115,549 场上线活动
能告诉运营的几件事
这一页把我们平台上真实跑过的活动做成聚合分布,公开出来给做活动的人用。 全部只出聚合值:没有客户名、没有活动名、没有任何单商户数据,也没有收入相关的任何指标。
先说清楚这些数字是什么
报告里的数字分两类,口径完全不同,混着读会得出错的结论:
- 需求侧(我们的客户实际做了什么)——来自平台上状态为「已发布」或「已结束」的 115,549 场客户活动(已剔除 1038 场系统与演示活动)。 这是这一页真正有洞察价值的部分。
- 供给侧(我们备了什么货)——来自公开活动模板目录的 266 个模板。它描述的是库存结构,不是市场需求; 任何人在活动市场按标签筛一遍都能自己数出来。
账号侧的累计计数器,只加不减:活动删掉了计数也不回退。它回答的是「这个平台上一共被建过多少场活动」。
状态为已发布或已结束的活动。本页所有分布都基于这一口径——建了没发的、草稿、已删除的都不算。
至少建过一场活动的账号数。不含从未建过活动的注册账号。
把活动发出去过的商户数。与左边差了近三倍——建了没发的占大多数,这与活动侧那对数字是同一件事。
需求侧还有一个量级锚:这些活动累计触达 415.3 万个玩家账号。 上面每一对数字都不是同一件事,差了三倍多——所以这一页把它们并排放着, 而不是只挑好看的那个。每一节的标题旁边都标了它属于哪一侧、统计窗口是什么; 页面底部有一张完整的 口径与方法表。
最缺的不是玩法数量,是抽奖类
把「客户实际用哪类玩法开活动」和「我们库里备了哪类玩法」放在一起看,会出现一个稳定的缺口: 抽奖类只占模板库的 14.3%,却承担了 20.4% 的真实活动—— 它是被用得最凶、相对最缺货的一类。测试类正相反:备了 4.9% 的货,只跑出 2.6% 的活动。
口径提醒:两侧用的是同一套归类规则(标签优先、类型兜底),但取自不同的表——需求侧按活动 实际使用的引擎模板归类,供给侧按活动市场在架的模板归类。「生成类」供给为 0 不是统计误差: 活动市场目前确实没有在架的生成类模板,而历史上有 2.4% 的活动用的是它。
怎么用:如果你在选玩法,抽奖类是最被验证过的一档——它简单、发奖路径最短、 对用户的理解成本几乎为零。分数闯关类占比最高(53.4%), 但那更多是因为库里这类模板本来就最多(57.9%),不代表它效果更好。
一场活动通常有多少人参与
这是全页最该被拿去当参照的一组数——用分布而不是平均值:平均值会被头部的超大活动带偏, 对绝大多数活动没有参考意义。
把它当尺子用:做到 100 人,你就超过了 78.3% 的上线活动;做到 1000 人,超过 93.4%;做到 1 万人,你在最上面的 1% 里。
另一面同样值得看:17.8% 的活动上线后参与人数为 0。 活动被建出来、被发布,然后没有被投出去——这是这份数据里最常见的失败方式, 比「玩法选错」常见得多。
留人和拉人,是两件不同的事
第 ① 节说的是哪类玩法被用得多,这一节说的是哪类玩法真的有效。 三列互相独立,回答三个不同的问题:玩家愿不愿意重复玩、打开了会不会真的开始玩、 这个玩法容不容易做大。最粘的和最不粘的差了 11 倍——但差在哪一列,比差多少更值得看。
| 玩法 | 人均参与次数 | 看过就玩 | 参与破千的比例 |
|---|---|---|---|
| 签到类 | 10.99 次 | 89.7% | 23.9% |
| 分数闯关类 | 3.93 次 | 80.8% | 3.4% |
| 通关类 | 2.45 次 | 76.5% | 3.9% |
| 抽奖类 | 1.91 次 | 86.2% | 11.3% |
| 助力砍价类 | 1.05 次 | 36.5% | 8.8% |
| 集字集卡类 | 1 次 | 57.5% | 3.2% |
最值得停下来看的是助力砍价:人均参与次数 1.05 次(几乎人人只玩一次)、打开页面的人里只有 36.5% 真的开始玩——两列都垫底; 但它的破千比例是 8.8%,明显高于同样不粘的几类。 它不留人,它拉人。
签到正相反:人均 10.99 次、 89.7% 的人打开就玩、23.9% 能破千, 三列全是第一——代价是它要求商户连续运营半个月以上,做不到就只剩第一天。
怎么用:先想清楚你要哪一个。要触达广度,选助力砍价或抽奖; 要停留与复访,选签到;分数闯关是中间项。 一个玩法两头都占的情况,在这份数据里没有出现过。
