社群活躍度評價體系的構建

1.確定微信社群活躍度指標體系的8個維度

通過觀察法得知，評價社群活躍度的維度主要有8個，分別為：

A.總人數：即該社群的總人數。

B.活躍人數：即該社群中積極發言參與討論的人數。

C.活躍比例：即該社群中積極發言參與討論的人數與總人數的比例。

D.發言總數：即該社群中每天發言的數量。

E.發言次數（次/人）：即該社群中每天發言的數量與總人數的比例。

F.發言質量：即該社群中發言是否與該社群的主體相關聯。

G.每個關鍵詞的平均討論人數：即提出關鍵詞後對該關鍵詞的評價討論的人數。

H.提出關鍵詞的回複數量：即提出關鍵詞後群成員對該關鍵詞的回複數量。

　　通過專家評分法對定性指標打分對改制風險進行定性分析，風險評估系統中的評估指標都是選擇定性指標。 為了確保指標打分的準確性及權威性，通過專家評分法對各個指標進行評估。 若有z個專家參與打分，打分的指標為 X mm ，令打分的結果為 F z ，待確定的指標值為 F x ，則 X mm 的全部得分值為：（ F 1 ， F 2 ， F 3 ，…， Fz），令打分的最高值為 F max ，打分的最低值為 F max ，則（ F 1 ， F 2 ， F 3 ，…， Fz ）中必定有最高值F max和最低值F min ，去掉一個最高值 F max ，去掉一個最低值 F min ，得（ F 1 ， F 2 ， F 3 ，…， F z-2 ），然後計算Fx：

2.構建層次分析法結構模型

　　一般層次分析法的模型分為最高層、中間層和最低層。為了充分反映微信社群活躍度的評價體系，設置三個一級指標，八個二級指標。一級指標包括：基本情況評價，發言情況評價，關鍵詞情況評價。二級指標包括：總人數、活躍人數、活躍比例、發言總數、發言次數（次/人）、發言質量、每個關鍵詞的平均討論人數、提出關鍵詞的回複數量。

1.基本情況評價

　　基本情況包括：總人數、活躍人數、活躍比例，反映了該社群的基本狀況如何。

2.發言情況評價

　　發言情況包括：發言總數、發言次數（次/人）、發言質量，反映了該社群平日里的發言狀況。

3.關鍵詞情況評價

　　關鍵詞情況包括：每個關鍵詞的平均討論人數、提出關鍵詞的回複數量，反映了改社群當有關鍵詞、文章、H5等形式的投放之後，對於該關鍵詞等的活躍情況。

表2 社群活躍度評估指標體系

圖3 社群活躍度評估指標體系

3.構造判斷矩陣

　　判斷矩陣元素的值代表了人馬對各種因素相對重要性的認知，可以代表優劣性、偏好、強度等。矩陣形式如表2。

表3 判斷矩陣元素值

　　矩陣Xmn表示相對於AK而言，Xn和Xm的相對重要性。為了使決策判斷定量化，形成上表中的矩陣，通常取1，2，3，…9以及它們的倒數作為標度。

　　該矩陣中，Xii=1，Xij*Xji=1，Xij=Xik/Xjk，其中i，j，k=1，2，3，…，n。其標度的含義見表3。

表4 層次分析法標度

4.一致性檢驗

　　由於受諸種主客觀因素的影響，判斷矩陣很難出現嚴格一致性的情況。因此，在得到λmax後，還需要對判斷矩陣的一致性進行檢驗。

　　為了檢驗判斷矩陣的一致性，需要計算它的一致性指標 CI，定義

　　當 CI=0時，判斷矩陣具有完全一致性。λmax -n 愈大，CI就愈大，那麼判斷矩陣的一致性就差。為了檢驗判斷矩陣是否具有滿意的一致性，需要將 CI 與平均隨機一致性指標 RI進行比較。 RI的取值見表4。

表5 平均隨機一致性的指標RI取值

　　當CR=CI/RI = 0 時，此矩陣具有完全一致性。當CR=CI/RI＜0.1 時，此矩陣具有滿意一致性。當CR=CI/RI＞0.1 時，此矩陣具有非滿意一致性，則應予以調整或捨棄不用。

　　經過具體指標的兩兩比較，根據各指標的重要性構造判斷矩陣進行計算，所得結果如下：

表6

5.微信社群活躍度指標體系的權重

表10

6.微信社群活躍度的評分

根據上文所述，通過公式

　　對A-H 8個指標進行打分，分別獲得F a 、F b 、F c 、F d 、F e 、F f 、F g 、F h 等八個分值，再根據上述權重進行加權，求得最後得分F。

　　綜上所述，可得出微信社群活躍的評分標準為：

　　企業可以通過總評分P來對同類型的社群進行排序，選出相對科學合理的社群，以便廣告主能夠相對精準的進行投放。

另附上評分表格：

根據數據推理，再一次證明了社群各個因素的影響程度，因為數據不夠全面，所以具體數據是一個大概的參考範圍！

（未完待續……）