前言
我們上篇內(nèi)容,從本文梳理和分享一些該如何刻意訓(xùn)練數(shù)據(jù)思維的方法論以及建議,目的主要給大家提供一下數(shù)據(jù)思維培養(yǎng)的思路。其實(shí),數(shù)據(jù)思維并不是一日可形成,是需要我們結(jié)合日常工作生活來刻意練習(xí),去實(shí)踐,發(fā)現(xiàn)問題、解決問題、總結(jié)問題的一個(gè)不斷積累經(jīng)驗(yàn)的過程。然而,無論做產(chǎn)品,運(yùn)營,銷售,市場(chǎng),人力資源管理,還是做研發(fā)、測(cè)試等工作崗位,在不同的業(yè)務(wù)場(chǎng)景下,如何提升付費(fèi)轉(zhuǎn)化率,調(diào)研用戶滿意度訴求,人力成本分析以及精細(xì)化運(yùn)營做用戶分層分群等工作內(nèi)容,都會(huì)涉及到數(shù)據(jù)分析的思維方式。其分析的大概思路:確定分析目標(biāo)→梳理業(yè)務(wù)場(chǎng)景→明確核心指標(biāo)→搭建分析體系→數(shù)據(jù)可視化→分析數(shù)據(jù)得出結(jié)論。隨著5G以及大數(shù)據(jù)時(shí)代背景下,數(shù)據(jù)分析領(lǐng)域相關(guān)崗位也是呈現(xiàn)多元化的發(fā)展趨勢(shì),如數(shù)據(jù)運(yùn)營、經(jīng)營分析師、商業(yè)分析師、數(shù)據(jù)科學(xué)家、數(shù)據(jù)工程師、數(shù)據(jù)架構(gòu)師、算法工程師、數(shù)據(jù)產(chǎn)品經(jīng)理、數(shù)據(jù)分析師......無論從哪個(gè)視角來看,數(shù)據(jù)分析是不會(huì)脫離業(yè)務(wù)存在。也很大程度會(huì)決定我們所需要掌握的能力棧,如金融行業(yè)的風(fēng)控模型、電商行業(yè)的轉(zhuǎn)化漏斗模型等等。那么,我們應(yīng)該是把數(shù)據(jù)分析作為一個(gè)行業(yè),還是一種技能來看待呢?本文將從數(shù)據(jù)分析領(lǐng)域的崗位詳解以及數(shù)據(jù)分析在其他領(lǐng)域的應(yīng)用進(jìn)行簡(jiǎn)單的梳理分享,其目的主要讓大家清晰地了解“數(shù)據(jù)分析”后,結(jié)合自己的自身經(jīng)驗(yàn)和認(rèn)知情況,是把數(shù)據(jù)分析作為行業(yè),還是當(dāng)做一項(xiàng)技能?僅供參考!數(shù)據(jù)分析領(lǐng)域的崗位詳解

01 偏業(yè)務(wù)方向的數(shù)據(jù)分析崗位
偏業(yè)務(wù)方向的數(shù)據(jù)分析,一般屬于運(yùn)營部門。有數(shù)據(jù)運(yùn)營、數(shù)據(jù)分析師、商業(yè)分析、數(shù)據(jù)產(chǎn)品經(jīng)理等,其崗位的職位描述一般是:
負(fù)責(zé)和支撐各部門相關(guān)的報(bào)表;
建立和優(yōu)化指標(biāo)體系;
監(jiān)控?cái)?shù)據(jù)的波動(dòng)和異常,找出問題;
優(yōu)化和驅(qū)動(dòng)業(yè)務(wù),推動(dòng)數(shù)據(jù)化運(yùn)營;
找出可增長的市場(chǎng)或產(chǎn)品優(yōu)化空間;
輸出專題分析報(bào)告;
數(shù)據(jù)運(yùn)營
主要負(fù)責(zé)運(yùn)營相關(guān)數(shù)據(jù)的分析,協(xié)助運(yùn)營人員制定數(shù)據(jù)分析策略,為日常運(yùn)營提供數(shù)據(jù)支持,協(xié)調(diào)落地,形成推動(dòng)閉環(huán)等,以活躍指標(biāo)的下跌舉例:
活躍指標(biāo)下跌了多少?是屬于合理的數(shù)據(jù)波動(dòng),還是突發(fā)式?
