今日，盈燦咨詢發布《2016年6月互金平台移動端影響力50強榜單報告》，本榜單根據300家互金平台的移動端數據，選取反映平台在移動端影響力的數據指标，運用加權分組線性打分法計算得出，并對影響力總分降序排列前50名的平台予以展示。

本期榜單結果顯示，支付寶繼續居于榜首，榜眼及探花分别被京東金融和陸金所摘得，拉卡拉跌出前三。從各子項得分來看，在微信端，支付寶、輕松籌、聚愛财位列前三，在APP端，支付寶、芝麻信用、微信支付位列前三，在微博端，團貸網、支付寶、理财通新進前三，在新聞端，支付寶、融360、京東金融位列前三，在QQ群端，紅嶺創投、網信理财、人人聚财位列前三。小米金融、新聯在線、蘇甯金融、溫商貸、我愛卡、人人聚财、融金所7家平台新進入50強。

報告原文如下：

報告概要及變動說明

報告概要

《互金平台移動端影響力50強榜單報告》旨在反映互金平台在移動端的影響力情況。是根據300家平台在平台微信公衆号、平台APP、平台微博、新聞客戶端、QQ群等常見移動端的數據，選取反映平台在移動端影響力的指标，運用加權分組線性打分法計算得出，并對影響力總分降序排列前50名的平台予以展示。榜單報告分析部分由宏觀分析（含互金行業移動指數）和微觀分析（互金平台點評）兩部分組成。

排名不代表投資建議，請讀者理性對待。

本期變動

本期新增互金行業移動指數，用以衡量整個互金行業的移動端發展情況。移動指數下設微信指數、APP指數、微博指數、新聞客戶端指數四個一級指數，移動指數由四個一級指數運用層次分析法加權得出。當移動指數大于100時，表示互金行業移動端發展相較基期變得景氣，且指數越大越景氣；當移動指數等于100時，表示互金行業移動端發展相較基期沒有變化；當移動指數小于100時，表示互金行業移動端發展相較基期有所倒退，且指數越小倒退越嚴重。設本期為基期，即2016年6月為基期，故本期移動指數為100。

2016年6月互金平台移動端影響力榜單報告

本月，移動指數為100，微信指數、APP指數、微博指數、新聞指數分别為100、100、100、100。

宏觀分析

本月在各移動端工具的應用上，APP使用率最高，微信次之，兩者都達到80%以上。本月微信、APP、新聞和QQ群應用率較上月提升，微博應用率較上月唯一下降。

微信端，本月單平台平均推送30.35篇微信文章，較上月下降13.29%，單篇文章的平均閱讀數為1882.22，均較上月下降22.99%，單篇文章的平均點贊數為20.65，較上月提升18.61%。綜合可見，平台本月主動運營文章數減少，單篇文章閱讀數減少，但點贊情況穩中有升。本月單篇文章平均點贊率達1.1%，較高，主要是受部分閱讀數很小的平台也擁有一定點贊數所緻。

APP端，截止本月，單平台安卓端APP平均下載量達5700.7萬，平均評論數達2.08萬，分别環比上月增加7.91%、10.05%，二八分化依舊嚴重。

微博端，截止本月，單平台平均粉絲數為11.65萬，單平台微博數為1663.74。本月單平台平均新增粉絲數為176.18，單平台平均微博數為41.94，單平台平均點贊數、評論數、轉發數分别為495.16、318.91、531.12。單篇文章的點贊數、評論數、轉發數分别為11.81、7.6、12.66。對比上月，微博有一定的減粉，同時雖平台發布的微博數有所增長，但微博的閱讀情況下降較為嚴重。

新聞端，截止本月，單平台平均新聞熱度為16.85，評論熱度為5.98，分别環比上月提升6.53%、6.73%。本月，聚焦在50強榜單平台的熱點新聞類型有風投融資或戰略入股、裸條-校園貸、設立民營銀行、新三闆相關平台企業年報及挂牌上市受阻等。

