4-第四章-新媒體數(shù)據(jù)分析

第四章新媒體數(shù)據(jù)分析本章概述新媒體數(shù)據(jù)分析是指運(yùn)用適當(dāng)?shù)慕y(tǒng)計(jì)分析方法對(duì)收集來(lái)的大量新媒體數(shù)據(jù)進(jìn)行分析，將它們加以匯總理解，以求最大化地開發(fā)數(shù)據(jù)的功能，發(fā)揮數(shù)據(jù)的作用。本章首先介紹了新媒體數(shù)據(jù)分析在新聞內(nèi)容創(chuàng)作、媒體運(yùn)營(yíng)策略以及網(wǎng)絡(luò)輿情監(jiān)測(cè)三大領(lǐng)域的作用。其次，本章講解了新媒體數(shù)據(jù)分析的四大類別，分別是流量分析、銷售分析、內(nèi)容分析和執(zhí)行分析。再次，本章辨析了新媒體數(shù)據(jù)分析的三大誤區(qū)，分別是要全部不要抽樣、要混雜不要精確、要相關(guān)不要因果。最后，本章以旅游APP的數(shù)據(jù)為例，綜合運(yùn)用了相關(guān)性分析法、貢獻(xiàn)度分析法、平均分析法以及矩陣分析法等四種分析方法，在實(shí)踐中領(lǐng)悟每種分析方法的適應(yīng)情境。第一節(jié)新媒體數(shù)據(jù)分析作用011、新聞選題創(chuàng)新傳統(tǒng)的新聞選題——記者依據(jù)傳統(tǒng)的新聞價(jià)值準(zhǔn)則進(jìn)行選擇數(shù)據(jù)分析——挖掘以往人為發(fā)現(xiàn)不了的新穎選題角度和方向，從科學(xué)統(tǒng)計(jì)的視角提供新聞線索。2、內(nèi)容深度專業(yè)數(shù)據(jù)分析為專題新聞深度報(bào)道提供了豐富的數(shù)據(jù)來(lái)源和科學(xué)的數(shù)據(jù)支撐，這對(duì)于社會(huì)、財(cái)經(jīng)、體育、突發(fā)類自然災(zāi)害等新聞的報(bào)道有重要意義。在自媒體日益喧囂的今日，數(shù)據(jù)分析可以有效成為專業(yè)媒體的利刃和優(yōu)勢(shì)，幫助其向智庫(kù)媒體轉(zhuǎn)型。3、效果評(píng)估準(zhǔn)確主要分為兩大類：一是評(píng)估新聞的傳播效果和路徑，包括對(duì)新聞的閱讀量、轉(zhuǎn)發(fā)量、點(diǎn)贊量、評(píng)論量、傳播平臺(tái)等數(shù)據(jù)的分析；二是評(píng)估讀者特征，包括對(duì)讀者的年齡、性別、職業(yè)、興趣的分析。新聞工作者可根據(jù)準(zhǔn)確、及時(shí)的效果評(píng)估進(jìn)一步提升新聞制作水平，優(yōu)化傳播路徑，完成更加高質(zhì)量的新聞作品。第一節(jié)新媒體數(shù)據(jù)分析作用>>一、新聞內(nèi)容創(chuàng)作新聞選題創(chuàng)新內(nèi)容深度專業(yè)效果評(píng)估準(zhǔn)確第一節(jié)新媒體數(shù)據(jù)分析作用>>二、數(shù)據(jù)營(yíng)銷推廣1、目標(biāo)用戶鎖定新媒體運(yùn)營(yíng)者可以通過(guò)品牌官網(wǎng)、品牌公眾號(hào)等了解到用戶性別、地域、年齡、購(gòu)物偏好、評(píng)價(jià)等數(shù)據(jù)，有助于產(chǎn)品方鎖定自身用戶，獲取新用戶，維護(hù)老用戶。2、精準(zhǔn)場(chǎng)景推送隨著移動(dòng)通訊、空間定位、大數(shù)據(jù)等多種信息技術(shù)的發(fā)展，基于位置的服務(wù)（LocationBasedServices，LBS）越來(lái)越多應(yīng)用到營(yíng)銷領(lǐng)域，商家可以利用移動(dòng)互聯(lián)網(wǎng)絡(luò)服務(wù)平臺(tái)獲取用戶位置相關(guān)信息，并對(duì)數(shù)據(jù)進(jìn)行更新和交互，從而為用戶提供相應(yīng)服務(wù)。例如，美團(tuán)可根據(jù)用戶位置推薦附近商家。3、營(yíng)銷成本控制根據(jù)目標(biāo)用戶的常用App、支付方式、消費(fèi)金額等數(shù)據(jù)，優(yōu)化廣告投放渠道，實(shí)現(xiàn)精準(zhǔn)營(yíng)銷，節(jié)約推廣成本。4、營(yíng)銷方案評(píng)估營(yíng)銷方案執(zhí)行效果需要通過(guò)數(shù)據(jù)進(jìn)行評(píng)估?？梢赃\(yùn)用逆向工程思維，通過(guò)最終完成數(shù)據(jù)，反推出方案中目標(biāo)的可行性；也可以分析過(guò)程數(shù)據(jù)，及時(shí)發(fā)現(xiàn)方案制定后在執(zhí)行過(guò)程中遇到的問(wèn)題，作為下次營(yíng)銷方案制定的參考。在評(píng)估營(yíng)銷方案中常用到的數(shù)據(jù)包括目標(biāo)達(dá)成率、最終銷售額、過(guò)程異常數(shù)據(jù)以及失誤率等。1、展現(xiàn)輿情傳播路徑首先可以展現(xiàn)當(dāng)前輿情所處的爆發(fā)階段——潛伏期、爆發(fā)期、蔓延期、緩解期、反復(fù)期、消退期。其次，了解輿情事件的傳播渠道分布。最后，還可以預(yù)判輿情未來(lái)的傳播走勢(shì)，為進(jìn)一步的監(jiān)測(cè)應(yīng)對(duì)提供支撐。2、反映輿情話題熱度話題分析包括網(wǎng)民觀點(diǎn)和媒體觀點(diǎn)。數(shù)據(jù)分析可以幫助實(shí)現(xiàn)話題的關(guān)鍵詞分布情況以及話題傾向性分布情況。對(duì)輿情話題進(jìn)行聚類可以了解網(wǎng)民和媒體對(duì)該輿情事件的關(guān)注焦點(diǎn)。3、揭示網(wǎng)民情感態(tài)度隨著近年來(lái)事件本身和傳播環(huán)境的愈發(fā)復(fù)雜、輿論話語(yǔ)權(quán)的不斷分散，尤其是網(wǎng)民理性與感性的角力，網(wǎng)民的情感態(tài)度愈發(fā)復(fù)雜。因此，通過(guò)科學(xué)專業(yè)的媒體數(shù)據(jù)分析揭示網(wǎng)民復(fù)雜多樣的情感態(tài)度對(duì)網(wǎng)絡(luò)輿情監(jiān)測(cè)有著重要作用。第一節(jié)新媒體數(shù)據(jù)分析作用>>三、網(wǎng)絡(luò)輿情監(jiān)測(cè)第二節(jié)新媒體數(shù)據(jù)分析類別02新媒體數(shù)據(jù)分析可按照以下標(biāo)準(zhǔn)分類：（1）按照數(shù)據(jù)呈現(xiàn)形式可以分為數(shù)值型和圖文型兩類。數(shù)值型數(shù)據(jù)多為結(jié)構(gòu)化數(shù)據(jù)，主要由數(shù)字組成，比如閱讀量、粉絲量、網(wǎng)店的銷售數(shù)據(jù)、網(wǎng)站的瀏覽數(shù)據(jù)等。圖文型數(shù)據(jù)多為半結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)，例如網(wǎng)站欄目分類、賬號(hào)粉絲分類、消費(fèi)者反饋以及各種平臺(tái)的矩陣分布等。（2）按照數(shù)據(jù)分析功能可以分為流量分析、銷售分析、內(nèi)容分析以及執(zhí)行分析四大類。相比較于第一種分類方法，第二種分類方法充分考慮到新媒體數(shù)據(jù)的情境性與實(shí)用性，因此本書著重按照第二種分類方法介紹新媒體數(shù)據(jù)分析，如圖所示。新媒體數(shù)據(jù)分析類別流量分析銷售分析內(nèi)容分析執(zhí)行分析第二節(jié)新媒體數(shù)據(jù)分析類別流量分析即網(wǎng)站或網(wǎng)店流量分析，通過(guò)對(duì)訪問(wèn)量、訪問(wèn)時(shí)間、跳出量、跳出率等流量數(shù)據(jù)進(jìn)行分析，可以評(píng)估網(wǎng)站運(yùn)營(yíng)的基礎(chǔ)情況。隨著智能手機(jī)的普及，越來(lái)越多的網(wǎng)民開始利用手機(jī)打開網(wǎng)頁(yè)，因此現(xiàn)階段流量分析的重點(diǎn)是移動(dòng)端流量數(shù)據(jù)分析，包括報(bào)名表單訪問(wèn)量、H5訪問(wèn)量、微網(wǎng)站流量、微網(wǎng)站跳出率等。下圖所示是常見的流量分析指標(biāo)。流量分析訪問(wèn)量訪問(wèn)時(shí)間跳出量跳出率第二節(jié)新媒體數(shù)據(jù)分析類別>>一、流量分析第二節(jié)新媒體數(shù)據(jù)分析類別>>一、流量分析

