過去的六七年我一直在企業(yè)服務(wù)領(lǐng)域創(chuàng)業(yè)，使用過不少分析工具：GA、Mixpanel、Heap 等等，功能很強(qiáng)大，但是總感覺少了點(diǎn)什么。我們看到了 PV / UV 這樣的概覽性指標(biāo)，但是它們沒法指導(dǎo)我們做的更好。在通過這些粗糙的數(shù)據(jù)得到用戶做了什么后，還要看到他們是怎么做的，明白他們?yōu)槭裁醋觥Ｎ覀冃枰獙?shí)時(shí)、全量的用戶行為數(shù)據(jù)，通過對(duì)用戶行為整體流程的分析，找到轉(zhuǎn)化的關(guān)鍵節(jié)點(diǎn)以及用戶流失的核心原因，以此幫助我們對(duì)癥下藥，找到可執(zhí)行的指標(biāo)，落實(shí)為優(yōu)化行動(dòng)。
今天，我想分享的就是我們?cè)谶@方面的一些探索與解決方案。
一. 用戶行為分析的巨大需求
純從數(shù)據(jù)組成的角度來說，一個(gè)完善的閉環(huán)數(shù)據(jù)源主要是分成三大塊：第一塊是用戶行為數(shù)據(jù)，第二塊是服務(wù)端日志數(shù)據(jù)，第三塊是交易 Transaction 數(shù)據(jù)。其中，除了交易數(shù)據(jù)會(huì)經(jīng)常被存儲(chǔ)在離線數(shù)據(jù)庫(kù)中，通過 ETL 來獲取分析以外，行為數(shù)據(jù)和日志數(shù)據(jù)很多時(shí)候都是近似的，完備的用戶行為數(shù)據(jù)基本能覆蓋絕大多數(shù)的服務(wù)端日志數(shù)據(jù)，同時(shí)里面包含著很多日志數(shù)據(jù)里面所缺乏的信息。
從技術(shù)發(fā)展角度來說，最近幾年發(fā)展最快的可以說是前端，每個(gè)月都會(huì)有很多新的東西出現(xiàn)，整體趨勢(shì)是往單頁(yè)應(yīng)用發(fā)展，追求用戶體驗(yàn)。同時(shí)，還有移動(dòng)端應(yīng)用，也產(chǎn)生著大量的行為數(shù)據(jù)，這些都不會(huì)跟服務(wù)端有過多交互。
所以，從應(yīng)用提供商來說，我們需要知道屏幕前的人是怎么使用我們的產(chǎn)品的，洞悉用戶行為背后的價(jià)值。
GrowingIO 目前有近千家客戶在使用，我總結(jié)了一下客戶經(jīng)常問我們的分析需求，大致可以分成三個(gè)場(chǎng)景：
第一個(gè)場(chǎng)景是：我做了一次活動(dòng)，我寫了一篇文章，我想知道到底效果如何，有沒有給我?guī)碜銐虻牧髁?，也就是市?chǎng)營(yíng)銷效果衡量。我們有些客戶，每年有上百萬的市場(chǎng)預(yù)算在 SEM 上，但是卻完全不知道這些錢花出去到底帶來了多少回報(bào)。
第二個(gè)場(chǎng)景是用戶激活流程是否合理，辛辛苦苦導(dǎo)入了流量，這些流量有沒有轉(zhuǎn)化為用戶，注冊(cè)流里面每一步轉(zhuǎn)化了多少，流逝了多少，沒有轉(zhuǎn)化的去了哪里。再在這個(gè)基礎(chǔ)上，我們應(yīng)該怎么優(yōu)化，優(yōu)化后的效果是怎樣的，這周的轉(zhuǎn)化率比起上周是否有進(jìn)步，差別是怎么引起的等等。
第三個(gè)場(chǎng)景是這些注冊(cè)的用戶，有沒有留下來成為一個(gè)忠誠(chéng)用戶甚至付費(fèi)用戶。留下來的用戶，是因?yàn)槭裁戳粝聛淼?。是否存在一個(gè)魔法數(shù)字，可以去極大的提
高用戶留存，比如：