口径提醒:「人均参与次数」= 参与次数 ÷ 参与人数,只取参与 ≥30 人的活动; 「看过就玩」= 参与人数 ÷ 浏览人数,只取浏览 ≥50 人的活动(浏览计数器会丢点,比值封顶到 100%)。 两列的分母不同,样本量也不同。每格样本量不足 100 的玩法整行不列入。
一场活动的命,七成在头 7 天
第 ② 节告诉你一场活动通常有多少人参与,这一节告诉你这些人什么时候来。 答案比大多数人预期的更陡:上线当天一天就吃掉 41.7%, 前 3 天累计 58.5%, 前 7 天 72.6%。 第 8 天以后的所有日子加起来,只剩不到三成。
另一个数字把这条曲线说得更直白:这些活动有人参与的天数中位数只有 6 天。 「活动开一个月慢慢发酵」在这份数据里不成立——开一个月,后面三周多半是空转。
怎么用:把推文、门店物料、短信、社群分发全部压在上线后 48 小时内。 这一节和第 ⑦ 节是同一个结论的两面:决定量级的是你把多少人带到活动面前, 以及带得有多集中。
口径提醒:按活动等权统计——每场活动的曲线先各自归一化,再跨活动平均, 否则少数超大活动会独自决定这条曲线的形状。只收上线于统计窗口之内、 且已观察满 30 天的活动:不满的会因为「后面的日子还没发生」 而把前几天系统性抬高。另有 0.1% 的记录时间早于活动开始时间 (复制活动留下的脏数据),未计入。
玩家只在两个时刻集中出现
把每场活动的参与时刻各自归一化后叠加,得到的不是一条平缓的曲线,而是两个峰: 10 点 与 20 点。两个峰几乎一样高,中间的午后有一段明显的凹陷, 凌晨 2–5 点合计不到 1.3%。
怎么用:把推文和短信压在两个峰的上升沿,也就是 10 点和 20 点各提前二十分钟发出。 中午发,等于把预算投进那段凹陷里。
这条曲线为什么敢发:它用两张互不相干的表各算了一遍。 主曲线来自发奖记录(覆盖全部玩法),另一条来自成绩提交日志(266 场, 只覆盖分数类玩法)——两者的形状相关系数是 0.831,主峰同样落在 10 点。
但两条曲线并非处处一致:交叉验证那份样本的晚峰更靠后、也更平。 所以这一节能确认的是「早晚双峰、凌晨见底」这个结构, 而不是每个峰的精确到小时的位置。
口径提醒:按活动等权。已剔除 9.7% 的活动 (162 场)——它们在 0 点有批量发奖尖峰, 那是系统在做每日结算或排名结算,不是玩家在玩。不剔除的话 0 点会假性冲到第一。
「该在哪个节点做活动」——这个问题的权重被高估了
我们本来准备画一条全年热度曲线。做完发现不该画:把 10 个完整自然年 各自归一化后叠加,全年最热的月份也只有最冷月份的 1.36 倍(月度指数 86–117,100 = 全年均值)。 更关键的是,这个形状本身在逐年代变化——不同时期的子窗口互相打架, 分歧比信号还大。给你一条平滑好看的曲线,是在把噪声当规律卖。
| 窗口 | 1月 | 2月 | 3月 | 4月 | 5月 | 6月 | 7月 | 8月 | 9月 | 10月 | 11月 | 12月 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2016–2019 | 129 | 72 | 88 | 82 | 91 | 87 | 89 | 131 | 109 | 82 | 115 | 125 |
| 2020–2022 | 103 | 112 | 105 | 106 | 82 | 101 | 73 | 79 | 111 | 99 | 114 | 116 |
| 2023–2025 | 114 | 120 | 110 | 102 | 98 | 108 | 98 | 93 | 104 | 77 | 80 | 96 |
| 合并(10 年) | 117 | 98 | 100 | 95 | 90 | 98 | 87 | 104 | 108 | 86 | 104 | 113 |
怎么用:八月的指数从 131 掉到 79,十一月从 115 掉到 80——这说明「旺季」跟着客户结构走,不是行业铁律。 所以:赶节点带来的增量,小于把同一个活动的分发做扎实。 如果你的活动只能做一次,把力气花在触点和投放上,比花在挑日子上回报更高。
口径提醒:按活动的开始时间统计。实测 78.3% 的活动「开始月 = 创建月」, 真正提前排期的不到 4%——所以这条曲线更接近「运营在什么时候做活动」,而不是「活动被排在什么时候」。