訪問(wèn)量（PageView，PV）即頁(yè)面瀏覽量，或點(diǎn)擊量，用戶每1次對(duì)網(wǎng)站中的每個(gè)網(wǎng)頁(yè)訪問(wèn)均被記錄一次。用戶打開一個(gè)頁(yè)面就是1個(gè)PV，這通常是衡量一個(gè)網(wǎng)絡(luò)新聞?lì)l道或網(wǎng)站甚至一條網(wǎng)絡(luò)新聞的主要指標(biāo)。訪問(wèn)量取決于對(duì)不同統(tǒng)計(jì)平臺(tái)時(shí)間間隔的定義。例如，某用戶訪問(wèn)1次后，隔5小時(shí)再次訪問(wèn)，如果設(shè)置時(shí)間間隔為5小時(shí)，則訪問(wèn)量為2，否則訪問(wèn)量是1；也有每訪問(wèn)一次，訪問(wèn)量就加1。經(jīng)常看到網(wǎng)絡(luò)平臺(tái)的訪問(wèn)量就是所有用戶對(duì)同一頁(yè)面或功能多次訪問(wèn)的累積量。1、訪問(wèn)量（PV）第二節(jié)新媒體數(shù)據(jù)分析類別>>一、流量分析

UV（UniqueVisitor）即唯一身份訪問(wèn)者（獨(dú)立訪客），是指通過(guò)互聯(lián)網(wǎng)訪問(wèn)、瀏覽某個(gè)頁(yè)面的自然人。它是基于Cookies技術(shù)，如果是同一個(gè)IP，但用不同的瀏覽器，就會(huì)出現(xiàn)不同的Cookies，則UV數(shù)量就會(huì)增加。這就會(huì)出現(xiàn)訪客數(shù)可能會(huì)大于或小于IP數(shù)。2、UV訪問(wèn)時(shí)間即停留時(shí)間，分為頁(yè)面停留時(shí)間和網(wǎng)站整體停留時(shí)間。3、訪問(wèn)時(shí)間第二節(jié)新媒體數(shù)據(jù)分析類別>>一、流量分析

跳出量即訪問(wèn)某頁(yè)面后，不再訪問(wèn)深層或其他相關(guān)頁(yè)面的用戶的數(shù)量。4、跳出量跳出率即用戶從某頁(yè)面退出的該頁(yè)面訪問(wèn)數(shù)/進(jìn)入該頁(yè)面的訪問(wèn)數(shù)百分比。5、跳出率交互率即多少用戶進(jìn)行了交互行為，包括轉(zhuǎn)、贊、評(píng)等行為。6、交互率銷售分析整體銷售分析銷售額/銷售量季節(jié)因素產(chǎn)品結(jié)構(gòu)與產(chǎn)品線價(jià)格體系區(qū)域銷售分析區(qū)域分布重點(diǎn)區(qū)域分析區(qū)域銷售異動(dòng)分析區(qū)域-產(chǎn)品分析第二節(jié)新媒體數(shù)據(jù)分析類別>>二、銷售分析銷售分析即對(duì)互聯(lián)網(wǎng)產(chǎn)生的下單數(shù)量、支付比例、二次購(gòu)買比例等進(jìn)行分析，尋找當(dāng)前互聯(lián)網(wǎng)銷售的問(wèn)題。需要強(qiáng)調(diào)的是，銷售分析不僅限于在網(wǎng)上消費(fèi)，消費(fèi)者線上預(yù)定線下消費(fèi)，即O2O（OnlinetoOffline）也可算作銷售分析的范疇。銷售分析方法主要分為以下幾類：第二節(jié)新媒體數(shù)據(jù)分析類別>>二、銷售分析>>整體銷售分析（一）整體銷售分析1、銷售額/銷售量分析近幾年的總體銷售額、銷售量，與行業(yè)標(biāo)準(zhǔn)相比較，從而分析企業(yè)的業(yè)績(jī)狀況，判斷企業(yè)的業(yè)績(jī)變化類型。通過(guò)對(duì)銷售額和銷售量的增長(zhǎng)趨勢(shì)的把握，可以找出客戶增長(zhǎng)或下滑的本質(zhì)；如果銷售額增長(zhǎng)大于銷售量的增長(zhǎng)，說(shuō)明增長(zhǎng)主要來(lái)源于產(chǎn)品平均價(jià)格的提高，反映了市場(chǎng)平均價(jià)格的提高或者是客戶產(chǎn)品結(jié)構(gòu)的升級(jí)，也就是結(jié)構(gòu)性增長(zhǎng)。第二節(jié)新媒體數(shù)據(jù)分析類別>>二、銷售分析>>整體銷售分析2、季節(jié)因素依據(jù)行業(yè)銷售淡旺季規(guī)律，與銷售數(shù)據(jù)中的銷售進(jìn)程進(jìn)行對(duì)比，分析淡旺季發(fā)展規(guī)律，為客戶提供渠道壓貨規(guī)劃及生產(chǎn)運(yùn)作規(guī)劃。3、產(chǎn)品結(jié)構(gòu)與產(chǎn)品線通過(guò)總體產(chǎn)品結(jié)構(gòu)分析，了解整體產(chǎn)品結(jié)構(gòu)分布和重點(diǎn)產(chǎn)品表現(xiàn)。從產(chǎn)品結(jié)構(gòu)看主導(dǎo)產(chǎn)品和產(chǎn)品成長(zhǎng)合理性，企業(yè)的利潤(rùn)源和銷售量是否對(duì)應(yīng)，初步判斷企業(yè)未來(lái)產(chǎn)品規(guī)劃的調(diào)整方向。4、價(jià)格體系通過(guò)總體價(jià)格結(jié)構(gòu)分析，了解企業(yè)的優(yōu)勢(shì)價(jià)位區(qū)間，提供價(jià)格結(jié)構(gòu)調(diào)整的合理性建議。第二節(jié)新媒體數(shù)據(jù)分析類別>>二、銷售分析>>區(qū)域銷售分析（二）區(qū)域銷售分析1、區(qū)域分布企業(yè)的銷售區(qū)域分布可以反映企業(yè)市場(chǎng)分布的合理性、企業(yè)的區(qū)域布局與整體戰(zhàn)略目標(biāo)的一致性以及明確下階段企業(yè)區(qū)域布局的規(guī)劃方向。2、重點(diǎn)區(qū)域分析可以從重點(diǎn)區(qū)域的產(chǎn)品比重、區(qū)域內(nèi)市場(chǎng)分布、價(jià)格區(qū)間分布等元素來(lái)看市場(chǎng)存在的問(wèn)題。第二節(jié)新媒體數(shù)據(jù)分析類別>>二、銷售分析>>區(qū)域銷售分析3、區(qū)域銷售異動(dòng)分析發(fā)現(xiàn)存在異動(dòng)的產(chǎn)品或區(qū)域；并分析異動(dòng)發(fā)生的原因4、區(qū)域-產(chǎn)品分析從區(qū)域內(nèi)的產(chǎn)品動(dòng)態(tài)來(lái)看區(qū)域內(nèi)產(chǎn)品的組成變化，即區(qū)域內(nèi)的產(chǎn)品適應(yīng)性，從而發(fā)現(xiàn)潛力產(chǎn)品、老化產(chǎn)品等。（一）內(nèi)容特點(diǎn)第二節(jié)新媒體數(shù)據(jù)分析類別>>三、內(nèi)容分析>>內(nèi)容特點(diǎn)1、碎片化新媒體信息傳播的即時(shí)性、海量性使得人們的注意力信息更加稀缺。完整的信息被各式各樣的分解為信息片段。因此，進(jìn)行內(nèi)容分析時(shí)如何對(duì)信息進(jìn)行有效整合成為關(guān)鍵。2、豐富性新媒體是一種集動(dòng)畫、聲音、視頻等具有交互性的富媒體。新媒體的內(nèi)容不僅有結(jié)構(gòu)化數(shù)據(jù)，更多的是由非結(jié)構(gòu)化數(shù)據(jù)組成。傳統(tǒng)的內(nèi)容分析多聚焦在數(shù)值型數(shù)據(jù)的分析上，未來(lái)，對(duì)音頻和短視頻的內(nèi)容分析更加重要。3、非線性新媒體內(nèi)容的非線性主要體現(xiàn)在超鏈接（Hyperlink）上，就是指按內(nèi)容鏈接。