內容型產品指標及常用分析框架
一、內容型產品框架
?內容型產品是個稱謂，它可以是視頻類、音頻類、直播類等，區(qū)別在于內容形態(tài)不同，通常分為幾類，即資訊型、娛樂型、工具型、知識型和社交型。今天我們以資訊型產品為例，講講本類型產品常見的分析指標及分析方向。
?此類產品通常可以拆解為三個維度，即作者-內容-用戶。作者-可以生產內容，也可以和用戶互動；內容-通過一系列過濾策略、內容分發(fā)、推薦策略盡量展示給對應需求的用戶看到；用戶-可以對內容進行消費以及和作者或者其他用戶進行互動。
?
框架圖：
?
二、常見指標
2.1作者側常見指標
?
作者屬性：
語言、地區(qū)、發(fā)文方式、作者評級、賬戶類型、渠道、簽約狀態(tài)、創(chuàng)建時間、帳號id、年齡、性別、站內粉絲、站內關注、平臺等；
?
常見作者分析指標：
1、新老作者分布量、占比
2、作者特征分布：評級、賬戶類型、簽約狀態(tài)、作者狀態(tài)分布等
3、重點作者特征分布：重點MCN、PGC、TOPN分布情況等
4、作者基本屬性：年齡、性別、地區(qū)、語言分布等
? ? ? ? ?
?
2.2內容側常見指標
?
內容漏斗：不論任何渠道抓取、站點抽取或者平臺作者自主發(fā)文的內容，通常都需要經過層層過濾。首先進行通用消重，然后通過機器審核的一些模型及人工審核過濾掉黑名單、低質內容、抄襲內容、不完整內容、涉黃涉暴等不適合在平臺內展現的內容。然后在內容分發(fā)過濾的時候根據一些規(guī)則，設定什么特征的內容可以分發(fā)給什么特征的用戶等規(guī)則，例如用戶評級評分、垂類等進行分發(fā)過濾。到了前端展示側，根據頻道主feed頁的推薦位進行個性化推薦分配，展示給用戶。最后內容展示一定時間后會過了其時效性，便不再展示。
?
常見內容屬性數據包括：內容語言、地區(qū)、推薦狀態(tài)、展示狀態(tài)、內容垂類、內容評級、內容來源、內容關鍵詞、內容分類(多層級)、內容創(chuàng)建時間、放出時間、過期時間等；
?
常見內容分析指標：1、進文的內容評級分布、內容展示狀態(tài)分布、內容推薦量、內容topic分布、內容垂類分布；2、展文的內容評級分布、內容topic分布、內容垂類分布等；3、內容的生命周期分析(漏斗轉化和異常監(jiān)控)，內容發(fā)布量->內容過機/人審量->內容可展量->內容展示量->內容過期??
? ? ? ? ? ???
? ? ? ? ? ? ? ? ? ? ??
2.3作者&內容&用戶組合分析指標
?
作者&內容分析指標：
1、作者發(fā)文量分布(多特征)、新老作者發(fā)文量分布、不同渠道發(fā)文量(渠道評估)、活躍作者量、投稿率；
2、各類型作者分文類別分布、作者發(fā)文內容類別分布、作者發(fā)文重復率、作者發(fā)文過審率等；
3、作者生命周期(轉化漏斗及異常監(jiān)控)：新增作者、留存(當日/多日)、發(fā)文留存(當日/多日)、流失、召回
?
內容&用戶分析指標：
各用戶+內容維度用戶點擊率、各維度用戶+各類內容用戶的動作(展現/點擊/轉發(fā)/收藏/評論…）、各維度用戶+各渠道內容用戶的動作、各維度用戶的hot內容/hot分類/hot話題
?
作者&內容&用戶分析指標：
各維度用戶針對+各類內容維度+各類作者維度 的消費動作(展現／點擊／轉發(fā)/收藏/評論…)
?
?
三、常用分析框架及對應指標
? ? ? ?構建作者內容的分析指標體系，可以為產品提供內容/作者/用戶相關例行化的分析框架及數據基礎。關注的分析方向可以有以下幾點：
?
1、核心指標波動的歸因，通過洞察用戶留存變化->歸因到人均瀏覽內容數的變化->歸因到創(chuàng)作者和內容上，為業(yè)務人員提供具有指導性的產品優(yōu)化的抓手；
?
2、評估創(chuàng)作者來源的渠道，為平臺發(fā)展新的優(yōu)質創(chuàng)作者，優(yōu)化創(chuàng)作者結構來源，合理分配拉新成本，為作者側渠道拉新roi提供分析依據；
?
3、監(jiān)控內容從進文->審核->展文->過期的全鏈路漏斗，監(jiān)控各層機審人審分發(fā)等過濾策略是否正常合理，內容在各個階段的損耗程度，優(yōu)化內容的生命周期漏斗及各層級策略；
?
4、監(jiān)控創(chuàng)作者的生命周期，衡量作者的發(fā)文->回饋機制是否合理且可持續(xù)，監(jiān)控整體作者的新增情況、登錄/發(fā)文留存情況，優(yōu)質作者是否得到足夠的激勵；
?
5、監(jiān)控熱點內容/話題的集中程度，豐富產品內容的多樣性，評估各類內容是否供需平衡，稀缺內容是否得到流量保護，為內容的引進及生態(tài)平衡提供優(yōu)化建議；
?
6、監(jiān)控作者用戶的關注關系，分析作者-用戶的互動行為的健康和深入度；
?
7、推薦算法效果的評估，本篇文章指標未涵蓋，主要用次日瀏覽留存、vv、人均瀏覽時長、ctr等指標來衡量；
?
? ??