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)分析是指運用適當?shù)慕y(tǒng)計分析方法對收集來的大量新媒體數(shù)據(jù)進行分析，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、媒體運營策略以及網(wǎng)絡(luò)輿情監(jiān)測三大領(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，綜合運用了相關(guān)性分析法、貢獻度分析法、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)的新聞價值準則進行選擇數(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，從科學統(tǒng)計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道提供了豐富的數(shù)據(jù)來源和科學的數(shù)據(jù)支撐，這對于社會、財經(jīng)、體育、突發(fā)類自然災(zāi)害等新聞的報道有重要意義。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，幫助其向智庫媒體轉(zhuǎn)型。3、效果評估準確主要分為兩大類：一是評估新聞的傳播效果和路徑，包括對新聞的閱讀量、轉(zhuǎn)發(fā)量、點贊量、評論量、傳播平臺等數(shù)據(jù)的分析；二是評估讀者特征，包括對讀者的年齡、性別、職業(yè)、興趣的分析。新聞工作者可根據(jù)準確、及時的效果評估進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)效果評估準確第一節(jié)新媒體數(shù)據(jù)分析作用>>二、數(shù)據(jù)營銷推廣1、目標用戶鎖定新媒體運營者可以通過品牌官網(wǎng)、品牌公眾號等了解到用戶性別、地域、年齡、購物偏好、評價等數(shù)據(jù)，有助于產(chǎn)品方鎖定自身用戶，獲取新用戶，維護老用戶。2、精準場景推送隨著移動通訊、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）越來越多應(yīng)用到營銷領(lǐng)域，商家可以利用移動互聯(lián)網(wǎng)絡(luò)服務(wù)平臺獲取用戶位置相關(guān)信息，并對數(shù)據(jù)進行更新和交互，從而為用戶提供相應(yīng)服務(wù)。例如，美團可根據(jù)用戶位置推薦附近商家。3、營銷成本控制根據(jù)目標用戶的常用App、支付方式、消費金額等數(shù)據(jù)，優(yōu)化廣告投放渠道，實現(xiàn)精準營銷，節(jié)約推廣成本。4、營銷方案評估營銷方案執(zhí)行效果需要通過數(shù)據(jù)進行評估?？梢赃\用逆向工程思維，通過最終完成數(shù)據(jù)，反推出方案中目標的可行性；也可以分析過程數(shù)據(jù)，及時發(fā)現(xiàn)方案制定后在執(zhí)行過程中遇到的問題，作為下次營銷方案制定的參考。在評估營銷方案中常用到的數(shù)據(jù)包括目標達成率、最終銷售額、過程異常數(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)判輿情未來的傳播走勢，為進一步的監(jiān)測應(yīng)對提供支撐。2、反映輿情話題熱度話題分析包括網(wǎng)民觀點和媒體觀點。數(shù)據(jù)分析可以幫助實現(xiàn)話題的關(guān)鍵詞分布情況以及話題傾向性分布情況。對輿情話題進行聚類可以了解網(wǎng)民和媒體對該輿情事件的關(guān)注焦點。3、揭示網(wǎng)民情感態(tài)度隨著近年來事件本身和傳播環(huán)境的愈發(fā)復(fù)雜、輿論話語權(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，通過科學專業(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)度對網(wǎng)絡(luò)輿情監(jiān)測有著重要作用。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)分析可按照以下標準分類：（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、賬號粉絲分類、消費者反饋以及各種平臺的矩陣分布等。（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，通過對訪問量、訪問時間、跳出量、跳出率等流量數(shù)據(jù)進行分析，可以評估網(wǎng)站運營的基礎(chǔ)情況。隨著智能手機的普及，越來越多的網(wǎng)民開始利用手機打開網(wǎng)頁，因此現(xiàn)階段流量分析的重點是移動端流量數(shù)據(jù)分析，包括報名表單訪問量、H5訪問量、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。流量分析訪問量訪問時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

