苏旋：朋友圈4天20万人疯传的数据检测工具

微互动 | 微信运营交流群群讲座
Vol.22
分享嘉宾：苏旋
主持人：李7喜
协助记录员：许小过
嘉宾：苏旋
公众号：TargetSocial

对于数据来说多少人和主持人7喜一样头疼。昨天微互动邀请了一个能够把数据研究透彻的技术大牛，把我们这些对数据研究的外行人讲得醍醐灌顶。

在这微互动要特别感谢嘉宾苏旋昨天精彩的讲解，也感谢群里的许小过帮忙协助整理的分享内容。

关于下次的群讲座请大家把握好时间，提前做好报名工作，讲座开始一个小时是不会再邀请入群咯！

以下是讲座的正文：

首先我先自我吹嘘一下：

我以前学的专业是计算机，在哈尔滨工业大学读的计算机研究生，然后来上海加入SAP中国研究院做商业智能软件的研发，在SAP做了4年的做到了一个产品负责人的角色，所以对于BI商业智能的内容比较熟悉。

后来创业做的targetsocial，在一开始的时候是从事微博的数据挖掘，和商业应用，后来做的方向就迁徙到微信上了。

我准备了一个PPT，与上周四在北大演讲的时候用的差不多，如果北大听过的同学可能就悲剧了，内容相近。

第一部分：微信传播的检测

我先放一个二维码，这也是我今天讲的主题：微信传播的检测与分析以及商业应用

扫描下面的二维码，获得检测工具H5页面：

扫码得到的是我们前一段时间做的朋友圈检测工具，等会我的分享的很多内容会基于这个工具。

这次我们做的H5的传播工具，差不多花了4天的时间就做到了，差不多20万人参与其中。

我现在一步一步的解释一下，我们通过这个工具都检测了那些数据，这些数据都有什么用：

这个是各位看到的我们做的这个工具的第一页：

➀先给用户呈现的是一个纵览、概括：有点击的人数 和 转发的人数。我们在数据库中记录了所有的数据，不过在界面上只显示了4级。

➁下方是一个时间轴，说明了你分享出去的内容在什么时候被你的朋友，或者是朋友的朋友的朋友浏览或者转发了。

➂右边的蓝色图表就是我们通过这次数据统计出来的一个表，代表了这20万人在这次活动中的浏览时间分布。

➃这张检测出来的结果让我们比较意外的是分布比较均匀，只有在晚上1点中到早上7点前人比较少，其他时间的分布比较均匀。

在此，我想说明的是 这个数据对我们投放广告是有帮助的。因为很多品牌在做H5的活动的时候，都是策划、制作、然后投放。

投放的时候，分别会在自己的官方公众号发布或者采取付费的方式购买一些账号通过点击原文的方式投放。这时候，如果我们加一些检测，就能够知道什么内容适合在什么时间段投放比较好，这样能让ROI提高几倍。

注释：投资回报率（ROI）是指通过投资而应返回的价值，即企业从一项投资活动中得到的经济回报。

这次检测活动，就是大家看到的这个H5只要分享到自己的朋友圈、或者微信群、或者分享给个人，数据都是可以统计到的。

但是为什么整个H5没有一点提到把它传播出去，再点击进来就可以看到你自己的微信传播图的原因是，开始我们加了这句话，但是被封掉了于是我们就去掉了。

这一页是我们统计到的一些用户的基本属性：这里如果你分享出去的话就看得到以你自己为根节点，往下数四层的参与人的数据。

接着，再往下数2层很多人你就不认识了，所以通过这个你可以知道：经过你的传播，接下来都有什么样的人参与。

其中包括：男的女的、都用什么样的手机、使用什么样的网络状态。

地域分布也是这样：

我们通过微信获取一个人的地理位置有三种方式：

➀公众账号：获取、就是有些公众账，你关注的时候它提示你要获取你的地理位置信息；
➁是用户通过微信菜单把地理位置信息发送给公众账号：程序员应该知道 微信的接口是有一种location的消息；
➂就是通过网页，网页分两种：
a.因为微信jssdk的升级，我们现在可以在H5页面上抛出一个对话框，告诉用户我要拿你的地理位置，你让不让拿？
b.通过ip的 方式获取用户的地理位置信息。

所以，如果是非技术人员，是策划或者微信公众账号的运营者想策划一个和地理位置信息相关的游戏或者活动的时候就可以看看，你想用什么样的方式能让用户的体验比较好。

这张图是我们这次的重头戏：

这也是很多朋友告诉我，他们觉得我们提供的最有价值的地方——就是传播的可视化。

如果一个人把这个H5分享到朋友圈，或者微信群，那刚开始的时候这个图只有一个点，就是这个人自己，等有人点击进来的时候，这个点就像一个种子发芽，长出了一个分支。

►如果那个人再分享，就会形成一层一层的传播。就像我截图的样子：一个人有差不多有3-4层的传播，一共有几百个人参与。

我给大家截两个不同的传播图看一下：

第一张传播图：

第二张传播图：

第一个是我们帮一个品牌做的检测，一个手机品牌，他们做了一个活动，本身不是很有趣。但是他们找了两个比较好的KOL帮他们做推广：

仔细观察，第一幅图有三个中心：

小的那个圈子，是品牌方自己的员工朋友，剩下左边和右下的这两个就那两个付费的KOL。

这个时候，你会发现挺多人参与，也就是屏幕上点蛮多的（一个点就代表一个人），但是传播层级很少。

第二幅图是我们这次的传播图：

从一开始就显示出来，这次的传播没有特别的中心节点，传播是比较均衡的，而且每个人的转发都能带来不错的二次转发，于是就有了这个数据统计：

研究发现第一幅图：传播层级只有5，第二个我们统计了一下有96个层级：

这说明了一点，第一个内容的自我传播性，比第二个差了很远。如果我们想要做一个成功的微信传播，就需要考虑到我们到底怎样设计我们的流程，才可以让传播的层级变得更为深远，我们需要寻求一个品牌硬广和互动性的balance。

