四大招聘网站：天际网，大街网，前程无忧51job，智联招聘
新浪微博账号：@天际网，@大街网，@前程无忧51job，@智联招聘

数据抓取时间截止到：2013-03-21 16:48:20

PDF下载链接：
http://doc.fens.me/job-website-weibo.pdf

论坛附件链接：

粉丝数比较@大街网 粉丝数47 万人，超过其他的官方微博10 万人以上。
@前程无忧51job 和 @天际网 粉丝数较少均不足10 万人，与网站注册用户相比，差距相当大。

微博关注数比较
@天际网 关注了1900人，比其他官方微博都要多。从使用者角度来看，如果关注了500个以上的微博，
有效的信息就很难被看到了。我猜 @天际网 及 @大街网 @猎聘网的官方微博，只是用来发微博，基本不用来收集微博。

同时，由于关注数太多，什么类型的都有，我们也很难发现，这个网站的兴趣点在哪里。

微博粉丝数 / 关注数
在不比较网站自身实力的情况下，单独从微博推广来看。通过 粉丝数 与 关注数 的比，我可以看出，
@智联招聘 在微博上的推广是最成功的。而 @天际网 是最差的。
@大街网 和 @猎聘网 在推广方面，虽然掌握了一些技巧，如果能减少一些无关的关注，有能力达到更好的效果。

微博帖子

微博概况
网站 开通微博日期 原创微博 转发微博 无图微博 有图微博
天际网 2010-08-27 3516 398 571 3343
大街网 2010-08-12 3663 894 1217 3340
51job 2009-09-29 1240 666 972 934
智联招聘 2009-10-09 6087 1412 2225 5274

四大网站每日微博统计
@智联招聘， 从开通之日起，一直处于活跃状态，比其他网站微博推广都积极。
@前程无忧51job， 是开通最早的，但只是2011年上半年活跃一下，其他时间活动很少，似乎已经放弃了微博市场。
@天际网，微博发力点在2012年下半年，但进入2013年，又似乎停下了推广脚步。忽上忽下，难以保持。
@大街网，在开通之时活跃了一把，后面一路保持每日几贴的频率，稳定的营销。

四大网站每月微博统计
从月报表统计看，可以情况更清楚了：
@智联招聘，坚持微博推广，占领微博市场。
@大街网，稳中求胜，坚持推广。
@天际网，忽高忽低，不稳定推广。
@前程无忧51job，几乎放弃推广。

微博发布工具统计（Top5）
微博发布工具，每个官方微博取前五的工具。
“皮皮时光机”是使用最多，最受欢迎的发布工具，我想应该是定时发布的功能，是吸引大家原因。
“新浪微博”和“专业版微博”都是新浪官方的工具。
各大网站自己的应用，发微博数并不多，只有 @天际网 和 @大街网 在使用。
注：原来”定时发微博”这类工具，有这么大的市场，真是做微博应用之神器。

微博被 转发和评论 统计
@前程无忧51job- 被转发或评论2000次以上的，只有3条。都是“有奖转发”的主题帖子，没有什么技术含量，放弃的做法。

@大街网 – 被转发或评论2000次以上的，有10条。主题帖子，涵盖的主题包括“职场”，“大学生活”，“就业”，“明星”。主题是非常深入人心的，大街网肯定做了很多的市场研究，引发网友的关注，比51job的没有水平抽奖，要强太多了。

@天际网 – 被转发或评论2000次以上的，有8条。主题帖子，涵盖的主题包括“屌丝”，“送花费”，“有奖转发”。除了“屌丝”切入到流行用语之外，再无突出表现。只能说不会做，不懂什么叫微博推广，微博营销。

@智联招聘，被转发或评论2000次以上的，有25条主题帖子，涵盖的主题包括“找工作”，“职业报告”，“上班族”，“简历”，“薪酬”,” 七夕”，“恋爱”，“活动”，“电影”，“有奖转发”。这才叫真的互联网推广，抓住目标人群的刚需，通过互联网软文及市场活动，带动全网的扩散传播。高明！！

微博被转发次数统计
从微博开始2013年3月21日，微博被转发次数的分布图。从下图中看到，@大街网 和 @智联招 聘都是高密度转发分布，而 @前程无忧51job和 @天际网 都是低密度转发分布。可以看出，@大街网 和 @智联招聘，在微博推广是被重视的，话题精心设计的。

总结
通过收集新浪微博数据，分析四大招聘网站的微博推广情况。
胜出者是 @大街网 和 @智联招聘 ，最后是 @前程无忧51job。
通过上面的几个指标的比较，我们能明显看得出，@大街网 和 @智联招聘 在微博推广上面是花心思的，而且也知道怎么推广。@天际网 虽然花了时间，也突击做过推广，但是不得方法，不得要领，坚持不够。@前程无忧51job 基本就处于放弃中。

招聘市场，近2-3年如火如荼，我将继续关注各家的市场争夺战。
下期预告：
下期将增加的分析内容：
微博用户：@猎聘网，@优士网，….
分点要点：文本挖掘微博正文，粉丝分析

This entry was posted in 数据挖掘