運營與博主如何分析小紅書數據

某品牌在小紅書裏做了壹套矩陣數，他們運營團隊有壹個專職數據分析師，因為不知道怎麽做小紅書的數據分析，找我咨詢。數據分析的作用在產品運營和營銷的業務中非常重要，不僅是集團各部門領導決策的重要依據，也是營銷運營領導尋找業務突破口的重要途徑。壹般10人以上的團隊會專門配備壹名數據分析師輔助業務。規模小於10人的團隊，可以由懂數據分析的運營人員兼任。數據分析三境界數據分析三境界:第壹層次，獲取數據，整理數據，上報數據。第二層，處理數據，發現問題，提出問題。第三層，通過數據分析，發現洞察，影響決策。壹樓的數據分析師每天早上第壹件事就是去拿數據。如果公司有數據庫，但是沒有可視化檢索工具，那麽就寫SQL語句在服務器上獲取數據。獲取數據可能需要幾個小時。如果公司有數據庫，有可視化檢索工具，那麽就讓數據庫根據要求計算出想要的數據，然後復制粘貼到excel表中。獲得領導需要的數據後，就是把數據整理出來，放在表格或者PPT裏，供領導參考。因為每天都有新的數據，這樣的數據分析師每天都要重復工作。那麽當領導滿足向上回報的需求時，就會有更多的任務去處理數據。這類數據分析師的價值在於獲取數據，整理數據，從而節省領導和同事的時間。但同時這個值很容易被替代，結果就是加班，手速，快捷鍵技能熟練，拼寫仔細。瘋狂加班，不敢抱怨。二樓的數據分析師會對數據進行處理，讓領導輕松看到關鍵數據，在眾多數據中發現問題，從而輔助領導決策。比如領導更喜歡看到壹個產品的銷量等數據的趨勢變化，而壹級的數據分析師只會給出每天的銷售數據表。第二層的數據分析師可以使用PowerBI等工具生成數據趨勢圖，讓領導每天都能清楚地看到最近的數據變化如何，是否應該進行戰略調整。如果妳能做到這種程度，就可以算是壹個優秀的助手，決策的得力助手。第三層是第三層的數據分析師，擅長在壹堆數據中發現問題，分析問題，設計解決問題的策略。有壹個傳說，壹家超市通過數據分析發現，當啤酒和紙尿褲放在壹起時，兩者的銷量明顯增加，因為帶著寶寶的父親會同時購買兩者。雖然這是壹個傳說，但意味著可以通過數據分析發現壹些營銷洞察，從而提出相應的策略，從而獲得明顯的效果。以後有空我會寫壹篇文章，講講我如何通過數據分析來做決策，從而取得優異的成績。二、數據分析的流程數據分析的基本六步:1、提出分析的目的這壹步在很多公司都是老板做的，老板把任務交給數據分析師。比如今天老板說:給我壹張表，看看最近半年銷售額的每日統計，增長趨勢以及分區域、分門店的增長情況。比如前天老板說:幫我看看我們的產品，哪些兩兩組合比較貼切。比如上周老板說最近的銷售數字有點馬虎。幫我查壹下是什麽原因。但排名更高的數據分析師可能會找到自己的分析目的。例如，可以設計什麽策略來增加某項業務的銷售額？2.獲取數據Excel表格適合處理654.38+0萬行以內的數據，654.38+0萬行以內的數據處理也壹般。也可以處理成千上萬的在線數據，如graphite文檔。要處理幾萬行、幾十萬行的數據，就需要使用壹些專業的數據處理工具，比如PowerBI。如果要處理幾百萬到上億行的數據，就需要使用壹些數據庫工具，比如MySQL，還要學習基本的數據庫語言。對於我們來說，處理與小紅書、Excel表格或石墨文檔在線表格相關的數據就足夠了。手動輸入少量數據可能會更快。有些數據有點大，或者用爬蟲比較方便，就用爬蟲收集數據。比如百度搜索找到的結果用爬蟲更方便。比如，對於壹些翻很多頁都不需要輸入驗證碼的網頁，使用爬蟲要比不登錄賬號就能看到想要的內容的網頁更方便。如果想學習爬蟲，可以抱著這個目的學習相關的Python編程語言。還有壹些相對簡單的爬蟲工具，比如章魚，比如webscraper。對於小紅書相關的數據，基本上建議手工錄入數據，幾十萬的數據，很快就搞定了。3.處理完數據後，必須先處理數據。比如妳的數據格式是否正確？有些數據格式不方便妳後期的計算、排序等操作。有些數據格式可能不統壹，有些數據可能缺失，有些數據可能錯誤。