标可以帮助运营者了解行情、避免在设定目标时盲目乐观。如果是第一次做活动，可以多参考竞品的数据情况。在确定活动类型、明确核心指标之后，接下来还需要为核心指标设定合理的指标数值，这里推荐两种指标数值的设定方式，分别是看竞品指标和看过往数据。拆解行动指标新媒体运营者设定了与目的相匹配的数据指标还不够。为了方便后续的数据分析与活动优化，还需要对数据指标进行拆解，将总目标拆解为可执行、可量化的子目标。常用的拆分维度包括:按人群、按渠道、按业务流程。1．按人群最基本的按人群拆分方式是将用户拆成新用户和老用户。例如，某社交平台举办一次微课，

目标参与人数为1000人，其中600人是老用户，

400人是老用户邀请的新用户，如图所示。如果平台已经对用户有了更细致的分层，目标还可以拆解地更为细致。例如，微博用户可以分为普通用户、认证用户，或者按粉丝量级来划分为粉丝数在100人以下、粉丝数在100到1000人、粉丝数在1000到10000人的用户等。拆解行动指标2．按渠道如果活动需涉及不同渠道，则可以按渠道进行拆分。例如，“运营研究社”在销售《知识日历2020》的活动中，将渠道分为了社群、公众号、KOL推广、企业定制等，并为每个渠道设置了不同目标。新媒体运营者设定了与目的相匹配的数据指标还不够。为了方便后续的数据分析与活动优化，还需要对数据指标进行拆解，将总目标拆解为可执行、可量化的子目标。常用的拆分维度包括:按人群、按渠道、按业务流程。拆解行动指标3．按业务流程在实际的活动策划过程中，几种拆分维度会混合使用。因此，在拆解目标时，要拆到可执行、可观测的目标为止。例如，某平台计划在春节期间通过一周准备活动达到100万日活跃用户数的目标，可以先根据新用户和老用户进行人群拆分，再针对新用户按渠道拆分为公众号、今日头条、应用宝和社群等，对老用户继续按人群拆分为活跃用户、流失用户、预警用户。针对这些二级指标，还可以按业务流程进行拆解。例如，活跃流失用户时，可以采取推送的手段，过程指标主要包括推送总量、送达率和点击率。新媒体运营者设定了与目的相匹配的数据指标还不够。为了方便后续的数据分析与活动优化，还需要对数据指标进行拆解，将总目标拆解为可执行、可量化的子目标。常用的拆分维度包括:按人群、按渠道、按业务流程。03内容运营复盘数据分析PARTTHREE活动运营数据监控对于一场活动来说，数据分析绝不是在活动结束后才实施的，运营者要在活动过程中就对数据进行监控，关注活动数据是否偏离目标，并在活动数据出现异常时，及时发现问题所在，转变活动方向。在活动数据监控中，通常会经过3个步骤：010203提前测试环节分析渠道对比活动运营数据监控如果是比较重要的活动，运营者最好先进行测试，确保整体方向没有问题后再全面开展。【典型案例】“运营研究社”在推送一场课程优惠活动之前，先将课程优惠活动的海报发送至“忠实用户群”，想了解用户是否认为这场活动的优惠力度很大。没想到第一版海报发出后，很多用户都反映看不懂优惠规则。运营者重新设计第二版海报后，避免了这种情况，活动也得以顺利推进，海报个版本如图所示。【案例分析】如果运营者没有经过测试环节，就直接发布海报，活动效果肯定不好，损失也难以挽回。1.

提前测试活动运营数据监控无论在活动的哪个环节，活动数据如果出现了异常，运营者首先要确定是哪个环节出了问题。【典型案例】在某一年双11期间，

“运营研究社”做了一次清空购物车涨粉活动，主要的活动形式是让用户分享活动海报、参加抽奖。该活动规则简单易懂，但活动上线后的第3天，

“涨粉”量只有500，照此趋势，最终目标很难完成，清空购物车“涨粉”活动数据如图所示。2.

