说明
本文主要截取了运营深度精选的千聊课堂从2017.01.15-2017.03.12的14堂课的数据，这些数据都得到了一定时间的沉淀，能剔除掉部分长尾流量因素的影响，总体上来看数据相对比较客观。
14堂课，14个标签，来对比分析
所有的基础数据
备注：
1.本次分析将14堂课分别分为14个标签，以下来进行代称。
2.截取数据的时候，后台关注用户6811；
3.千聊本身缺失的数据：用户听课+停留时间+关注用户报名次数+其它行为等，可能会对分析偏差产生一定的影响；
本文将主要从五个维度来分析课程质量和用户偏好，以及提出相对应的策略。
分析维度一：课程的传播度和参与度——独立访客、报名人数、听课累计人数
分析维度二：用户的潜在偏好和属性——付费及付费率
分析维度三：课程的互动性——评论人数和评论数
分析维度四：课程的满意度——打赏人数和打赏金额
分析维度五：课程的传播形式分析——渠道数据
课程的历史数据分析
一、课程的传播度和参与度
（一）、独立访客、报名人数、听课累计人数的总数增长分析图
三者的数据图
平均pv达到后台关注用户（6811）的70%，报名人数占比17%，累计听课人数占比46%；
1-3月整体数据呈上涨趋势，2月达到高峰，3月略有回落；三者之前存在一定的关联性，其中访客人数和听课人数的相关度更高，报名人数相对孤立；三者都有待提高；
1月份整体访问量和报名数相对较低，和初期的传播路径设计及时间的间隔性太短有一定的关系，但是听课转化率极高；2-3月整体上涨中，存在部分异常数据，同时听课转化率下降
独立访客、报名人数、听课累计人数的增长折线图
（二）、独立访客、报名人数、听课累计人数的增长率趋势分析及异常数据解读
趋势的数据图 能反映增长的起伏
三者具体的增长率
三者的增长趋势图解读：
A.独立访问人数：
整体趋势：1-3月整体访问数据呈现上升趋势，在2月达到高峰，3月略有回落；
数据高低及异常情况分析及其可能原因
独立访问人生人数的异常数据及共性分析
B、报名人数
整体趋势：1-3月整体上涨，2月到达小高峰，后小回落，3.12达到新高点
数据高低及异常情况分析及其可能原因
报名人数的异常数据及共性分析
C、听课累计人数
整体趋势：1-3月整体趋势上升，曲折上升
数据高低及异常情况分析及其可能原因：整体数据和上述两项数据保持一致
听课累计人数的异常数据及共性分析
（三）小结
这三者中特别需要关注的报名人数
报名人数影响因素=嘉宾含金量（头衔、知名度）+包装程度（课题类别+大纲+卖点）+网站流量及传播路径（数据参见渠道数据）+
是否需要付费其他数据的部分相关性补充：
赞赏和听课人数有一定的有相关性，评论和访问的关联相对较少；付费和转化率有极大相关性（eg:数据显示活动最受欢迎，新媒体报名数最低，社群的报名转化率和听课转化率最低）；1月流量相对不足，2-3月流量上涨，但转化率明显不足，跳出率增高。
二、用户的潜在偏好和属性——付费及付费率
（一）付费听课人数及付费转化率的数据图
付费听课人数及付费率的数据图
二者的折线图
总体趋势：样本中14节课中有50%的付费课；平均付费人数占比平均报名人数的14%
14节课中有7节付费课程，付费听课人数和付费转化率先上升，在3.2日后又下降；付费人数的走向1月和访问人数、报名人数呈正相关，在2-3月呈现负相关趋势；
同时1月4节课中有3节付费,，占比75%；2月5堂课中只有1节付费，占比20%；3月5堂课中有3节付费，占比60%；整体规划和占比有待更改
1月多为运营职场成长技能付费，2月为工具技能买单，3月重在为“0成本实操xx案例”专业技能付费；
(二）付费人数的增长率图
付费听课人数增长率的数据
付费听课人数增长率的折线图
增长趋势图解读：
总体趋势
1-3月付费情况先上涨再下降，2月达到最高，3月回落
数据高低及异常情况分析
付费人数增长率的异常数据及分析
（三）小结
付费人数=报名人数×转化率 这两者都有待提高
课程规划中付费和非付费的占比和节奏需要有调整，用户尚未形成认知，付费的意愿相对不足
付费人群多为小白且工作中预算少，几乎为0，都有颗迫切想提高自己的心；传统行业的运营人构成相对较少
三、课程的互动性——评论人数和评论数
（一）评论人数和评论数的总数增长分析图
评论人数和评论数的数据
评论人数和评论数的增长折线图
总体趋势：整体活跃率不到听课人数的5%
除了②这个个例，评论条数和评论人数相对不受访问人数影响，比较独立，但是评论数的走向和整体分享水平比较高的课程的走向是一致的；评论条数和评论人数的走向大致一致，除了个例，整体浮动基本持平；2月活动主题的整体效果相对较好，3月社群话题参与人数相对较少；评论条数的波动幅度比评论人数大很多；