LinkedIn 發(fā)現(xiàn)在第一周增加 5 個(gè)社交關(guān)系的用戶留存度很高；
Facebook 發(fā)現(xiàn)在第一周增加 10 個(gè)好友的用戶留存度很高；
Twitter 發(fā)現(xiàn)在第一周有 30 個(gè) followers 的用戶留存度很高；
Dropbox 發(fā)現(xiàn)在第一周安裝兩個(gè)以上操作系統(tǒng)的用戶留存度很高。
這些都是在留存分析中發(fā)現(xiàn)的魔法數(shù)字。
二. 復(fù)雜而易錯(cuò)的傳統(tǒng)分析方法
歸根結(jié)底，所有的分析最終都是為了商業(yè)服務(wù)，而商業(yè)是為人服務(wù)的。所以，用戶行為分析就是我們需要建立一套基于用戶行為的分析體系，在了解用戶“誰(shuí)”做了“什么”，“怎么”做的之外，進(jìn)而明白是“為什么”做，對(duì)癥下藥，轉(zhuǎn)化成為優(yōu)化行動(dòng)。
分析是一個(gè)長(zhǎng)時(shí)間優(yōu)化的過程，需要我們持續(xù)監(jiān)控?cái)?shù)據(jù)的變化。而數(shù)據(jù)指標(biāo)除了行為數(shù)據(jù)指標(biāo)外還有一類，我們稱之為虛榮指標(biāo)，比如 PV、UV 之類流量概覽性數(shù)據(jù)，這些指標(biāo)看到了也就看到了，沒法指導(dǎo)我們做的更好。用戶行為數(shù)據(jù)指標(biāo)則是另外一類，比如我們上面介紹的用戶獲取、用戶激活、用戶留存之類，了解這些行為后面都會(huì)對(duì)應(yīng)到一個(gè)優(yōu)化流程，所以也叫做 Actionable Metric，可執(zhí)行指標(biāo)，這也是用戶行為數(shù)據(jù)的魅力。
那么接下來，我們要開始跟蹤用戶行為了，一般可以分成以下七個(gè)步驟：
1.確定分析場(chǎng)景或目標(biāo)
確定一個(gè)場(chǎng)景，或者一個(gè)目標(biāo)。比如，我們發(fā)現(xiàn)很多用戶訪問了注冊(cè)頁(yè)面，但是最終完成注冊(cè)的很少，那么我們的目標(biāo)就是提高注冊(cè)轉(zhuǎn)化率，了解為什么用戶沒有完成注冊(cè)，是哪一個(gè)步驟擋住用戶了。
2.思考需要了解哪些數(shù)據(jù)
思考哪些數(shù)據(jù)我們需要了解，幫助我們實(shí)現(xiàn)這個(gè)目標(biāo)。比如對(duì)于之前的目標(biāo)，我們需要拆解從進(jìn)入注冊(cè)頁(yè)面到完成注冊(cè)的每一個(gè)步驟的數(shù)據(jù)，每一次輸入的數(shù)據(jù)，同時(shí)，完成或者未成為這些步驟的人的特征數(shù)據(jù)。
3.確定誰(shuí)來負(fù)責(zé)收集數(shù)據(jù)？
誰(shuí)負(fù)責(zé)收集這些數(shù)據(jù)，一般是我們工程師出馬。
4.什么時(shí)候評(píng)估和分析？
收集上來的數(shù)據(jù)如何分析，什么時(shí)候來評(píng)估采集到的數(shù)據(jù)。
5.如何給出優(yōu)化解決方案？
發(fā)現(xiàn)問題后，怎么來出解決方案。比如，是否在設(shè)計(jì)上改進(jìn)，或者是否是工程上的 bug。
6.誰(shuí)負(fù)責(zé)實(shí)現(xiàn)解決方案。確定方案的實(shí)施責(zé)任人。
7.如何評(píng)估解決方案的效果？下一輪數(shù)據(jù)采集和分析，回到第一步繼續(xù)迭代。
