編輯導語：類似于貼吧、豆瓣這樣的社區，我們可以看到他們都是以圈子化的方式管理的。關于這類圈子化社區，他們都有不同的主題，主題更大，意味着用戶更多，内容更多，更活躍，圈主的收益更多，成就感更高。本文對此展開分析，一起來看看。

“深圳圈”和“深圳幼兒圈”，如果讓我們當圈主，我們該選哪個？

多數人應該會選擇“深圳圈”吧。

“深圳圈”比“深圳幼兒圈”主題更大。

主題更大，意味着用戶更多，内容更多，更活躍，圈主的收益更多，成就感更高。

但是，主題越大，用戶獲得有效内容的成本越高，當成本超過了内容的價值，用戶會減少進圈的次數，甚至退出圈子，引發圈子内容減少，活躍度降低，用戶繼續流失的惡性循環。

用戶成本主要是操作成本（主要是劃屏）和時間成本。

操作成本：獲取有效信息，需要的劃屏次數。

時間成本：獲取有效信息，需要的時間。

1. 當成本/價值的比值越來越大時，用戶會減少進圈次數；
2. 當價值＜成本時，用戶将會離開圈子，隻有當價值≥成本時，用戶才會留在圈内；
3. 當在其他的圈子獲得同等價值，但成本更低時，用戶會選擇其他圈子。

主題上限的計算方法：

圈子的價值，簡單地理解為圈内用戶感興趣話題出現的幾率，出現的越多，價值越高。一個主題可以包含很多個話題，出于簡便計算，假設圈内每個話題下面的内容數量是一樣的，那麼單個話題出現的幾率就是=單個話題/總話題。

舉個例子，“電影圈”，主題是電影，話題包含：愛情片、科幻片、犯罪片、喜劇片等15個，假設每個話題包含的内容是一樣多的，也就是圈内愛情片的帖子數量=科幻片的帖子數量=犯罪片的帖子數量，愛情片話題出現的幾率=1/15。真實的占比數據不是這樣，可以在運營中統計出來，或者通過一些電影數據預估出來。

符合圈子主題的話題有a個元素，主題越大，a越大；

用戶在某個圈内感興趣的話題有β個；

用戶能接受的劃屏次數上限，為c次，這個數據是可以測算出來的；

用戶能接受的時間成本上限，為d秒，這個數據是可以測算出來的；

每個屏幕顯示m條帖子，這個數據是可以測算出來的；

用戶浏覽每條帖子需要n秒，這個數據是可以測算出來的；

用戶感興趣内容出現的比例=β/a，用戶需要浏覽a/β條帖子才會遇到自己喜歡的帖子，需要的劃屏次數=a/（βm），需要的時間=（an）/β。

隻有當a/（βm）≤c，且（an）/β≤d時，用戶會留下來，

解得a/β≤cm，a/β≤d/n，

其中a是未知的，隻和用戶有關。在一定時間段内，多數圈子的β是可以統計出來的。

假設m=2，n=2，c=20，d=60秒，

求得a/β≤40，a/β≤30，

隻有a/β≤30時，價值≥成本，用戶不會離開。30是一個很大的數值了，用戶在圈内遇到1條感興趣的帖子，需要浏覽30條帖子，真實的數值應該比這個小。

我們再來看“深圳圈”和“深圳幼兒圈”：

“深圳圈”的主題是深圳，話題包含發生在深圳的事，或者深圳人關心的事。

話題可以是職場吐槽、孩子教育、信息咨詢、深圳租房、健康養生、深圳景區、深圳資訊、政務政策、深圳高校、深圳美食、深圳運動隊、深圳活動、深圳交友、深圳交通、深圳物價、深圳買房等。職場吐槽包含不同行業、工種、公司等，吐槽的内容可以是收入、工作、人際關系。孩子教育包含學校教育、家庭教育、社會教育，學校教育又分幼兒園、小學、初中等。深圳景區又包含免費的、付費的，場景又分海邊、山丘、公園等。“深圳圈”可包含的話題是非常廣泛的，“深圳圈”的a/β大概率是大于30的。

“深圳幼兒圈”，主題是幼兒，話題是和幼兒相關就可以，可以是幼兒飲食、幼兒服飾、幼兒教育、幼兒健康、幼兒玩具、幼兒運動、幼兒成長日記等。

飲食包含奶粉、米飯、葷素；服飾包含衣服、褲子、鞋子等。圍繞幼兒展開的話題，對于圈内成員（主要是幼兒父母）而言，是比較有價值的，且即便和自己孩子無關的内容，成員也不太排斥，對于1歲孩子的父母，關于3歲孩子的内容，是他們以後要遇到的，他們應該會不會排斥；對于3歲孩子的父母，關于1歲孩子的内容，是他們以前經曆過的，非常熟悉的。“深圳幼兒圈”的a/β大概率是遠小于30的。

邏輯推導得知：“深圳圈”的成員會慢慢退圈，“深圳幼兒圈”的成員能留在圈内。

常見的錯誤：

主題過大的圈子，很常見，主要分兩類：

地區圈：主要是縣級以上的城市圈，尤其是大城市，如“深圳圈”、“北京圈”、“成都圈”；

年齡圈：以年齡劃圈，如：“90後圈”、“中年人圈”、“我生于2000年圈”；

性别圈：以性别劃圈，如“女生圈”、“男生圈”。

超大類圈：裡面的内容，有些是毫無關聯，用戶對這些内容的消化模式很不一樣，如“生活圈”、“職場圈”、“運動圈”。生活是一個極其豐富的主題，吃喝是生活，妝扮是生活，旅行是生活，甚至工作也是生活，這四個是沒有明顯關聯的小主題。

大類圈：裡面内容關聯性有，但明顯趣味不一樣。如“電影圈”、“動漫圈”、“小說圈”。電影有科幻、愛情、喜劇、恐怖、犯罪、戰争等，這些是明顯不一樣的趣味。

針對以上兩類圈子産生的主題過大的問題，有兩種解決辦法：一是組合，一是分解。

• 組合：特性（地理，年齡，性别） 明确小主題，如“成都玄幻小說迷”、“90後曆史愛好者”，“愛看美食劇的小姐妹”。
• 分解：将“職場圈”分解出“小學教師圈”、“醫生圈”、“銀行小桂圓圈”等。

将“電影圈”分解出“愛情片圈”、“愛情片 喜劇片圈”，“科幻片 犯罪片 愛情片圈”等。

以上是邏輯推導下的結論，具體情況是有一些差異的，有的大主題的圈子，話題會慢慢集中為少數幾個，比如年齡圈“00後圈”，大概率會成為以交友為核心主題的圈子。

再比如貼吧的城市吧，大城市的城市吧主要話題是工作（求職，招聘，記錄工作，舉報垃圾公司）、疫情、交友、約玩、租房、揭露騙子、信息求助等内容，話題也是集中成為少數話題。即使話題集中，大主題圈也是成為不了優質的圈子，會被更精準主題的圈子瓜分用戶。

人數小型化，主題精細化，這兩個運營技巧是相輔相成的，促進社區良性發展。

補充：

1. 計算辦法簡化過，文中數據是假設的，真實的數據需要運營人員在運營過程中采集。
2. 人數有上限，主題有上限，其實人數有下限，主題也有下限，後續的文章會寫明下限。
3. 本文描寫的是主題，并不是圈子名字，圈子命名是有技巧，但涉及的因素不止主題，還有其他因素，後續的文章會寫明命名技巧。

本文由 @緩緩地前行 原創發布于人人都是産品經理。未經許可，禁止轉載

題圖來自 Unsplash，基于 CC0 協議

,

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!

查看全部