超鏈接在本質(zhì)上屬于一個(gè)網(wǎng)頁(yè)的一部分，它是一種允許我們同其他網(wǎng)頁(yè)或站點(diǎn)之間進(jìn)行連接的元素。這種非線性的模式一方面打破了新媒體內(nèi)容的整體性，比如常見的新媒體文章都是題文分離，用戶只有先點(diǎn)擊標(biāo)題后才能閱讀到全文；另一方面構(gòu)筑了一個(gè)較大的信息圖譜，有助于不同內(nèi)容的多樣鏈接，即發(fā)散思維。因此，在內(nèi)容分析時(shí)，應(yīng)關(guān)注超鏈接。。內(nèi)容分析要點(diǎn)標(biāo)題關(guān)鍵詞標(biāo)簽發(fā)布情況超鏈接評(píng)論背景音樂第二節(jié)新媒體數(shù)據(jù)分析類別>>三、內(nèi)容分析>>分析要點(diǎn)（二）分析要點(diǎn)第二節(jié)新媒體數(shù)據(jù)分析類別>>三、內(nèi)容分析>>分析要點(diǎn)>>標(biāo)題1、標(biāo)題標(biāo)題是內(nèi)容的精華和凝練，概括了內(nèi)容的核心要點(diǎn)。在“題文分離”的新媒體時(shí)代，標(biāo)題更是成為了一張重要的名片和一把流量的鑰匙，決定了后續(xù)文章的跳轉(zhuǎn)率。標(biāo)題的分析主要包括了字?jǐn)?shù)、詞性、標(biāo)點(diǎn)符號(hào)、句式以及包含的熱點(diǎn)詞匯等方面。本部分內(nèi)容主要介紹運(yùn)用“樂觀號(hào)”工具進(jìn)行標(biāo)題分析。樂觀號(hào)是一個(gè)新媒體一站式服務(wù)平臺(tái)，提供樂觀編輯器、樂觀輿情、樂觀內(nèi)容庫(kù)等多種功能，幫助用戶更好地進(jìn)行新媒體內(nèi)容分析。（1）搜索“樂觀號(hào)”，進(jìn)入樂觀號(hào)頁(yè)面，點(diǎn)擊“樂觀編輯器”，選擇“標(biāo)題大師”，如圖4-1所示。圖4-1樂觀號(hào)首頁(yè)第二節(jié)新媒體數(shù)據(jù)分析類別>>三、內(nèi)容分析>>分析要點(diǎn)>>標(biāo)題（2）可以在“熱門領(lǐng)域”的右側(cè)中點(diǎn)擊“更多”的下拉列表選擇不同領(lǐng)域，如圖4-2所示。圖4-2熱門領(lǐng)域（3）在“熱門標(biāo)題”一欄中可以看到各大領(lǐng)域的熱門標(biāo)題，左下方是該文章的閱讀量。用戶如果認(rèn)為該標(biāo)題不錯(cuò)，可以點(diǎn)擊右下方的“一鍵使用”并進(jìn)行修改，如圖4-3所示。圖4-3熱門標(biāo)題（4）用戶可以對(duì)圖中的三個(gè)爆款標(biāo)題進(jìn)行分析。首先，這三個(gè)標(biāo)題的字?jǐn)?shù)分別為37、30、29，即標(biāo)題的平均長(zhǎng)度為32；其次，多用雙引號(hào)、感嘆號(hào)等引起讀者興趣；最后，這三個(gè)標(biāo)題都是三段式，即用逗號(hào)隔開的三小段，而且都是第一段介紹人物，第二段介紹事件，第三段介紹結(jié)果。（5）點(diǎn)擊“爆文標(biāo)題工具”，輸入2-3個(gè)關(guān)鍵詞，軟件會(huì)根據(jù)數(shù)據(jù)庫(kù)中的標(biāo)題模板生成標(biāo)題供用戶使用，如圖4-4所示。圖4-4爆文標(biāo)題工具第二節(jié)新媒體數(shù)據(jù)分析類別>>三、內(nèi)容分析>>分析要點(diǎn)>>標(biāo)題第二節(jié)新媒體數(shù)據(jù)分析類別>>三、內(nèi)容分析>>分析要點(diǎn)>>關(guān)鍵詞、標(biāo)簽2、關(guān)鍵詞、標(biāo)簽關(guān)鍵詞（Keywords）是訪問(wèn)者希望了解的內(nèi)容的具體名稱用語(yǔ)。關(guān)鍵詞搜索是網(wǎng)絡(luò)搜索索引主要方法之一。對(duì)關(guān)鍵詞的分析在SEO（SearchEngineOptimization，搜索引擎優(yōu)化）中有重要作用。標(biāo)簽與關(guān)鍵詞很相近。以今日頭條中的一則文章為例，如圖4-5（a）所示，在文末有一個(gè)標(biāo)簽的符號(hào)，下方的“京東商城”“天貓”“蘇寧電器”等就屬于關(guān)鍵詞或標(biāo)簽，如圖4-5（b）所示。（b）文末關(guān)鍵詞標(biāo)簽（a）今日頭條文章圖4-5內(nèi)容關(guān)鍵詞第二節(jié)新媒體數(shù)據(jù)分析類別>>三、內(nèi)容分析>>分析要點(diǎn)>>關(guān)鍵詞、標(biāo)簽關(guān)鍵詞價(jià)值分析是關(guān)鍵詞分析中最重要的一環(huán)，它是指用戶搜索該關(guān)鍵詞的次數(shù)。用戶搜索得越多，關(guān)鍵詞價(jià)值度就越大。確定關(guān)鍵詞價(jià)值度主要有百度指數(shù)、百度關(guān)鍵詞規(guī)劃師以及百度下拉框三種方法。圖4-6百度指數(shù)（1）百度指數(shù)網(wǎng)頁(yè)搜索“百度指數(shù)”，輸入要分析的關(guān)鍵詞，就會(huì)看到一段時(shí)間內(nèi)該關(guān)鍵詞的“搜索指數(shù)”波動(dòng)情況。用戶還可以在折線圖的下方調(diào)整時(shí)間軸區(qū)間，如圖4-6所示。需要說(shuō)明的是，百度確定“搜索指數(shù)”的計(jì)算方法是以網(wǎng)民在百度的搜索量為數(shù)據(jù)基礎(chǔ)，以關(guān)鍵詞為統(tǒng)計(jì)對(duì)象，科學(xué)分析并計(jì)算出各個(gè)關(guān)鍵詞在百度網(wǎng)頁(yè)搜索中搜索頻次的加權(quán)。根據(jù)數(shù)據(jù)來(lái)源的不同，搜索指數(shù)分為PC搜索指數(shù)和移動(dòng)搜索指數(shù)，如圖4-7所示。圖4-7搜索指數(shù)含義第二節(jié)新媒體數(shù)據(jù)分析類別>>三、內(nèi)容分析>>分析要點(diǎn)>>關(guān)鍵詞、標(biāo)簽圖4-8百度關(guān)鍵詞規(guī)劃師（2）百度關(guān)鍵詞規(guī)劃師該方法適用于企業(yè)進(jìn)行關(guān)鍵詞優(yōu)化和分析。搜索“百度推廣”并注冊(cè)賬號(hào)，手續(xù)比較復(fù)雜。輸入關(guān)鍵詞即可查看搜索數(shù)據(jù)，如圖4-8所示。圖4-9百度下拉框（3）百度下拉框在百度的搜索框中輸入要查詢的關(guān)鍵詞，百度的下拉框中會(huì)提示相關(guān)詞匯，如圖4-9所示。用戶可以借鑒并調(diào)整關(guān)鍵詞。第二節(jié)新媒體數(shù)據(jù)分析類別>>三、內(nèi)容分析>>分析要點(diǎn)>>關(guān)鍵詞、標(biāo)簽對(duì)于關(guān)鍵詞的分析還有關(guān)鍵詞競(jìng)爭(zhēng)度指標(biāo)。關(guān)鍵詞競(jìng)爭(zhēng)度是指關(guān)鍵詞的競(jìng)爭(zhēng)人數(shù)與競(jìng)爭(zhēng)難度。分析關(guān)鍵詞的競(jìng)爭(zhēng)度主要有看收錄、看匹配、看權(quán)重和看詞性四種方法。圖4-11百度收錄“新媒體數(shù)據(jù)”數(shù)量（1）看收錄“看收錄”就是在搜索引擎中搜索該關(guān)鍵詞，之后顯示搜索相關(guān)結(jié)果的數(shù)量。這個(gè)數(shù)字越大，則關(guān)鍵詞的競(jìng)爭(zhēng)度就越高。如圖4-10和圖4-11所示，“新媒體”一詞的搜索相關(guān)結(jié)果為79,400,000個(gè)，而“新媒體數(shù)據(jù)”一詞的搜索相關(guān)結(jié)果為7,510,000。由此可見，“新媒體”的競(jìng)爭(zhēng)度就高于“新媒體數(shù)據(jù)”。