知易行難，這整個(gè)流程里，第 2 步到第 4 步是關(guān)鍵。目前傳統(tǒng)的服務(wù)商比如 GA、Mixpanel、友盟所采用的方式我稱之為 Capture 模式。通過在客戶端埋下確定的點(diǎn)，采集相關(guān)數(shù)據(jù)到云端，最終在云端做呈現(xiàn)。比如圖中這個(gè)示例，相信很多人應(yīng)該都有寫過類似的代碼。
Capture 模式對(duì)于非探索式分析來說，是一個(gè)非常行之有效的方法。然而，同時(shí)對(duì)參與整個(gè)流程的人也提出了非常高的要求：
缺點(diǎn)1：依賴經(jīng)驗(yàn)導(dǎo)向
Capture 模式非常依賴人的經(jīng)驗(yàn)和直覺。不是說經(jīng)驗(yàn)和直覺不好，而是有時(shí)我們自己也不知道到底什么是好的，經(jīng)驗(yàn)反而會(huì)成為一個(gè)先入為主的負(fù)擔(dān)，我們需要用數(shù)據(jù)來測(cè)試來證明。
缺點(diǎn)2：溝通成本高
另外，一個(gè)有效的分析結(jié)果，依賴于數(shù)據(jù)的完整性和完備性。跟不少企業(yè)溝通后，不少的吐槽都是“連日志格式都統(tǒng)一不了”，更別提后續(xù)分析了。這不是具體人的問題，更多是協(xié)作溝通的問題。參與人越多，產(chǎn)品經(jīng)理、分析師、工程師、運(yùn)營(yíng)等等，每個(gè)人的專業(yè)領(lǐng)域又各不相同，出現(xiàn)誤解太正常了。曾經(jīng)跟我們的 CEO Simon 交流過，他在 LinkedIn 帶領(lǐng)數(shù)據(jù)分析部門的時(shí)候，LinkedIn 專門組建了一個(gè)多達(dá) 27 人的埋點(diǎn)團(tuán)隊(duì)，每天開會(huì)，就是為了統(tǒng)一埋點(diǎn)的格式和位置，經(jīng)常一開就是幾個(gè)星期。
缺點(diǎn)3：大量時(shí)間數(shù)據(jù)清洗和數(shù)據(jù)分析代碼侵入
另外，由于需求的多變性，埋點(diǎn)分成多次加入，缺乏統(tǒng)籌設(shè)計(jì)和統(tǒng)一管理，結(jié)果自然是無比骯臟。所以我們數(shù)據(jù)工程師還有個(gè)很大的工作是數(shù)據(jù)清洗，手動(dòng)跑 ETL 出報(bào)表。根據(jù)統(tǒng)計(jì)，絕大多數(shù)分析工作，百分之七十到八十的時(shí)間是在做數(shù)據(jù)清洗和手動(dòng) ETL，只有百分之二十左右在做真正有業(yè)務(wù)價(jià)值的事情。另外一方面，作為一個(gè)有潔癖的工程師，最恨的就是大量的分析代碼侵入了我的業(yè)務(wù)代碼，刪不敢刪，改不敢改，日積月累，最終代碼庫(kù)整個(gè)就混亂了。
缺點(diǎn)4：數(shù)據(jù)漏采錯(cuò)踩
以上都還是好的，最最讓人抓狂的是，上線了，發(fā)現(xiàn)數(shù)據(jù)采集錯(cuò)了或者漏了，修正后，又得重新跑一遍流程，一個(gè)星期兩個(gè)星期有過去了。這也是為啥，數(shù)據(jù)分析工作是如此耗時(shí)一般以月計(jì)的原因，非常低效。
三. 無需埋點(diǎn)的數(shù)據(jù)分析原理
在經(jīng)歷了無數(shù)個(gè)痛苦的夜晚以后，我們決定要換個(gè)思路思考了，希望能最大限度的降低人為的錯(cuò)誤，我們稱之為 Record 模式。區(qū)別于 Capture 模式，Record 模式是用機(jī)器來替代人的經(jīng)驗(yàn)，自動(dòng)地采集用戶在網(wǎng)站或者應(yīng)用里的全量行為數(shù)據(jù)。因?yàn)樽詣?dòng)化，我們從分析流程的源頭開始就控制了數(shù)據(jù)的格式。
