朋友圈閱讀數據來自哪裡

① 朋友圈一般傳播路徑有幾級最長傳播路徑有多少級

我在朋友圈第二次分享內容還會有人看嗎？
朋友圈一般傳播路徑有幾級？最長傳播路徑有多少級？
一般一次轉發直接閱讀人數在什麼區間？有大V(直接閱讀者多)存在嗎？
有幾條傳播路徑，傳播量分布相對均衡還是存在黃金路徑？黃金路徑成於某個點上的大V，還是傳播路徑的長度？
傳播路徑的時間長度？傳播量大的轉發行為大多分布在哪些時間段？
……
寫在前面：
小編先想跟大家分享一下騰訊官方公布的數據：
1、用戶每天在微信平台上平均閱讀5.86篇文章
2、訂閱號80%的閱讀量來自朋友圈
3、微信用戶61%的轉發文章發到了朋友圈
基於上述官方數據，你能夠發現什麼？
首先， 不能依賴於訂閱號里找內容，而是要生產用戶更願意分享和傳播的內容；
其次，朋友圈的用戶更願意閱讀大家都在轉發的內容；
最後，訂閱號太多，內容更局限，而朋友圈好友轉發的內容將變成用戶主要信息來源；
小編的老闆Jacky，是標準的程序猿出身，對於以上這些觀點當然比較較真，立馬親自做了一次實測，跟著小編來一探究竟。
Jacky為什麼做這次實驗？
事件的起因很簡單，潤雲A秀的粉絲營銷功能升級了，粉絲可以通過粉絲口碑傳播中心，觀察到自己分享到朋友圈的內容傳播數據動態過程。Jacky那天試用之後心血來潮，他想「騰訊官方發布的這些朋友圈數據，靠譜嗎？A秀的優勢之一就是傳播監測，為什麼我不去驗證下究竟是不是他們說的那樣！」就是辣么任性！
首次實測
Jacky首次嘗試，計劃同時間段分享2篇文章到朋友圈，看看文章不同內容的差異性。
5月9日晚21:27 天氣不詳
A秀運營配合Jakcy選出了兩個當時比較火的話題文章，通過A秀的粉絲口碑傳播中心分享到朋友圈，如下圖所示：

（左圖為Jacky當天的朋友圈截圖，右圖為A秀的粉絲口碑傳播中心截圖）
整體流量差異不是很大，數據參考維度過小、時間較短的情況下可忽略增長趨勢。
5月10日中午11:55 天氣還是不詳
Jacky一大早醒來後發現《母親節，你要怎麼樣表達愛》文章的流量遠遠甩開《京東奶茶館火了以後，各大品牌開始群歐》，做運營或營銷的同學肯定明白緣由，當天是母親節，節日營銷氛圍當然占據上頭，老程在10:52再次分享了《京東奶茶館火了以後，各大品牌開始群歐》來驗證，如下圖所示：

兩組數據觀察下來發現了什麼？，頭條只能有一條！
開展朋友圈營銷，應時應景很重要，只能借一個「勢」！
（題外話：Jakcy一個人僅2天不到的時間即獲得了累計149UV，而且還在上漲，如果是1萬人來傳播企業發布的這篇文章呢？這1萬人從哪裡來？這個就是A秀網路的意義了。10000可以是10×1000,20×500,50×200,100×100……多個傳播單位的傳播聯盟建成了一個強大的傳播媒體，A秀為此提供了這樣的可計算接發包傳播結算收益的強關系聯盟平台。）
再次實測
Jacky有天晚上再次深思，既然上次實測證明了內容決定傳播是現象，可是背後究竟有哪些影響因素？時間？人？還是？於是，第二次實測就再次任性的開始了！
5月14日早晨7:55 很熱
前天晚上老程分享了粉絲口碑傳播中心的一篇名為《看看70、80、90後的區別，歡迎對號入座》的文章，（這篇文章也是網上的熱議話題），到了第二天發現流量增加很明顯。

Jakcy思考：每個人的微信好友都會很多，分享到朋友圈的內容很容易在刷屏中被淹沒，能看到我分享的這篇文章的朋友可能不會很多，這個內容有沒有時效性，我再發一次看看後勁如何？
早晨9:46
增長逐漸變緩，是不是時間因素？這個點剛上班？

