如今，越來(lái)越多人尤其是年輕人投身新媒體平臺(tái)，渴望在新媒體時(shí)代的浪潮中站穩(wěn)腳跟，打造自己的IP，收獲一定的知名度。但是，能成功的從來(lái)都不是多數(shù)人，那么他們成功的秘訣是什么？他們是如何對(duì)運(yùn)營(yíng)好自己的賬號(hào)的？你知道自己賬號(hào)的問(wèn)題在哪里嗎？我們?yōu)榇蠹艺砹艘恍┬旅襟w用戶(hù)數(shù)據(jù)分析的方法，希望能給大家?guī)?lái)一些啟示，也歡迎大家積極收藏點(diǎn)贊評(píng)論轉(zhuǎn)發(fā)與我們進(jìn)行交流！

本次分享分為以下幾個(gè)部分：

一、新媒體用戶(hù)數(shù)據(jù)分析有哪些方法？

首先，我們?yōu)榇蠹艺砹司艂€(gè)新媒體用戶(hù)數(shù)據(jù)分析的方法，并且我們會(huì)對(duì)每種方法進(jìn)行一個(gè)解釋?zhuān)诒静糠肿詈髸?huì)繪制表格給大家一個(gè)更清晰的呈現(xiàn)。

（一）直接評(píng)判法

直接評(píng)判法即根據(jù)經(jīng)驗(yàn)直接判斷數(shù)據(jù)的好壞并給予評(píng)判，通常用于內(nèi)部過(guò)往運(yùn)營(yíng)狀況評(píng)估。

直接評(píng)判法有兩個(gè)必要的條件：一是運(yùn)營(yíng)者有一定的新媒體運(yùn)營(yíng)經(jīng)驗(yàn)，能夠?qū)\(yùn)營(yíng)數(shù)據(jù)有正確的評(píng)估；二是經(jīng)過(guò)加工處理的數(shù)據(jù)足夠直觀，可以直接代表某項(xiàng)數(shù)據(jù)的優(yōu)缺點(diǎn)。

（二）對(duì)比分析法

對(duì)比分析法是將兩個(gè)或兩個(gè)以上的數(shù)據(jù)進(jìn)行對(duì)比，分析差異進(jìn)而揭示目前的運(yùn)營(yíng)水平的優(yōu)秀方面和薄弱環(huán)節(jié)。

對(duì)比分析法包括橫向比較及縱向比較。橫向比較即同一時(shí)間下不同總體指標(biāo)的對(duì)比，如今日頭條同領(lǐng)域作者文章閱讀量對(duì)比，粉絲數(shù)對(duì)比等；縱向比較不同時(shí)間條件下同一總體指標(biāo)的對(duì)比，如本月文章閱讀量與上月閱讀量進(jìn)行對(duì)比，本月粉絲增長(zhǎng)數(shù)與上月增長(zhǎng)數(shù)進(jìn)行對(duì)比等。

（三）平均分析法

平均分析法是用平均指標(biāo)來(lái)對(duì)比分析數(shù)據(jù)在總體中的特征，可用于分析運(yùn)營(yíng)數(shù)據(jù)的相較于行業(yè)平均水平的優(yōu)劣勢(shì)。

（四）分組分析法

分組分析法是指通過(guò)一定的指標(biāo)，將對(duì)象進(jìn)行分組研究，可用于分析新媒體用戶(hù)的不同特征及相互關(guān)系的方法。

分組分析法遵循相互獨(dú)立，完全窮盡的枚舉分析法原則。所謂相互獨(dú)立，即分組之間不能有交叉，組別之間具有明顯的差異性，每個(gè)數(shù)據(jù)只能歸屬于某一組；所謂完全窮盡，即分組中不要遺漏任何數(shù)據(jù)，保持完整性，各組的空間足以容納總體的所有數(shù)據(jù)。