圖4-10百度收錄“新媒體”數(shù)量第二節(jié)新媒體數(shù)據(jù)分析類別>>三、內(nèi)容分析>>分析要點(diǎn)>>關(guān)鍵詞、標(biāo)簽圖4-13關(guān)鍵詞匹配難度?。?）看匹配“看匹配”主要是指關(guān)鍵詞是否和標(biāo)題匹配。如果在排在前面的網(wǎng)頁(yè)中的標(biāo)題中含有關(guān)鍵詞（一般為標(biāo)紅部分字體），這就說(shuō)明關(guān)鍵詞的競(jìng)爭(zhēng)難度比較大，如圖4-12所示。因?yàn)殛P(guān)鍵詞返回結(jié)果匹配的原則是優(yōu)先匹配標(biāo)題。反之，如果一個(gè)關(guān)鍵詞搜索結(jié)果匹配在頁(yè)面描述上面，那么該關(guān)鍵詞的難度就相對(duì)較低，如圖4-13所示。下面提供一個(gè)根據(jù)搜索結(jié)果數(shù)量判斷關(guān)鍵詞競(jìng)爭(zhēng)力的等級(jí)表。圖4-12關(guān)鍵詞匹配難度大搜索結(jié)果數(shù)量競(jìng)爭(zhēng)力等級(jí)<50萬(wàn)弱詞50-100萬(wàn)中等偏小的詞100-300萬(wàn)中等詞300-500萬(wàn)強(qiáng)詞≥500萬(wàn)高難度詞第二節(jié)新媒體數(shù)據(jù)分析類別>>三、內(nèi)容分析>>分析要點(diǎn)>>關(guān)鍵詞、標(biāo)簽（3）看權(quán)重“看權(quán)重”是指在搜索關(guān)鍵詞之后，看結(jié)果顯示前幾頁(yè)網(wǎng)站的權(quán)重。讀者可以通過(guò)“權(quán)重綜合查詢-站長(zhǎng)工具”查詢網(wǎng)站權(quán)重。一般來(lái)說(shuō)，如果首頁(yè)被權(quán)重4以上的網(wǎng)站霸占了，那么該關(guān)鍵詞的競(jìng)爭(zhēng)難度就很大。如圖4-14所示，在“權(quán)重綜合查詢”一欄中輸入中國(guó)知網(wǎng)的網(wǎng)址，可見其在百度PC、百度移動(dòng)、360PC以及360移動(dòng)的權(quán)重都在4以上，僅有神馬和頭條的權(quán)重低于4，說(shuō)明中國(guó)知網(wǎng)屬于比較權(quán)威的網(wǎng)站，如果關(guān)鍵詞出現(xiàn)在該網(wǎng)站的標(biāo)題或者頁(yè)面描述中，用戶一般傾向于點(diǎn)擊中國(guó)知網(wǎng)查看。圖4-14網(wǎng)站權(quán)重分析（4）看詞性在SEO中，“灰色關(guān)鍵詞”是指灰色行業(yè)的、比較敏感的關(guān)鍵詞，如和醫(yī)藥、嫖、賭或者在違法與不違法邊界行業(yè)有關(guān)的關(guān)鍵詞。這樣的詞會(huì)被搜索引擎識(shí)別與禁止。第二節(jié)新媒體數(shù)據(jù)分析類別>>三、內(nèi)容分析>>分析要點(diǎn)>>發(fā)布情況3、發(fā)布情況發(fā)布情況主要包括微信公眾號(hào)閱讀量、微博頭條轉(zhuǎn)發(fā)量、今日頭條文章推薦量等數(shù)據(jù)，該類數(shù)據(jù)一般可以直接登錄賬號(hào)后臺(tái)查看，并且平臺(tái)都會(huì)直接呈現(xiàn)分析好的數(shù)據(jù)。本節(jié)內(nèi)容將以“簡(jiǎn)媒”為例，介紹如何分析新媒體矩陣的內(nèi)容發(fā)布情況。簡(jiǎn)媒是一個(gè)新媒體一鍵發(fā)布的運(yùn)營(yíng)平臺(tái)。注冊(cè)該平臺(tái)的用戶可以進(jìn)行賬號(hào)授權(quán)，綁定多個(gè)新媒體內(nèi)容發(fā)布平臺(tái)賬號(hào)，如圖4-15所示。綁定成功后可以在賬號(hào)管理列表查看，如圖4-16所示。圖4-15新媒體內(nèi)容發(fā)布平臺(tái)圖4-16賬號(hào)綁定列表第二節(jié)新媒體數(shù)據(jù)分析類別>>三、內(nèi)容分析>>分析要點(diǎn)>>發(fā)布情況3、發(fā)布情況用戶可以點(diǎn)擊左側(cè)的“文章管理”查看在已綁定的所有平臺(tái)上發(fā)布的文章、未發(fā)布的文章，還可以設(shè)置定時(shí)發(fā)布。用戶點(diǎn)擊文章列表的展開數(shù)據(jù)，就可以看到該篇文章的發(fā)布平臺(tái)、推薦量、閱讀量、轉(zhuǎn)發(fā)量、評(píng)論數(shù)、收藏、點(diǎn)贊以及更新日期等數(shù)據(jù)，可以點(diǎn)擊原文鏈接查看，還可以再次發(fā)布，如圖4-17所示。圖4-17新媒體內(nèi)容發(fā)布平臺(tái)第二節(jié)新媒體數(shù)據(jù)分析類別>>三、內(nèi)容分析>>分析要點(diǎn)>>超鏈接4、超鏈接一般來(lái)說(shuō)，網(wǎng)站的超鏈接都會(huì)以藍(lán)色或其他字體標(biāo)出以作區(qū)分。對(duì)超鏈接的分析主要體現(xiàn)在兩大方面，一是對(duì)超鏈接本身的分析，包括分析鏈接的載體和鏈接的目標(biāo)地址兩大部分；二是對(duì)超鏈接和其所在文章內(nèi)容之間關(guān)系的分析。分析超鏈接超鏈接本身鏈接的載體鏈接的目標(biāo)地址對(duì)超鏈接和其所在文章內(nèi)容之間的關(guān)系第二節(jié)新媒體數(shù)據(jù)分析類別>>三、內(nèi)容分析>>分析要點(diǎn)>>超鏈接4、超鏈接以人民網(wǎng)的一則文章《人工智能融得更深用得更廣》為例，/n1/2019/1111/c1003-31447138.html從超鏈接的載體來(lái)看，在該文章中，主要有三種類型的超鏈接。第一種超鏈接的載體是相關(guān)文章，如圖4-18所示；第二種超鏈接的載體是網(wǎng)址，如圖4-19所示；第三種超鏈接的載體是視頻，如圖4-20所示。圖4-18文章超鏈接圖4-19網(wǎng)址超鏈接第二節(jié)新媒體數(shù)據(jù)分析類別>>三、內(nèi)容分析>>分析要點(diǎn)>>超鏈接4、超鏈接圖4-20視頻超鏈接從超鏈接的目標(biāo)地址來(lái)看，讀者可以通過(guò)網(wǎng)址來(lái)獲取相關(guān)信息。如對(duì)于以下網(wǎng)址，/n1/2019/1108/c1003-31445747.html，可以得到該超鏈接指向的內(nèi)容屬于人民網(wǎng)的觀點(diǎn)（opinion）欄目，而且發(fā)布時(shí)間為2019年11月8日等基本信息。從超鏈接與文章的關(guān)系來(lái)看，這三種超鏈接和文章內(nèi)容的聯(lián)系并不緊密，屬于網(wǎng)站內(nèi)容的拓展閱讀。第二節(jié)新媒體數(shù)據(jù)分析類別>>三、內(nèi)容分析>>分析要點(diǎn)>>評(píng)論5、評(píng)論新媒體的交互性決定了媒介內(nèi)容不僅包括創(chuàng)作者，還有UGC（UserGeneratedContent，用戶生成內(nèi)容），因此評(píng)論分析顯得更加重要，對(duì)于評(píng)論數(shù)據(jù)，通?？梢岳冒俗︳~數(shù)據(jù)采集器獲取，八爪魚采集器中預(yù)設(shè)了很多平臺(tái)對(duì)象可供評(píng)論數(shù)據(jù)采集。評(píng)論分析主要包括對(duì)評(píng)論質(zhì)量和評(píng)論源的分析。評(píng)論分析評(píng)論質(zhì)量回復(fù)數(shù)長(zhǎng)度時(shí)效性評(píng)論極性評(píng)論源評(píng)論者等級(jí)評(píng)論者信息披露第二節(jié)新媒體數(shù)據(jù)分析類別>>三、內(nèi)容分析>>分析要點(diǎn)>>評(píng)論5、評(píng)論回復(fù)數(shù)即評(píng)論的回復(fù)數(shù)量，對(duì)評(píng)論有效性的影響作用最大。評(píng)論的回復(fù)數(shù)越多，內(nèi)容創(chuàng)作者就能從更多角度去認(rèn)知和了解用戶的態(tài)度。