如果這些問題可能影響後續的分析結果，應提前處理。4.分析數據。這是最考驗人的壹步。什麽樣的分析產生什麽樣的令人信服的結論。在得出正確結論之前，我們不壹定知道要用什麽分析方法，也不知道要采用什麽分析思路。結果之後回過頭來看，妳可能覺得是那麽的簡單，但是在這個過程中，卻是那麽的艱難。就像我們在中學解數學大題壹樣。5.數據可視化分析完成後，往往要用可視化，不僅要看得懂、看得清，還要讓領導和同事看得懂、看得清。使分析結果更加簡單直觀。最簡單和最常見的數據可視化方法是直方圖、餅圖、折線圖和散點圖。6.在數據分析中得出可執行的結論，才能得出結論，統壹大家的意見，進而推動大家采取相應的行動。如果妳沒有正確地認可壹個決定，不批準它，那麽執行可能會發生沖突，甚至唱反調。所以數據分析是壹種說服方式，可以通過數據說服大家，從而促進業務的發展。在小紅書相關的數據分析中，分析任務主要集中在以下幾個方面:自有賬戶分析、對標分析、非自有賬戶分析。三自己的賬戶分析作為壹個小紅書團隊的數據分析師，重點自然是分析自己的賬戶。您可能只負責壹個帳戶，也可能負責多個帳戶。要維護的數據量只有100-2000，所以獲取數據最快的方法就是手工將數據錄入到excel表格中。因為查看小紅書賬號的數據主要有兩種方式，壹種是在電腦端登錄創作服務平臺，另壹種是在創作中心的手機端查看。電腦端的數據展示維度更少，但是可以查看最近30天每條筆記的流量走勢圖。小紅書的數據不是逐行排列的，不能直接復制粘貼到表格裏。平臺有反爬策略，用爬蟲軟件整理成表不容易。主要數據只能在手機上看，更麻煩。所以，老老實實手工整理這些數據。用表格收集原始數據，第壹張表格，輸入每個筆記的數據，至少包括以下字段:賬號名稱、標題、閱讀量、喜歡、收藏、評論、分享、粉絲、人均觀看時間、點擊率、點擊率評價、5s播放完成率(視頻內容的指標)、播放完成率評價(視頻內容的指標)、內容豐富度、內容豐富度評價、首頁推薦比、搜索比、個人首頁比、關註頁。年齡分布(按需統計1-2年齡段或全部5個年齡段)、城市分布(按需統計前1-3城市或前10城市)、受眾興趣(按需統計前1-3興趣或前10興趣)。第二種形式，輸入賬號的基本數據，至少包括以下字段:日瀏覽量、近7天瀏覽量、近7天總觀看時間、近7天點贊數、近7天收藏數、近7天評論數、近7天首頁訪客數、近7天分享筆記數、近7天瀏覽量排名百分位數、 近7天互動排名排名百分位數，近7天推薦流量排名百分位數，近7天排名百分位數。 關註最近7天頁面流量比例、最近7天其他來源流量、最近7天新增粉絲數、最近7天流失粉絲數、女性粉絲比例、年齡分布比例、城市分布比例、觀眾興趣分布比例。計算壹些指標的閱讀量:通過搜索結果點擊筆記的閱讀量，筆記搜索的閱讀量=筆記閱讀量×搜索比例。因為看不到搜索結果的點擊率，所以要看筆記來搜索閱讀量。閱讀量越高，筆記在搜索結果中就越有優勢。如果要布局搜索結果，需要研究這些搜索閱讀量高的筆記，優化團隊的創作方向。筆記推薦閱讀量:通過首頁點擊筆記的推薦閱讀量，筆記推薦閱讀量=筆記推薦閱讀量×首頁推薦曝光量:筆記在首頁的推薦曝光量，筆記推薦曝光量=筆記閱讀量/點擊率。高推薦值表示系統更容易識別該註釋。可以找到與推薦量相關的相關因素，從而為團隊指導優化方向。同城閱讀量:該筆記同城用戶閱讀量，同城閱讀量=筆記閱讀量×同城占比。有些商家同城屬性很強，同城以外的流量意義不大，需要看同城閱讀量。互動率:互動率=(點贊+收藏+評論)/閱讀量。互動率壹般被視為評價筆記是否值得推薦的指標，互動率高的筆記更容易被推薦。互動率高的筆記可以用來總結提高互動率的經驗，從而提高以後筆記的表現。粉率:粉率=粉數/閱讀量。粉率越高，越容易吸引讀者的註意力。出粉率高的註意事項可以考慮頂崗，薯條也可以考慮增粉。如何通過數據分析獲得更高的流量往往會導致流量焦慮，為什麽最近流量下降明顯，為什麽流量壹直上不去。這時候就需要數據分析師告訴大家為什麽會這樣，應該做哪些改變。