环节分析活动运营数据监控【典型案例】通过数据分析，发现活动分享率很高，但是成功邀请率（一次海报分享可以带来的粉丝量）很低，说明活动的整体思路正确，问题可能出现在活动传播载体上。如是对海报进行了重新设计，最终版海报突出“帮你清空购物车”，让用户有获得感，如图所示。将成功邀请率提升了1.5倍，达到每次分享可以带来3个用户的效果。运营者在活动最后3天，加大推广这张高邀请率海报的力度，最终超额完成目标，活动数据如图所示。【案例分析】活动只关注一级指标活动“涨粉”量是不够的，还需要进行二级指标监测。通过数据分析，发现活动分享率很高，但是成功邀请率（一次海报分享可以带来的粉丝量）很低，说明活动的整体思路正确，问题可能出现在活动传播载体上。最终版海报突出“帮你清空购物车”，让用户有获得感，最终超额完成目标。活动运营数据监控渠道对于活动来说是很重要的要素，不论是在哪个新媒体平台举办活动，运营者都希望活动可以取得良好的传播效果。为了快速引爆活动，运营者在活动策划时就需要挑选合适的宣传渠道。在活动运营中，活动在不断调整，监控活动数据有助于指导活动修改的方向。活动应当尽量不涉及大的调整，调整的内容一般包括商品卖点提炼、文案的优化、商品位置的上移、活动嘉宾介绍文字的润色等。如果活动涉及非常大的变动，那么活动策划者就需要反省，是否在最开始的策划环节就没有做好。3.

渠道对比活动运营数据复盘

活动结束后，需要活动数据进行复盘。将核心数据指标与最终的实际完成情况进行对比，了解这次活动的最终结果，并分析其中的问题，避免重复犯错，确保下次会做得更好。通常利用GRAI复盘法对活动运营进行复盘。活动运营数据复盘目标回顾在做复盘时，首先要回顾目标，不仅包括活动核心指标，也包括拆解后的行动指标。需要注意的是，在回顾目标时，要注意回顾目标本身是否合理，分析当初是基于什么条件设定的目标。结果描述基于原有的活动目标，对比最终的活动数据，从而确定本次活动是否完成了目标。为了更直观地反映结果，可以把各项行动指标的实际数据与目标数据做对比。过程分析基于各项行动指标的对比数据，可以具体分析此次活动的需些环节开展得好，哪些环节还有待提升。经验总结分析得到的原因如果能得到数据的验证，运营者就可以把原因总结成经验。新媒体技术应用课程南京奥派信息产业股份公司新媒体技术应用模块六：新媒体数据分析技术应用单元四：用户运营效果复盘02用户运营指标体系建立用户运营复盘数据分析用户运营过程分析目

录030101用户运营过程分析PARTONE用户运营过程分析用户运营是以最大化提升用户价值为目的。用户运营实质是持续关注用户从接触、认知、体验、使用、习惯、分享、上瘾等这一系列的过程，并通过各类营销手段提升用户新增、活跃、留存、付费、分享传播。用户运营通常采用AARRR模型，把用户运营的过程梳理为：获取用户、活跃用户、提高留存、获取收入、传播推荐等五个阶段。02用户运营指标体系建立PARTTWO用户运营指标体系建立根据AARRR模型可以从拉新指标、活跃指标、留存指标、转化指标和传播指标等五个一级指标来构建指标体系。在实际用户运营过程中，在不同阶段主要关注用户增长、用户画像和用户行为指标，进过拆解。根据不同的平台和运营内容具体行动指标的描述会有一些差异，如在微博、公众号平台用户为关注用户，在一些APP推广平台又称为注册用户。03用户运营复盘数据分析PARTTHREE用户增长数据分析用户增长数据是指新媒体平台粉丝人数的变化情况。其核心数据指标是平台或账号的关注人数，在复盘过程中主要分析关注人数的变化趋势及关注人员的来源。1.

用户增长趋势分析用户增长数据分析，优先需要关注的指标是新关注人数，它是账号拉新能力的体现。与之对应的指标有：新关注人数(不包括当天重复关注用户)、取消关注人数(不包括当天重复取消关注用户)、净增关注人数、累积关注人数等。用户增长数据分析1.

