危机公关出现负面信息时，舆情等级怎么判别
染一样，通过人群相互传播。
8.2.2.1 病毒式传播核心公式
要研究病毒式传播的原理，我们先举一个例子：假设1个明星A的粉丝每天在微博发布一条状态，会有2个陌生人转化成A的粉丝。请问10天后会有多少A的粉丝？
可以看出，第一天有2个人变成A的粉丝，总粉丝数是3个；第二天这2个新粉丝又发了条状态，会有4个人变成粉丝，粉丝总数就会变成7个，以此类推，粉丝呈裂变式增长（如表8-5所示）。
表8-5 病毒式传播下粉丝的增长数量变化表
在第10天的总粉丝数为：
我们将这个公式抽象化，如果换成其他的裂变，那么最终的粉丝总数为：
这个公式进一步抽象化为以下公式：
在这个公式中Custs（0）为种子用户数；K为病毒系数，也可以称为裂变率；C为裂变的层级。
裂变的层级数和时间有关。比如上述例子中，A的粉丝数的裂变层级为10层。而实际的裂变层级和裂变的总时间以及单次的裂变循环周期之间的相关关系用公式表达如下：
裂变层级C=裂变总时间t/裂变循环周期Ct
t指传播的总时间，裂变循环周期Ct的含义是平均每个参与用户拉来新用户所用时长。最终这个公式会变成这样：
这就是著名的病毒裂变公式。它告诉我们，病毒式裂变属于指数型增长，同时含有三个核心变量。
●Custs（0）：种子用户数。
●K：平均每个人能够拉到的新用户数。
●Ct：平均每个参与用户拉来新用户所用的时长。
这三个变量对增长的影响程度不一样。接下来，我们简要分析这三个变量的影响。
种子用户数Custs（0）的影响
假设系数K为2、Ct为1小时，在这两个条件下，观察种子用户数对增长的影响（如图8-3所示）。同样达到5万的用户数，当种子用户数为1 000时只需要7小时，当种子用户数为300时需要10小时，而种子用户数为100时则需要超过13天。
从这条曲线可以看出，种子用户数对裂变速度有重大影响。如果种子用户数过少，那么前期裂变将会非常慢。
图8-3 不同种子用户数的裂变人数变化图
系数K的影响
假设种子用户数为1 000人，Ct为一天，观察系数K不同时的裂变人数。当K=0.9时，在第13天裂变到4 625人后基本增长停止（如图8-4所示）。观察另外两条线，当K=1.5时，在第13天，用户数接近40万（如图8-4中间的线所示）；而当K=1.6时，第13天裂变数接近80万（如图8-4最下方的线所示）。尽管系数K只相差0.1，但是两者裂变的用户总数基本上相差了一半。
从上述三条曲线可以看出，K直接决定了裂变的人数，K>1是裂变的“生死线”，只有K>1，裂变才可持续。但在实际过程中，K并不是一成不变的，随着时间推移，K有可能会发生衰退。
图8-4 系数K值不同时的裂变人数变化图
时长Ct的影响
假设种子用户数为1 000人，k=2，观察不同循环周期对裂变的影响（如图8-5所示）。
图8-5 病毒式裂变循环周期的不同影响
分别设置裂变循环周期为1h、30min和7.5min。结果同样达到5万的用户数，1h/周期需要12小时，30min/周期需要13小时，而7.5min/周期只需要7小时以上。由此可见，Ct和种子用户数的影响一样，影响对象是裂变的速度。
在实际过程中，如果Ct过长，则裂变中止，因为需要考虑用户的传播环境。比如用户将海报发到朋友圈，6小时内还没有人响应成为新用户，那么海报很快就会被用户新的朋友圈信息淹没，不能产生大规模裂变。
我们在采用病毒式增长时，会衍生出很多种形式和方法，但是万变不离其宗，要时刻紧盯着这3个数据。
8.2.2.2 五种低成本的病毒式增长方法
下面简单介绍五种目前实用的病毒裂变式增长方式。
测试类活动增长方式
增粉成本：0元
7日留存率：60%
增粉速度：快
危险指数：☆☆☆☆
测试类活动是一个永远不会过时的玩法，它利用人的社交天性让用户自发传播。之前“刷屏”的星座吐槽、大字朋友圈、左右脑测试，都采用了这种玩法。
当然，要通过测试的方式带动用户增长，除了要符合一些基本传播要求之外，有时候确实需要看运气。对于一些时节性的测试，可以提前准备。
例如，2017年6月正是高考季，“新世相”在高考期间推出了一个测试类H5，叫作“如果高考可以重来”（如图8-6所示），整理了近40年的高考题，让人们可以回忆之前的高考题，参与者还可以答题，测试能得多少分。果不其然，这引发了很多网友的“回忆杀”，这就是基于确定的热点做的预判。
图8-6 “新世相”推出的“如果高考可以重来”
测试类游戏也存在风险。如果造成“刷屏”，被访问次数过多，则该公众号很有可能被微信平台封禁。比如“柏拉图公App”，后来遭到微信的永久封禁。同时，微信也在2015年7月明确表示禁止发布标签类测试信息。
所以对于测试类的玩法，企业可
在出现负面信息时，舆论监督就显得尤为重要，舆论监督是危机公关的重要组成部分，舆论监督系统作为危机公关的重要工具，能够帮助企业及时制止损失，也能使相关部门根据舆论的发展变化，做出相应的应对预案。那什么是民意监督和歧视分类呢？瑞萦传媒带您去了解。 第一，舆论监测主要是针对民意监测系统进行的，根据计算机资源庞大的分布情况，完成分钟级民意调查的收集频率。涵盖网络新闻、应用用户新闻、电子报、微博、微信、论坛、博客、视频、问答等主流网络媒体，还能敏感地满足用户对网站、账号等个性化监控的需求。 第二，判别等级分类根据网络民意的特点，可将此类歧视分为三类：一般性、严重和严重，以及发展趋势。一般来说，网络舆情事件，相对来说，秘密集体的相对可控性较低，人们的认知程度较低，网络交流较少，造成社会言论的冲击较小等等。严重者网络舆情事件、突发恶性事件、隐秘集体报道、网络传播的发展趋势以及危害程度的增长速度都比较明显或强烈，总体而言，网络公众参与评价和转变无论对企业还是政府部门都有较大的影响，网络舆情的发展趋势，从总体上看，网络舆情严重程度呈严重趋势，公众参与评价和再版的总次数不断增加，常常导致严重网络舆情的发生。