（五）結(jié)構(gòu)分析法

結(jié)構(gòu)分析法是在統(tǒng)計(jì)分組的基礎(chǔ)上，將組內(nèi)數(shù)據(jù)與總體數(shù)據(jù)之間進(jìn)行對(duì)比的分析方法，可用于分析粉絲畫(huà)像。如分析粉絲的地域分布情況。

（六）矩陣分析法

矩陣分析法是以數(shù)據(jù)兩個(gè)重要指標(biāo)作為分析依據(jù)，并將這兩個(gè)指標(biāo)作為橫，縱坐標(biāo)軸，構(gòu)成四個(gè)象限?？捎糜诜治鲇脩?hù)的屬性。比如可以按重要和忠誠(chéng)兩個(gè)指標(biāo)來(lái)劃分用戶(hù)。

（七）漏斗圖分析法

漏斗圖分析法因展現(xiàn)形式如漏斗，故而得名。漏斗分析是一套流程分析，通過(guò)對(duì)關(guān)鍵路徑中運(yùn)營(yíng)數(shù)據(jù)的分析展示每步的轉(zhuǎn)化情況。漏斗分析模型已經(jīng)廣泛應(yīng)用于流量監(jiān)控、產(chǎn)品目標(biāo)轉(zhuǎn)化等日常數(shù)據(jù)運(yùn)營(yíng)工作中。

（八）雷達(dá)圖分析法

雷達(dá)圖分析法常用于指數(shù)分析，即通過(guò)對(duì)新媒體賬號(hào)的內(nèi)容質(zhì)量、領(lǐng)域?qū)Ｗ⒌炔煌S度的計(jì)算而得出的客觀評(píng)分結(jié)果。分?jǐn)?shù)越高，代表賬號(hào)的質(zhì)量越好?？梢岳美走_(dá)圖進(jìn)行分析的指數(shù)，包括今日頭條指數(shù)，大魚(yú)號(hào)星級(jí)指數(shù)，百家號(hào)指數(shù)等。

（九）回歸分析法

回歸分析法是通過(guò)研究事物發(fā)展變化的因果關(guān)系來(lái)預(yù)測(cè)事物發(fā)展走向，可用于預(yù)測(cè)運(yùn)營(yíng)數(shù)據(jù)。例如，將今日頭條粉絲數(shù)據(jù)導(dǎo)出到Excel表格，對(duì)累計(jì)粉絲數(shù)進(jìn)行一元線(xiàn)性分析，就可以嘗試預(yù)測(cè)某個(gè)時(shí)間的粉絲量。

二、新媒體用戶(hù)運(yùn)營(yíng)需要關(guān)注什么數(shù)據(jù)？

接下來(lái)對(duì)平臺(tái)賬號(hào)的數(shù)據(jù)進(jìn)行梳理。在觀測(cè)和分析數(shù)據(jù)之前，我們首先應(yīng)該明白這些數(shù)據(jù)分別代表什么含義，需要建立一個(gè)指標(biāo)體系來(lái)篩選出那些對(duì)我們的賬號(hào)運(yùn)營(yíng)能夠提供幫助的數(shù)據(jù)。

這里我們給大家列出了兩種指標(biāo)體系。第一種賬號(hào)診斷類(lèi)指標(biāo)是能夠較為直接地反映視頻播放和賬號(hào)運(yùn)營(yíng)的成果的，像視頻完播率，指的是看完視頻的用戶(hù)數(shù)量與點(diǎn)擊觀看視頻用戶(hù)數(shù)量的比值，這個(gè)指標(biāo)就能比較明顯地看出用戶(hù)是否在視頻內(nèi)容吸引住，視頻是否在一開(kāi)始就能抓住人的眼球。其他的指標(biāo)像視頻播放量，點(diǎn)贊率，分享率也與此類(lèi)似。

