01 買粉絲買粉絲運營數據分析報告(手把手教你買粉絲買粉絲數據分析)

買粉絲運營分析報告，要用哪些指標？

‍‍

現在好多公司都有買粉絲，由此產生了龐大的自媒體小編群體。每天刷刷買粉絲，找熱點，跟自身公司/產品找關聯，寫文，找圖，排版，預覽，發文.....雖然繁瑣，但是小編高興啊，寫文1小時，排版2鐘頭，美美的文章完成啦！正開心著那，路過的老板突然來一句：最近買粉絲運營的咋樣，給我一份分析報告！

What？我只想做一個精致的豬豬文案，不想跟數字打交道啊，誰知道買粉絲運營分析要怎么做！55555......

別著急，今天就告訴你買粉絲買粉絲運營分析會用到的指標！

先說第一部分，用戶規模。這個比較好理解，同時要分析用戶是什么樣的，有什么特點和屬性。

1、粉絲數，即有關注買粉絲的用戶數。這個是最基本的指標，不做過多說明。

2、用戶屬性。買粉絲后臺提供的有用戶的性別、區域、年齡等，這些其實都是最基本的人口屬性，比較初級，如果想真正知道用戶是什么樣的，需要不斷分析，給用戶打上行為屬性標簽。

第二部分是用戶增長，即粉絲量的變化情況（主要關注新增）。衡量指標：

1、新增人數，某一個時間段內新增的關注人數。一般用來評價某段時間內的推廣、活動、文章質量等是否有效果和提升。

2、新增渠道，即新增用戶是通過什么渠道關注的買粉絲。這有利于評價推廣方式、渠道的效果，以便進行優化。

3、其他指標還有：取消關注人數，凈增人數，和累計關注人數。

第三部分是用戶活躍，即經常跟你互動的用戶量。衡量指標：

1、閱讀量。一般用來衡量標題吸引力或文章質量。橫向需要分析閱讀量的來源，買粉絲或朋友圈。縱向需要分析文章的熱度/持續傳播時長，二次傳播率等。

2、分享量。衡量文章質量的指標，用戶覺得有用、有共鳴、有認同感等才會進行分享。

3、點贊量/打賞量，消息量，留言量等。

4、閱讀比例，=閱讀量/粉絲量。衡量用戶的活躍度，比閱讀量更準確。

其實圖文分析的目的是為了知道用戶喜歡哪一類文章、哪些文章會得到用戶的轉發，探索原因，總結規律，進而改善優化。除了單篇分析，周/月的總體分析也是非常必要的。

第四部分是用戶轉化，對于部分電商類買粉絲來講，衡量指標是購買人數、購買次數、客單價、復購率等。

以上，你學會了嗎？快去完成老板的任務吧！記住，不要把自己當成一個簡單的小編，把買粉絲當做一個產品運營起來，才是最棒噠~

答主：賀賀，擅長數據分析的運營。推薦關注買粉絲買粉絲：營銷航班

‍‍

買粉絲買粉絲后臺數據分析怎么做？

一、用戶分析

后臺中會展示買粉絲的粉絲情況，如新增人數、取關人數、凈增人數等信息，還有用戶屬性的信息，如性別、省份、城市、終端、機型等屬性。通過用戶分析可以看到買粉絲買粉絲的粉絲情況，如粉絲的分布大部分是女性，可以選擇一些大部分女性都關注的話題發布，迎合粉絲的愛好。

二、圖文分析

大家可以從買粉絲買粉絲的后臺看到一些圖文數據的相關情況，主要包括圖文頁閱讀次數、原文頁閱讀、分享轉發和買粉絲收藏。這些都可以看到買粉絲以及所發內容的受喜愛程度。買粉絲的運營者可以發現粉絲比較喜歡哪種類型的文章。

三、菜單分析

菜單分析主要是觀察菜單點擊次數、點擊人數和人均點擊數。然后根據數據反饋的情況來優化菜單欄。可以適當的添加或刪除一些菜單欄，給用戶更好的使用體驗。

四、消息分析

大家可以根據給買粉絲發消息的人數、次數和人均次數這幾項數據來判斷買粉絲的互動度，還有關鍵詞的分析，了解用戶想要了解什么，有什么需求，然后根據用戶的需求來定制內容。

