美文网首页0岁的产品经理产品经理@产品
分析了抖音数万条数据和5000头部用户之后,有了这些有趣结论

分析了抖音数万条数据和5000头部用户之后,有了这些有趣结论

作者: 李kui | 来源:发表于2018-06-11 16:01 被阅读41次

        从去年底开始,抖音火了。试着下载了刷了一下,真的有毒,完全停不下来。一不小心一两个小时就过去了。一气之下怒删抖音(可能过几天又装回来哈哈)。

         沉迷抖音不能自拔,拿到了一些关于抖音的数据,大概有2w多条播放数据和5000个头部用户数据。借此顺便分析下抖音背后的规律,挺有意思,分享给大家。

    有一些好玩的结论

    明星自带吸粉属性,草根也有一片空间

    小v和大v之间仍然存在差距明显

    90后是抖音主力且小姐姐多

    射手座、天蝎座、天秤座的最多

    点赞数与播放数有最直接正相关关系

    点赞最多时段:早上9点、中午13点、下午6点

    过半视频分享次数在40次以下,大量视频被少量人观看

        首先是获取数据之后分析之前的数据准备,数据清理。主要是清楚一些无用字段信

    息,整理以下排序,清除无效值,接下来直接连接到tableau里面进行操作。

    明星自带吸粉属性

        首先是对排名前5000的头部用户进行整体分析,头部5k用户最能代表抖音的风向。 也是传播的主力军。通过对粉丝数、关注数进行统计很明显可以看出,截止3月份顶级头部用户粉丝数已经快超过2000w。

        最热门的是几个眼熟的明星或者公众人物,比如Angelababy、何炅、陈赫等,另外在抖音草根也可以凭借个人影响爬升至榜前位置,这对广大段视频自媒体来说是件好事,酒香不怕巷子深。

    关注数量和粉丝数量并无直接关系,粉丝数量多的关注数量和普通用户相比没有差别。

    小v和大v之间仍然存在较大差距

        通过将粉丝数按照多少进行面积展示可以看出,在头部5000用户中仍然存在强者恒强的效应,最靠前的用户占据大量的关注,小v和大v之间仍然存在较大差距。

    90后是抖音主力

        将用户填写的生日进行整理之后可以看出,即使在头部5000用户中也是91年-00年的占据主力,数量最多的是1994年的同学。当然还有部分从未来穿越回来的逗比。

    (我试了下iOSV-1.8.5上是2000年1月1日,其他的暂且不确定。对日期统计目前看来没有影响)

        粉丝数量上和出生时间有一定的关系,整体没有用户出生日聚集程度高。

    抖音上还是小姐姐多

        整体性别而言,小姐姐数量过半,男性数量少一些。 这个和我们的直观感觉差异有较大出入,直观上我感觉都是小姐姐。当然也可能是头条的推荐算法给我造成个人差异,每个用户感知上会有不同。

    射手座、天蝎座、天秤座的最多

        星座上如果默认没有填写的数据是0,也就是下图中最长的部分。其他有效数据汇总看来,射手座、天蝎座、天秤座的最多,但是和其他星座比起来差异不大。

        查看了整体数据之后我们再看下关于点赞与发布时间等的关系。

    抖音从17年下半年彻底火起来了

        从收集的数据来看,抖音从17年下半年开始活跃度越来越高。因为数据量较少,且集中在18年3月,所以这里只能做参考意见。结合百度指数来看,较为符合。

    点赞数与播放数有最直接正相关关系

        这个结论看起来像是正确的废话。展开来说点赞数与播放数、分享数、评论数均有正相关关系,通过整理其中与播放数最密切。

    整个白天都很活跃,下午到傍晚尤甚

        将发布时间和点赞按照小时分割之后可以看出,发布上下午和傍晚时最活跃的,但是整个白天的活跃度也不低,除了睡觉时间基本上都很活跃。看来年轻人也没有那么氪肝。

    点赞最多时段:早上9点、中午13点、下午6点

        点赞分布来看,早上9点、中午13点、下午6点是三个点赞小高峰,和上班午休下班时间对应起来了。 所以发布也要看时间,大家都在忙的时候谁给你点赞呢~~

    过半视频分享次数在40次以下

        大部分分享都很少,,还有三分之一左右分享数量都在2个及以下,可能是自己分享的,[掩面]。所以千万不要觉得自己的视频分享数量少就气馁,多了就习惯了

    点赞数量二八原则最为突出

        将每个视频获得的点赞数量进行统计之后可以明显看出,大部分用户的点赞数都在500以下,500以上数量稀少,这也是抖音分发导致的。过了一个节点之后获得官方分发加持,点赞数猛涨,我们看到的也大多是点赞数最靠前的那部分视频。

        数据量有限,所以主要是描述性总结性的分析,如果数据量保证的情况下其实可以做一定的深度分析。

        比如抖音的相互关注、社群聚集等的量化,甚至可以结合发布时长、时间点、发布人等做一定的点赞数的预测模型搭建等等,当然这些都必须建立在有大量数据的基础上。

        以上就是本次的数据分享,很有意思,希望对大家有帮助。

    数据来源:公众号:风巢、数据青年;

    分析工具:tableau、worddart、excel

    另外还有几篇之前写的也顺便推荐~

    产品经理日常使用工具-基础必备篇

    产品经理日常使用工具-高级加分篇

    如何快速熟悉新领域-PM的自我修养

    产品数据运营-海盗指标及三个增长方法

    相关文章

      网友评论

        本文标题:分析了抖音数万条数据和5000头部用户之后,有了这些有趣结论

        本文链接:https://www.haomeiwen.com/subject/vmsheftx.html