晚上19:36—21:28
流量開始加速增長，從399uv飛速達到565uv（UV可以理解為閱讀人數和），Jakcy計劃在這篇文章推出24小時後，再分享一次試看效果，結果每分鍾UV量增速達22個！

同時，Jakcy從數據組的同事了解到：截止10:09，吸引了272個閱讀者，其中24人是他分享的直接閱讀者，這24個人中有19人(80%)是在他分享後的1.5小時內點入的。而這24人中只有1個人轉發了他的分享，但他帶來248個間接閱讀者，10倍於直接讀者數。A秀平台顯示這位大V是他們的HRD（人力資源總監） 。
5月15日早晨6：21 小雨
大清早，Jakcy迫不及待的訪問A秀的粉絲口碑傳播中心，總流量已達848個uv！而此時距離第一次分享不到2天！

5月16日，Jacky 再次分享了他的數據及心得
截止5月15日17:50，通過我個人12日、13日21:30向朋友圈的兩次分享，通過A秀獲得1222個閱讀者，其中有87人轉發傳播。
那麼， 下面的傳播鏈圖回答了最開始提出的這些問題（圖片中的數據均通過潤雲A秀傳播監測功能提供）。

圖：Jakcy分享《看看70、80、90後的區別，歡迎對號入座》到朋友圈直接閱讀者及帶來的流量。

圖：傳播鏈圖

Jakcy觀點：
朋友數的限制決定了微信不存在微博式的大V。由於朋友圈的刷屏，你分享的文章會很快被擠出你朋友的視野，一般你需要在朋友瀏覽朋友圈的2個小時之內發。但你的朋友們逛朋友圈的時間各不相同甚至當天沒看朋友圈，所以你某一次向朋友圈分享文章的直接閱讀者一般不會多，實驗顯示低於你朋友總數的5%。這樣，在微信上形成規模化曝光就需要更多的投遞員，這就是A秀為廣告主或代理構建全員營銷、粉絲營銷、集團營銷、聯盟營銷四大自主傳播渠道的意義。
當然為了更快更廣傳播，你分享的內容不僅要有閱讀價值，一定還要有轉發價值，後者意味著你必須說出轉發者想向他的受眾說的話，這是朋友圈內容設計的總原則。
最後小編做個總結
{C}1、微信朋友圈營銷，走心的內容更容易打動用戶；
{C}2、借勢營銷，可以是熱門話題，可以是節日，但應時應景非常重要，切不可貪多；
{C}3、微信朋友圈傳播，通過黃金傳播路徑帶來的流量效果非常明顯，企業要發現這些潛在的黃金路徑，並加以利用。
4、優秀的文章內容，通過微信大量的投遞員反復投遞傳播，必將吸引大量的用戶閱讀。

② 哪些微信大號的數據是刷出來的

這個問題有點兒敏感啊，直擊各個自媒體大號的核心痛點，不過沒人會把九陰真經的招式拿出來炫耀，即使有像二更這樣被爆料，也不一定會承認的。

我就簡單說說吧。這種灰色行業的運作鏈條和其中的潛在關系鏈就像是一些互聯網公司的運營團隊做流量運營的同時並不會告訴廣告主他們投放流量80%是從哪兒來得一樣，因為用戶基數很大，所以廣告主會無條件信任平台。

你這么理解這個事兒，會發現這不算什麼爆料，這是很正常的事兒。這算是運營部門的考核指標吧。

我沒法像爆料那樣直接回答出幾個大號是怎麼刷數據的，我倒是可以從另一個角度解釋一下這種事。

去年風起雲涌的刷閱讀大軍已經被微信消滅的差不多，剩下一些殘余勢力很隱蔽的在「接單」但以我的了解，微信最新的監測機制已經讓這些「刷單者」沒法正常的過活了，所以問題附圖中質疑刷數據是對的，但拿數據作對比這個是不對的，因為現在能在短時間把數據刷到10W+的工作室、團隊、軟體...幾乎都滅絕了（肯定的語氣）就連最牛X的人工刷單也幾乎都滅絕了。一句話：那是不可能完成的任務！

