• 新浪微博会员制


           新浪微博,应该是08年那会推出的,此时国外的twiter正值热火朝天之际,反观国内,那时只有新浪一家在做微博,玩的人不多,蛮冷清的,那会上去玩也是听同学介绍的,不过那会心理面想想,国外twiter那么火,人家老外都在上面玩了,咱也不能落后是不,但twiter又被墙了,而且没中文版,只能是找一款同类型产品替代她,于是就去新浪微博了。咱也来装下逼,0053F9BA。。还有一种心理也在影响着我,“名人”,老想看着那个消息,是不是又增加了粉丝?呵呵,自己反而不太想去主动关注别人,曾经也有过那样一个想法,尽量的多关注别人,也让别人来关注我,“博取粉丝”。但事实证明,这是个错误的想法,关注了别个,也没多少人会来关注我,慢慢也就打消了那样的念头。由于周围的朋友玩微博的较少,一段时间之后,失去了那种新鲜感,就再没上去了,直到我出去实习,工作,那会人也不多,明星上去玩的人倒是挺多,不过那时的微博于我而言就像个私人的心情日记本,记载着第一次正式参加工作以来的各种心情,说起来也挺幼稚的,那会。0070A9B8,慢慢的越来越多的人上微博了,各行各业,三教九流。于我而言,慢慢也演变成了一个,每天获取实时资讯,关注朋友动态,吸收新知识的集散地了,这样的需求应该是大多数人的刚性需求。貌似扯了半天,还没进正题:

          经过3、4年的折腾,微博的人气是越来越火,体系也是越来越庞大,据说注册用户已超2亿,应该有一大半是非活跃用户,像我这样的活跃用户,估计只占到四分之一左右,这样一来,活跃用户就只剩下5千万了,有这么大一群UGC用户,作为互联网产品,已经是非常之牛逼了。新浪也一直在大手笔的投入微博,这一块对于新浪而言,也一直处于一个亏损状态,并未实现盈利,微博团队估计也在一直思考着如何商业化的问题,前期已经有了一个这么好的用户基数作铺垫,我相信微博盈利,应该不成问题,应该是前年吧,那会推出微号,有点像QQ靓号这样的概念,不过在我看来,对这一块用户的差异化需求度,不会太大,不像是QQ号那种,本身的那个数字账号,刚开始申请下来那会也是数字,记得那会我申请时是在网吧,不是自己的电脑,必须把QQ号给强行的记下来,否则下次去就得杯具了,有了这样的痛点在(那种数字越多,越没规律的号码,越难去记忆),QQ靓号一推出来(数字少,有规律,“1314520”,记起来特方便,当然也能在你的好友QQ列表里边炫靓一把),极好的解决了用户的痛点,为这买单的人自然而然的就把钱掏出来了。如今的微博会员,算是微博商业化道路上打响的第一枪,推出不久,有人并发起一个投票,你愿意花钱成为微博会员吗?参与投票的六千多人当中,只有不到3%的人表示愿意,感性乐观的估算,微博还是有150万人愿意成为收费会员,每个月10块,一年的营收就是1.8个亿。不过仔细的看看微博会员,它的核心卖点,到底何在?据大多数网友的反馈,成为了会员,其最关注的两个点只是,1,关注上限的提升;2、多了小皇冠的标志,彰显身份;其他的那什么等级加速,优先推荐,觉得可有可无。关注这一块,大家或多或少,会受那些大明星的影响,看他们那微博粉丝挺多,但关注的人却较少,上500个左右的都是多的,以至于造成这样一种跟风的局面,关注的人不用太多,粉丝多就行。那个小皇冠标志,只能是满足于少撮人的虚荣心,得不到什么实实在在的服务。综上所诉,目前的微博会员,应该不会给新浪带来太多的收益,作为传统门户媒体的基因,根深蒂固,怎么不学学facebook,从广告这块着手了,众多的企业微博主,每年不知得花多少钱投在这微博营销上面,无非就是为了推广效益的最大化,提升知名度,拥有如此庞大的UGC用户群,捕捉用户的使用习惯,分析用户行为及数据,照理说,这样的广告投放,会更具针对性,自然也会更加的精准。蓝V的企业微博,呵呵....相比于个人而言,企业主更加注重在微博上的推广营销,正规点企业,也都是会有一个专门的团队负责管理企业微博,如果是对企业微博进行收费,把特殊标志在做得醒目点,目前的企业微博主大概是100万左右,每年收取个500~1000元的费用(对于企业而言,这样的收费也不会高),保守估算,这一块的营收,一年也有0.5~1亿左右。还有一块,游戏这一块,不容忽视,我自己不玩,所了解的数据不多,使用微币去消费游戏道具,这也是一个大宝藏。

        

  • 相关阅读:
    (转)A Recipe for Training Neural Networks
    (转)Extracting knowledge from knowledge graphs using Facebook Pytorch BigGraph.
    论文笔记:Heterogeneous Memory Enhanced Multimodal Attention Model for Video Question Answering
    论文笔记:Decoders Matter for Semantic Segmentation: Data-Dependent Decoding Enables Flexible Feature Aggregation
    论文笔记:Fast Neural Architecture Search of Compact Semantic Segmentation Models via Auxiliary Cells
    论文笔记:Prediction-Tracking-Segmentation
    论文笔记:SiamRPN++: Evolution of Siamese Visual Tracking with Very Deep Networks
    (转)AutoML for Data Augmentation
    (转)Illustrated: Efficient Neural Architecture Search ---Guide on macro and micro search strategies in ENAS
    (转)The Evolved Transformer
  • 原文地址:https://www.cnblogs.com/FireRivers/p/2588125.html
Copyright © 2020-2023  润新知