什么時(shí)候開始的下跌?
是整體的活躍用戶下跌,還是部分用戶?
為什么下跌?是產(chǎn)品版本,還是運(yùn)營失誤?
怎么解決下跌的問題
在工具方面,主要以Excel+SQL+PPT+運(yùn)營思維為主??傊?,往往更關(guān)心某個(gè)指標(biāo)為什么下跌或者上升。產(chǎn)品的用戶是什么樣的?怎么能更好的完成業(yè)務(wù)的KPI。數(shù)據(jù)分析師
主要將業(yè)務(wù)數(shù)據(jù)體系化,建立一套指標(biāo)框架,其次數(shù)據(jù)提取、清洗、多維度分析、預(yù)測(cè);生成策略推動(dòng)執(zhí)行。如活躍下跌的問題,本質(zhì)上也是指標(biāo)問題。什么時(shí)候開始下跌,哪部分下跌,都能轉(zhuǎn)化成對(duì)應(yīng)指標(biāo),如日活躍用戶數(shù),新老用戶活躍數(shù),地區(qū)活躍數(shù)。指標(biāo)體系如果工程化自動(dòng)化,也就是BI,所以數(shù)據(jù)分析師可以算半個(gè)BI分析師,這里不包括BI報(bào)表開發(fā)。在工具方面,主要以Excel+SQL+Python/R/SPSS/SAS+PPT。Excel+SQL是必備技能,Python/R/SPSS/SAS任選其一即可。一個(gè)優(yōu)秀的數(shù)據(jù)分析師,應(yīng)該業(yè)務(wù)、管理、分析、工具、設(shè)計(jì)都不落下。總之,對(duì)于新人,比較普適的發(fā)展路線是先成為一位數(shù)據(jù)分析師。積累相關(guān)的經(jīng)驗(yàn),在一兩年后,決定往后的發(fā)展,是數(shù)據(jù)挖掘和商業(yè)分析師,還是專精數(shù)據(jù)分析成為管理崗。數(shù)據(jù)分析的管理崗,比較常見的有數(shù)據(jù)運(yùn)營經(jīng)理/總監(jiān),數(shù)據(jù)分析經(jīng)理等,相對(duì)應(yīng)的能力是能建立指標(biāo)體系,并且解決日常的各類「為什么」問題。商業(yè)分析師
是另外一個(gè)方向,更多見于傳統(tǒng)行業(yè),一般更加宏觀,偏行業(yè)研究,主要向高層匯報(bào),基于商業(yè)問題和場(chǎng)景,通過數(shù)據(jù)洞察商業(yè)問題,為企業(yè)戰(zhàn)略和決策提供數(shù)據(jù)支持,咨詢/投行對(duì)該崗位的需求會(huì)比較多,會(huì)更多地關(guān)注國內(nèi)外政策,對(duì)統(tǒng)計(jì)和業(yè)務(wù)能力要求更高。若在商業(yè)分析師做數(shù)據(jù)報(bào)告時(shí),需要能站在整個(gè)行業(yè)的宏觀角度,去看待本公司、所有競(jìng)對(duì)公司以及上下游的各種關(guān)系與優(yōu)劣勢(shì)等。比如要開一家快遞驛站,我們就需要考慮哪里開,這就要考慮居民密度,居民消費(fèi)能力,競(jìng)爭(zhēng)對(duì)手,網(wǎng)上的消費(fèi)能力等因素。這些數(shù)據(jù)是宏觀的大指標(biāo),往往靠搜索和調(diào)研完成,這是和互聯(lián)網(wǎng)數(shù)據(jù)分析師最大的差異。總之,商業(yè)分析師是需要有一定的MBA或商科背景,在能力上,需要對(duì)行業(yè)市場(chǎng)、上下游、商業(yè)敏感度有強(qiáng)烈的洞察力,能夠體系化系統(tǒng)化的進(jìn)行資料收集、市場(chǎng)研究、競(jìng)對(duì)研究和用戶研究。數(shù)據(jù)產(chǎn)品經(jīng)理
這個(gè)崗位比較新興,適合對(duì)數(shù)據(jù)特別感興趣的產(chǎn)品經(jīng)理。它有兩種理解,一種是具備強(qiáng)數(shù)據(jù)分析能力的PM,一種是公司數(shù)據(jù)產(chǎn)品的規(guī)劃者。
