营销号总是乱节奏、瞎造谣，有什么好的辟谣方法吗？

首先，在人民日报、央视新闻等账号中找寻热点的报道；其次，自己不要做谣言的转发者；最后，看见带节奏的营销号请直接举报；营销号真的是自媒体兴起衍生出来的败笔，它们让原本就越来越难管控的网络环境变得更加复杂。

1.新闻这么多，谁说得是真的？

网络时代，信息传播的太快了，个体拿出手机随便直播、上传就有可能成为新闻的载体、传播者。作为网友的大家很多时候都是一脸懵逼的，因为传播出来的东西总是有很大差别，这个时候就需要我们凭借自身的观察力和判断力来自我分析哪个是真哪个是假。我们可以借助和相信官方账号，例如我提到的人民日报和央视新闻这种，他们所发出的新闻都是经过证实和审核的，可信度是百分之百的。针对于各种小号爆料可以选择性的不看！

2.面对网络突发事件怎么辟谣？

各种大V、官方微博他们在每日的通稿上面都是有整理和排版的，可是现在经常会有突发事件。例如黑龙江继母虐待儿童事件突然发酵，很多博主大肆呼吁关注此事，这时候我们该怎么办呢？要知道，在官方和当事人都没有确切消息的时候不要随意转发，因为是不是谣言没人能确定。每少一次转发就是为辟谣贡献了一份力量。待结果已经公布的时候你们可以拿起麦克风，行使自己的话语权了。譬如现在继母和亲生父亲已经抓起来了，也通过官微发声了，这时候我们评论和转发都是没问题的。

3.直接举报，谢谢！

现在很多的营销号越来越嚣张，甚至有一些号都做到了百万粉丝。各位网友们，为了还自己一个清静的空间，看见他们满嘴跑火车的营销号请直接举报，因为每少一个营销号，网络世界都会变得更美好。不必在评论其里面一直和他们抬杠，因为那样它就有了热度，这正是他们想要的结果。（ps：例如张艺兴吸烟这条新闻明明没人觉得不妥，可每条转发下面都有营销号控评，连文字都是一样的）

根据模型计算用户忠诚度，对用户赋予标签，可对用户分层进行辅助判断。

L代表用户忠诚度，t是时间窗口，n代表时间周期，s代表消费次数、活跃次数等（如果代表优活次数，则可表示为用户优活忠诚度），若时间窗口以月为单位，那么t=1时，s是距离第一个月内的优活次数，t=2时，s是距离第二个月内的优活次数，设定要计算的L的周期n，计算结果L的值越大，说明用户忠诚度越高。

例： 计算A、B、C三个用户2020年1月份至7月份的优活忠诚度。

t=1,n=7,s=7个月内每个月优活达标的次数，可计算L的值。假设值与计算结果如下：

根据计算结果可以看出，用户忠诚度C=标准>A>B，

因此结论如下：

C用户即使在7个月内有3个月优活未达标，但其优活忠诚度满足标准，该用户属于自发性优活用户，无需过多干扰；

A用户在7个月内有3个月优活达标，其优活忠诚度略低于标准，该用户属于激励性优活用户，需对其采取少量刺激行为使其优活达标；

B用户虽然在7个月内也有3个月优活达标，但其优活忠诚度低于标准，该用户属于不稳定用户，即容易优活也容易失活。

PS：如果只看到上述模型会觉得好像很有道理，计算公式明确，能够得出结论，且结论好像符合实际数据规律，其实不然，上述模型是营销号在运营地图里编造的，经不起推敲。反驳如下。

1.公式错误

公式中 t 代表时间窗口，s 代表优活次数，然而数学公式中1个变量只能用一个字母表示，且

表示求和公式，如果按照上述求和公式计算，结果应该是

因此公式中 t 与 s 定义不明，公式存在错误。

2.举例说明

同样以A、B、C三个用户和标准进行对比举例，按照上述计算公式计算 L

可以看出， ABC三个用户的忠诚度计算结果是相同的，则根据结论ABC三个用户忠诚度相同，但很明显能够看出A用户的优活天数递增，B用户的优活天数递减，C用户处于波动中，即A用户忠诚度递增且现在最高，B用户忠诚度递减且现在最低。

因此， 上述用户忠诚度模型得出的结论不符合实际情况。

1.加权法

设定标准值时间，即想要分析的起始时间，根据距离标准值的第N个时间周期，设置加权数，计算加权赋值率，下表以月为例。

加权中根据最近第N月赋予不同权重的值。最近第1月离标准值最近，所以赋值最高；最近第12月离标准值最远，所以赋值最低。（这里采用1年为周期的计算方式，如果顾客生命周期达到2年，也可以从24开始赋值，一直从最近1月赋值到最近第24月。）

加权赋值率计算：将12+11+……+1=78，作为赋值总和。加权赋值率=加权数/加权赋值总和

2.忠诚度

L表示用户忠诚度，n表示计算周期，k表示加权赋值率，s表示1单位时间周期内次数

3.举例说明

例1： 设定7月为标准值

根据计算结果可以看出，LA>L标准>LC>LB，因此用户忠诚度A>标准>C>B

例2： 设定7月为标准值

用户A最近优活的多，总共优活了140次；用户B过去优活的多，总共优活了154次。

但是根据加权得出的用户忠诚度，用户A忠诚度＞用户B忠诚度，因为用户B最近的忠诚度太低了。

根据满意度-忠诚度可以划分出四象限，区分不同类型的用户群体：高满意度，高忠诚度是天使型用户；低满意度和低忠诚度是危险型用户；低满意度，高忠诚度是羊毛型用户；高满意度，低忠诚度是人质型用户。

不同的用户类型，可以在用户运营时有针对性地采取不同的策略。

比如基于价格的忠诚度与满意度结合：羊毛型用户，说明产品不好用但价格便宜，采用低价让利的优惠组合；天使型用户，则引诱他们更高的消费。

比如基于活跃的忠诚度与满意度结合：人质型用户，说明产品好用或需求场景浅，但有同样好用或更好用的产品会容易换用，采取数据壁垒的方式增加其换用难度；羊毛型用户，说明产品应用场景深，但产品无法完全满足其需求，需要针对其需求进行优化。

---