評(píng)論長(zhǎng)度評(píng)論長(zhǎng)度能夠體現(xiàn)信息的相關(guān)性和完整性程度，評(píng)論長(zhǎng)度越長(zhǎng)，所含有的信息越多。評(píng)論時(shí)效性表示評(píng)論發(fā)表日期至現(xiàn)今的時(shí)間差，用來(lái)判斷信息的時(shí)間效度和及時(shí)性，一般而言，越新的評(píng)論，則越有效。評(píng)論極性表示評(píng)論者對(duì)內(nèi)容的總體評(píng)價(jià)與整體感知，分為正向、中性和負(fù)向。評(píng)論者等級(jí)表示評(píng)論者的資信度，能反映其專業(yè)水平和可信程度。評(píng)論者信息披露表示個(gè)人身份曝光程度，能反映信息的真實(shí)性及其來(lái)源的可靠性。第二節(jié)新媒體數(shù)據(jù)分析類別>>三、內(nèi)容分析>>分析要點(diǎn)>>背景音樂6、背景音樂隨著移動(dòng)短視頻的迅速發(fā)展，以抖音、快手為代表的短視頻應(yīng)用生產(chǎn)了眾多短視頻內(nèi)容。短視頻主要由畫面、背景音樂和說(shuō)明文字構(gòu)成。其中，同樣的畫面內(nèi)容配上不同的背景音樂，可能會(huì)有不同的效果。背景音樂有時(shí)會(huì)成為短視頻的亮點(diǎn)，賦予其“二次創(chuàng)作”的驚喜。對(duì)背景音樂的分析可以幫助短視頻內(nèi)容生產(chǎn)者追蹤熱門音樂榜單，激發(fā)創(chuàng)作靈感，制作出高質(zhì)量的短視頻作品。背景音樂音樂來(lái)源同款音樂使用量同款音樂使用排行第二節(jié)新媒體數(shù)據(jù)分析類別>>三、內(nèi)容分析>>分析要點(diǎn)>>背景音樂圖4-21音樂來(lái)源（1）音樂來(lái)源：是指短視頻背景音樂的出處。以抖音為例，在短視頻右下角轉(zhuǎn)動(dòng)的唱片標(biāo)志會(huì)顯示音樂來(lái)源，如圖4-21所示。（2）同款音樂使用量：是指同一款背景音樂被使用的人數(shù)，在圖4-28中，由人民日?qǐng)?bào)發(fā)布的一則有關(guān)北京冬奧會(huì)吉祥物冰墩墩的短視頻，點(diǎn)擊查看時(shí)發(fā)現(xiàn)提示“該聲音不可用”，這是由于發(fā)布者設(shè)置了同款音樂使用權(quán)限。在其他情況下，用戶點(diǎn)擊短視頻右下角的唱片標(biāo)志，會(huì)彈出頁(yè)面,如圖4-22所示，該頁(yè)面會(huì)顯示同款音樂使用人數(shù)。（3）同款音樂使用排行：是指按照使用同款音樂的短視頻的點(diǎn)贊數(shù)降序排列的榜單。在圖4-22中，在同款音樂排行榜中還標(biāo)注了點(diǎn)贊量前3名的短視頻。圖4-22同款音樂使用人數(shù)執(zhí)行分析文章撰寫速度客服影響速率第二節(jié)新媒體數(shù)據(jù)分析類別>>四、執(zhí)行分析執(zhí)行分析即對(duì)團(tuán)隊(duì)成員的日常執(zhí)行工作與評(píng)估，包括文章撰寫速度、客服影響速率等。新媒體工作是否有效率，可以借助執(zhí)行數(shù)據(jù)進(jìn)行分析。1、文章撰寫速度文章撰寫速度是指文章的總量/從文章選題確定到文章發(fā)布之間所用的時(shí)間。新媒體信息傳播的即時(shí)性要求網(wǎng)站提升文章撰寫速度，提高時(shí)效性。2、客服影響速率新媒體不僅注重產(chǎn)品的推廣和運(yùn)營(yíng)，還要提供讓用戶滿意的服務(wù)。新媒體在線的虛擬性更加要求網(wǎng)站提供周到細(xì)致的客服?？头绊懰俾拾丝头貜?fù)率、店鋪接待壓力、客服對(duì)產(chǎn)品的熟悉度以及客服的打字速度等因素。而客服平均響應(yīng)時(shí)間是衡量客服質(zhì)量的重要標(biāo)準(zhǔn)，它是指從顧客咨詢到客服回應(yīng)的每一次的時(shí)間差均值，這個(gè)數(shù)值越小，客服響應(yīng)越及時(shí)。第三節(jié)新媒體數(shù)據(jù)分析誤區(qū)規(guī)避03第三節(jié)新媒體數(shù)據(jù)分析誤區(qū)規(guī)避>>一、要全部不要抽樣一、要全部不要抽樣這是指要從小數(shù)據(jù)時(shí)代的隨機(jī)采樣過(guò)渡到大數(shù)據(jù)時(shí)代的總體分析。19世紀(jì)以來(lái)，當(dāng)面臨大量數(shù)據(jù)時(shí)，社會(huì)都依賴于采樣分析。但是采樣分析是信息缺乏時(shí)代和信息流通受限制的模擬數(shù)據(jù)時(shí)代的產(chǎn)物。它本身存在許多固有的缺陷，其成功依賴于采樣的絕對(duì)隨機(jī)性，一旦采樣過(guò)程中存在任何偏見，分析結(jié)果就會(huì)相去甚遠(yuǎn)。以前我們通常把這看成是理所當(dāng)然的限制，但是現(xiàn)在廉價(jià)的存儲(chǔ)設(shè)備、高性能的運(yùn)算能力讓我們意識(shí)到，這其實(shí)是一種人為的限制。與局限在小數(shù)據(jù)范圍相比，“樣本=總體”讓我們看到了一些以前樣本無(wú)法揭示的細(xì)節(jié)信息。第三節(jié)新媒體數(shù)據(jù)分析誤區(qū)規(guī)避>>二、要混雜不要精確二、要混雜不要精確1、數(shù)據(jù)類型的多樣性新媒體數(shù)據(jù)分為結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)以及非結(jié)構(gòu)化數(shù)據(jù)三大類型。結(jié)構(gòu)化數(shù)據(jù)是指可以用關(guān)系型數(shù)據(jù)庫(kù)表示和存儲(chǔ)，表現(xiàn)為二維形式的數(shù)據(jù)。半結(jié)構(gòu)化數(shù)據(jù)是指不符合關(guān)系型數(shù)據(jù)庫(kù)或其他數(shù)據(jù)表的形式關(guān)聯(lián)起來(lái)的數(shù)據(jù)模型結(jié)構(gòu)，但是包含相關(guān)標(biāo)記，用來(lái)分割語(yǔ)義元素以及對(duì)記錄和字段進(jìn)行分層。非結(jié)構(gòu)化數(shù)據(jù)就是沒有固定結(jié)構(gòu)的數(shù)據(jù)。據(jù)統(tǒng)計(jì)，只有5%的數(shù)字?jǐn)?shù)據(jù)是結(jié)構(gòu)化的且能適用于傳統(tǒng)數(shù)據(jù)庫(kù)。如果不能接受數(shù)據(jù)的混雜性，剩下95%的非結(jié)構(gòu)化數(shù)據(jù)都無(wú)法被利用。如今，對(duì)于半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的分析挖掘日益重要。數(shù)據(jù)類型舉例結(jié)構(gòu)化數(shù)據(jù)網(wǎng)絡(luò)媒體統(tǒng)計(jì)數(shù)據(jù)（閱讀、粉絲、瀏覽數(shù)據(jù)等）、網(wǎng)絡(luò)媒體資源元數(shù)據(jù)半結(jié)構(gòu)化數(shù)據(jù)網(wǎng)絡(luò)媒體資源描述、支撐數(shù)據(jù)（HTML網(wǎng)頁(yè)數(shù)據(jù)、XML文件數(shù)據(jù)）非結(jié)構(gòu)化數(shù)據(jù)各種文檔、圖片、視頻、音頻等網(wǎng)絡(luò)媒體資源內(nèi)容數(shù)據(jù)第三節(jié)新媒體數(shù)據(jù)分析誤區(qū)規(guī)避>>二、要混雜不要精確二、要混雜不要精確2、數(shù)據(jù)的不精確性接受數(shù)據(jù)的不精確性是因?yàn)樵诖髷?shù)據(jù)時(shí)代，我們關(guān)注的通常是趨勢(shì)和方向，在海量數(shù)據(jù)中，個(gè)別數(shù)據(jù)的不精確一般不會(huì)影響某種趨勢(shì)和方向。