那這些奇怪的數據它是怎麼做上去的呢？我知道兩種方法，但我在這里要聲明，我所說的方法並不能證明什麼，也跟問題本身所質疑的賬號無關，清者自清。

1.社群矩陣。

這是一個隱藏的社群網路，這個網路里誰都不認識誰，誰也不跟誰說話。我出於好奇曾混進過一些這樣的群，一般都是QQ群在沒有任務的時候會禁言，有任務直接紅包+鏈接，大家圖個樂子隨手一點，潛水的一個月下來差不多可以交個電話費。有些規矩多的群接的活兒大，一個月賺個零花錢也是沒問題的，群裡面的人基本不說話，都是進來幹活兒的，所以目的性也都很強。這些人大部分都是那些生活在一線城市的中低層打工者。

這種東西吧，就跟外掛群一樣，你不摸索一陣子你是進不去的。一般人也不會關心這個。但是它的威力卻不小，什麼都可以刷：淘寶、試用、貼吧、論壇、微博...還有大家熟悉的微信閱讀、點贊、評論、評論點贊。。。所以問題附圖中所說的那種軟體刷單方法早就絕跡了，你根本看不出數據真假的。那並不能證明什麼。

2.校園兼職 + 渠道投放

這個方法我見過有人用，如果資金充足的情況下是很好用的，只是麻煩在需要自己建立渠道。如果沒錢的團隊用這種方法是不管用的，因為它涉及到大量的費用。校園兼職很簡單理解，找個群頭，一個學校幾個群，統一下發任務，跟發傳單一樣，幹完活領錢，這要比發傳單舒服多了。學生們乾的事情和上面那種社群乾的事情是一樣的，只是圈子不同。渠道投放是指一些碎片化的渠道，比如機場、車站、咖啡館、學校等等地方的熱點WiFi，一般會有一些專門的廣告公司可以接這樣的業務，它可以允許廣告主投放一個賬號，也可以投放單篇文章，蹭網的人必須訪問特定的微信內容頁或者關注賬號，然後才能連接上網。

群眾的力量還是無窮大的，有些投機分子為了謀取利益專門會不辭辛苦搭建這樣的網路然後開始接單。我還挺佩服他們這幫人的精神，這種事兒可是很耗費精力的。跟這些人交易，感覺就像是《星球大戰》里的黑市，都拿不上檯面的。

當然，我要強調一下，也有不少大號人家是正常的廣點通投放，既為自己漲了粉，也為客戶爭了光，這是個我非常提倡的，畢竟這才是一個良性的循環，沒准問題中所提到的賬號就是這么做的呢...

話說回來，針對大號刷數據的問題，大家都是自己心裡清楚地，各自一定都有各自的方法，畢竟百萬級的大號每天的取關數量也是非常驚人的，這就跟APP一樣，你得讓運營團隊保證用戶的活躍度，還得保證各項數據的正常循環。所以也不用大驚小怪搞得像沒見過市面一樣。

③ 微信朋友圈的文章10W+閱讀量都是怎麼來的

刷出來的。一些做任務的網址，下達任務（積分需要你做任務或者購買的）然後就有人接任務了。也有直接讓別人操作的，不過風險大而且金額也要高

④ 微信閱讀數和什麼有關 ——我的微信公眾平台數據分析

微信(WeChat)是騰訊公司於 2011 年推出的一款移動即時通訊軟體，在幾年中逐步由一個溝通工具轉化為移動平台。目前，微信的用戶數超過 6.5 億，月活躍用戶超過 4.7 億，微信在中國大陸的市場滲透率達 93%，海外用戶數也已突破 1 億。

微信公眾平台是一個自媒體平台，它在僅在 15 個月內就增長到 200 多萬個，並每天保持 8000 個的增長，呈現出超過億次的信息交互。微信公眾平台的文章可以方便地分享到微信朋友圈中。微信朋友圈是微信重要的社交功能，它已經成為了中國 Facebook 分享平台。朋友圈可以發照片和文字，也可以分享鏈接，而朋友圈鏈接分享的很大一部分來源於微信公眾平台。