平台點評

京東金融本月進入前三。本月京東618、京東金融戰略入股會分期、京東金融大數據消費指數登陸彭博全球終端、京東金融完善公司金融布局-企業金庫、消費信貸版圖擴至教育市場等多項舉措博得市場關注，新聞熱度提升，排名提升。

拉卡拉本月跌出前三，主要是微信運營不敵上月所緻。本月雖拉卡拉與西藏旅遊重組失敗的新聞被争相報道，但是由于平台微信文章減少，閱讀及點贊情況變差，抵消了新聞的熱度效應，平台排名反而下降。

團貸網本月提升很大，進入前十。本月團貸網各項得分都有所提升，微博和微信的提升主要是閱讀和點贊情況變好。新聞的提升主要是平台獲C輪融資和有意接盤四達投資房貸債權資産的新聞被讨論，新聞熱度值提升。

借貸寶本月受“裸條”新聞的影響排名提升較大。從借貸寶“裸條”新聞對“裸條”及借貸寶新聞的貢獻度上看，借貸寶新聞約80%是“裸條”新聞，“裸條”新聞中約有50%是對借貸寶的讨論。從借貸寶及“裸條”新聞走勢上看，平台及事件均有兩個讨論高峰，第一個高峰發生在13日-24日之間，主要是對“裸條”事件、借貸寶及校園貸的道德及法律法規問題的讨論，第二個高峰發生在27日-30日之間，主要是對“裸條”事件及借貸寶的高息的讨論。

PPmoney本月排名提升較大，主要是微信和微博閱讀數據變好所緻。同時，本月受涉P2P新三闆企業年報及挂牌被堵的熱議，PPmoney、你我貸、溫商貸等平台新聞熱度值增高，排名提升。

宜人貸本月下降較大，主要是本月微博減粉和微信主動發布文章數和閱讀情況不敵上月所緻。同時，受沒有上月熱點新聞報道的影響，新聞熱度值降低，同類受此影響的平台還有和信貸。

網商銀行本月排名提升，主要是新聞熱度值提升所緻。但值得一提的是，網商銀行的熱度值增加并非平台自身熱點增加所緻，而是作為典型案例被引用到小米和百度的金融布局分析中。

小米金融本月新進50強。本月，小米金融設立互聯網股權衆籌平台、參與籌建民營銀行獲得銀監會籌建批複等事件被關注，新聞熱度值提升很多，進入50強。

互金行業移動指數制作說明

本期新增互金行業移動指數，用以衡量整個互金行業的移動端發展情況。移動指數下設微信指數、APP指數、微博指數、新聞客戶端指數四個一級指數，移動指數由四個一級指數運用層次分析法加權得出，權重見表“2016年6月互金行業移動指數指标及權重”。設2016年6月為基期，各基期值見表“各基期值”。成分平台為影響力較大的300家互金平台，成分平台每季度調整一次，包括增删除減。