前者,以數(shù)據(jù)導(dǎo)向優(yōu)化和改進(jìn)產(chǎn)品。在產(chǎn)品強(qiáng)勢(shì)的公司,數(shù)據(jù)分析也會(huì)劃歸到產(chǎn)品部門,甚至運(yùn)營也屬于產(chǎn)品部。這類產(chǎn)品經(jīng)理有更多的機(jī)會(huì)接觸業(yè)務(wù),屬于順便把分析師的活也干了,一專多能的典型。最典型的場(chǎng)景就是AB測(cè)試。大到頁面布局、路徑規(guī)劃、小到按鈕的顏色和樣式,均可以通過數(shù)據(jù)指標(biāo)評(píng)估。俗話說,再優(yōu)秀的產(chǎn)品經(jīng)理也跑不過一半AB測(cè)試。此類數(shù)據(jù)產(chǎn)品經(jīng)理,更多是注重?cái)?shù)據(jù)分析能力,擅長用分析進(jìn)行決策。數(shù)據(jù)是能力的一部分。后者,是真正意義上的數(shù)據(jù)產(chǎn)品經(jīng)理。隨著數(shù)據(jù)量的與日俱增,此時(shí)會(huì)有不少數(shù)據(jù)相關(guān)的產(chǎn)品項(xiàng)目:包括大數(shù)據(jù)平臺(tái)、埋點(diǎn)采集系統(tǒng)、BI、推薦系統(tǒng)、廣告平臺(tái)等。這些當(dāng)然也是產(chǎn)品,自然需要提煉需求、設(shè)計(jì)、規(guī)劃、項(xiàng)目排期,乃至落地。總之,數(shù)據(jù)產(chǎn)品經(jīng)理普遍要求如下:
負(fù)責(zé)大數(shù)據(jù)產(chǎn)品的設(shè)計(jì),輸出需求文檔、產(chǎn)品原型;
負(fù)責(zé)推薦算法的產(chǎn)品策略,完成相關(guān)推薦及個(gè)性化推薦產(chǎn)品的需求分析;
負(fù)責(zé)分析和挖掘用戶消費(fèi)內(nèi)容的行為數(shù)據(jù),為改進(jìn)算法策略提供依據(jù);
負(fù)責(zé)客戶端數(shù)據(jù)需求的對(duì)接,制定相關(guān)埋點(diǎn)規(guī)范及口徑,相關(guān)業(yè)務(wù)指標(biāo)驗(yàn)證;
報(bào)表展示工具的落地和應(yīng)用;
還有,數(shù)據(jù)產(chǎn)品經(jīng)理必須了解公司或者業(yè)務(wù)線在不同的階段,需要哪些數(shù)據(jù)產(chǎn)品,并能夠制作出來,這是此職位的核心要求。其次,數(shù)據(jù)產(chǎn)品經(jīng)理必須有足夠的數(shù)據(jù)分析能力,如果有了數(shù)據(jù)分析的思維,再跟公司業(yè)務(wù)結(jié)合就會(huì)比較容易。最后,數(shù)據(jù)產(chǎn)品經(jīng)理是產(chǎn)品經(jīng)理的一種,所以要同時(shí)具備產(chǎn)品經(jīng)理的能力:了解用戶,需求調(diào)研,方案設(shè)計(jì),協(xié)調(diào)技術(shù)、測(cè)試、設(shè)計(jì)等。從職業(yè)發(fā)展上看,數(shù)據(jù)分析師做數(shù)據(jù)產(chǎn)品經(jīng)理更合適。普通的產(chǎn)品經(jīng)理,對(duì)前端、后端的技術(shù)棧尚未熟悉,何況日新月異的數(shù)據(jù)棧。02 偏技術(shù)方向的數(shù)據(jù)分析崗位
