内容行业数据分析案例

184 阅读6分钟

一.定位问题

知乎的“问答”功能在开学季过去后,回答量有所回升,但仍然没有恢复到8月末之前的水平。10月初的日均回答量相比8月末下滑20%”,需要找出回答量下降的原因。

二.分析思路

使用多维度拆解分析方法,从指标定义来拆解为日均回答人数和人均回答数量。日均回答人数可以继续拆解为一级创作者数、二级创作者数、三级创作者数、四级以上创作者数。人均回答数量可以继续拆解为一级创作者日均回答数量、二级创作者日均回答数量、三级创作者日均回答数量、四级以上创作者日均回答数量。

三.分析过程

1.日均回答人数

日均回答人数受平台DAU(日活数)的影响,例如8-10月的DAU提升,可能日均回答人数相应也会增加。因为DAU是受多种因素影响的整体指标,为了排除这些整体因素对日均回答人数的影响,取日均回答与DAU的比值来分析。所以日均回答人数的趋势,转化成了日均回答人数/DAU的变化趋势,如图所示。 image.png 从图中可以看出,日均回答人数/DAU虽然在8月末下滑,但是在9月8日开始回升,10月初基本恢复到8月中旬的水平。说明日均回答人数在DAU中的占比基本不变。所以日均回答人数不是导致10月初的日均回答量相比8月末下滑的原因。

2.人均回答量

人均回答量=日回答量/日均回答人数,由于前面分析得出日均回答人数没变,我们将判断人均回答量的趋势转化为判断日回答量的趋势。

2.1 创作等级维度

知乎的创作者等级分为10级,数字越大,代表等级越高。选取同一天不同等级用户的日回答量变化趋势进行分析,如图所示。 image.png

image.png

由折线图看出,1级、2级用户的10月初日均回答量相比8月末下滑20%较为一致。所以问题的原因主要是低等级创作者的回答量下滑。

2.2 创作质量维度

接下来需要继续对等级较低创作者的回答从质量维度进一步拆解。依据知乎实际业务,内容在300字以上的回答被认为是质量高的回答;300字以下的回答称之为“短回答”。对等级较低用户回答的质量进行趋势分析,如图所示。

6a9858a2244c32d3de487dab13d4ea3.png

22051adb4113ac935d8703fd822d66a.png 从图中可以看出,短回答降幅基本与回答总量变化趋势保持一致,但是长回答在8月末呈现断崖式下降。长回答相对于短回答内容质量更高,更受运营关注。因此把分析的重点锁定在“等级较低创作者的长回答大幅下滑”上。

2.3 创作领域维度

为什么长回答在8月末呈现断崖式下降?涉及哪些领域的长回答在下降?需要进一步找到原因。

在知乎的内容分类中,首先根据内容所属的基本领域分为较大的一级领域,例如教育、情感然后在一级领域下又细分了多个二级领域,例如教育下面又分了高考、考研等。

查看7、8、9、10这四个月份长回答内容所属的一级领域,如表所示。

类别降幅差值差值占比
教育33.3%33489917.96%
情感20.1%1854269.61%
心理学23.5%1604338.32%
影视46.1%1601078.30%
娱乐31.4%1295916.72%
全领域36.47%1929145100%

前5项是差值占比前5的一级领域,“全领域”是所有一级领域数据的汇总。

“降幅”指9月和10月的长回答量之和相对于7月和8月之和的降幅;“差值”指9月和10月的长回答量之和与7月和8月之和的差值;“差值占比”指所属一级领域的差值占所有一级领域差值的比例。

从表中可以看出,差值占比排名前5的一级领域占整体下降比例的50.91%。在以上排名前5的一级领域中,继续对所有一级领域长回答的二级领域进行细分。

类别降幅差值差值占比
恋爱23.8%1816999.4%
高考60.9%1095825.7%
电影53.4%946234.9%
人际交往24.5%850154.4%
大学31.8%844854.4%
娱乐圈33%754093.9%
文学36.8%753883.9%
游戏35.6%463062.4%
足球74.1%436412.3%
电视剧38.2%423542.2%

从表中可以发现,差值占比排名前十的二级领域占整体下降比例的43.5%。从领域类型来看,下降幅度较高的内容主要集中于“暑期档电影”“世界杯”“高考”等方面,同时这也是暑期较为热门的领域类型。

至此,我们从回答的创作者、回答质量和回答所属领域等多个维度,对回答量下滑问题进行层层拆解,找到了回答量下滑的原因,主要是由于等级较低的用户在七八月“暑期档电影”、“世界杯”、“高考”等热点过后,创作意愿迅速衰退导致。

3.提出建议:

通过分析知乎用户回答量下滑的原因,对内容运营提出以下业务建议:

(1)推送层面:由于存在用户创作意愿减退的情况,首先可以考虑圈出七八月的一、二级创作者,并对其进行创作相关话题的推送,例如电影、足球、大学季等,重新激发用户的创作热情。

(2)活动层面:对于一波热点的衰退,活动是延续热度的有效选择。针对“暑期档电影”“世界杯”“高考”等话题的衰退,可以在首页策划相关话题活动,例如专业选择、大学生活、体育圈等,通过活动吸引更多用户参与热门的话题讨论。

(3)算法推荐层面:针对每个话题的时效性,平台的内容运营需要找到更多优质的相关内容,挖掘更多年轻用户感兴趣的话题,尤其是较低等级用户关注的“教育”“情感”类话题。主动筛选这些话题,配合算法工程师共同优化平台内机器算法的推荐。