而且數(shù)據(jù)類型的多樣性有時(shí)決定了很難達(dá)到數(shù)據(jù)的精確性，比如對(duì)短視頻內(nèi)容的檢索和分析。第三節(jié)新媒體數(shù)據(jù)分析誤區(qū)規(guī)避>>三、要相關(guān)不要因果三、要相關(guān)不要因果所謂相關(guān)關(guān)系，其核心是指量化兩個(gè)數(shù)據(jù)值之間的數(shù)理關(guān)系，建立在相關(guān)關(guān)系分析法基礎(chǔ)上的預(yù)測(cè)是大數(shù)據(jù)的核心。相關(guān)關(guān)系強(qiáng)是指當(dāng)一個(gè)數(shù)據(jù)值增加時(shí)，另一個(gè)數(shù)據(jù)值很有可能也會(huì)隨之增加。比如，谷歌通過(guò)搜索規(guī)律預(yù)測(cè)流感趨勢(shì)，在一個(gè)特定的地理位置，越多的人通過(guò)谷歌搜索特定的詞條，該地區(qū)就有更多的人患了流感。相反，相關(guān)關(guān)系弱就意味著當(dāng)一個(gè)數(shù)據(jù)值增加時(shí)，另一個(gè)數(shù)據(jù)值幾乎不會(huì)發(fā)生變化。例如，我們可以尋找個(gè)人的鞋碼和幸福的相關(guān)關(guān)系，但會(huì)發(fā)現(xiàn)它們幾乎扯不上什么關(guān)系。第四節(jié)新媒體數(shù)據(jù)分析方法04對(duì)比分析法是把客觀事物加以比較，以達(dá)到認(rèn)識(shí)事物的本質(zhì)和規(guī)律并做出正確評(píng)價(jià)的方法。對(duì)比分析法通常是把兩個(gè)相互聯(lián)系的指標(biāo)數(shù)據(jù)進(jìn)行比較，從數(shù)量上展示和說(shuō)明研究對(duì)象規(guī)模的大小、水平的高低、速度的快慢以及各種關(guān)系是否協(xié)調(diào)。對(duì)比分析包括絕對(duì)數(shù)比較和相對(duì)數(shù)比較兩種形式。絕對(duì)數(shù)比較是利用絕對(duì)數(shù)進(jìn)行對(duì)比，從而尋找差異的一種方法。相對(duì)數(shù)比較包括結(jié)構(gòu)相對(duì)數(shù)、比例相對(duì)數(shù)、比較相對(duì)數(shù)、強(qiáng)度相對(duì)數(shù)、計(jì)劃完成程度相對(duì)數(shù)和動(dòng)態(tài)相對(duì)數(shù)。下面詳細(xì)介紹相對(duì)數(shù)比較的具體方法。第四節(jié)新媒體數(shù)據(jù)分析方法>>一、對(duì)比分析法1、結(jié)構(gòu)相對(duì)數(shù)將同一總體內(nèi)的部分?jǐn)?shù)值與全部數(shù)值對(duì)比求得比重，用以說(shuō)明事物的性質(zhì)、結(jié)構(gòu)或質(zhì)量。如淘寶商家統(tǒng)計(jì)購(gòu)買者所在的地域分布，統(tǒng)計(jì)各個(gè)地方購(gòu)買者的占比情況，結(jié)構(gòu)相對(duì)數(shù)可以利用餅圖進(jìn)行比較，如圖所示。第四節(jié)新媒體數(shù)據(jù)分析方法>>一、對(duì)比分析法2、比例相對(duì)數(shù)將同一總體內(nèi)不同部分的數(shù)值對(duì)比，表明總體內(nèi)各部分的比例關(guān)系，如將1000萬(wàn)元廣告費(fèi)用分別投放到百度（100萬(wàn)）、今日頭條（100萬(wàn)）、微博（300萬(wàn)）、微信（200萬(wàn)）、愛奇藝（300萬(wàn)）平臺(tái)，則平臺(tái)廣告投入的比例關(guān)系為1：1：3：2：3。3、比較相對(duì)數(shù)將同一時(shí)期兩個(gè)性質(zhì)相同的指標(biāo)數(shù)值對(duì)比，說(shuō)明同類現(xiàn)象在不同空間條件下的數(shù)量對(duì)比關(guān)系。如對(duì)新媒體矩陣中的一文多發(fā)進(jìn)行效果評(píng)估，比較同一時(shí)刻不同分發(fā)平臺(tái)一篇文章的閱讀量。4、強(qiáng)度相對(duì)數(shù)將兩個(gè)性質(zhì)不同但有一定聯(lián)系的總量指標(biāo)對(duì)比，用以說(shuō)明現(xiàn)象的強(qiáng)度、密度和普遍程度。如“雙十一”人均網(wǎng)上購(gòu)物支出用“元/人”表示；淘寶直播間每分鐘購(gòu)物鏈接點(diǎn)擊人數(shù)用“人/分鐘”表示等。5、計(jì)劃完成程度相對(duì)數(shù)某一時(shí)期實(shí)際完成數(shù)與計(jì)劃數(shù)對(duì)比，用以說(shuō)明計(jì)劃完成程度。例如，在Tableau中可以通過(guò)標(biāo)靶圖的制作來(lái)實(shí)現(xiàn)實(shí)際值和計(jì)劃值的對(duì)比。6、動(dòng)態(tài)相對(duì)數(shù)將同一現(xiàn)象在不同時(shí)期的指標(biāo)數(shù)值對(duì)比，用以說(shuō)明發(fā)展方向和變化的速度。如同一檔節(jié)目在不同時(shí)段的收視率變化；微博本月粉絲增長(zhǎng)數(shù)與上月增長(zhǎng)數(shù)進(jìn)行對(duì)比等。第四節(jié)新媒體數(shù)據(jù)分析方法>>二、分組分析法分組分析法是指通過(guò)統(tǒng)計(jì)分組的計(jì)算和分析，來(lái)認(rèn)識(shí)所要分析對(duì)象的不同特征、不同性質(zhì)及相互關(guān)系。分組分析法是在分組的基礎(chǔ)上，對(duì)現(xiàn)象的內(nèi)部結(jié)構(gòu)或現(xiàn)象之間的依存關(guān)系從定性或定量的角度做進(jìn)一步分析研究，以便尋找事物發(fā)展的規(guī)律，正確地分析問(wèn)題和解決問(wèn)題。分組時(shí)必須遵循兩個(gè)原則：窮盡原則和互斥原則。所謂窮盡原則，就是使總體中的每一個(gè)單位都應(yīng)有組可歸，或者說(shuō)各分組的空間足以容納總體所有的單位。所謂互斥原則，就是在特定的分組標(biāo)志下，總體中的任何一個(gè)單位只能歸屬于某一個(gè)組，不能同時(shí)或可能歸屬于幾個(gè)組。例如：新媒體運(yùn)營(yíng)團(tuán)隊(duì)可以統(tǒng)計(jì)粉絲中各年齡段的組成占比，按照年齡段劃分的粉絲數(shù)量比例就是分組分析法的一種，如圖所示。第四節(jié)新媒體數(shù)據(jù)分析方法>>三、平均分析法平均分析法就是用平均數(shù)來(lái)衡量總體在一定時(shí)間和地點(diǎn)條件下某數(shù)據(jù)的一般水平。平均數(shù)據(jù)比總量指標(biāo)更具說(shuō)服力,更能幫助運(yùn)營(yíng)者預(yù)測(cè)發(fā)展趨勢(shì)和規(guī)律。平均分析法包括數(shù)值平均數(shù)和位置平均數(shù)，數(shù)值平均數(shù)又包括算術(shù)平均數(shù)、調(diào)和平均數(shù)和幾何平均數(shù)，其中最常用的是算術(shù)平均值，即算術(shù)平均值=總體各數(shù)據(jù)的總和/數(shù)據(jù)個(gè)數(shù)。位置平均數(shù)又包括眾數(shù)和中位數(shù)，眾數(shù)直觀地反映了總體的集中趨勢(shì)，中位數(shù)代表了現(xiàn)象的一般水平。平均分析法數(shù)值平均數(shù)算術(shù)平均數(shù)調(diào)和平均數(shù)幾何平均數(shù)位置平均數(shù)眾數(shù)中位數(shù)第四節(jié)新媒體數(shù)據(jù)分析方法>>三、平均分析法計(jì)算平均數(shù)的函數(shù)主要有簡(jiǎn)單算術(shù)平均數(shù)AVERAGE、中位數(shù)DEDIAN和眾數(shù)MODE，下面以算術(shù)平均數(shù)為例介紹如何在Excel中應(yīng)用此類函數(shù)。