偏技術(shù)方向的數(shù)據(jù)分析崗位,如數(shù)據(jù)挖掘/算法專家等崗位有的歸在研發(fā)部門,有的則單獨(dú)成立數(shù)據(jù)部門。與業(yè)務(wù)方向的數(shù)據(jù)分析師相比較來說,要求更高的統(tǒng)計(jì)學(xué)能力、數(shù)理能力以及編程技巧。有數(shù)據(jù)挖掘工程師、數(shù)據(jù)算法工程師、數(shù)據(jù)倉庫工程師、數(shù)據(jù)科學(xué)家等崗位。下面我們介紹幾個(gè)常見的崗位詳解:
數(shù)據(jù)挖掘
從概念上說,數(shù)據(jù)挖掘Data mining是一種方式,即可以通過機(jī)器學(xué)習(xí),而能借助其他算法。比如協(xié)同過濾、關(guān)聯(lián)規(guī)則、PageRank等,它們是數(shù)據(jù)挖掘的經(jīng)典算法,但不屬于機(jī)器學(xué)習(xí),所以在機(jī)器學(xué)習(xí)的書籍上,你是看不到的。實(shí)際的應(yīng)用場(chǎng)景中,如共享單車,如何尋找單車使用效率最大化的最優(yōu)投放,就是數(shù)據(jù)挖掘的工作范疇。數(shù)據(jù)挖掘工程師,除了掌握算法,同樣需要編程能力去實(shí)現(xiàn),不論R、Python、Scala/Java,至少掌握一種。模型的實(shí)施,往往也要求Hadoop/Spark的工程實(shí)踐經(jīng)驗(yàn),精通SQL/Hive是必須的。常見數(shù)據(jù)挖掘項(xiàng)目的閉環(huán)如下:
數(shù)據(jù)抽取
數(shù)據(jù)清洗
特征選取/特征工程
數(shù)據(jù)模型
數(shù)據(jù)驗(yàn)證
迭代優(yōu)化
總之,單看環(huán)節(jié),數(shù)據(jù)挖掘?qū)Ψ治瞿芰]有業(yè)務(wù)型那么高。這不代表業(yè)務(wù)不重要,尤其在特征選取方面,對(duì)業(yè)務(wù)的理解很大程度會(huì)影響特征怎么選取,進(jìn)而影響模型質(zhì)量。用戶流失是一個(gè)經(jīng)典的考題,如何選取合適的特征,預(yù)測(cè)用戶會(huì)否流失,能夠考察對(duì)業(yè)務(wù)是否深刻洞察。還有,數(shù)據(jù)挖掘的業(yè)務(wù)領(lǐng)域一樣可以細(xì)分。金融行業(yè)的信用模型和風(fēng)控模型/反欺詐模型、廣告模型的點(diǎn)擊預(yù)估模型、電商行業(yè)的推薦系統(tǒng)和用戶畫像系統(tǒng)。從需求提出到落地,數(shù)據(jù)挖掘工程師除了全程跟進(jìn)也要熟悉業(yè)務(wù)。算法專家
數(shù)據(jù)挖掘往后發(fā)展,稱為算法專家。后者對(duì)理論要求更嚴(yán)苛,幾乎都要閱讀國外的前沿論文。方向不局限于簡(jiǎn)單的分類或者回歸,還包括圖像識(shí)別、自然語言處理、智能量化投顧這種復(fù)合領(lǐng)域。這里開始會(huì)對(duì)從業(yè)者的學(xué)校和學(xué)歷提出要求,名校+碩士無疑是一個(gè)大優(yōu)勢(shì),也有很多人直接做數(shù)據(jù)挖掘。深度學(xué)習(xí)則更前沿,它由神經(jīng)網(wǎng)絡(luò)發(fā)展而來,是機(jī)器學(xué)習(xí)的一個(gè)子集。因?yàn)楦黝惪蚣荛_枝散葉,諸多模型百花齊放,也可以算一個(gè)全新的分支。除了要求熟悉TensorFlow, Caffe, MXNet等深度學(xué)習(xí)框架,對(duì)模型的應(yīng)用和調(diào)參也是必備的,后者往往是劃分普通人和大牛的天塹。總之,算法專家和深度學(xué)習(xí)專家,薪資level會(huì)更高一級(jí),一般對(duì)應(yīng)于業(yè)務(wù)型的數(shù)據(jù)運(yùn)營/分析總監(jiān)。數(shù)據(jù)工程師