第二種是受眾信息類(lèi)指標(biāo)，能夠幫助我們構(gòu)建一個(gè)相對(duì)完整的用戶(hù)畫(huà)像，比如性別，年齡，興趣愛(ài)好這些指標(biāo)就能夠幫助我們精準(zhǔn)定位用戶(hù)定位，并且在后續(xù)的運(yùn)營(yíng)中投其所好，產(chǎn)出用戶(hù)更感興趣的內(nèi)容。

三、數(shù)據(jù)背后的含義是什么？

接下來(lái)我們將會(huì)選擇對(duì)比分析法，雷達(dá)圖分析法，平均分析法等幾種我們認(rèn)為比較重要的方法給予更具體的解釋和應(yīng)用。

本次我們選用的分析對(duì)象是抖音平臺(tái)上某數(shù)千粉絲量的賬號(hào)，這里是它近期的一個(gè)主頁(yè)訪(fǎng)問(wèn)數(shù)據(jù)，接下來(lái)我們就對(duì)他的賬號(hào)數(shù)據(jù)進(jìn)行一個(gè)具體的分析。

首先是利用雷達(dá)圖分析法結(jié)合對(duì)比分析法來(lái)進(jìn)行分析。雷達(dá)圖分析法就是建立幾個(gè)評(píng)判維度來(lái)比較直觀地觀測(cè)數(shù)據(jù)的強(qiáng)項(xiàng)和弱項(xiàng)。這里可以看到該賬號(hào)在播放量和粉絲新增量?jī)身?xiàng)維度上是相對(duì)比較突出的，但是視頻完播率僅為3.20%，互動(dòng)指數(shù)僅為0.37%，與同類(lèi)型的賬號(hào)相比又存在比較明顯的劣勢(shì)，這說(shuō)明該賬號(hào)的下一步目標(biāo)是提高視頻的完播率和互動(dòng)指數(shù)。

然后是利用平均分析法來(lái)進(jìn)行一個(gè)分析。經(jīng)過(guò)計(jì)算，與該賬號(hào)同類(lèi)型的賬號(hào)的視頻完播率平均水平是23.44%，點(diǎn)贊量是26，但是該賬號(hào)的表現(xiàn)最佳的幾個(gè)視頻在這些指標(biāo)上是普遍低于平均線(xiàn)的，因此就需要根據(jù)這些指標(biāo)進(jìn)行一定的改進(jìn)。

之后是結(jié)構(gòu)分析法的分析。結(jié)構(gòu)分析法主要是對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分組，將組內(nèi)數(shù)據(jù)與整體數(shù)據(jù)進(jìn)行比較，得出相對(duì)精準(zhǔn)的用戶(hù)定位。這里可以看出，該賬號(hào)的粉絲以男性居多，并且多為31-40歲的湖南人，那么賬號(hào)運(yùn)營(yíng)之后就可以根據(jù)這些數(shù)據(jù)反映出來(lái)的用戶(hù)畫(huà)像進(jìn)行視頻創(chuàng)作。

最后是有關(guān)漏斗圖分析法的分析。這個(gè)分析法是對(duì)關(guān)鍵路徑進(jìn)行分析，體現(xiàn)的是數(shù)據(jù)的轉(zhuǎn)化情況。以3月22日的數(shù)據(jù)為例，在當(dāng)天或許有很多人觀看了該賬號(hào)的視頻，但是并非所有人都會(huì)點(diǎn)贊，由觀看人數(shù)向點(diǎn)贊人數(shù)的轉(zhuǎn)化率僅為0.31%，而認(rèn)可該視頻點(diǎn)贊的人也并不是都會(huì)進(jìn)入主頁(yè)訪(fǎng)問(wèn)，這一環(huán)節(jié)的轉(zhuǎn)化率為46.15%，那么訪(fǎng)問(wèn)主頁(yè)的人又有多少會(huì)真正轉(zhuǎn)化成粉絲呢，這里可以看出轉(zhuǎn)化率為76.77%。

