数据产品-短视频评估体系构建

  • 现今,短视频已成为不同行业的资源的内容投放出口,抖音、快手等横向多领域的平台已经鳌头独占,因此更多想从此风口中分一杯清凉的做法是进行垂类突破,即立足于某一个垂直内容领域,在该小主题中将短视频内容做到极致,获取该垂类领域下的全部受众。
  • 因此,对应对于刚在探索垂类短视频行业的发展时,对自己的业务情况需要有完善的评估体系,及时调整方向,比如漫画短视频,会有不同风格,搞笑、恋爱、爆梗,各种各样的类型,因此只能基于内容投放评估,确定内容的受众、内容的热度,及时调整投放更多更受用户偏爱的内容,才能不断的积攒用户群体,不断立足于该垂类领域中。
  • 本篇文章更多的是从数据角度出发进行量化评估,而在实际过程中,更多的还会基于运营的阶段性策略进行调整,可以说运营是推进价值不断产生的最大催化剂。就比如当内容达到抖音一样的量级程度之上,也需要运营基于策略需求在推荐的最后一层进行人工策略干预。

一、分发评估体系

  • 基于上述的背景,对于我们投放的短视频内容,我们需要有一套很好的评估体系,才能洞察我们投放的内容的情况。一方面评估产品设计的可用性,是否有更多用户愿意进行内容生产,另一方案评估生产内容的可消费性。

1、功能渗透情况
在这里插入图片描述

2、内容消费情况
评估整体的内容呈现情况给用户带来的消费驱动行为
在这里插入图片描述
3、内容互动情况
互动类数据是最直接反应内容的情况,评估整体的内容互动情况,能够洞察整个内容体系的质量和方向的正确性
在这里插入图片描述
在这里插入图片描述
4、内容满意度
互动类数据直接反应用户对内容的反馈,而用户对内容阅览进度情况能够间接的反应用户对内容的质量的反馈

在这里插入图片描述
在这里插入图片描述
5、内容的利用率
内容的利用率更多的是基于推荐的评估,评估在推荐加持之下,整体内容的情况。使用推荐的前提是“信息过载”,即当内容的接受度远超用户的可接受度时。更多关于推荐的分析这里不做进一步拆分指标
在这里插入图片描述

二、标签内容圈选

  • 基于对内容的整体评估之后,对整体的内容质量和方向有了大致的方向。通过基于标签构建的模式,能够从众多内容池中圈选高质量的内容进行特征分析、头部投放、指导生产等动作,不断优化整个内容池的质量,最终在垂类领域不断积累流量,做到鳌头独占。
  • 标签的构建采用树状分解式,结合业务的阶段性现状和需求进行拆解。整体的框架需要具有前瞻型,能够尽可能多涵盖在不同阶段的需求以及不同场景下的可拓展性。

1、基于业务调研确定短视频标签框架
在这里插入图片描述
说明:标签框架的确认,最重要的除了基于数据产品角度的考虑,要考虑其前瞻性、可拓展性、涵盖度等,要需要基于业务的确认,因为标签的搭建最终式落地于真正的运营侧、产品侧等,需要和对应的业务核心负责人确定可落地性

2、标签框架下的标签树状分解说明
①标签的类型分:事实型、统计性、规则型和挖掘型,基于不同阶段的业务需求会构建不同类型的标签,并逐层深入构建。
②但标签构建的一个重要的原则,就是标签可解释性,即不管构建什么类型的标签,标签的定义都是能基于业务去解释,比如:进7天的完播率,为什么标签的时间周期会定义为7天(可能是基于行业的通用用法,也可能是基于业务的实际情况,7天能验证出视频的质量)。再比如:构建了一个规则性标签流量池等级(一级:播放次数完播率<a,二级:a<播放次数完播率<b,…),可解释性的意思就是,为什么区间是这样子划分(可能是基于长尾效应和数据分析结论的结合,也可能是运营业务侧的直接定义)。
③总而言之,就是标签的构建、计算、统计周期、业务定义、数据准确性都是可解释的,并具有实际的业务落地,这样构建出来的标签才不会被推到

3、标签树分解举例
以现在做的短视频的标签体系为例,由于现阶段的短视频内容池非常小,所以更多构建的是门槛性标签和简单的互动类标签,在内容量很小的情况的下,更多的是保证质量,才能更多的留住用户,当内容池足够丰富,才更急需规则型标签、挖掘型标签,实现千人千面的展现和精细化运营。后期如果做到规则型标签和挖掘型标签的构建,会不断丰富此文章的内容
①内容创作力标签
在这里插入图片描述
②内容吸引力标签
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

猜你喜欢

转载自blog.csdn.net/qq_41046286/article/details/108129204
今日推荐