贴吧豆瓣类圈子社区(二)圈子主题大小有上限
“深圳圈”和“深圳幼儿圈”,如果让我们当圈主,我们该选哪个?
多数人应该会选择“深圳圈”吧。
“深圳圈”比“深圳幼儿圈”主题更大。
主题更大,意味着用户更多,内容更多,更活跃,圈主的收益更多,成就感更高。
但是,主题越大,用户获得有效内容的成本越高,当成本超过了内容的价值,用户会减少进圈的次数,甚至退出圈子,引发圈子内容减少,活跃度降低,用户继续流失的恶性循环。
用户成本主要是操作成本(主要是划屏)和时间成本。
操作成本:获取有效信息,需要的划屏次数。
时间成本:获取有效信息,需要的时间。
- 当成本/价值的比值越来越大时,用户会减少进圈次数;
- 当价值<成本时,用户将会离开圈子,只有当价值≥成本时,用户才会留在圈内;
- 当在其他的圈子获得同等价值,但成本更低时,用户会选择其他圈子。
主题上限的计算方法:
圈子的价值,简单地理解为圈内用户感兴趣话题出现的几率,出现的越多,价值越高。一个主题可以包含很多个话题,出于简便计算,假设圈内每个话题下面的内容数量是一样的,那么单个话题出现的几率就是=单个话题/总话题。
举个例子,“电影圈”,主题是电影,话题包含:爱情片、科幻片、犯罪片、喜剧片等15个,假设每个话题包含的内容是一样多的,也就是圈内爱情片的帖子数量=科幻片的帖子数量=犯罪片的帖子数量,爱情片话题出现的几率=1/15。真实的占比数据不是这样,可以在运营中统计出来,或者通过一些电影数据预估出来。
符合圈子主题的话题有a个元素,主题越大,a越大;
用户在某个圈内感兴趣的话题有β个;
用户能接受的划屏次数上限,为c次,这个数据是可以测算出来的;
用户能接受的时间成本上限,为d秒,这个数据是可以测算出来的;
每个屏幕显示m条帖子,这个数据是可以测算出来的;
用户浏览每条帖子需要n秒,这个数据是可以测算出来的;
用户感兴趣内容出现的比例=β/a,用户需要浏览a/β条帖子才会遇到自己喜欢的帖子,需要的划屏次数=a/(βm),需要的时间=(an)/β。
只有当a/(βm)≤c,且(an)/β≤d时,用户会留下来,
解得a/β≤cm,a/β≤d/n,
其中a是未知的,只和用户有关。在一定时间段内,多数圈子的β是可以统计出来的。
假设m=2,n=2,c=20,d=60秒,
求得a/β≤40,a/β≤30,
只有a/β≤30时,价值≥成本,用户不会离开。30是一个很大的数值了,用户在圈内遇到1条感兴趣的帖子,需要浏览30条帖子,真实的数值应该比这个小。
我们再来看“深圳圈”和“深圳幼儿圈”:
“深圳圈”的主题是深圳,话题包含发生在深圳的事,或者深圳人关心的事。
话题可以是职场吐槽、孩子教育、信息咨询、深圳租房、健康养生、深圳景区、深圳资讯、政务政策、深圳高校、深圳美食、深圳运动队、深圳活动、深圳交友、深圳交通、深圳物价、深圳买房等。职场吐槽包含不同行业、工种、公司等,吐槽的内容可以是收入、工作、人际关系。孩子教育包含学校教育、家庭教育、社会教育,学校教育又分幼儿园、小学、初中等。深圳景区又包含免费的、付费的,场景又分海边、山丘、公园等。“深圳圈”可包含的话题是非常广泛的,“深圳圈”的a/β大概率是大于30的。
“深圳幼儿圈”,主题是幼儿,话题是和幼儿相关就可以,可以是幼儿饮食、幼儿服饰、幼儿教育、幼儿健康、幼儿玩具、幼儿运动、幼儿成长日记等。
饮食包含奶粉、米饭、荤素;服饰包含衣服、裤子、鞋子等。围绕幼儿展开的话题,对于圈内成员(主要是幼儿父母)而言,是比较有价值的,且即便和自己孩子无关的内容,成员也不太排斥,对于1岁孩子的父母,关于3岁孩子的内容,是他们以后要遇到的,他们应该会不会排斥;对于3岁孩子的父母,关于1岁孩子的内容,是他们以前经历过的,非常熟悉的。“深圳幼儿圈”的a/β大概率是远小于30的。
逻辑推导得知:“深圳圈”的成员会慢慢退圈,“深圳幼儿圈”的成员能留在圈内。
常见的错误:
主题过大的圈子,很常见,主要分两类:
- 地区、年龄、性别
- 超大类、大类
地区圈:主要是县级以上的城市圈,尤其是大城市,如“深圳圈”、“北京圈”、“成都圈”;
年龄圈:以年龄划圈,如:“90后圈”、“中年人圈”、“我生于2000年圈”;
性别圈:以性别划圈,如“女生圈”、“男生圈”。
超大类圈:里面的内容,有些是毫无关联,用户对这些内容的消化模式很不一样,如“生活圈”、“职场圈”、“运动圈”。生活是一个极其丰富的主题,吃喝是生活,妆扮是生活,旅行是生活,甚至工作也是生活,这四个是没有明显关联的小主题。
大类圈:里面内容关联性有,但明显趣味不一样。如“电影圈”、“动漫圈”、“小说圈”。电影有科幻、爱情、喜剧、恐怖、犯罪、战争等,这些是明显不一样的趣味。
针对以上两类圈子产生的主题过大的问题,有两种解决办法:一是组合,一是分解。
- 组合:特性(地理,年龄,性别)+明确小主题,如“成都玄幻小说迷”、“90后历史爱好者”,“爱看美食剧的小姐妹”。
- 分解:将“职场圈”分解出“小学教师圈”、“医生圈”、“银行小桂圆圈”等。
将“电影圈”分解出“爱情片圈”、“爱情片+喜剧片圈”,“科幻片+犯罪片+爱情片圈”等。
以上是逻辑推导下的结论,具体情况是有一些差异的,有的大主题的圈子,话题会慢慢集中为少数几个,比如年龄圈“00后圈”,大概率会成为以交友为核心主题的圈子。
再比如贴吧的城市吧,大城市的城市吧主要话题是工作(求职,招聘,记录工作,举报垃圾公司)、疫情、交友、约玩、租房、揭露骗子、信息求助等内容,话题也是集中成为少数话题。即使话题集中,大主题圈也是成为不了优质的圈子,会被更精准主题的圈子瓜分用户。
人数小型化,主题精细化,这两个运营技巧是相辅相成的,促进社区良性发展。
补充:
- 计算办法简化过,文中数据是假设的,真实的数据需要运营人员在运营过程中采集。
- 人数有上限,主题有上限,其实人数有下限,主题也有下限,后续的文章会写明下限。
- 本文描写的是主题,并不是圈子名字,圈子命名是有技巧,但涉及的因素不止主题,还有其他因素,后续的文章会写明命名技巧。
本文作者 @缓缓地前行
版权声明
本文来自互联网用户投稿,文章观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符,请点击 举报 进行投诉反馈!