【2021夏季挑战赛】视频网站2020年收视分析

楼主
我是社区第209895位番薯,欢迎点我头像关注我哦~
一、选手简介

1、选手介绍
        
       帆软社区用户名5964159,目前就职于一家互联网公司,主要从事商业数据分析相关工作。感兴趣的方向和领域:数据分析及数据挖掘在行业领域中的推广应用。
        
2、参赛初衷
        
      作为数据相关领域的从业者,希望通过比赛能与各位大神切磋技艺,提升自己对于FINEBI的掌握程度及应用能力。同时能够接触和了到不同行业领域的选手对于问题的分析思路和方法,有助于扩宽视野,进一步的提高分析能力。同时也希望能够在比赛中得到评委老师对于参赛作品的指正,从中摄取经验,获得成长和进步。
         
二、作品介绍
         
1、业务背景及需求痛点

业务背景:移动互联网时代具有随时性、个性化的特征,能够为客户提供更大价值的服务,蕴藏着巨大商机。特别是随着5G时代的来临,信息交互传导的速度加快,使得视频传媒产业得到了快速发展。同时也需要注意,随着行业竞争者的不断加人,同质化的竞争使得行业竞争格局加剧,未来视频产业的发展将会是机遇与挑战并存的时代。
        
需求痛点:当期的行业数据分析及技术支持多集中在浅层的指标报送传达,缺乏对于业务的深入理解。而在内容运营方面对于节目的编排,整体运营策略多通过头脑风暴会议或运营人员自主构思等方式完成,缺乏相关数据支持。整体上需要通过数据加内容作为抓手来提升数据精细化运营能力,推动业务的整体落地和实施。
        
2、数据来源
        
本次参赛使用的企业数据:南方省区(除上海)用户经营数据,用户分类栏目收视数据及重点节目收视数据。上述数据均进行了脱敏处理。
        
外部数据:我国各省级行政单位2020年全年GDP数据及人口统计相关数据。上述数据通过国家统计局公开数据提取并加工获得。
        
3、分析思路
        
视频网站的业务主要围绕两部分展开数据分析

模块1:用户经营分析围绕业务的用户状态进行分析。

  • 首先通过用户漏洞模型分析用户在生命周期各阶段的转化情况。
  • 其次通过重点指标分析了解业务现状,并通过用户指标的时间变化探寻业务发展的趋势变化。
  • 最后通过用户在地理分布上的不同,并结合当年的人口及GDP指标找到数据差异化的原因。

模块2:用户收视行为分析:围绕着用户在视频终端的实际收视内容进行分析。

  • 首先分析各栏目类别的收视构成情况,找到用户收视的关注点。
  • 然后针对重点收视内容中的热播节目进行波士顿矩阵分析,寻找重点产品的数据差异化特征。

视频业务思维导图

        
        
4、数据处理
        
      企业数据预先进行了脱敏加工处理。由于用户指标数据中占比分析指标需要通过加工整理获得,同时对渠道指标(注明:渠道应均为APP注册,非此类型为异常数据)进行过滤,并且用户经营数据与人口GDP指标需要关联,将这部分内容放入FINEBI自助数据集中完成。



   相关计算公式

  • 激活率 =(一定时间内)激活用户数/注册用户数
  • 活跃率 =(一定时间内)活跃用户数/注册用户数
  • 付费率 =(一定时间内)付费用户数/注册用户数
         
            

5、可视化报告
        
(1)用户经营指标分析模块
        
       通过漏斗图展现用户从注册获取,激活,活跃到付费的转化过程,通过分析可以发现用户在激活到活跃和活跃到付费转化阶段的转化率较低,需要通过有效的用户唤醒及活动推送来提升对应阶段的转化率。

         
      
       通过地图展现了用户的区域分布情况,从中可以看出南方省份注册用户数较多的省份集中在东部沿海地区,整体上呈现出东高西低北高南低的特征。

         
        