所有數(shù)據(jù)，從業(yè)務(wù)角度出發(fā)，劃分為 5 種維度： Who，行為背后的人，具有哪些屬性；When，什么時(shí)候觸發(fā)的這個(gè)行為；Where，城市地區(qū)瀏覽器甚至 GPS 等；What，也就是內(nèi)容；How，是怎樣完成的?；趯?duì)信息的解構(gòu)，保證了數(shù)據(jù)從源頭就是干凈的，再在此基礎(chǔ)上面，我們完全可以把 ETL 自動(dòng)化，需要什么數(shù)據(jù)可以隨時(shí)回溯。
回到之前流程的第 2 步到第 4 步，我們已經(jīng)把參與人從多方減少到基本就一方了，無論是產(chǎn)品經(jīng)理、分析師還是運(yùn)營(yíng)人員，都可以使用可視化工具來查詢和分析數(shù)據(jù)，真正做到所見即所得。不僅是 PC，還支持 iOS、Android 和 Hybrid，可以進(jìn)行跨屏的用戶分析。
作為一家用戶行為分析工具提供商，GrowingIO要做的并不只是用于內(nèi)部，還需要適應(yīng)外部成千上萬的網(wǎng)站和應(yīng)用，所以在實(shí)現(xiàn)過程中我們做了很多探索：
自動(dòng)用戶行為采集
目前我們所接觸的 GUI 程序，無論是 Web App、iOS App 還是 Android App，都是基于兩個(gè)原則，樹形結(jié)構(gòu)和事件驅(qū)動(dòng)模型。無論是 Web 上的 DOM 結(jié)點(diǎn)結(jié)構(gòu)，還是 App 上的 UI 控件結(jié)構(gòu)，都是構(gòu)建好的一顆完整的樹形結(jié)構(gòu)渲染在頁(yè)面或者屏幕上。所以通過對(duì)樹結(jié)構(gòu)的監(jiān)控和檢測(cè)，我們就可以非常方便地知道哪些結(jié)點(diǎn)發(fā)生了變化，何時(shí)發(fā)生了變化，發(fā)生了什么變化。同時(shí)，當(dāng)用戶做了某個(gè)操作，比如鼠標(biāo)點(diǎn)擊、屏幕觸控，都會(huì)觸發(fā)一個(gè)事件，綁定了該事件的回調(diào)函數(shù)就會(huì)被觸發(fā)開始執(zhí)行。基于此兩點(diǎn)認(rèn)識(shí)，在 SDK 里面如何實(shí)現(xiàn)無埋點(diǎn)就比較清楚了。只要能在結(jié)點(diǎn)變化或者事件發(fā)生的時(shí)候觸發(fā)我們定義的函數(shù)，那么我就知道事件發(fā)生的多重信息。
數(shù)據(jù)可視化
如何把采集到的數(shù)據(jù)和業(yè)務(wù)目標(biāo)匹配在一起。我們的解決方案就是我們的可視化工具。剛才已經(jīng)提到任何一個(gè)原子數(shù)據(jù)，都被拆解成了 5 種不同分類的維度。所以，當(dāng)我們?cè)诳梢暬ぞ呃锩孀銎ヅ鋾r(shí)，也就是對(duì)于不同維度信息的匹配。比如一個(gè)鏈接的點(diǎn)擊，會(huì)匹配到內(nèi)容或者跳轉(zhuǎn)地址也就是 What，點(diǎn)擊行為也就是 How。還有其在頁(yè)面的定位信息，比如在樹形結(jié)構(gòu)中的層次位置，是否帶一些 id、class 或者 tag，都是用來做數(shù)據(jù)匹配的信息。我們開發(fā)了一套智能匹配系統(tǒng)，通過對(duì)用戶真實(shí)行為的學(xué)習(xí)，建立了一套規(guī)則引擎，用于元素匹配。也正因?yàn)椴杉降氖侨繑?shù)據(jù)，整個(gè)匹配系統(tǒng)有如基因進(jìn)化一般，既有對(duì)過去歷史的記憶，也有順應(yīng)新結(jié)構(gòu)的演進(jìn)變化。