2022 年起,微信不再告诉我们玩家是谁
前面七节的主语都是「活动」。这一节换成「人」:这些活动累计触达了 4,153,265 个微信玩家账号 (其中 1,724,568 个带 unionid, 可跨公众号识别为同一个人)。
而这批账号身上有一件比人群画像本身更值得公开的事:一个连续跑了十年的平台, 用自己的库记录下了微信用户资料授权收紧的完整过程。
| 账号创建年 | 账号数 | 能拿到性别 | 能拿到省份 |
|---|---|---|---|
| 2016 | 79,713 | 79.1% | 92% |
| 2017 | 231,170 | 85.2% | 87% |
| 2018 | 423,861 | 82.9% | 81.5% |
| 2019 | 377,397 | 74.5% | 85.8% |
| 2020 | 402,318 | 65.9% | 84.9% |
| 2021 | 469,070 | 41.4% | 62.2% |
| 2022 | 676,090 | 0% | 0% |
| 2023 | 298,865 | 0% | 0% |
| 2024 | 540,058 | 0% | 0% |
| 2025 | 490,840 | 0% | 0% |
| 2026 | 155,915 | 0% | 0% |
2021 年之后创建的账号,性别与省份的可得率 双双归零——不是我们不采集,是接口不再返回。 在还拿得到的那 1,351,570 个账号里, 女性占 63.4%: 这是互动营销 H5 受众结构的一张真实快照,而且不会再有第二张。
怎么用:凡是 2022 年以后还在给你出 「微信活动人群画像」的,问一句数据是从哪来的。这一节也解释了我们自己为什么不出实时画像—— 不是不想,是拿不到。
口径提醒:4,153,265 是账号数不是自然人数—— 同一个人在不同公众号下会有不同账号;带 unionid 的那部分才可跨号识别。 性别比例只在「拿得到性别」的那批账号上成立,它们全部创建于 2021 年及以前,是一张历史快照,不是当下人群的画像。
各行业的模板都备在哪类玩法上
这一节只描述模板库——是我们按行业备货的结构,不是客户行业分布 (为什么不出客户行业分布,见下一节)。 只统计专属模板:标注 1–6 个行业的 175 个模板; 把 15 个行业全标满的通用模板剔除掉,否则它们会淹没每个行业里真正专属的那部分。
商超
85 个模板- 分数闯关类44.7%
- 抽奖类23.5%
- 助力砍价类15.3%
餐饮
47 个模板- 分数闯关类57.4%
- 助力砍价类23.4%
儿童益智
39 个模板- 分数闯关类66.7%
运动
35 个模板- 分数闯关类88.6%
房地产
32 个模板- 该行业下没有样本量足够的玩法分档
教育
30 个模板- 分数闯关类60%
电影
20 个模板- 分数闯关类50%
旅游
14 个模板- 该行业下没有样本量足够的玩法分档
美容护肤
13 个模板- 该行业下没有样本量足够的玩法分档
服饰
11 个模板- 该行业下没有样本量足够的玩法分档
一个模板可以同时标注多个行业,所以各行业覆盖率相加大于 100%。 样本量不足 10 的行业标注已合并为「其他」,未单独展示。
我们没有公布什么,以及为什么
一份数据报告的可信度,取决于它在没有数据的地方是否承认没有数据。以下五项是我们查过、 但决定不发布的:
客户所属行业的分布
账号上的行业字段 78% 为空,且填了的那部分描述的是「注册账号自己的行业」——其中很大一部分是代理商与技术公司替客户做活动。拿它出「客户行业分布」会是明确的误导,所以行业维度只出模板库的备货结构。
活动市场页面上的「使用 N」
该计数器每次有人浏览模板详情页就随机自增,且被我们自己的巡检程序放大,与真实使用量无关。它是最容易被误用成「热度」的字段,因此本报告一个数字都不引用它。
逐年活动量的绝对值
属于商业敏感信息,且与这一页「给运营提供参照」的目的无关。所有随时间变化的指标都只发布占比与指数,不发布绝对量。
玩家的地域分布
我们查过:有省份的账号里广东占近三成。但这张图描述的是「我们的客户开在哪」,不是「哪里的人爱玩」——它是一张销售覆盖图,对读者没有参考价值。且该字段自 2022 年起已全部为空(见第 ⑧ 节),任何基于它的分布都只是历史快照。
