「01」

抖音三維數據運營

原始數據

由于人工獲取數據存在不精準以及工作量大的情況，通常我們獲取原始數據可能通過爬蟲等數據平臺來抓取數據。

那原始數據主要包括：場觀、銷售額 、商品瀏覽量、在線曲線、直播時長、商品點擊購買數、商品點擊購買數、銷量。

如何選擇數據平臺

如今數據平臺層出不窮，蟬媽媽，飛瓜數據，抖查查，考古加等等。那么我們該如何選擇數據平臺呢。

我們可以關注兩個點：

一、監控的體量：查看排行榜單第1000名。我們可以通過對比不同數據平臺達人前1000名的銷售額，來考量數據平臺監控體量的大小。

二、[ 時效性 ] ：查看數據更新打點的時間間隔。舉個例子——我們如何發現爆品。當我們看到銷售額變成幾萬件時才發現它，已經毫無意義了。所以每我們可以去分析每個數據平臺更新數據時間的長短來判斷時效性。如果6小時更新一次數據，那么可能當商品銷售額達到4000件時我們就可以提前發現爆品。

運營數據

運營數據主要做一些定性的指標。比如給百米賽跑的運動員制定秒數。而在抖音中運營數據就是對主播的一個定位。

運營數據主要包括：UV價值、互動率、轉化率、看播畫像、商品榜單、直播帶貨榜單 、平均停留時長、轉粉率、RPM分鐘帶貨產出。

詞匯解析

RPM分鐘的帶貨產出：如果A和B兩個人同時在做直播。A通過直播24小時銷售額達到1萬元，B通過直播1小時銷售額達到1萬元。同樣的銷售額，UV價值是無法判斷主播優劣的，而這個數據的意義就在這里，能夠展示出主播的轉化效率。

考量的是數據處理能力和對運營的理解。

決策數據

決策數據指你要不足夠的宏觀做趨勢判斷，要不要不顆粒度足夠的細做運營決策。比如直播間福袋是否應該發放，發放時間又該是什么時候，商品的定價，這些都是決策。

「02」

看宏觀數據做趨勢決策

看抖音電商大盤

看上圖：藍色曲線代表觀看的直播人數。綠色曲線代表在線的直播間數，紅色曲線代表你在這個時間段平均能獲得的流量。

而以上的數據決定了你的開播時間。我們會發現，上午的7點~8點，下午1點~2點直播間比較少，這時候開播你能獲得不一樣的效果。而直播的晚高峰在晚上的10點，此時流量也到達了頂峰。

再來看下面這張圖：

藍色曲線為流量曲線。綠色曲線為分鐘帶貨產出值，表示抖音上主播每分鐘能帶來多少錢的收益。

我們可以發現雖然早上直播的人少，流量低，但并不代表產出值低，早晨7點鐘可以算是一個很好的直播時間。所以我們要通過分析抖音電商大盤數據來決定我們的開播時間等等。

如何獲取流量密碼

通過上方的流量曲線圖，我們可以發現，在抖音流量整體下滑的時候，有一些直播間流量不減反增。這就說明這些人抓住了抖音的流量算法。而我們恰好可以通過數據分析找到這些賬號，找到獲取他們流量增長背后的秘密。

看抖音商品大盤

看上圖，我們需要重點關注這幾個指標：成交客單價（指抖音整個平臺成交客單價，目前與天貓基本一致）、大盤競爭系數、整體轉化率。

從上圖我們可以看出，服飾類占據了抖音很大的市場。其次是美妝、視頻飲料、珠寶文玩等等。我們可以通過這些數據來決定自己的商品在抖音是否有市場。

同樣，制定商品銷售額指標我們也要根據抖音商品大盤的數據來決定。

通過上圖我們可以發現，女裝的銷售額幾乎占據了服飾內衣品類的80%。

而在女裝中，每一個子類目是相對平均的。我們可以看到每一個類目的天花板，由此決定我們自身的商品指標。

抖音電商行業競爭系數

抖音電商行業競爭系數

行業競爭系數=行業總需求/行業總供給

我們先來看看當前抖音電商行業的各項競爭系數：

注意：色塊越大，值越大，代表幾率越大。

從上圖我們可以看出，做男裝是很激烈的。市場小，但是商家仍舊有很多。

在女裝這個類目下，每一個子類目的商品競爭系數還是相對比較平均的。

那為什么要關注商品成交客單價呢？這便于我們決定自身商品的定價。

看抖音小店大盤

我們可以發現，抖店的客單價低于之前所說的直播間的客單價，這是為什么呢？因為短視頻的客單價拉低了抖店的客單價。

從地區上看，我們可以發現浙江的抖店占據抖音整體的16.26%，廣東省占據15.9%。

「03」

看微觀數據做運營決策

每五分鐘做一次復盤

抖音的流量算法機制：你上一場的直播數據決定了你下一場直播的流量。因此我們不僅僅要在每場直播之后復盤一次，并且要每五分鐘做一次復盤。

比如通過上圖的數據，我們可以發現，增粉數量在下滑，這時候我們就要及時調整直播間的話術來提高數據。那如果你的直播間平均停留時長下降，這時候可以選擇發放福袋等等來提高時長。

福袋留存是否對你有幫助

我們要知道，發福袋并不是盲目地發，而是要考慮福袋的數量，發放時間，間隔時間等等。并且在發完福袋之后我們要確保這是否對你直播間的停留時長數據有幫助。

不僅是福袋，我們需要關注我們直播間每一個動作對于我們的數據是否有所提升。細節決定了你直播間的流量。

講解商品時的用戶留存

當我們在講解商品的時候，我們需要注意不同商品講解過程中用戶的停留時長，用戶更喜歡哪件商品。從而來決定是否增加某件商品的講解時長和上架時長。

爆品探測助力短視頻帶貨

考古加數據有這樣一個功能：爆品探測——更新商品銷量的時間截點。每兩分鐘更新一次商品的銷量，根據商品數據來判斷品級。

其功能細化：

1.排除干擾項：為了精準短視頻所產出的銷量，排除了直播銷量。

2.保證時效，每兩分鐘更新一次數據（商品轉化率等等）。

3.動態評級

最后，我們要明白一個道理——盡信數據不如無數據。因此在數據分析中，我們要加入自己的判斷。

作者：謝建華 考古加數據CEO，智趣傳媒聯合創始人，抖音數據一哥，前飛瓜數據、蟬媽媽數據成員，杭州直播電商大數據研究中心副主任。