（1）點(diǎn)擊插入函數(shù)按鈕，選擇需要的函數(shù)，點(diǎn)擊確定，如圖4-23所示。（2）在函數(shù)參數(shù)Number1中，選擇要計(jì)算的區(qū)域，點(diǎn)擊確定，即可獲得所求結(jié)果。參數(shù)設(shè)置和計(jì)算結(jié)果分別如圖4-24和圖4-25所示。圖4-23插入函數(shù)圖4-25平均數(shù)計(jì)算結(jié)果圖4-24函數(shù)參數(shù)第四節(jié)新媒體數(shù)據(jù)分析方法>>四、矩陣分析法矩陣分析法是一種定量分析數(shù)據(jù)的方法。它是指以數(shù)據(jù)兩個(gè)重要指標(biāo)作為分析依據(jù)，并將這兩個(gè)指標(biāo)作為橫、縱坐標(biāo)軸，構(gòu)成四個(gè)象限，從而找出解決問(wèn)題的方法，為運(yùn)營(yíng)者提供數(shù)據(jù)參考。以經(jīng)典的KANO模型為例：以分析用戶需求對(duì)用戶滿意的影響為基礎(chǔ)，體現(xiàn)了產(chǎn)品性能和用戶滿意之間的非線性關(guān)系。如圖所示，橫縱坐標(biāo)分別表示產(chǎn)品的功能具備程度和用戶的滿意度。（1）紅色曲線表示產(chǎn)品的必備屬性，也就是基礎(chǔ)功能。當(dāng)這類功能沒有時(shí)，用戶極其不滿；當(dāng)有這類功能時(shí)，無(wú)論做得再好，用戶都覺得理所應(yīng)當(dāng)。比如手機(jī)的通話功能、美圖的濾鏡功能等。（2）橙色曲線表示產(chǎn)品的魅力屬性，也就是亮點(diǎn)功能。當(dāng)這類功能沒有時(shí)，用戶并不會(huì)不滿意或者覺得有問(wèn)題，因?yàn)橛脩粢呀?jīng)習(xí)以為常；但是一旦具有這類功能，用戶就會(huì)大為驚喜，甚至贊不絕口。如手機(jī)的手電筒功能，iPhone5S開始的指紋識(shí)別功能。（3）綠色直線表示產(chǎn)品的期望屬性，也就是期望功能。這類功能要多多益善，與用戶的期望值呈正比關(guān)系。比如空調(diào)的節(jié)能和除濕功能。（4）黑色直線表示產(chǎn)品的反向?qū)傩?，也就是反向功能。這類功能做的越多用戶越討厭，如瀏覽視頻前的彈窗廣告。（5）藍(lán)色直線表示產(chǎn)品的無(wú)差異屬性，也就是無(wú)差別功能。這類功能做不做對(duì)用戶的感受沒有變化?？赏ㄟ^(guò)低成本驗(yàn)證法，即采取小投入的方案，來(lái)驗(yàn)證用戶、市場(chǎng)，再?zèng)Q定要不要做這個(gè)功能。第四節(jié)新媒體數(shù)據(jù)分析方法>>五、網(wǎng)絡(luò)分析法網(wǎng)絡(luò)分析法是一種分析處于同一網(wǎng)絡(luò)中的各個(gè)節(jié)點(diǎn)之間的互動(dòng)以及各節(jié)點(diǎn)的權(quán)重關(guān)系的方法。新媒體時(shí)代的交互性和去中心化更加凸顯了網(wǎng)絡(luò)分析法的重要價(jià)值。本節(jié)內(nèi)容以Python中的Networkx包為基礎(chǔ)，以人民日?qǐng)?bào)發(fā)布的157則短視頻標(biāo)題文字為語(yǔ)料，介紹網(wǎng)絡(luò)分析法，舉例見教材P96-P100第四節(jié)新媒體數(shù)據(jù)分析方法>>六、相關(guān)性分析法相關(guān)性分析是指分析連續(xù)變量之間線性相關(guān)程度的強(qiáng)弱，并用適當(dāng)?shù)慕y(tǒng)計(jì)指標(biāo)表示出來(lái)的過(guò)程。大數(shù)據(jù)時(shí)代，數(shù)據(jù)間的相關(guān)關(guān)系比因果關(guān)系更加重要。在媒體營(yíng)銷中，可以通過(guò)比較兩個(gè)商品的相關(guān)關(guān)系強(qiáng)弱來(lái)選擇是否進(jìn)行組合銷售。本節(jié)內(nèi)容介紹運(yùn)用Excel中的CORREL函數(shù)進(jìn)行相關(guān)性分析。CORREL函數(shù)的功能是用來(lái)返回單元格區(qū)域array1和array2之間的相關(guān)系數(shù)，從而確定兩種屬性之間的關(guān)系。例如，對(duì)某在線服裝店的服裝銷售數(shù)據(jù)進(jìn)行相關(guān)性分析，主要分析服裝A分別與服裝B到服裝J之間的相關(guān)關(guān)系，從而確定服裝A與哪種服裝進(jìn)行穿搭銷售會(huì)更加暢銷。（1）將服裝A-服裝J在2019.10.1-2019.10.6日一周的銷售數(shù)據(jù)導(dǎo)入Excel中，如圖4-26所示。圖4-26銷售數(shù)據(jù)第四節(jié)新媒體數(shù)據(jù)分析方法>>六、相關(guān)性分析法（2）選中B8單元格，在“公式”選項(xiàng)欄中選擇“插入函數(shù)”，選擇CORREL函數(shù)。在Array1中輸入$B$2:$B$7，從而保證每次進(jìn)行相關(guān)系數(shù)計(jì)算時(shí)，都是運(yùn)用服裝A的銷售數(shù)據(jù)。在Array2中輸入C2:C7，即服裝B的銷售數(shù)據(jù)，點(diǎn)擊確定，如圖4-27所示。（3）在C8中生成了服裝A與服裝B銷量的相關(guān)系數(shù)，拖拽C8的小方塊填充D8-K8，得出了服裝A分別與服裝B到服裝J銷量的相關(guān)系數(shù)，如圖4-28所示。（4）相關(guān)系數(shù)r的取值范圍為[-1，1]，其中，[-1,0）表示負(fù)相關(guān)，數(shù)值越小，負(fù)相關(guān)程度越高；0表示沒有相關(guān)關(guān)系；（0，1]表示正相關(guān)，數(shù)值越大，正相關(guān)程度越高。由結(jié)果可得，服裝A與服裝D的相關(guān)系數(shù)最高，為0.82。因此，店鋪的運(yùn)營(yíng)者可以將服裝A與服裝D放在一起搭售，激發(fā)消費(fèi)者購(gòu)買更多服裝的行為。圖4-27函數(shù)參數(shù)圖4-28相關(guān)系數(shù)計(jì)算結(jié)果第四節(jié)新媒體數(shù)據(jù)分析方法>>七、貢獻(xiàn)度分析法貢獻(xiàn)度分析又稱帕累托分析，它的原理是帕累托法則，又稱20/80定律。例如，對(duì)一個(gè)公司來(lái)講，80%的利潤(rùn)常常來(lái)自于20%最暢銷的產(chǎn)品。而隨著互聯(lián)網(wǎng)的發(fā)展，長(zhǎng)尾理論日益凸顯價(jià)值。它是指只要產(chǎn)品的存儲(chǔ)和流通的渠道足夠大，需求不旺或銷量不佳的產(chǎn)品所共同占據(jù)的市場(chǎng)份額可以和那些少數(shù)熱銷產(chǎn)品所占據(jù)的市場(chǎng)份額相匹敵甚至更大，即眾多小市場(chǎng)匯聚成可產(chǎn)生與主流相匹敵的市場(chǎng)能量。貢獻(xiàn)度分析的意義在于通過(guò)找到貢獻(xiàn)了80%利潤(rùn)的產(chǎn)品界限，幫助公司運(yùn)營(yíng)者區(qū)分熱銷產(chǎn)品和長(zhǎng)尾商品，從而制定針對(duì)性的銷售策略。貢獻(xiàn)度分析的公式為：貢獻(xiàn)度=累積貢獻(xiàn)數(shù)/總數(shù)×100%。（1）以某家在線圖書銷售為例，如圖4-29所示是該電商10種圖書名和盈利金額。將數(shù)據(jù)導(dǎo)入Excel中，并按照盈利額從大到小排列，進(jìn)行貢獻(xiàn)度計(jì)算。（2）先運(yùn)用求和公式求出盈利總額，如圖4-30所示。在Excel中構(gòu)造累積求和公式計(jì)算累積盈利金額，具體做法是從下到上依次選中C11：C2，在紅色矩形框內(nèi)輸入公式=sum（B$2:B11），如圖4-31所示。點(diǎn)擊“Ctrl+Enter”，結(jié)果自動(dòng)計(jì)算完成，如圖4-32所示。