数据洞察

　　1、数据介绍

　　数据区间是2018年2月1日—5月10日，历时两个月，累计260968条。

　　采集过程中，对作者做了去重处理，也就是说每个作者只取了TA的一条视频数据。

　　这也代表着我们拥有26W个作者的数据。

　　数据包含视频描述、发布时间、播放数、点赞数、评论数、转发数、尺寸、清晰度、时长、是否包含商品广告、是否包含水印，以及视频作者的昵称、性别、生日、账号创建时间、是否认证、认证类型等数据。

　　另外，数据均为前端可见数据，未使用任何违规操作。

　　2、首次推荐分水岭是5000，请把赞“刷”到100+

　　做过今日头条自媒体账号的人应该了解，头条的推荐算法是先把文章做小范围推荐，查看文章在该部分人中的阅读数据。

　　如果阅读数据良好，则会扩大文章的推荐范围。数据越好，推荐范围则越大。

　　既然抖音是头条系产品，那肯定采用了同样的推荐逻辑。

　　从用户的方便程度来看，点赞>评论>转发，那么点赞作为推荐算法的指标权重应该会大于其他两个。

　　从头条的推荐算法推测，视频应该会先被推荐给一部分用户，如果点赞数达到某个水平，则会将视频推荐给更多的人；如果没有，那么视频大概率会凉了。

　　经过不断分段统计视频各播放量与点赞之间的关系，得到了下面这张表格：

　　由于采集机制的原因，我们很难采集到没有被推荐的视频，但就现有的1907条播放量在5000以下的视频我们可以清晰地看到，这些视频的点赞量100以下的占到了94%。

　　那么反过来可以推断，想要你的视频被更多的人看到（也就是进入系统推荐的二阶段），那么你视频的点赞量至少应该增加到100以上。

　　我做了几个视频进行了测试，发布后分享出去让好友帮忙点赞（下文会给出方法），那些在1小时内点赞量突破一百的，播放量在几小时内很快破万；

　　而那些点赞量低的，则不再被人问津。

　　即便这个结果在测试中得到了验证，但是我却不能给出实锤结论。

　　首先，目前采集到的低于5000播放量的数据，大都在5月以后发布，传播时间不够长，或许这恰好是点赞量低的原因；

　　其次，与整体的样本量相比，这部分数据只占不到1%，没有达到统计分析的样本数要求。

　　无论如何，视频的点赞量肯定会作为推荐权重的依据，点赞越高自然是越好的。

　　3、看似红红火火，但瓶颈似乎已经到来

　　作者数据包含了账号的注册时间，我把作者的注册时间按照月份统计，发现抖音用户的增长似乎在放缓：

　　从上面的用户注册时间分布来看，抖音用户在2018年1月份达到顶峰，随后开始逐月递减，4月份已经只有3月份的一半！

　　实际上，这个数据仍然存在一些漏洞。

　　毕竟存在一种可能，就是新注册的用户不喜欢发布视频，而是在注册一段时间后才开始发布。

　　或者，新注册用户的视频因为还未得到系统的推荐，被我们采集到的概率也随之降低。

　　如果账号的创建时间不能说明问题，我们来看另一组数据。

　　把视频的发布时间与其相对应的播放量和点赞量结合，我得到了各月发布视频的平均点赞量。

　　为了去除数据传播时长的影响，我去掉了5月以后发布的视频，得到各月平均点赞量分布图：

　　数据显示，各月视频的平均点赞数在逐月降低，4月份视频平均点赞量甚至不足3月份的一半。

　　或许是因为视频越来越堵，用户已经麻木，但无论如何，早期的红利在逐渐降低，想上车的要赶紧了。

　　4、拍满15s不是最好的，10s更受用户欢迎

　　目前抖音未公布获得视频超过15s时长权限的机制，但至少我们知道“优质”是选拔的重要条件，所以在分析视频时长时，我去掉了时长超过15s的视频。

　　对15s以内视频的平均点赞情况作了分析，得到以下分布图：

　　数据并不支持我们把视频拍满15s，10s是最好的，13s也不错，甚至11s都优于15s。

　　由于超过15s的视频数量仅6866条，在样本中占比太少，我就不再给出分析。在相同数量级下（均少于100条），39s、42s、50s和58s看上去效果不错。

　　5、男女比例严重失调，小哥哥的视频更受欢迎

　　统计26W个作者的性别，我发现抖音用户中女性用户数量接近男性的3倍！

　　显然是严重失调。

　　（注：“无”代表用户没有填写性别信息）

　　从用户组成来看，就很容易理解为什么抖音的带货能力这么强了。

　　从购物能力来看，女性购买力更强，毕竟大部分钱都掌握在女性的手里。

　　把作者性别和其发布视频的平均点赞量结合，我神奇的发现，小哥哥们的视频竟然更受欢迎！

　　难不成是因为女性用户多于男性，异性相吸？

　　注：没有性别信息的用户有多个视频点赞量超过百万（比如用户@安德罗妮、的一个视频点赞量达到600W），造成了该类别用户的平均点赞量过高，不排除这部分用户均为女性的可能性。

　　6、生活化的内容是抖音的主流，年轻人愿意表达爱与喜欢

　　使用新浪微舆情的文本分析功能，把视频的描述文字做了词性和情感方面的分析，发现生活化的内容是抖音的主体。

　　对视频描述文本的词性分析，动词方面除了“喜欢”和“爱”以外，生活化的“想”、“拍”、“吃”是出现频率最高的词；

　　形容词方面“快乐”、“开心”、“好看”和“可爱”是抖音用户最喜欢表达的感情；

　　名词上“小哥哥”和“小姐姐”显然已经成为发抖音的固定搭配。

　　整体词频方面，除了“小哥哥”、“小姐姐”以及“抖音小助手”以外，具备强烈生活色彩的“爸爸”、“我妈”、“弟弟”、“老公”、“我家”这些词同样被高频率使用。

　　2

　　福利：一些抖音小技巧

　　1.精细化运营，一些小细节很重要

　　我们来看下面两个视频截图，你发现什么差别了么？

　　如果两个视频都需要视频描述来完善视频的内容，那么后一个视频的效果会更好，因为相比于白色视频背景，纯黑色可以非常清晰的把底部的视频描述凸显出来。

　　除此以外，视频内容和质量相似的情况下，竖向的视频比横向的视频更容易被点赞，不信你横过手机点赞一下试试……

　　2.能不能绕过机器筛选直接被推荐到更大的流量池？

　　随着监管制度的完善，纯机器算法筛选和推荐已经不能满足用户对高质量内容的需求，于是今日头条引入了大量人工审核团队。

　　这些人工除了审核内容是否违规外，还承担发现优质内容、使其提前进入推荐队列的职责（我猜的）。

　　如果我猜对了，那么，如果视频能跨过机器的迭代推荐，直达人工，岂不是会更快速的火起来？

　　这个方法就是在视频描述里加入一些机器识别不准确的敏感词，你们如果胆大可以试一试。

　　你现在在抖音中还会点赞吗？

　　欢迎评论区留言，与大家分享哦。