（二）评论人数和评论数的增长率分析图
评论人数及评论条数的增长率数据图
评论人数及评论条数的增长率者折线图
数据高低及异常情况分析
讨论人数的数据异常分析
（三）小结
评论人和条数的多少的影响因素=嘉宾本身的身份（是否班长）+分享课程的质量及课程整体清晰度+课间主持人的互动和引导等因素
四、课程的满意度——打赏人数和打赏金额
（一）赞赏人数和打赏金额的增长数据图
赞赏人数和平均赞赏金额的数据
赞赏人数和平均赞赏金额的增长图
总体分析：14组课程中只有5组超过平均值，赞赏直接反馈了用户对嘉宾课程的满意程度，是所有维度中波动最大的一组数据，说明课程的质量忽高忽低，不稳定；平均赞赏金额只占到平均报名人数的3.3%
(二）赞赏人数和平均赞赏金额的增长率及异常数据分析
赞赏人数和赞赏金额的增长率数据图
赞赏人数和赞赏金额的增长率折线图
数据高低及异常情况分析
异常数据及分析
（三）小结
付费课程在一定程度上会影响赞赏，但是最终课程质量决定了赞赏的多少；
整体课程的规划和比例构成，可以继续优化和打磨；
五、课程的传播形式分析——渠道数据
（一）五大分享渠道的数据图
1-2月渠道数据图
3月渠道数据图
每种渠道的推广人数的折线图
（备注：1、默认渠道：不属于指定渠道的访问数据，就算作默认渠道的；2、直播间推送：通过千聊live推送消息带来的访问，包括图文消息和模板消息；3、开放平台推送：通过对接第三方公众号推送消息带来的 访问，包括图文消息和模板消息）
整体趋势：默认渠道转化过来的人数最多；其次是分享链接；其他的人数相对较少，但是可以继续挖掘
默认渠道的整体转化率最高；分享链接的转化率也逐渐升高；其他途径如邀请卡、开放平台推送转化率相对较低，同时直播间推送转化人数不多，但是转化率相对稳定；
（二）五大分享渠道转化率的增长率数据及折线图
5项类别转化率的增长率的数据图
5项类别转化率的增长率的曲线图
趋势解读：总体来说，默认渠道相对是最稳定的，其他方式的推送相对不稳定；其中变动最大的是开放平台推送，即微信后台的推送转化相差很大，可能和推送频率、主题及文案有一定的关系
其中③⑦⑩四项的数据降低幅度是最大的，同时④⑧⑫是属于增幅最大的临界点
其中③④⑦⑩⑫这五项课都属于付费课程的分界点，⑧属于整体效果比较好的一个高峰段
部分邀请数据
部分发起人的转化率数据图
（三）小结
1、整体分发主要依赖默认渠道和分享链接，其他途径邀请卡、直播间推送和开放平台推送虽然量少，但是可以继续适当增发和持续优化
2、课程是否付费对于渠道的各项转化来说，相对影响比较大
3、在转化率中，所有平台数据可以继续优化，如文案引导和直播间的内容设置、分享卡的页面设计等；
4、分销卡和分销链接的人数相对较少，这块可以考虑是否和商业变现的细节联系起来
5、在发起人中挖掘KOL转发的力量，有一定的重要性
主要结论：
1、课程的规划可以继续调整
eg:需要持续输入稳定的质量
PV访问量总体上升，但课程总体质量跟不上，而且忽高忽低，不稳定质量的课程反过来会影响PV和报名数据
eg：付费与非付费的节点安排、高质量和一般质量的课程交替，尽量做到四六法则；重量级嘉宾和同学分享的交替性
2、需要提高互动性和满意度
课程的互动率较低，不足5%，且赞赏不足，整体上课的互动性有待提高，从讲师和主持人两个维度增加改变，再增加一些马甲来活跃氛围
3、需要提高转化率和降低跳出率
嘉宾信息的包装，访问页面和文案的再度优化
eg：
这里的引导内容可以优化、分享嘉宾介绍之类的
4、部分用户属性及用户愿意付费的深度挖掘
总体来看，用户多1-2岁运营人，工作中相对预算不足；
5、传播渠道和分发途径的优化
附带优质高流量课程研究分析
相对来说，14节课中分享质量最高的是⑧、其次是⑤、⑭；付费课程中质量最高的是⑪；1月数据最好的是①、2月数据最好的是⑧、3月数据最好的是⑭
5个较高质量的课程
共性分析：基本上符合包装+嘉宾含金量+内容含金量结合得比较好（sorry 一节课也没听，回头补上）
如何把课程听课人数增加10000+以上
1、细节：完善现有的不足细节，一个个环节逐步突破
2、内容：课程要有噱头，首发+独家的魅力；讲师迭代升级和构架梳理
3、圈人，同步把微信公众号和社群人数做到50万+
4、引入商业元素+大型活动的结合：全国性的某种方案比赛，引发所有在线直播
5、用户：要做好用户自发传播；同时目前只针对C端，相对而言B端的圈层形式可以考虑，类似企业团体听课等；
网友评论