BI 商業(yè)分析
我們?cè)谙到y(tǒng)設(shè)計(jì)過程中，整個(gè) Data Pipeline 過程中，數(shù)據(jù)進(jìn)過處理后，會(huì)根據(jù)優(yōu)先級(jí)不同，首先通過 Spark Streaming 實(shí)時(shí)的處理已定義數(shù)據(jù)，然后每過一段時(shí)間對(duì)匹配到的數(shù)據(jù)做離線預(yù)聚合，多維分析非常靈活。
用戶行為數(shù)據(jù)采集的目的是通過了解用戶過去做的行為，用來預(yù)測(cè)未來發(fā)生的事情，無需埋點(diǎn)，隨時(shí)回溯數(shù)據(jù)，讓產(chǎn)品經(jīng)理一個(gè)人就可以搞定用戶行為分析的全部流程。GrowingIO 希望能提供一個(gè)簡(jiǎn)單、迅速和規(guī)?；臄?shù)據(jù)分析產(chǎn)品，能極大地簡(jiǎn)化分析流程，提交效率，直達(dá)業(yè)務(wù)。而這一切的基礎(chǔ)，就是我們從第一天開始就一直在研發(fā)的無埋點(diǎn)智能全量數(shù)據(jù)采集，基于此優(yōu)化產(chǎn)品體驗(yàn)，實(shí)現(xiàn)精細(xì)化運(yùn)營(yíng)，用數(shù)據(jù)驅(qū)動(dòng)用戶和營(yíng)收的增長(zhǎng)。
作者：葉玎玎
文章來源：GrowingIO
我們致力于提供一個(gè)高質(zhì)量?jī)?nèi)容的交流平臺(tái)。為落實(shí)國(guó)家互聯(lián)網(wǎng)信息辦公室“依法管網(wǎng)、依法辦網(wǎng)、依法上網(wǎng)”的要求，為完善跟帖評(píng)論自律管理，為了保護(hù)用戶創(chuàng)造的內(nèi)容、維護(hù)開放、真實(shí)、專業(yè)的平臺(tái)氛圍，我們團(tuán)隊(duì)將依據(jù)本公約中的條款對(duì)注冊(cè)用戶和發(fā)布在本平臺(tái)的內(nèi)容進(jìn)行管理。平臺(tái)鼓勵(lì)用戶創(chuàng)作、發(fā)布優(yōu)質(zhì)內(nèi)容，同時(shí)也將采取必要措施管理違法、侵權(quán)或有其他不良影響的網(wǎng)絡(luò)信息。
一、根據(jù)《網(wǎng)絡(luò)信息內(nèi)容生態(tài)治理規(guī)定》《中華人民共和國(guó)未成年人保護(hù)法》等法律法規(guī)，對(duì)以下違法、不良信息或存在危害的行為進(jìn)行處理。
1. 違反法律法規(guī)的信息，主要表現(xiàn)為：
1)反對(duì)憲法所確定的基本原則；
2)危害國(guó)家安全，泄露國(guó)家秘密，顛覆國(guó)家政權(quán)，破壞國(guó)家統(tǒng)一，損害國(guó)家榮譽(yù)和利益；
3)侮辱、濫用英烈形象，歪曲、丑化、褻瀆、否定英雄烈士事跡和精神，以侮辱、誹謗或者其他方式侵害英雄烈士的姓名、肖像、名譽(yù)、榮譽(yù)；
4)宣揚(yáng)恐怖主義、極端主義或者煽動(dòng)實(shí)施恐怖活動(dòng)、極端主義活動(dòng)；
5)煽動(dòng)民族仇恨、民族歧視，破壞民族團(tuán)結(jié)；