用户增长趋势分析大部分新媒体平台都自带用户分析功能，如图某微信公众号后台用户增长数据，这些数据可以导出到Excel表格中进行综合分析。用户增长数据分析针对新关注人数、取消关注人数、净增关注人数、累积关注人数进行趋势分析。在微信公众号后台，趋势分析可选择时间周期为7天、14天、30天或365天之内某个时间段的关注人数变化，如图所示为某微信公众号最近30天的新关注人数变化图。如果某一天发现新关注人数相比平时的数据有明显上升，要么说明上一篇文章内容对用户来说很受用，要么就是某一项推广起效果了，这样就可以多准备一些与之相关的内容。典型案例某关于考研的公众号14天内心关注人数变化情况分析，导出数据到Excel中如图所示，并在通过一个曲线图中呈现新关注人数、取消关注人数和净增关注人数。【案例分析】发现4月4日开始发布关于考研面试的内容能吸引新用户，同时在7日和13日两天为面试时间，进行了叠加，用户数有两个峰值。用户增长数据分析在运营过程中，经常需要把当月数据和历史数据进行对比，来看运营效果，如果对比后发现自己的账号“涨粉”数比上个月同期“涨粉”数少，那就需要去寻找原因了。如图，为两个月新关注人数的对比情况，发现9月1日-2日由于做了开学拉新活动，新关注人数明显上涨，而且活动效果明显。用户增长数据分析粉丝累计数量也是用户运营关注的指标，粉丝数量大说明账号或者应用程序的影响力大，如一些大V，粉丝量超过千万级，其影响力非凡，在推广中其转化能力也强。在用户运营过程中还通过留存率和流失率来反应用户增长情况：1）留存率常用的指标是次日留存率、7日留存率和30日留存率。例如，某平台某天通过某渠道新增用户为1000人，第二天仍旧登录的有350人，第七天仍旧登录的有100人，则这个渠道获取的用户次日留存率为35%，

7日留存率为10%。2）流失率流失率与留存率恰好相反，如果次日留存率是30%，那么说明有70%的用户流失了。流失率的意义在于利用它能在一定程度上能预测产品或账号的发展趋势。如果某账号现有用户数为10万，月流失率为20%，那么如果没有新增用户，

5个月后该账号会失去所有用户。用户增长数据分析对新增关注来源的研究价值在于了解目前哪个推广方式效果更好，用户来源一般分为平台内部和不同平台两种方式进入，也分免费和付费两种形式。如某微信小程序从微信平台进入的方式如图所示。

某微信小程序新增用户来源分析

2.

新增关注来源分析用户增长数据分析对新增关注来源的研究价值在于了解目前哪个推广方式效果更好，用户来源一般分为平台内部和不同平台两种方式进入，也分免费和付费两种形式。如某微信小程序不同平台进入的情况如图所示。某微信小程序新增用户不同平台来源分析在推广中还有收费的方式，如今日头条、DOU+、MCN机构等，一般推广计费分为按展现和按点击两种计费方式。2.

新增关注来源分析用户画像用户画像也是用户属性分析。用户属性数据是指对用户按照性别、年龄、职业、学历、地域等不同属性进行划分，通过了解用户属性、运营人员可以更有针对性地、更好地为用户提供内容和服务。很多新媒体平台的数据分析后台会包括用户属性数据。用户属性分析主要包括的用户属性数据有人口特征、地域属性和访问设备。用户画像1．人口特征人口特征包括性别分布和年龄分布等。运营人员可以根据这些数据对文章的风格进行调整。例如，在中年男性用户占比较大的情况下，通常不适合多讨论美妆、时尚相关的话题，或者使用可爱的语言风格。图中分别为某平台粉丝管理中心的用户性别、用户年龄分布。用户画像2．地域属性用户地域属性可以清楚的表示用户在各个地区的分布情况，可以对一些关键决策作为参考。如图，某次招生宣传活动中H5页面用户地域属性分析，可以看出广东省为招生的重点区域。用户画像微信公众号后台可以直接进行用户地区属性分析，可以按照省和城市进行细分，这样可以更精确知道自己的用户在哪里，为运营提供指导。在LBS的应用越来越深入，很多时候我们可以精确的更细致的范围，在精准营销中应用广泛。2．地域属性用