圖4-29圖書及盈利金額圖4-30計(jì)算利潤(rùn)總額第四節(jié)新媒體數(shù)據(jù)分析方法>>七、貢獻(xiàn)度分析法（3）在C1中輸入“累積盈利”，在D1輸入“比例”，在D2中輸入公式“=C2/$B$12”計(jì)算貢獻(xiàn)度，如圖4-33所示。之后拖動(dòng)D2下方的小正方形到D11，完成所有貢獻(xiàn)度計(jì)算，結(jié)果如圖4-34所示。圖4-31累積求和公式圖4-32累積求和結(jié)果圖4-33貢獻(xiàn)度計(jì)算圖4-34貢獻(xiàn)度計(jì)算結(jié)果第四節(jié)新媒體數(shù)據(jù)分析方法>>七、貢獻(xiàn)度分析法（4）將所得結(jié)果可視化。只選擇圖書名、盈利和比例三列，如圖4-35所示。在“插入”選項(xiàng)欄中選擇“插入圖表”，在彈出的對(duì)話框中選擇“組合圖”中的“自定義組合”，比例中選擇折線圖，并勾選為次坐標(biāo)軸，點(diǎn)擊確定，如圖4-36所示。生成的可視化結(jié)果如圖4-37所示。圖4-36貢獻(xiàn)度可視化圖表參數(shù)設(shè)置圖4-35選擇需要的數(shù)據(jù)列圖4-37貢獻(xiàn)度可視化結(jié)果由上圖可知，圖書A1-A7共7種圖書，占圖書種類數(shù)的70%，總盈利額占到了該月盈利額的85.0033%。根據(jù)帕累托法則，應(yīng)對(duì)圖書A1-A7采取暢銷書戰(zhàn)略；根據(jù)長(zhǎng)尾理論，對(duì)圖書A8-A10采取長(zhǎng)尾圖書的銷售策略。第四節(jié)新媒體數(shù)據(jù)分析方法>>八、周期性分析法周期性分析是探索某個(gè)變量是否隨著時(shí)間變化而呈現(xiàn)出來(lái)某種周期變化趨勢(shì)。按照時(shí)間尺度的標(biāo)準(zhǔn)劃分，較長(zhǎng)的周期性趨勢(shì)有年度周期性趨勢(shì)、季節(jié)性周期性趨勢(shì)；相對(duì)較短的有月度周期性趨勢(shì)，周度周期性趨勢(shì)，甚至更短的天、小時(shí)周期性趨勢(shì)。對(duì)于電商行業(yè)而言，掌握消費(fèi)者在法定節(jié)假日、“雙11”等特殊時(shí)間點(diǎn)的消費(fèi)行為規(guī)律，有利于商家提前做好準(zhǔn)備；對(duì)于一些技術(shù)類網(wǎng)站，掌握人們?cè)L問(wèn)量的規(guī)律，如人們多在工作日訪問(wèn)，有利于提高網(wǎng)站的魯棒性。例如在百度指數(shù)中搜索“感冒”一詞的搜索指數(shù)，將時(shí)間跨度選擇2011-2019年共9年時(shí)間，如圖4-52所示，可以看出，搜索的高峰多出現(xiàn)在1月、3月、5月等換季的時(shí)間，其搜索指數(shù)的折線圖大致呈周期性變化規(guī)律。圖4-38“感冒”的百度指數(shù)變化第四節(jié)新媒體數(shù)據(jù)分析方法>>九、回歸分析法回歸分析是通過(guò)研究事物發(fā)展變化的因果關(guān)系來(lái)預(yù)測(cè)事物發(fā)展的趨勢(shì)，它是研究變量間相互關(guān)系的一種定量預(yù)測(cè)方法?？赏ㄟ^(guò)對(duì)大量數(shù)據(jù)的處理來(lái)確定因變量與某些自變量的相關(guān)關(guān)系，建立一個(gè)相關(guān)性較好的回歸方程（函數(shù)表達(dá)式），并加以外推，用于預(yù)測(cè)今后的因變量的變化的分析方法。根據(jù)因變量和自變量的個(gè)數(shù)分為：一元回歸分析和多元回歸分析；按照因變量的多少，可分為簡(jiǎn)單回歸分析和多重回歸分析；根據(jù)因變量和自變量的函數(shù)表達(dá)式分為：線性回歸分析和非線性回歸分析。新媒體數(shù)據(jù)分析中，通過(guò)已有數(shù)據(jù)的分析進(jìn)行預(yù)測(cè)也是重要應(yīng)用之一，回歸分析法為新媒體數(shù)據(jù)預(yù)測(cè)分析提供了重要支持。目前很多軟件或平臺(tái)都能實(shí)現(xiàn)回歸分析，如Excel、SPSS、Tableau等，以下將對(duì)Excel和Tableau軟件中回歸分析的操作及預(yù)測(cè)的應(yīng)用進(jìn)行闡述。第四節(jié)新媒體數(shù)據(jù)分析方法>>九、回歸分析法>>Excel中回歸分析及預(yù)測(cè)1、Excel中回歸分析及預(yù)測(cè)例如：某新媒體平臺(tái)近8年?duì)I銷額數(shù)據(jù)如圖所示，現(xiàn)要對(duì)銷售額進(jìn)行回歸分析，從而預(yù)測(cè)未來(lái)某一年份的銷售額。（1）打開數(shù)據(jù)源并排序：在Excel中打開數(shù)據(jù)源，若尚未排序，則按時(shí)間進(jìn)行升序排列，如圖4-39所示。圖4-39在Excel打開數(shù)據(jù)并排序第四節(jié)新媒體數(shù)據(jù)分析方法>>九、回歸分析法>>Excel中回歸分析及預(yù)測(cè)（2）生成折線圖：選擇“時(shí)間”和“銷售額”數(shù)據(jù)，在“插入”菜單選擇插入折線圖，即生成隨年份變化的銷售額折線圖，如圖4-40所示。（3）添加趨勢(shì)線：右鍵選中折線圖，在彈出菜單中選擇“添加趨勢(shì)線”，如圖4-41所示；在“設(shè)置趨勢(shì)線格式”中根據(jù)需要選擇趨勢(shì)線類型，本例中選擇“線性”，并勾選下方的顯示公式復(fù)選框，如圖4-42所示；最后生成趨勢(shì)線，實(shí)現(xiàn)對(duì)銷售額的一元回歸分析，擬合公式為y=120765x-161908,如圖4-43所示。（4）預(yù)測(cè)分析：根據(jù)一元回歸趨勢(shì)圖或計(jì)算公式，可以對(duì)未來(lái)幾年銷售額進(jìn)行預(yù)測(cè)，例如預(yù)測(cè)2020年銷售額數(shù)值，即第9年的銷售額，此時(shí)x=9，計(jì)算出y值為924977，因而預(yù)計(jì)2020年的銷售額約為924977元。圖4-40銷售額折線圖圖4-41添加趨勢(shì)線圖4-42設(shè)置趨勢(shì)線格式圖4-43一元回歸曲線和公式第四節(jié)新媒體數(shù)據(jù)分析方法>>九、回歸分析法>>Tableau中回歸分析及預(yù)測(cè)2、Tableau中回歸分析及預(yù)測(cè)Tableau有TableauPublic、TableauDesktop等多個(gè)版本，其中TableauPublic是一款完全免費(fèi)軟件。Tableau軟件具有強(qiáng)大的數(shù)據(jù)分析功能，也能實(shí)現(xiàn)較為豐富的可視化。本例中將上個(gè)例子的銷售額數(shù)據(jù)在TableauPublic中做回歸分析，并進(jìn)行預(yù)測(cè)。（1）將數(shù)據(jù)導(dǎo)入TableauPublic：打開TableauPublic，并導(dǎo)入銷售額Excel文件數(shù)據(jù)，如圖圖4-43所示。數(shù)據(jù)導(dǎo)入后，點(diǎn)擊左下角“工作表1”，切換至工作表界面，此時(shí)“時(shí)間”字段和“銷售額”字段均在“度量”模塊（“度量”模塊為數(shù)值字段，“維度”字段為非數(shù)值字段），通過(guò)“時(shí)間”字段右側(cè)下拉三角更改數(shù)據(jù)類型為日期，如圖4-44所示，此時(shí)“時(shí)間”字段移入“維度”模塊。圖4-43數(shù)據(jù)導(dǎo)入圖4-44更改字段數(shù)據(jù)類型第四節(jié)新媒體數(shù)據(jù)分析方法>>九、回歸分析法>>Tableau中回歸分析及預(yù)測(cè)（2）銷售額折線圖制作：分別將“時(shí)間”字段和“銷售額”字段拖至列和行功能區(qū)，默認(rèn)生成折線圖，如圖4-45所示。若為非折線圖，可通過(guò)“標(biāo)記”選