五、其他數據

其他數據可以從評論數、閱讀數、點贊數、打賞數中了解買粉絲買粉絲的運營情況。閱讀數可以看出內容是否受到喜愛，評論數可以看出買粉絲的受歡迎程度或者說人氣，點贊數可以看出內容的質量，打賞數則可以看出買粉絲的商業成功度。

如何搞定買粉絲運營分析報告，看這篇就夠了！

在買粉絲買粉絲開放第5周年，騰訊發布了2017年第二季度財報，其中公布買粉絲和Wechat的合并月活越賬戶數達9.63億，比去年同期增長19.5%。但即便擁有這個巨大的流量入口，我們需要直面一個現實——我們已經進入新媒體（準確來說是買粉絲買粉絲）的下半場。那些年“只要開個買粉絲，或者搶注域名做優化，什么文章都不發，一天都能收獲幾百個用戶關注”的紅利時代已經過去了。但即便如此，依然有很多的個人自媒體和企業官媒正在后來居上，而你的買粉絲做得不好，請不要怪自己“生不逢時”。任何事物總不會永遠向上，螺旋式發展是必然，而你真的努力了嗎？你努力的方法對了嗎？

今天想從買粉絲后臺數據方面，引起大家在買粉絲運營時對數據采集及分析上的重視，也跟大家分享下我的一些小小的思路，與大家一起探討交流。

以下為下文的框架：

一.關于數據分析，對同行的調研結果

二.數據支撐對運營的意義與價值

三.買粉絲后臺數據在查看和采集上的局限

四.通過買粉絲后臺數據，洞察運營問題

一、同行的用戶調研

大部分運營的小伙伴（是偏文科思維的）對數據是不夠重視的，所以也沒有做數據采集和數據分析的習慣。比如下圖：

另外還有一類小伙伴，對數據是重視的，但是卻不敏感、不懂用。

“人工爬數據累死寶寶啦~”“歷史數據到底去哪找呀”“客戶分分鐘要報告，但數據太多，看得眼花，不知道從何分析起~”“為什么后臺的閱讀總數，和各個閱讀來源的總和對應不上？”

我曾經花了些時間，對身邊近100位同行小伙伴做了個小調查，其中有幾個結果，分享給大家：

盡管有超過50%的人認為自己對買粉絲后臺的數據指標很熟悉，但溝通交流發現，他們看得最多的數據就只有：

1、首頁的“新增人數“、“總用戶數”

2、圖文的總閱讀數

二、數據分析的重要性

移動互聯網時代，用戶關注的東西是多且分散的，但用戶的時間是有限的。我們不僅在和2000萬的買粉絲搶流量資源，更是在和買粉絲以外的平臺（如優酷/淘寶等）搶流量資源，想方設法要留住用戶的時間。

不管你是做個人號還是做企業官媒，在創號時都有自己的目的、定位及規劃。而用戶之所以關注你的買粉絲，是因為你的買粉絲對ta來說是有價值的，比如娛樂八卦搞笑讓人放松，比如學習內容讓人自我提升，比如查詢辦理購買等快捷服務.

在我看來，“拉新、留存、促活”能做出成績的前提是：你把買粉絲的用戶當做人當做朋友，而不是當做粉絲，而這些用戶（朋友）是什么樣的？喜歡什么？想要什么？你真的了解嗎？數據分析的必要性和重要性，正是體現在：

1、用戶分析：你的用戶是否精準？

2、圖文分析：你的用戶喜歡什么？喜歡的程度？你提供的內容價值有多高？

3、菜單/消息分析/活動分析：你的用戶是否活躍？你提供的服務價值有多高？等等。

4、其他分析暫不贅述。

三、買粉絲后臺數據的局限性

上圖是對目前買粉絲后臺數據現狀的概要，使得運營人員在數據查看及采集上有以下的痛點：

1、有關聯性的數據，呈現得不夠集中、不夠直觀，切換查看較為繁瑣耗時。

2、部分數據的采集，只能通過手工復制，匯總太繁瑣。

3、無法將某個時間段的多個模塊的數據表一并導出，匯總太繁瑣。

4、部分數據的更新是實時的，無法及時監測到分鐘級或小時級增量浮動情況。

5、單篇圖文的數據分布太分散，導致在加總計算時，總覺得數值對不上。

6、其他。

當買粉絲官方的數據采集和加工太難用時，行業內陸續涌入一批優秀的第三方數據產品供運營人員使用，我挑選了幾款不錯的產品做了個體驗上的對比，大家可以針對自己的需求靈活地使用這些工具，來輔助自己采集匯總想要的數據。