2020 年以前的参与量数据
参与人数计数器在 2019 年 11 月之前不可信——那之前存在大量「有人玩但参与人数记为 0」的自相矛盾记录。所以所有参与量相关的指标都从 2020-01 起算,而不是从平台最早的数据起算。
每个数字是怎么算出来的
| 指标 | 口径 | 统计窗口 | 样本量 | 更新频率 |
|---|---|---|---|---|
| 玩法分布(需求侧) | 状态为已发布/已结束的客户活动,按其所用模板归类;归类规则为标签优先、类型兜底 | 2016-03 – 2026-08 | 115,549 | 季度 |
| 玩法分布(供给侧) | 公开活动模板目录整池,同一套归类规则 | 2026-08-23 | 266 | 每次发布 |
| 参与量级分布 | 单场活动的参与玩家数,分档占比;不出平均值 | 2020-01-01 起 | 51,639 | 季度 |
| 季节性指数 | 按活动开始月计数,每个完整自然年各自归一化后跨年平均 | 2016-01-01 起 · 10 个完整年 | 115,436 | 年度 |
| 分享强度 × 参与量 | 仅参与≥100 人的活动,按人均分享次数四等分,取各档参与量中位数;相关性描述,非因果 | 2020-01-01 起 | 11,192 | 季度 |
| 玩法粘性 | 人均参与次数(参与≥30 人的活动)/ 看过就玩(浏览≥50 人的活动)/ 破千比例;均取中位数,活动等权 | 2020-01-01 起 | 每格 ≥100 | 季度 |
| 参与到达曲线 | 按发奖记录的日期减活动开始日期分档;每场活动先各自归一化再跨活动平均(活动等权) | 2024-08-01 起 · 观察满 30 天 | 1,589 | 季度 |
| 参与时段 | 同上,按小时分档;已剔除 0 点批量结算发奖的活动;与成绩提交日志交叉验证(相关系数) | 2024-08-01 起 | 1,513(交叉验证 266) | 季度 |
| 助力达成率与助力人数 | 分母为全部发起(含发起后从未分享的);分档由发起表左连助力表得到,含「0 人」档 | 2024-08-01 起 | 56,704 | 季度 |
| 玩家资料可得率 | 按账号创建年份,统计微信返回了性别/省份的账号占比;性别分布只在有值的账号上成立 | 2015-11-10 起 · 全量 | 4,153,265 | 年度 |
| 行业 × 玩法(供给侧) | 模板库中标注 1–6 个行业的专属模板;行业为多值标注,覆盖率合计大于 100% | 2026-08-23 | 175 | 每次发布 |
数据红线
- 只出聚合值。任何切片样本量不足 10 一律不展示或合并,防止通过组合筛选反推到具体商户。
- 不出客户名、活动名,以及任何可识别到单个商户的信息。
- 不出收入、客单、付费率、留存等商业敏感指标——这些数据这一页一次都没有查询过。
- 不使用活动市场页面上的「使用 N」计数:那个字段是按浏览随机自增的,不代表真实使用量,因此不进入本报告的任何一个数字。
- 参与量类指标一律按活动等权:每场活动的曲线先各自归一化,再跨活动平均。 平台上少数超大活动贡献了绝大多数记录,按人次加权算出来的「平均值」实际上只是那几场活动的值—— 它在图上完全看不出来,所以这条写死在生成器里,不达标就不生成。
- 孤证不发:时段这类容易被系统行为污染的曲线,必须能被另一张互不相干的表 算出同样的形状(本页给出相关系数与主峰位置),对不上就不发布。
可以引用(许可条款)
本页及 /data-report.json 的数据以 知识共享署名 4.0(CC BY 4.0)的条件公开,任何人可以自由地:
- 共享——以任何媒介或格式复制、发行本数据;
- 演绎——修改、转换或以本数据为基础进行创作,用于任何目的,包括商业目的。
唯一的条件是署名:注明来源「24好玩开放数据报告」并给出本页地址 https://www.24haowan.com/data-report,同时指明是否作了修改。
想看行业侧的变化——H5 这个载体这十年怎么起落、什么样的业态会把互动做成常态—— 见行业观察:互动营销这十年。 两份报告口径不同:这一页是我们平台自己的活动数据,那一页还叠加了公开案例的聚合统计。
