• 阅读时长: 3分钟
• 阅读对象: 初中高数据分析师都值得细品
• 收货提醒: get里面的数据思维干货

文章有好友，落痕提供，我实在是佩服她，1-2个小时就能敲出一篇分析短文，真是短小精悍，逻辑清晰。可见平时对业务思考之深，这一点值得每个数据分析师学习！

一个大拇指送给落痕同学~

社区内容形态

社区是个广泛的称谓，它可以是视频类、音频类、内容型产品等。区别在于社区的内容形态不同而已。举例如下：

不论何种内容形态，社区呈现什么内容给什么用户的底层逻辑大同小异。下面是本文分享的逻辑框架。

为了大家进一步的理解这个框架的内容，先给大家分享下社区内容呈现的数据流（会有所简化），可能会对你理解后面的分析有帮助。

还是以某视频产品A为例，其他类型的社区，自行迁移。

如上，你打开某视频app，最后呈现在你眼前的内容，可都是过五关斩六将“杀”出来的。重点要解释的是最后一部分，一般而言，首页的资源位会有一部分展示热门内容，如最近的《破冰》，一部分展示最新的视频资源，如《封神演义》，一部分会展示你可能喜欢的视频等。这张图隐含的问题很多：

• 在资源位有限的条件下，热库、新库、个性化推荐库等的展示比例多少是合适的？同为热库的资源，不同类型的视频如何展示等等
• 达到什么标准能进入热库，评估指标有哪些？
• 个性化推荐优化的效果评价指标有哪些？等等

现在你再去看《社区生态分析的逻辑框架》那张图里的分析点，是不是清晰一些。下面回到本文的主题上，给大家阐述数据分析部分的内容，只做简述。

推荐算法的效果评估

评估方法：通常情况下，涉及到效果评估，一般是在AB实验的基础上进行的。评估指标：

以上是主要的一级指标，还有很多二级指标建议也看一看，比如视频的完播率、视频的点赞率、评论率等。 除了以上评估指标，另外还有一些数据分析可以辅助推荐调整算法。比如首页各库视频的曝光比例（新库、热库、个推库等），对应的各库的曝光点击率、完播率等指标，这些可以指导推荐调整各库视频推荐出来的比例。

各种类型的内容，是否处在一个供需平衡的状态

建议以周为单位，拉出连续3-5周，各类型视频的视频数、各类视频的完播率、点赞率等互动指标。如果a类视频连续3-5周的视频数增加，但对应的完播率等互动指标却在下降，说明该类视频饱和了，可以减少发布引导，或者减少该类视频的曝光。其他情况自行考虑。

稀缺类型的内容是否得到了平台流量的保护

建议看以下3个指标：

• 如果a低c高，说明用户是喜欢这类视频的，所以请给这类视频曝光机会吧（ what？有什么理由不给他们流量？）
• 如果a高b低，说明同一类型的视频，只分发给一小波用户了，做类目的打散吧…

诸如此类，可以思考对应的应用场景。不一一阐述了，毕竟还是需要大家自己思考。

ok，

短文至此！

你意犹未尽？

抱歉，我却要快速收尾！！

虽然大家都越来越忙，我也希望你能有所收获！！