6)破壞國(guó)家宗教政策，宣揚(yáng)邪教和封建迷信；
7)散布謠言，擾亂社會(huì)秩序，破壞社會(huì)穩(wěn)定；
8)宣揚(yáng)淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪；
9)煽動(dòng)非法集會(huì)、結(jié)社、游行、示威、聚眾擾亂社會(huì)秩序；
10)侮辱或者誹謗他人，侵害他人名譽(yù)、隱私和其他合法權(quán)益；
11)通過網(wǎng)絡(luò)以文字、圖片、音視頻等形式，對(duì)未成年人實(shí)施侮辱、誹謗、威脅或者惡意損害未成年人形象進(jìn)行網(wǎng)絡(luò)欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法規(guī)禁止的其他內(nèi)容；
2. 不友善：不尊重用戶及其所貢獻(xiàn)內(nèi)容的信息或行為。主要表現(xiàn)為：
1)輕蔑：貶低、輕視他人及其勞動(dòng)成果；
2)誹謗：捏造、散布虛假事實(shí)，損害他人名譽(yù)；
3)嘲諷：以比喻、夸張、侮辱性的手法對(duì)他人或其行為進(jìn)行揭露或描述，以此來激怒他人；
4)挑釁：以不友好的方式激怒他人，意圖使對(duì)方對(duì)自己的言論作出回應(yīng)，蓄意制造事端；
5)羞辱：貶低他人的能力、行為、生理或身份特征，讓對(duì)方難堪；
6)謾罵：以不文明的語(yǔ)言對(duì)他人進(jìn)行負(fù)面評(píng)價(jià)；
7)歧視：煽動(dòng)人群歧視、地域歧視等，針對(duì)他人的民族、種族、宗教、性取向、性別、年齡、地域、生理特征等身份或者歸類的攻擊；
8)威脅：許諾以不良的后果來迫使他人服從自己的意志；
3. 發(fā)布垃圾廣告信息：以推廣曝光為目的，發(fā)布影響用戶體驗(yàn)、擾亂本網(wǎng)站秩序的內(nèi)容，或進(jìn)行相關(guān)行為。主要表現(xiàn)為：
1)多次發(fā)布包含售賣產(chǎn)品、提供服務(wù)、宣傳推廣內(nèi)容的垃圾廣告。包括但不限于以下幾種形式：
2)單個(gè)帳號(hào)多次發(fā)布包含垃圾廣告的內(nèi)容；
3)多個(gè)廣告帳號(hào)互相配合發(fā)布、傳播包含垃圾廣告的內(nèi)容；
4)多次發(fā)布包含欺騙性外鏈的內(nèi)容，如未注明的淘寶客鏈接、跳轉(zhuǎn)網(wǎng)站等，誘騙用戶點(diǎn)擊鏈接
5)發(fā)布大量包含推廣鏈接、產(chǎn)品、品牌等內(nèi)容獲取搜索引擎中的不正當(dāng)曝光；
6)購(gòu)買或出售帳號(hào)之間虛假地互動(dòng)，發(fā)布干擾網(wǎng)站秩序的推廣內(nèi)容及相關(guān)交易。
7)發(fā)布包含欺騙性的惡意營(yíng)銷內(nèi)容，如通過偽造經(jīng)歷、冒充他人等方式進(jìn)行惡意營(yíng)銷；
8)使用特殊符號(hào)、圖片等方式規(guī)避垃圾廣告內(nèi)容審核的廣告內(nèi)容。
4. 色情低俗信息，主要表現(xiàn)為：
1)包含自己或他人性經(jīng)驗(yàn)的細(xì)節(jié)描述或露骨的感受描述；
2)涉及色情段子、兩性笑話的低俗內(nèi)容；
3)配圖、頭圖中包含庸俗或挑逗性圖片的內(nèi)容；
4)帶有性暗示、性挑逗等易使人產(chǎn)生性聯(lián)想；
5)展現(xiàn)血腥、驚悚、殘忍等致人身心不適；
6)炒作緋聞、丑聞、劣跡等；
7)宣揚(yáng)低俗、庸俗、媚俗內(nèi)容。