微信公眾平台分為訂閱號和服務號兩類，訂閱號允許每天群發 1 條消息。值得注意的是，微信公眾平台的後台提供了包括用戶分析、圖文分析、消息分析等完善的統計數據，相當於 Google Analytics 的部分功能，因此微信公眾平台的運營者可以通過對這些數據進行分析，優化運營結果。2013 年底，我申請開通了自己的微信公眾平台訂閱號 Etter（微信號：etter_ding）。一年來共群發 30 余次圖文消息，獲得 700 餘人的關注。

很長一段時間我都在關注一個叫做「DW 月談」的微信訂閱號。「DW 月談」的作者 DW 於 2014 年畢業於北京大學經濟學專業，現就職於豌豆莢商業產品團隊，她的文章十分生動有趣。前不久，我閱讀了 DW 同學在她的微信公眾號「DW 月談」上發表的文章 《一個分享幾人看：基於DW月談的數據分享》 。這篇文章十分有趣，DW 根據她的微信號「DW 月談」發表29篇文章的數據，做了回歸分析並得出「一個分享大概 9 人看」的結論。

事實上，我一直在試圖粗略估計 DW 月談的關注量。不過我所能准確得知的唯一數據是每篇文章的閱讀量（顯示在每篇文章末尾）大概在兩三千到六七千波動，另外我估計「DW 月談」的閱讀率會在 30%~40% 左右。（雖然對於很多公眾號閱讀率都可能達不到10%，但 DW 月談的文章比較有趣，加上是個人賬號推送也不算頻繁，我對「DW 月談」的閱讀率估計要比常量高很多。）由此，我粗略計算出「DW月談」的關注量大致會在 8000 至 10000 左右。不過 DW 在這篇文章中透露了真實數據：現在共有 5935 名關注者，文章的閱讀率高達 53%。這個閱讀率讓我真的有點吃驚——我估計的還是太過保守，但是想到「DW 月談」的確是我收到推送後幾乎唯一會立即打開閱讀的公眾號，也能夠信服。

在文章中 DW 試圖找到影響單篇微信文章閱讀量的因素。經過粗略的計算，DW認為文章分享量，微信號關注人數，以及文章標題勁爆程度和單篇文章的閱讀量顯著正相關，而文章字數、發布具體時刻、文章是否曾經發布過、文章標題字數等因素則與文章分享量不顯著相關。DW 根據數據進行了一個簡單的多元回歸，得到了關注者數量和分享量和閱讀量的關系：閱讀量 = 9.04 * 分享量 + 0.53 * 關注者人數 – 157，其中閱讀量和分享量 p-value < 0.01，同時通過計算了每篇文章預測值和真實值的差異，可以觀察到「標題黨」的閱讀量顯著高於預測值。DW 在文章總結到：「文章火起來的要點有三個：分享熱、粉絲多、標題勁爆。」

這樣的回歸分析比較有說服力，不過聯想到最近所學的計量經濟學內容，我便沿著這個回歸過程進一步思考下去。顯然，DW 在該篇文章中使用了 OLS (Ordinary Least Square，普通最小平方法)進行回歸分析。回顧 DW 在文章中總結到，文章閱讀量與分享量、關注者人數、標題勁爆程度這三個變數顯著正相關，並跑出回歸方程：閱讀量 = 9.04 * 分享量 + 0.53 * 關注者人數 – 157。

注意到，在這三個顯著影響關注量的變數中，「標題勁爆程度」無法用數值衡量，所以被放到了誤差項(error term)中。但是這樣的處理是否合理呢？標題勁爆程度雖然是不可衡量變數，但是它和分享數有很大相關性，因為一般來說我們都會認為，標題比較勁爆的文章分享數也會比較多。那麼如果單純用 OLS 做回歸，即將標題勁爆程度放在誤差項中，是否會影響回歸函數的准確性呢？

於是我在想是否可以引入工具變數(IV,Instrumental Variable)解決。根據維基網路，「在回歸模型中，當解釋變數與誤差項存在相關性（內生性問題），使用工具變數法能夠得到一致的估計量。」當一個解釋變數(regressor)和誤差項(error term)相互獨立，並不對因變數產生影響，稱為外生性(exogeneity)。與外生性相對立的是內生性(endogenous)，也即誤差項和解釋變數存在相關性。在回歸模型中，如果遇到內生性問題，使用OLS會出現不一致的估計量。那麼可以使用工具變數(Instrumental Variable，簡稱 IV)解決這個問題。這里，工具變數應該滿足： 1>和內生解釋變數存在相關性；2>此變數和誤差項不相關，也就是說工具變數嚴格外生。