互金平台移動端影響力榜單制作說明

上表為本期互金平台移動端影響力榜單涉及數據源、指标及權重，其中，各指标、權重确定方法、打分方法、分析方法簡介如下。

指标簡介

影響力表征平台發布信息的影響情況，影響力指标越高，說明平台發布的内容被越多的用戶看到，可體現在文章數、閱讀數、點贊數、評論數、轉發數上。均為客觀指标，含義如下。

（1）文章數。

文章數指平台移動端在統計時間段内發布的文章總數量，正向指标，包括微博文章數、微信文章數、平台相關新聞數。

（2）閱讀數、平均閱讀數、最高閱讀數。

閱讀數指平台移動端在統計時間段内所發布的全部文章的全部閱讀數，正向指标，包括微信公衆号閱讀數。

平均閱讀數指平台移動端在統計時間段内所發布的全部文章的平均閱讀數，正向指标，

最高閱讀數指平台移動端在統計時間段内所發布的全部文章的最大閱讀數，正向指标，

（3）點贊數、平均點贊數、最高點贊數、點贊率。

點贊數指平台移動端在統計時間段内所發布的全部文章的全部點贊數，正向指标，包括微信、微博點贊數。

平均點贊數指平台移動端在統計時間段内所發布的全部文章的平均點贊數，正向指标，

最高點贊數指平台移動端在統計時間段内所發布的全部文章的最大點贊數，正向指标，

點贊率指平台移動端在統計時間段内的點贊數與閱讀數的比值，正向指标，

（4）評論數、平均評論數、最高評論數。

評論數指平台移動端在統計時間段内所發布的全部文章的全部評論數，正向指标，包括微博、新聞、APP。

平均評論數指平台移動端在統計時間段内所發布的全部文章的平均評論數，正向指标，

最高評論數指平台移動端在統計時間段内所發布的全部文章的最大評論數，正向指标，

（5）關注人數。

關注人數指平台移動端在統計時間段内的參與人數，正向指标，包括第三方QQ群中的平台關注人數、APP下載量、微博粉絲數。

評分及分析方法

權重确定方法

本報告的權重由層次分析(AHP)法得出。

确定評級采用的AHP法的标度方法。

構造判斷矩陣。

運用兩兩比較方法，對各相關指标進行兩兩比較評分，根據中間層的若幹指标，可得到若幹兩兩比較判斷矩陣。

一緻性檢驗。

在層層排序中，要對判斷矩陣進行一緻性檢驗。在特殊情況下，判斷矩陣可以具有傳遞性和一緻性。一般情況下并不要求判斷矩陣嚴格滿足這一性質，但從人類認識規律看，一個正确的判斷矩陣重要性排序是有一定邏輯規律的，例如若A比B重要，B又比C重要，則從邏輯上講，A應該比C明顯重要，若兩兩比較時出現A比C重要的結果，則該判斷矩陣違反了一緻性準則，在邏輯上是不合理的。因此在實際中要求判斷矩陣滿足大體上的一緻性，需進行一緻性檢驗。隻有通過檢驗，才能說明判斷矩陣在邏輯上是合理的，才能繼續對結果進行分析。

一緻性檢驗的步驟如下：

當C.R.<0.1時，認為判斷矩陣的一緻性是可以接受的，C.R.>0.1時，認為判斷矩陣不符合一緻性要求，需要對該判斷矩陣進行重新修正。

本評級的判斷矩陣的單排序一緻性比例和總排序一緻性比例C.R.<0.1，均通過一緻性檢驗，本評級判斷矩陣是可以接受的。

計算權重。

本評級采用和法計算權重。對于一緻性判斷矩陣，每一列歸一化後就是相應的權重，對于非一緻性判斷矩陣，每一列歸一化後近似其相應的權重，再對這n個列向量求取算術平均值作為最後的權重。具體的公式為：

評分方法

（1）數據對數變換。

為減少變量的波動,與其他變量的波動水平相适應，使得不同維度的指标之間可以相互比較、運算，首先對相關數據進行對數變換，即

（2）相對線性評分。

設一組數據的最大和最小值分别為100分和0分，根據相對線性評分法，

分析方法

本文針對結構化數據做統計分析，非結構化文本數據進行文本分析。

未來方向

由于時間倉促和水平所限，同時受數據獲取、實現難度和時效性的影響，本報告也存在一些不足與需要改進之處，我們将不斷叠代和完善模型版本，以更全面的數據，見證并詳細記錄互金行業及平台的移動端發展曆程。

未來本報告将緻力于在以下幾方面做出完善：

擴充數據源。如增加廣播和視頻客戶端，實現微信及APP端成交數據的抓取等。

完善指标。加入指标，如加入表征平台服務用戶情況的服務力指标，如互動情況、移動端欄目設置、成交等；完善現有指标，如實現區分文章原創、區分活動及軟文、有效評論、情緒相關的算法，判斷新聞文章是否主要讨論平台相關的算法等。

評分方法調整。如識别同類間去重與異類間去重的影響等。

權重調整。如根據傳播實力及權威性對新聞媒體賦予權重，增大區分度較大指标的權重等。

靈敏度測試。如判斷及解釋異常值和異常趨勢等。

關于以上，本榜單将在以後的評估中根據現實情況做出調整并予以公示。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!