5. 不實(shí)信息，主要表現(xiàn)為：
1)可能存在事實(shí)性錯(cuò)誤或者造謠等內(nèi)容；
2)存在事實(shí)夸大、偽造虛假經(jīng)歷等誤導(dǎo)他人的內(nèi)容；
3)偽造身份、冒充他人，通過頭像、用戶名等個(gè)人信息暗示自己具有特定身份，或與特定機(jī)構(gòu)或個(gè)人存在關(guān)聯(lián)。
6. 傳播封建迷信，主要表現(xiàn)為：
1)找人算命、測(cè)字、占卜、解夢(mèng)、化解厄運(yùn)、使用迷信方式治??；
2)求推薦算命看相大師；
3)針對(duì)具體風(fēng)水等問題進(jìn)行求助或咨詢；
4)問自己或他人的八字、六爻、星盤、手相、面相、五行缺失，包括通過占卜方法問婚姻、前程、運(yùn)勢(shì)，東西寵物丟了能不能找回、取名改名等；
7. 文章標(biāo)題黨，主要表現(xiàn)為：
1)以各種夸張、獵奇、不合常理的表現(xiàn)手法等行為來誘導(dǎo)用戶；
2)內(nèi)容與標(biāo)題之間存在嚴(yán)重不實(shí)或者原意扭曲；
3)使用夸張標(biāo)題，內(nèi)容與標(biāo)題嚴(yán)重不符的。
8.「飯圈」亂象行為，主要表現(xiàn)為：
1)誘導(dǎo)未成年人應(yīng)援集資、高額消費(fèi)、投票打榜
2)粉絲互撕謾罵、拉踩引戰(zhàn)、造謠攻擊、人肉搜索、侵犯隱私
3)鼓動(dòng)「飯圈」粉絲攀比炫富、奢靡享樂等行為
4)以號(hào)召粉絲、雇用網(wǎng)絡(luò)水軍、「養(yǎng)號(hào)」形式刷量控評(píng)等行為
5)通過「蹭熱點(diǎn)」、制造話題等形式干擾輿論，影響傳播秩序
9. 其他危害行為或內(nèi)容，主要表現(xiàn)為：
1)可能引發(fā)未成年人模仿不安全行為和違反社會(huì)公德行為、誘導(dǎo)未成年人不良嗜好影響未成年人身心健康的；
2)不當(dāng)評(píng)述自然災(zāi)害、重大事故等災(zāi)難的；
3)美化、粉飾侵略戰(zhàn)爭(zhēng)行為的；
4)法律、行政法規(guī)禁止，或可能對(duì)網(wǎng)絡(luò)生態(tài)造成不良影響的其他內(nèi)容。
二、違規(guī)處罰
本網(wǎng)站通過主動(dòng)發(fā)現(xiàn)和接受用戶舉報(bào)兩種方式收集違規(guī)行為信息。所有有意的降低內(nèi)容質(zhì)量、傷害平臺(tái)氛圍及欺凌未成年人或危害未成年人身心健康的行為都是不能容忍的。
當(dāng)一個(gè)用戶發(fā)布違規(guī)內(nèi)容時(shí)，本網(wǎng)站將依據(jù)相關(guān)用戶違規(guī)情節(jié)嚴(yán)重程度，對(duì)帳號(hào)進(jìn)行禁言 1 天、7 天、15 天直至永久禁言或封停賬號(hào)的處罰。當(dāng)涉及欺凌未成年人、危害未成年人身心健康、通過作弊手段注冊(cè)、使用帳號(hào)，或者濫用多個(gè)帳號(hào)發(fā)布違規(guī)內(nèi)容時(shí)，本網(wǎng)站將加重處罰。
三、申訴
隨著平臺(tái)管理經(jīng)驗(yàn)的不斷豐富，本網(wǎng)站出于維護(hù)本網(wǎng)站氛圍和秩序的目的，將不斷完善本公約。
如果本網(wǎng)站用戶對(duì)本網(wǎng)站基于本公約規(guī)定做出的處理有異議，可以通過「建議反饋」功能向本網(wǎng)站進(jìn)行反饋。
(規(guī)則的最終解釋權(quán)歸屬本網(wǎng)站所有)