接下來的問題是，在 DW 的數據中選擇什麼作為工具變數比較合適？我想了很久，覺得或許可以選擇「關注數」作為一個較為合理的 IV。當然由於我手中沒有數據，只能表示 IV 的選擇並不是唯一的，只要滿足所找的 IV 與分享數有關，但是和標題勁爆程度無關即可。找到合理的 IV 之後，用Two-stage Least Squares(2SLS)做回歸，並用 Hausman Test 檢驗所選取的 IV 是否恰當。這樣或許就可以得到一個更為一致的估計量了。

於是第二天，我把我自己對處理 DW 數據的一點思考 寫了下來 。由於 DW 並不認識我，我沒有想到 DW 竟然在博客看到了我的文章並 留下了評論 ，在此謝謝她的評論：「IV是一個很好的解決思路，但是在樣本有限的情況下加入IV的意義就不大了，因為IV需要很大的數據量才會顯著；此外找到一個合適的IV也是個問題。」

我覺得 DW 說的也有道理，這個思路就沒有繼續想下去。然而，分析我自己微信公眾平台運營數據的想法卻日漸強烈了。我的數據更加有限，但是也不妨用最簡單的方法，稍微嘗試一下。

我也准備探究一下我自己的微信訂閱號閱讀數和什麼因素有關。由於微信於 2014 年 7 月才開放「閱讀次數」信息，所以該數據不完整，我於是使用「閱讀人數」作為因變數。影響因變數閱讀人數的因素可能有：距上次發布相距時間，文章字數，訂閱號累計關注人數，以及轉發人數等等。接著我耐心的統計了數據，並通過跑簡單的線性回歸發現：「閱讀人數」與「距上次發布相距時間」、「文章字數」等因素的相關性不明顯，但是與「累計關注人數」以及「轉發人數」明顯線性相關。

於是我對「閱讀數」與「訂閱號累計關注人數」以及「轉發數」做了回歸分析，得到數據結果：

閱讀次數 = 0.205 * 訂閱號累計關注人數 + 10.78 * 轉發數 + 58.15

這說明，文章在朋友圈的轉發 1 次，大概可以增加 10 人閱讀；而關注人數增加 5 人，才能帶來 1 人閱讀量的增加。

這個結果大致符合了 張小龍在 12 月微信公開課上的一個數據分享 。他在演講中提到，訂閱號有非常多的閱讀量來自朋友圈，這符合 2/8 分布原理，「20% 的用戶到訂閱號裡面去挑選內容，然後 80% 的用戶在朋友圈去閱讀這些內容」。我看到有人質疑過該論斷的合理性，但是從我回歸分析的數據中看，我覺得這大致是合理的。

微信訂閱號有 80% 的閱讀量來自朋友圈，也即朋友圈裡好友轉發的內容才是用戶閱讀的主要來源。看來，好的內容才是提高微信訂閱號閱讀數最重要的因素，這也提醒我如果想增加文章的閱讀數，就必須寫出更好的文章，並獲取更多的轉發。

原文鏈接： http://dinglisa.com/blog/2015/01/09/wechat-analysis

⑤ 朋友圈47%的內容在炫耀，這個數據是如何得出來的

朋友圈47%的內容在炫耀這一結論是一篇在2017年新聞界第十期發表的論文中的一項測試表明的結果。論文利用日記法對120名被試者進行了連續7天的9次問卷調查，並採用科學的方法進行分析微信朋友圈內容。

以上就是這個結論的完整的得出過程。雖然數據已經是2017年的，但是這個數據只能是一個大概的數值。

⑥ 微信公眾號後台顯示的閱讀來源分布中，有一個是朋友圈和好友轉發，這兩個渠道什麼差別能否舉個具體例子

朋友圈是你把這個文章分享到朋友圈，那個圖里計算的數據包括通過你分享朋友圈後的閱讀數

好友轉發是指分享的時候有一個選項「發送給朋友」，包括發給單一的朋友，或者分享到群里