看流量分布有沒有變化，主要流量變化集中在哪裏。根據之前計算的壹些指標，生成壹個折線圖通常可以清楚的看到問題所在，這往往是近期筆記推薦流量明顯下滑造成的。接下來看看興趣分布、性別分布、城市分布、點擊率等數據有什麽變化。可能是筆記對應的目標群體發生了變化，也可能是筆記本身吸引力不夠，點擊率不高，或者是筆記寫得不好，導致互動率低。壹旦找到原因，就能找到解決辦法。通過數據分析，可以指導如何獲得更多的營業額。首先要梳理壹下這個業務的交易路徑。比如某醫美機構的路徑是讀書筆記-首頁流量-私信-通向微信私域-交易。然後就要監控:7天閱讀，7天首頁訪問量，7天私信，7天微信，7天成交(金額)，然後就可以計算出首頁訪問量，按閱讀量私信率，按首頁訪問量私信率，私信加微信率，每7天成交率。然後我們就能找到問題所在。比如，有時候雖然閱讀量增加了，但是銷量減少了，發現最近根據閱讀量的私信率下降明顯，然後發現根據主頁訪問的私信率下降不那麽明顯。那麽問題是，引導閱讀量到首頁訪問這壹步有問題，然後要制定出引導到首頁訪問的策略，從筆記的復制到評論區的引導，需要叠代。四對標分析對標分析主要分析壹批對標賬戶和壹批對標內容。我們有壹篇關於標桿分析的專題文章。標桿賬號不僅僅是直接競品，還包括在某些方面有競爭力的賬號，以及在興趣點、目標群體、內容風格等方面重合度高的賬號。標桿分析的主要價值是為內容創作和運營動作優化提供參考。在電商領域，經常會做競爭數據分析，但是在內容領域，有很多賬號通常會搶妳的流量，而不僅僅是從妳的直接競爭對手那裏搶，缺乏專門的數據。所以我們不會每周都去做基準賬戶的數據分析，關註自己的內容就好。五、非自有賬號分析如果需要找博主做推廣，需要對這些博主的數據進行評估。單純看粉絲數量容易犯大錯誤。如果能建立壹個好的數據分析模型，那麽就更容易篩選博主，並給出相應的合適定價。與廣告效果相關性最強的數據是轉化率，需要經過多次檢驗，逐步精準。同壹個博主發布的內容，即使閱讀量相同，不同文案的轉化率也可能相差數倍。除了轉化率，相關性高的數據是閱讀量。筆記的閱讀量越高，我們認為通常會帶來更高的銷量。但是不同類型的內容轉化率其實差別很大，幾倍甚至十幾倍。有些筆記屬於點擊率高轉化率低，有些則屬於點擊率低轉化率高。有兩種解決方案。第壹種是通過數據分析經驗的不斷積累，把筆記分成幾種類型，對同類型筆記進行對比，這樣同類型筆記的轉化率至少不會相差太遠。這種解決方案需要持續的數據分析和研究，這是很困難的。第二種是通過多次合作案例來累加測量平均數據，可以在壹定程度上減少誤差，操作簡單。因為博主不壹定想讓妳看到真實的閱讀量，或者在初步篩選過程中不方便調查閱讀量。所以壹般流行的策略是統計喜歡的。但有些類型的筆記好評率可以達到10%-20%，有些類型的筆記好評率甚至不到0.1%。而有些博主的筆記主要是來自少數忠實粉絲或者互相誇贊。50個贊以下的筆記容易被互贊、買贊等行為造假，因此存在數據造假的可能。但這在初步篩選中並不重要。按照千贊標準評價爆款的方式也不靠譜。有些1000贊的筆記，閱讀量只有1w左右，有些10w的筆記，閱讀量只有100贊左右。所以在建立合作前篩選賬號的階段，至少要統計以下數據:昵稱、粉絲、總贊數、頂帖標題、頂帖贊數、最新10文章或最近兩個月的平均贊數、最近兩個月最低點的贊數、30%分級作品的贊數、作品風格、作品內容形式。最低贊用來估計來自粉絲的流量。在幾乎不被系統推薦的時候，作品的好評處於蕭條狀態，這個時候的好評幾乎都來自粉絲。30%的作品點數可以用來預測妳的推出能獲得什麽樣的樂觀結果。基本預測公式可以參考如下，然後根據實際數據調整優化。預期閱讀量=預期贊量/3%預期銷量=預期閱讀量×預期轉化率(1%)預期產出=預期銷量×售價，這樣我們就可以初步估算這個博主帶來的預期產出，進而決定最多可以支付多少廣告費。註意，建議根據實際經驗反復計算期望產量，我們給出的初始數據僅在數據缺乏的情況下作為參考。前期建議先做壹個保守估計，即預期產量減少5-10倍。