這一路徑是層層遞減，最終形成了一個(gè)如同漏斗一樣的圖，篩選出了最終的粉絲量。在這幾個(gè)環(huán)節(jié)中，最可能出現(xiàn)問(wèn)題的就是轉(zhuǎn)化率最低的點(diǎn)贊這一環(huán)節(jié)，那么之后賬號(hào)運(yùn)營(yíng)或許就需要思考如何在這一環(huán)節(jié)下功夫，提高點(diǎn)贊率。

四、如何根據(jù)分析結(jié)果進(jìn)行調(diào)整？

那么接下來(lái)就是我們根據(jù)數(shù)據(jù)分析來(lái)對(duì)賬號(hào)的運(yùn)營(yíng)提出一些建議。

首先就是賬號(hào)的互動(dòng)率低，可以通過(guò)在視頻開(kāi)頭結(jié)尾打造記憶點(diǎn)，或者加入一些網(wǎng)絡(luò)熱梗來(lái)引導(dǎo)用戶(hù)來(lái)進(jìn)行評(píng)論。

粉絲畫(huà)像方面，該賬號(hào)的粉絲主要是31-40歲的湖南男性，那么就可以投其所好，在視頻內(nèi)容中加入一些懷舊BGM，并且利用這些畫(huà)像指標(biāo)進(jìn)行精準(zhǔn)的廣告投放。

最后就是視頻的完播率低，可以把視頻的亮點(diǎn)放到視頻開(kāi)頭，在一開(kāi)始就抓住用戶(hù)的眼球，提高視頻的完播率。

五、延伸思考

首先是關(guān)注和點(diǎn)贊的相關(guān)性。一般而言這兩者是呈正相關(guān)關(guān)系的。但是關(guān)注往往代表的是粉絲對(duì)賬號(hào)持續(xù)穩(wěn)定的喜歡，可能賬號(hào)的某些視頻不合粉絲的口味，那粉絲也不會(huì)點(diǎn)贊。而點(diǎn)贊代表的是粉絲對(duì)某些作品的喜歡，是短期的喜歡，這種喜歡未必能轉(zhuǎn)換成粉絲對(duì)賬號(hào)的關(guān)注。這二者之間能在多大程度上相互促進(jìn)是值得思考的。我們認(rèn)為，一般而言，相較于電影類(lèi)產(chǎn)品，在知識(shí)類(lèi)產(chǎn)品上二者的相互促進(jìn)程度更高。

其次就是投放廣告和廣告效果的關(guān)系。影響廣告效果的因素主要包括視頻內(nèi)容質(zhì)量和投放廣告的精準(zhǔn)度兩個(gè)方面。以該賬號(hào)為例，這個(gè)賬號(hào)是字節(jié)跳動(dòng)的在投廣告用戶(hù)，但是它雖然擁有13.2萬(wàn)的視頻播放量，卻只有3.2%的視頻完播率。假設(shè)字節(jié)跳動(dòng)的廣告投放度足夠精準(zhǔn)，那問(wèn)題或許就處在視頻內(nèi)容上。這種長(zhǎng)期低迷的視頻完播率可能會(huì)導(dǎo)致視頻自然推薦給用戶(hù)的可能性減少，就使得視頻只能依賴(lài)商業(yè)流量，但是自然推薦的減少又會(huì)影響商業(yè)投放廣告的質(zhì)量，損害廣告主的利益，這就陷入了死循環(huán)。一些抖音用戶(hù)認(rèn)為作品要獲得流量就需要買(mǎi)推廣，這其實(shí)是不完全正確的，頂級(jí)達(dá)人不是扶持出來(lái)的，要想真正運(yùn)營(yíng)好賬號(hào)，那只能是打鐵還需自身硬。

以上內(nèi)容就是我們的分享和見(jiàn)解，歡迎大家和我們進(jìn)行學(xué)習(xí)交流，共同進(jìn)步！

內(nèi)容丨中南財(cái)經(jīng)政法大學(xué)品牌管理課程第九組

小組成員丨李榮彬 方唯一 王洪 黃詩(shī)茹