这幅图是我们这次的另外一个很重要的发现：就是居然这次传播近一半的传播量是不到0.8%的人造成的。

这个可能和我刚才说的有一些相反，所以我说的前提是：一个互动性良好的H5活动，它的传播页有这么严重的二八原则的体现（那种硬广找KOL强推的 不在讨论范围）。

所以我们要加检测，要分析数据的原因也就在于此。如果我们一般的传播是不到1%的人造成的 那我们为什么不用心去服侍好这不到1%的人？

这总比取悦大众要容易，微信检测的数据检测分析到此为止了。下半场进行微信检测的商业应用。

第二部分：微信检测的商业应用

这个是我们做的一幅图：

这个图片说明了每次传播如果我们要想覆盖更多的人，需要从创意和技术度的角度都发力，才可以得到一个比较好的效果。如果只有创意不排除也可以传播的很好，但是如果加上技术的一些检测，或者其他的转发的机制，就是让传播更广。

我们现在在经常做的一种事情就是帮助客户搭建他们的SCRM。
注释：SCRM全称social crm，社会化客户关系管理

这里有一个我从给客户提案的PPT中截取的部分要展示给大家：

这个客户他们的用户会有一些生命的周期和转发，我们利用不同的手段，包括了微信的检测在每个部分可以做到不同的事情。

比如我可以给微信的粉丝分出等级：

同样我们还可以和企业内部的数据做打通（因为这类客户是外企 所以还没来得及翻译成中文）：

这张图的大致意思就是，他们已经有一个数据库了。

世界上的CRM排名前三的就是Salesforce sap 和Siebel，如果能够把社交媒体的数据和企业内部的数据打通将会是一件意义非凡的事情：这样企业内部的精准的交易数据，会员数据，就可以和社交媒体上的很多有温度的社交的数据汇总。

这样可以更清晰的描绘出来你的每一个用户是一个什么样的人、甚至他们喜欢什么，可以从多个维度去给一个用户打分。

这个在CRM中叫用户视图 （CV customer View）：

我们通常打通的做法是把CRM数据库中的一条记录通过一个key和微信、或者其他社交媒体的账号关联起来。

以迪卡侬作为例子，如果打通他们就知道在北京的某一个店里，上周末买了一双跑鞋的人他在社交媒体上还做了那些事情。

关于微信检测的商业应用就结束了。

“问答环节”

Q1  请问苏总，现在微信相较于微博，是数据不开放的平台。这种不开放给数据挖掘带来了哪些影响？又该怎么应对？

A1：打通大数据是属于数据收集的一种吧，联合社交软件或者其他会员建立联合恩CRM。微信的数据比起微博开放程度差很多，这个没办法；
因为微信本来就设计成一个私密的交流的通信软件，朋友圈的传播也都是朋友之间的传播，比如你有100个好友加入，其中A和B不认识 那么A在你朋友圈下面的评论B，B是看不到的；

但是 微信还是给一个企业，一个品牌它公众账号下面粉丝的很多行为的数据，所以腾讯的意思是属于你的粉丝你可以分析，不是你的就别惦记了。

Q2如何在微信订阅号本身没有被开发的情况下做最大程度的数据分析？ 谢谢

A2：订阅号没有开发并没有影响，但是任何一个H5都可以做检测，所以如果想获取一些数据，就尽可能的利用可以用的上H5的地方，比如阅读原文，自定义菜单，关键词回复，或者关注后的关注信息，这些都可以是H5，也可以通过检测获得数据。

Q3在微信数据监测中可以监测到微信刷票等不良手段吗？如果可以 如何实现呢？

A3：微信刷票如果是 用微信的自带的模块 做不到检测出来刷票。不过如果是自己开发的H5上面投票，可以通过IP或者访问的频次去控制。

Q4请问上半场中技术是可以内嵌在我们日常的H5中么？ 微信图文是否同样可用？

A4：可以嵌在日常H5，不过有一个现在检测不了，或者只有腾讯单独开发接口才可以检测的就是微信的群发的文章，如果这个文章没有阅读原文的链接，就获取不知道到底是谁读了，谁转了。

Q5很多人对分享中说提到的百分之一感兴趣：如何确定这百分之一，毕竟第一层传播很可能就是自己的盆友圈，然后确定这1%后该如何利用和服务呢 ？剩余的部分是否还有转化价值？

A5：如果加了检测，就可以找到这1%的比如我们那个工具的这一页，这个就把名字显示出来了；如果是你的第一层好友那就请人吃个饭发个红包，让他下次继续帮你转发，他就是那百分之一。

如果是朋友的朋友也可以通过传播分析知道你可以通过那个人可以认识到这个人，这个就像是那个社交网络的6度理论。

Q6请问上半场中技术是可以内嵌在我们日常的H5中么？ 微信图文是否同样可用？

A6：能获得的数据基本上都在我们的这个工具里面了，剩下的没有展示的都是一些分析数据，比如刚才提到的 既然我们都能算出4层了，那就可以算出第5、6、7…层，还可以反着向上算，这都算是分析数据，不是元数据。

关于哪种数据对h5的传播广度最有用个人觉得是对传播层级的分析和对引爆点的分析。

关于“正话反说”的神奇代码，大家请私下勾搭7喜或者二师兄让他们把代码发给你。