互金平台官网（6月互金平台移动端影响力TOP50）

今日，盈灿咨询发布《2016年6月互金平台移动端影响力50强榜单报告》，本榜单根据300家互金平台的移动端数据，选取反映平台在移动端影响力的数据指标，运用加权分组线性打分法计算得出，并对影响力总分降序排列前50名的平台予以展示。

本期榜单结果显示，支付宝继续居于榜首，榜眼及探花分别被京东金融和陆金所摘得，拉卡拉跌出前三。从各子项得分来看，在微信端，支付宝、轻松筹、聚爱财位列前三，在APP端，支付宝、芝麻信用、微信支付位列前三，在微博端，团贷网、支付宝、理财通新进前三，在新闻端，支付宝、融360、京东金融位列前三，在QQ群端，红岭创投、网信理财、人人聚财位列前三。小米金融、新联在线、苏宁金融、温商贷、我爱卡、人人聚财、融金所7家平台新进入50强。

报告原文如下：

报告概要及变动说明

报告概要

《互金平台移动端影响力50强榜单报告》旨在反映互金平台在移动端的影响力情况。是根据300家平台在平台微信公众号、平台APP、平台微博、新闻客户端、QQ群等常见移动端的数据，选取反映平台在移动端影响力的指标，运用加权分组线性打分法计算得出，并对影响力总分降序排列前50名的平台予以展示。榜单报告分析部分由宏观分析（含互金行业移动指数）和微观分析（互金平台点评）两部分组成。

排名不代表投资建议，请读者理性对待。

本期变动

本期新增互金行业移动指数，用以衡量整个互金行业的移动端发展情况。移动指数下设微信指数、APP指数、微博指数、新闻客户端指数四个一级指数，移动指数由四个一级指数运用层次分析法加权得出。当移动指数大于100时，表示互金行业移动端发展相较基期变得景气，且指数越大越景气；当移动指数等于100时，表示互金行业移动端发展相较基期没有变化；当移动指数小于100时，表示互金行业移动端发展相较基期有所倒退，且指数越小倒退越严重。设本期为基期，即2016年6月为基期，故本期移动指数为100。

2016年6月互金平台移动端影响力榜单报告

本月，移动指数为100，微信指数、APP指数、微博指数、新闻指数分别为100、100、100、100。

宏观分析

本月在各移动端工具的应用上，APP使用率最高，微信次之，两者都达到80%以上。本月微信、APP、新闻和QQ群应用率较上月提升，微博应用率较上月唯一下降。

微信端，本月单平台平均推送30.35篇微信文章，较上月下降13.29%，单篇文章的平均阅读数为1882.22，均较上月下降22.99%，单篇文章的平均点赞数为20.65，较上月提升18.61%。综合可见，平台本月主动运营文章数减少，单篇文章阅读数减少，但点赞情况稳中有升。本月单篇文章平均点赞率达1.1%，较高，主要是受部分阅读数很小的平台也拥有一定点赞数所致。

APP端，截止本月，单平台安卓端APP平均下载量达5700.7万，平均评论数达2.08万，分别环比上月增加7.91%、10.05%，二八分化依旧严重。

微博端，截止本月，单平台平均粉丝数为11.65万，单平台微博数为1663.74。本月单平台平均新增粉丝数为176.18，单平台平均微博数为41.94，单平台平均点赞数、评论数、转发数分别为495.16、318.91、531.12。单篇文章的点赞数、评论数、转发数分别为11.81、7.6、12.66。对比上月，微博有一定的减粉，同时虽平台发布的微博数有所增长，但微博的阅读情况下降较为严重。

新闻端，截止本月，单平台平均新闻热度为16.85，评论热度为5.98，分别环比上月提升6.53%、6.73%。本月，聚焦在50强榜单平台的热点新闻类型有风投融资或战略入股、裸条-校园贷、设立民营银行、新三板相关平台企业年报及挂牌上市受阻等。