       通过KPI评分卡和仪表盘展现了主要业务指标的达成情况,从中可以了解到全年新注册用户数有235万,贡献了397亿次的访问点击量和71亿小时的收视流量。激活率超过80%,用户活跃率超过50%,但付费转化率偏低,只有不到4%。

                           
        
       通过柱形图展现了注册用户与各省人口及GPD的对比关系,从中可以看出江苏、福建、浙江等沿海省份的注册用户贡献较多,结合国家统计局数据可以看出注册用户的数量和该省的人均GDP有很强的正向相关性,人均收入越富裕的省份用户选择视频收视的热情越高。

         
        
       通过折线图展现了处于用户生命周期不同阶段的用户随时间变化构成情况,从中可以看出整体上用户在不同时期的收视均呈现出一定幅度提升的态势,其中下半年的用户收视增长率明显快于上半年。

         
        
(2)用户收视行为分析模块
        
       通过雷达图展现了不同栏目类别的构成情况,从中可以看出选择电视剧集以及少儿动漫板块的用户量具有压倒性的优势,而电影推送、体育赛事及教育记实栏目有一定规模的定向群体,而其他栏目的用户收视量明显偏低,建议对部分小众收视栏目类别进行内容整合优化。

         
        
       通过矩阵图构建了不同栏目类别随时间的变动情况,通过分析可以看出,自国庆以来电视剧集的用户收视呈现出明显的增长态势,应该重点予以关注。

         
        
       通过词云图构建了TOP100重点收视节目的分布图,从点击率构成情况来看,猎手、冰峰及贝尔虎儿歌等节目深受用户所喜爱。

        
      
       通过波士顿矩阵图(象限图)构建了节目收视构成图,通过对于重点收视节目的划分可以看出,收视榜单基本被电视剧集及少儿动漫节目所占据,这也与对栏目分类的分析情况相吻合。其中猎手、冰峰及手枪队等电视剧集无论是从点击访问量还是从收视流量贡献均十分优异,为明星产品。从中也可以看出电视剧集节目的单次用户平均访问时长普遍高于少儿动漫栏目,特别是像贝尔虎儿歌、猫和老鼠及小猪佩奇第二季等节目呈现出明显的高点击低收视时长的情况,这与少儿动漫节目编制时间较短而电视剧集单剧集时间较长有很大关系。

         
        
(3)最终结果呈现的页面布局
         
         

三、参赛综述
        
1、对于Finebi工具的看法
        
优点:

  • 1.FineBI通过自动建模,并且利用自助数据集的方式,通过人性化的操作界面进行数据处理和ETL加工,比如数据过滤、数据整合等操作,能够极大的降低数据清洗与加工的时间。
  • 2.数据的图表设置相对来说比较简单,只需要进行数据字段的拽拖即可,同时还有一些数据的查询操作等,也是只通过拖拽空间即可,基本上不需要函数以及编程。
  • 3.帆软的备注文档内容非常详尽,遇到不清楚的问题能够在相关查阅中迅速定位与解决问题。同时帆软的社区服务非常完善,能够为数据可视化提供多样化的资料素材。

缺点:

  • 在进行一些算法层分析实现时,如关联规则分析基于单个变量间的关联度分析,缺少多重变量间的相关性分析,如构建可拖拉式的逻辑回归模型等,相关资料也较少,操作的实际复杂性较高,建议对相应的算法模块进行补充。
        
2、参赛总结
        
       从整个参赛报名,选题,业务分析设计、数据处理、可视化仪表板制作与优化过程均是独立完成的,一路走下来也克服了很多困难,而这个过程其实也是对于整个数据分析流程的一次实战梳理和检验,在这个过程中收获了信心,但也从中发现了可提高和改进的空间。最后感谢帆软BI提供了这一平台。能够使我了解到不同行业的数据可视化应用,通过比赛扩宽了视野,获得了提升与进步,愿帆软BI能够越办越好,使更多数据相关从业者能够从中受益!



编辑于 2021-7-2 12:25  
分享扩散:

沙发
发表于 2021-7-2 08:41:38
真实,我家的电视几乎就是循环播放小猪佩奇…
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

返回顶部 返回列表