更偏數(shù)據(jù)底層,其核心是做好數(shù)據(jù)倉庫建設(shè)及ETL數(shù)據(jù)處理。這個(gè)崗位基本不涉及數(shù)據(jù)分析的能力,而對(duì)大數(shù)據(jù)處理能力要求較高,需要較強(qiáng)的編程及架構(gòu)設(shè)計(jì)能力。分析歷史、預(yù)測(cè)未來、優(yōu)化選擇,這是大數(shù)據(jù)工程師在“玩數(shù)據(jù)”時(shí)最重要的三大任務(wù)。通過這三個(gè)工作方向,他們幫助企業(yè)做出更好的商業(yè)決策。要求具備一定的統(tǒng)計(jì)學(xué)、數(shù)學(xué)理論知識(shí),有實(shí)際開發(fā)能力和大規(guī)模的數(shù)據(jù)處理能力,對(duì)行業(yè)有認(rèn)知。在很多中小型的公司,一方面數(shù)據(jù)是無序的、缺失的、原始的,另外一方面各種業(yè)務(wù)報(bào)表又嗷嗷待哺。沒辦法,分析師只能自己擼起袖子,一個(gè)人當(dāng)三個(gè)人用。兼做數(shù)據(jù)清洗+ETL+BI。部分歸屬到技術(shù)部的數(shù)據(jù)分析師,雖然Title叫數(shù)據(jù)分析(其實(shí)應(yīng)該叫數(shù)據(jù)分析開發(fā)工程師),其工作職責(zé)為建設(shè)數(shù)據(jù)倉庫、數(shù)據(jù)庫表開發(fā)、數(shù)據(jù)采集、清洗、存儲(chǔ)、建模、數(shù)據(jù)應(yīng)用、數(shù)據(jù)平臺(tái)的建設(shè)優(yōu)化等職責(zé),這就是標(biāo)準(zhǔn)的數(shù)據(jù)工程路線。部分公司會(huì)將機(jī)器學(xué)習(xí)模型的部署和實(shí)現(xiàn)交給數(shù)據(jù)工程團(tuán)隊(duì),這要求數(shù)據(jù)工程師熟悉sparkMLlib、Mahout此類框架。除此之外,還有算法工程師(核心是機(jī)器學(xué)習(xí)等算法能力)、數(shù)據(jù)架構(gòu)師(核心是平臺(tái)建設(shè)及數(shù)據(jù)倉庫建設(shè)能力)等等,這些崗位要么跟數(shù)據(jù)分析能力關(guān)系不大,要么能力模型已經(jīng)包含在前面幾個(gè)崗位中了,就不一一羅列了。總之,數(shù)據(jù)科學(xué)家是上述崗位的最終形態(tài)之一。其要求的能力更加全面,基本綜合了前面崗位的核心能力,并且對(duì)AI能力及編程能力要求更高,這個(gè)崗位也會(huì)成為未來數(shù)據(jù)方向的重點(diǎn)發(fā)展趨勢(shì)。由于篇幅原因,我們分析上下兩部分,下篇梳理數(shù)據(jù)分析在各領(lǐng)域的應(yīng)用。(部分崗位明細(xì)整理于網(wǎng)絡(luò))-END-
本文系作者:
小飛象木木自由
授權(quán)發(fā)表,鳥哥筆記平臺(tái)僅提供信息存儲(chǔ)空間服務(wù)。
本文為作者獨(dú)立觀點(diǎn),不代表鳥哥筆記立場(chǎng),未經(jīng)允許不得轉(zhuǎn)載。
《鳥哥筆記版權(quán)及免責(zé)申明》
如對(duì)文章、圖片、字體等版權(quán)有疑問,請(qǐng)點(diǎn)擊
反饋舉報(bào)
我們致力于提供一個(gè)高質(zhì)量內(nèi)容的交流平臺(tái)。為落實(shí)國家互聯(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)危害國家安全,泄露國家秘密,顛覆國家政權(quán),破壞國家統(tǒng)一,損害國家榮譽(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)、使用迷信方式治病;
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)