平台点评

京东金融本月进入前三。本月京东618、京东金融战略入股会分期、京东金融大数据消费指数登陆彭博全球终端、京东金融完善公司金融布局-企业金库、消费信贷版图扩至教育市场等多项举措博得市场关注，新闻热度提升，排名提升。

拉卡拉本月跌出前三，主要是微信运营不敌上月所致。本月虽拉卡拉与西藏旅游重组失败的新闻被争相报道，但是由于平台微信文章减少，阅读及点赞情况变差，抵消了新闻的热度效应，平台排名反而下降。

团贷网本月提升很大，进入前十。本月团贷网各项得分都有所提升，微博和微信的提升主要是阅读和点赞情况变好。新闻的提升主要是平台获C轮融资和有意接盘四达投资房贷债权资产的新闻被讨论，新闻热度值提升。

借贷宝本月受“裸条”新闻的影响排名提升较大。从借贷宝“裸条”新闻对“裸条”及借贷宝新闻的贡献度上看，借贷宝新闻约80%是“裸条”新闻，“裸条”新闻中约有50%是对借贷宝的讨论。从借贷宝及“裸条”新闻走势上看，平台及事件均有两个讨论高峰，第一个高峰发生在13日-24日之间，主要是对“裸条”事件、借贷宝及校园贷的道德及法律法规问题的讨论，第二个高峰发生在27日-30日之间，主要是对“裸条”事件及借贷宝的高息的讨论。

PPmoney本月排名提升较大，主要是微信和微博阅读数据变好所致。同时，本月受涉P2P新三板企业年报及挂牌被堵的热议，PPmoney、你我贷、温商贷等平台新闻热度值增高，排名提升。

宜人贷本月下降较大，主要是本月微博减粉和微信主动发布文章数和阅读情况不敌上月所致。同时，受没有上月热点新闻报道的影响，新闻热度值降低，同类受此影响的平台还有和信贷。

网商银行本月排名提升，主要是新闻热度值提升所致。但值得一提的是，网商银行的热度值增加并非平台自身热点增加所致，而是作为典型案例被引用到小米和百度的金融布局分析中。

小米金融本月新进50强。本月，小米金融设立互联网股权众筹平台、参与筹建民营银行获得银监会筹建批复等事件被关注，新闻热度值提升很多，进入50强。

互金行业移动指数制作说明

本期新增互金行业移动指数，用以衡量整个互金行业的移动端发展情况。移动指数下设微信指数、APP指数、微博指数、新闻客户端指数四个一级指数，移动指数由四个一级指数运用层次分析法加权得出，权重见表“2016年6月互金行业移动指数指标及权重”。设2016年6月为基期，各基期值见表“各基期值”。成分平台为影响力较大的300家互金平台，成分平台每季度调整一次，包括增删除减。