四、買粉絲數據的問題洞察

然而，采集數據，僅僅是第一步，當你擁有了數據，如何利用數據洞察出你運營買粉絲時的問題呢？

今天分享下一小部分（其他在后續陸續補充）：當你看著買粉絲的各類數據指標時，哪些工具能輔助你采集，你又應該從中洞察出你運營工作中出現的哪些問題，并尋求解決的方案。

賬號整體情況及用戶管理列表：

此處建議運營人員養成在推文或做活動時，進行分鐘級監測。

從內容運營的角度，在每次推文時，可及時了解推文及活動對增粉的影響。

從活動運營的角度，很多活動都是以官微買粉絲圖文的方式推送，并帶有引導用戶

如何做好買粉絲買粉絲數據分析

買粉絲買粉絲其實可以和數據分析中的方法與技巧是一樣的，看看下面就知道了。

利用數據挖掘進行數據分析常用的方法主要有分類、回歸分析、聚類、關聯規則、特征、變化和偏差分析、Web頁挖掘等， 它們分別從不同的角度對數據進行挖掘。

①分類。分類是找出數據庫中一組數據對象的共同特點并按照分類模式將其劃分為不同的類，其目的是通過分類模型，將數據庫中的數據項映射到某個給定的類別。它可以應用到客戶的分類、客戶的屬性和特征分析、客戶滿意度分析、客戶的購買趨勢預測等，如一個汽車零售商將客戶按照對汽車的喜好劃分成不同的類，這樣營銷人員就可以將新型汽車的廣告手冊直接郵寄到有這種喜好的客戶手中，從而大大增加了商業機會。

②回歸分析。回歸分析方法反映的是事務數據庫中屬性值在時間上的特征，產生一個將數據項映射到一個實值預測變量的函數，發現變量或屬性間的依賴關系，其主要研究問題包括數據序列的趨勢特征、數據序列的預測以及數據間的相關關系等。它可以應用到市場營銷的各個方面，如客戶尋求、保持和預防客戶流失活動、產品生命周期分析、銷售趨勢預測及有針對性的促銷活動等。

③聚類。聚類分析是把一組數據按照相似性和差異性分為幾個類別，其目的是使得屬于同一類別的數據間的相似性盡可能大，不同類別中的數據間的相似性盡可能小。它可以應用到客戶群體的分類、客戶背景分析、客戶購買趨勢預測、市場的細分等。

④關聯規則。關聯規則是描述數據庫中數據項之間所存在的關系的規則，即根據一個事務中某些項的出現可導出另一些項在同一事務中也出現，即隱藏在數據間的關聯或相互關系。在客戶關系管理中，通過對企業的客戶數據庫里的大量數據進行挖掘，可以從大量的記錄中發現有趣的關聯關系，找出影響市場營銷效果的關鍵因素，為產品定位、定價與定制客戶群，客戶尋求、細分與保持，市場營銷與推銷，營銷風險評估和詐騙預測等決策支持提供參考依據。

⑤特征。特征分析是從數據庫中的一組數據中提取出關于這些數據的特征式，這些特征式表達了該數據集的總體特征。如營銷人員通過對客戶流失因素的特征提取，可以得到導致客戶流失的一系列原因和主要特征，利用這些特征可以有效地預防客戶的流失。

⑥變化和偏差分析。偏差包括很大一類潛在有趣的知識，如分類中的反常實例，模式的例外，觀察結果對期望的偏差等，其目的是尋找觀察結果與參照量之間有意義的差別。在企業危機管理及其預警中，管理者更感興趣的是那些意外規則。意外規則的挖掘可以應用到各種異常信息的發現、分析、識別、評價和預警等方面。

⑦Web頁挖掘。隨著 I

很赞哦!（6969）