微信数据分析和微信传播模型
微营销手册
什么是微信数据分析呢？
试想一下，如果是你，会怎么向你的领导、向你的下属，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？大多数人所为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，进行开源节流。
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。数据分析还能够帮助我们认清现状，通过计划明天，逐渐向我们预想的未来靠近。
微信数据分析的内容（举栗子而已）
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
模型来源，巧贝科技CEO Hata
2、循环公式（来源，巧贝科技CEO Hata）
NU – New Users（新用户数）
AU – Active Users（活跃用户数）
R% – Retention Rates（留存率）
S% – Share Rates（分享率）
F – Friends（好友数）
C% – Conversion Rates（转化率）
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%
…………（抱歉中间部分省略下，嘿嘿）
NU X4 ≈ NU X0 × K N1%4
NU n ≈ NU 0 × K %n
3、根据模型改进产品和运营
| R% | 21% |
| S% | 20% |
| F | 100 |
| C% | 25% |
几种可能的数值
<</p>
| 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 | |||||||
理想中的是黄色部分中的两个，R%、S%、C%在这个基础上持续的增长，才能够给传播带来积极地效果和回报。产品和运营需要基于这三个点作调整，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？
又如何提高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。
这个是我通过整理文章的方式消化掉工作中的知识点。
如果大家喜欢，希望能够与我分享你的观点。
谢谢！