互金平台移动端影响力榜单制作说明

上表为本期互金平台移动端影响力榜单涉及数据源、指标及权重，其中，各指标、权重确定方法、打分方法、分析方法简介如下。

指标简介

影响力表征平台发布信息的影响情况，影响力指标越高，说明平台发布的内容被越多的用户看到，可体现在文章数、阅读数、点赞数、评论数、转发数上。均为客观指标，含义如下。

（1）文章数。

文章数指平台移动端在统计时间段内发布的文章总数量，正向指标，包括微博文章数、微信文章数、平台相关新闻数。

（2）阅读数、平均阅读数、最高阅读数。

阅读数指平台移动端在统计时间段内所发布的全部文章的全部阅读数，正向指标，包括微信公众号阅读数。

平均阅读数指平台移动端在统计时间段内所发布的全部文章的平均阅读数，正向指标，

最高阅读数指平台移动端在统计时间段内所发布的全部文章的最大阅读数，正向指标，

（3）点赞数、平均点赞数、最高点赞数、点赞率。

点赞数指平台移动端在统计时间段内所发布的全部文章的全部点赞数，正向指标，包括微信、微博点赞数。

平均点赞数指平台移动端在统计时间段内所发布的全部文章的平均点赞数，正向指标，

最高点赞数指平台移动端在统计时间段内所发布的全部文章的最大点赞数，正向指标，

点赞率指平台移动端在统计时间段内的点赞数与阅读数的比值，正向指标，

（4）评论数、平均评论数、最高评论数。

评论数指平台移动端在统计时间段内所发布的全部文章的全部评论数，正向指标，包括微博、新闻、APP。

平均评论数指平台移动端在统计时间段内所发布的全部文章的平均评论数，正向指标，

最高评论数指平台移动端在统计时间段内所发布的全部文章的最大评论数，正向指标，

（5）关注人数。

关注人数指平台移动端在统计时间段内的参与人数，正向指标，包括第三方QQ群中的平台关注人数、APP下载量、微博粉丝数。

评分及分析方法

权重确定方法

本报告的权重由层次分析(AHP)法得出。

确定评级采用的AHP法的标度方法。

构造判断矩阵。

运用两两比较方法，对各相关指标进行两两比较评分，根据中间层的若干指标，可得到若干两两比较判断矩阵。

一致性检验。

在层层排序中，要对判断矩阵进行一致性检验。在特殊情况下，判断矩阵可以具有传递性和一致性。一般情况下并不要求判断矩阵严格满足这一性质，但从人类认识规律看，一个正确的判断矩阵重要性排序是有一定逻辑规律的，例如若A比B重要，B又比C重要，则从逻辑上讲，A应该比C明显重要，若两两比较时出现A比C重要的结果，则该判断矩阵违反了一致性准则，在逻辑上是不合理的。因此在实际中要求判断矩阵满足大体上的一致性，需进行一致性检验。只有通过检验，才能说明判断矩阵在逻辑上是合理的，才能继续对结果进行分析。

一致性检验的步骤如下：

当C.R.<0.1时，认为判断矩阵的一致性是可以接受的，C.R.>0.1时，认为判断矩阵不符合一致性要求，需要对该判断矩阵进行重新修正。

本评级的判断矩阵的单排序一致性比例和总排序一致性比例C.R.<0.1，均通过一致性检验，本评级判断矩阵是可以接受的。

计算权重。

本评级采用和法计算权重。对于一致性判断矩阵，每一列归一化后就是相应的权重，对于非一致性判断矩阵，每一列归一化后近似其相应的权重，再对这n个列向量求取算术平均值作为最后的权重。具体的公式为：

评分方法

（1）数据对数变换。

为减少变量的波动,与其他变量的波动水平相适应，使得不同维度的指标之间可以相互比较、运算，首先对相关数据进行对数变换，即

（2）相对线性评分。

设一组数据的最大和最小值分别为100分和0分，根据相对线性评分法，

分析方法

本文针对结构化数据做统计分析，非结构化文本数据进行文本分析。

未来方向

由于时间仓促和水平所限，同时受数据获取、实现难度和时效性的影响，本报告也存在一些不足与需要改进之处，我们将不断迭代和完善模型版本，以更全面的数据，见证并详细记录互金行业及平台的移动端发展历程。

未来本报告将致力于在以下几方面做出完善：

扩充数据源。如增加广播和视频客户端，实现微信及APP端成交数据的抓取等。

完善指标。加入指标，如加入表征平台服务用户情况的服务力指标，如互动情况、移动端栏目设置、成交等；完善现有指标，如实现区分文章原创、区分活动及软文、有效评论、情绪相关的算法，判断新闻文章是否主要讨论平台相关的算法等。

评分方法调整。如识别同类间去重与异类间去重的影响等。

权重调整。如根据传播实力及权威性对新闻媒体赋予权重，增大区分度较大指标的权重等。

灵敏度测试。如判断及解释异常值和异常趋势等。

关于以上，本榜单将在以后的评估中根据现实情况做出调整并予以公示。

,