短視訊權重指標有哪些（抖音的資料中心在哪裡）

一、抖音有哪些需要關注的資料

在研究抖音資料之前，首先我們要了解一些基本的資料概念。

指標是用於度量發展程度的單位，我們需要通過數個關鍵指標來將運營情況視覺化。

（一）基礎指標

. 播放量；

. 平均播放量；

. 點贊量；

. 平均點贊量；

. 評論量；

. 平均評論量；

. 轉發量；

. 平均轉發量。

基礎指標也是需要優化的直接指標。均值，是當前時段內容質量的平均水平。假設7 日內，總點贊量為10000，視訊產出量為5個，那麼每個視訊平均點贊量為2000。我 們可以根據均值資料的曲線波動，有效判斷出各維度的內容及運營策略是否需要調整。

通過對內容質量相關維度的深度挖掘，我們能找到規律，並將優質內容特徵層層拆分、放大，針對劣質內容共性找到最佳解決方案。

（二）互動指標

. 點贊率=點贊量/播放量；

. 評論率=評論量/播放量；

. 轉發率=轉發量/播放量。

以播放量為關聯基數，比值越高，說明相關指標質量越好。

（三）價值指標

. 帶貨力：通過轉發率（收藏率）及評論、輿情監控，進行帶貨能力的評定。

. 贊粉比=獲贊總數/粉絲總數。數值越大，則在一定程度上代表了內容的拉新能 力和粉絲的認可程度越高。

（四）維度

維度是剖析變數的方法和分析問題的方向。

內容質量維度：內容型別、內容看點、內容創新點、關聯熱點、拍攝質量、臺詞文案等。

熱門話題統計（難度係數、操作性、可複製性）：參與人數、排名靠前的視訊點贊數。

對標賬號：與己方賬號定位、賽道同型別的頭、中部賬號。分析對標賬號的更新節奏、每日更新內容、爆款分析、粉絲增長情況等，可以成為我們很好的標杆和方向指引。

對比角度：己方賬號資料、對標賬號資料、熱門內容資料。

視訊描述：視訊的釋出文案統計，根據互動型文案、描述型文案等不同型別做好標識。

釋出時間：視訊的釋出時間統計，參考不同型別內容在不同時間段的釋出效果。

例如，播放量是一個資料指標，而我們可以從日期的維度觀測一個週期內哪幾個內容流量偏高或偏低；每天不同時間段內流量的分佈情況等。界定清楚你要評估的資料指標，再分析有可能用哪些維度去看待這些指標，通過長線累積進行交叉對比。

現在迴歸到基礎指標，我們以使用者發生的核心行為為主線，重點需要關注、提升的就是基礎指標中的四個行為：播放、點贊、評論、轉發。圍繞基礎指標中的四個行為，我們重點關注的數值和維度可能就包括了完播率、復播率、關注量、話題性、傳播性等。

我們對此有一個合理的預設區間，假設點贊轉化率在10%～30%，就是一 個健康的狀態，以此為標準來評估週期內內容創意產出的合理性。

二、這些資料的價值是什麼

怎樣才能對指標走向、賬號發展具有掌控力？可對內容、使用者、對標賬號深度洞察，將無法掌握的目標或問題拆解為執行細節。對小細節進行掌控，就容易得多了。

以“牛丁的早晨”這個抖音賬號為例，階段目標為15日漲粉5萬人。粉絲增長=自然增長 使用者傳播 內容影響 渠道外推。

粉絲自然增長：根據近30天粉絲增長資料的統計分析（包括負增長），平均每日自然增長約為800人。由於賬號內容的特殊性，並無熱點影響，所以在保證內容質量不下降的情況下，800×15=12000人，15日後會有12000人的流量保證。

使用者傳播：根據近30天轉發資料的統計分析，前20天平均每日轉發人數為200人， 而後10天平均每日轉發只有33人。假設轉發可以帶來1:1的轉化量，我們將與轉發相關的維度（內容轉折性/段子等）進行逐一剖析、優化、提升，將轉發量提升到平均線以上，也可帶來200×15=3000人的流量。

高質量內容：一個時間段內的資料曲線保持平穩，才是健康的發展態勢，但由於我們想在未來半月內重點衝刺一下粉絲數量，所以會在未來15日內重點針對內容進行 發力，對可帶來粉絲高增長的內容題材進行集中製作。不過這個辦法只能作為短時間衝刺使用，長時間題材單一，會造成粉絲審美疲勞，對後續內容產生失望，得不償失。

關於高質量內容的打磨，我們在其他章節另作闡述。

根據過去30天的爆款內容分析，平均每個爆款視訊可以為我們帶來約5000個粉絲。

根據我們的時間、精力，由每週1個爆款視訊增加為每週2～3個，假設15日產出5個 爆款視訊，則可帶來5000×5=25000個粉絲。

另外，要緊追熱點。在不影響賬號本身定位的情況下，將熱點融入創意中，增加推薦權重。當然，不是每個熱點都適合去追，所以日常還是以保質為主。

以上三種渠道可預計增粉約40000人。剩餘10000人，我們通過公眾號內容推廣、H5 傳播、大號互動、策劃系列內容或創意中留下懸念、彩蛋伏筆等措施，額外拉動粉絲增長。

假如全部落地且全部達到預期，50000個粉絲任務完成。由於是舉例說明，並未計算 點贊轉化、評論轉化等。現實中根據自身資源情況和資料累積情況，可以將目標拆分得更具體，進行更精確的計算。

同樣的資料運營，也會有兩種不同的做法：

第一種：每日按部就班地將資料統計到表格中，觀察哪個數值爆發，哪個數值較低，做一個簡單的比較分析。

第二種：把資料分析看作整個賬號運作鏈條中一個不可或缺的組成部分。藉助客觀的數值呈現，將不確定、不可控的因素拆解、把控，優化自身運營，洞察賬號所處運營階段，調整策略，延長生命週期。

第一種往往充滿了不確定性。比如說內容好，但是好在哪裡？細分為哪些維度？這些維度和指標的聯絡是什麼？哪些維度當前條件不可優化？通過哪些維度可以彌補不足？

相比而言，圍繞大目標，將所有關聯任務細緻梳理並流程化之後，再分析可行的解決方案，會讓你感受到增長50000個粉絲是可達成的，每一個粉絲增長都是相對可控 的。制定好策略，找到發力點，相較於依靠運氣，兩種做法高下立判。

想要資料更好地為你服務，首先需要具備良好的資料覆盤能力。資料分析的過程， 也是運營者鍛鍊邏輯思維、網際網路敏感度的有效方式。