訪問量（PageView，PV）即頁面瀏覽量，或點擊量，用戶每1次對網(wǎng)站中的每個網(wǎng)頁訪問均被記錄一次。用戶打開一個頁面就是1個PV，這通常是衡量一個網(wǎng)絡(luò)新聞頻道或網(wǎng)站甚至一條網(wǎng)絡(luò)新聞的主要指標。訪問量取決于對不同統(tǒng)計平臺時間間隔的定義。例如，某用戶訪問1次后，隔5小時再次訪問，如果設(shè)置時間間隔為5小時，則訪問量為2，否則訪問量是1；也有每訪問一次，訪問量就加1。經(jīng)?？吹骄W(wǎng)絡(luò)平臺的訪問量就是所有用戶對同一頁面或功能多次訪問的累積量。1、訪問量（PV）第二節(jié)新媒體數(shù)據(jù)分析類別>>一、流量分析

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

跳出量即訪問某頁面后，不再訪問深層或其他相關(guān)頁面的用戶的數(shù)量。4、跳出量跳出率即用戶從某頁面退出的該頁面訪問數(shù)/進入該頁面的訪問數(shù)百分比。5、跳出率交互率即多少用戶進行了交互行為，包括轉(zhuǎn)、贊、評等行為。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)品線價格體系區(qū)域銷售分析區(qū)域分布重點區(qū)域分析區(qū)域銷售異動分析區(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互聯(lián)網(wǎng)產(chǎn)生的下單數(shù)量、支付比例、二次購買比例等進行分析，尋找當前互聯(lián)網(wǎng)銷售的問題。需要強調(diào)的是，銷售分析不僅限于在網(wǎng)上消費，消費者線上預(yù)定線下消費，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)標準相比較，從而分析企業(yè)的業(yè)績狀況，判斷企業(yè)的業(yè)績變化類型。通過對銷售額和銷售量的增長趨勢的把握，可以找出客戶增長或下滑的本質(zhì)；如果銷售額增長大于銷售量的增長，說明增長主要來源于產(chǎn)品平均價格的提高，反映了市場平均價格的提高或者是客戶產(chǎn)品結(jié)構(gòu)的升級，也就是結(jié)構(gòu)性增長。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)中的銷售進程進行對比，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)運作規(guī)劃。3、產(chǎn)品結(jié)構(gòu)與產(chǎn)品線通過總體產(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)品成長合理性，企業(yè)的利潤源和銷售量是否對應(yīng)，初步判斷企業(yè)未來產(chǎn)品規(guī)劃的調(diào)整方向。4、價格體系通過總體價格結(jié)構(gòu)分析，了解企業(yè)的優(yōu)勢價位區(qū)間，提供價格結(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)市場分布的合理性、企業(yè)的區(qū)域布局與整體戰(zhàn)略目標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、重點區(qū)域分析可以從重點區(qū)域的產(chǎn)品比重、區(qū)域內(nèi)市場分布、價格區(qū)間分布等元素來看市場存在的問題。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)域銷售異動分析發(fā)現(xiàn)存在異動的產(chǎn)品或區(qū)域；并分析異動發(fā)生的原因4、區(qū)域-產(chǎn)品分析從區(qū)域內(nèi)的產(chǎn)品動態(tài)來看區(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1、碎片化新媒體信息傳播的即時性、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，進行內(nèi)容分析時如何對信息進行有效整合成為關(guān)鍵。2、豐富性新媒體是一種集動畫、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，對音頻和短視頻的內(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)上屬于一個網(wǎng)頁的一部分，它是一種允許我們同其他網(wǎng)頁或站點之間進行連接的元素。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，用戶只有先點擊標題后才能閱讀到全文；另一方面構(gòu)筑了一個較大的信息圖譜，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，應(yīng)關(guān)注超鏈接。。內(nèi)容分析要點標題關(guān)鍵詞標簽發(fā)布情況超鏈接評論背景音樂第二節(jié)新媒體數(shù)據(jù)分析類別>>三、內(nèi)容分析>>分析要點（二）分析要點第二節(jié)新媒體數(shù)據(jù)分析類別>>三、內(nèi)容分析>>分析要點>>標題1、標題標題是內(nèi)容的精華和凝練，概括了內(nèi)容的核心要點。在“題文分離”的新媒體時代，標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。標題的分析主要包括了字數(shù)、詞性、標點符號、句式以及包含的熱點詞匯等方面。本部分內(nèi)容主要介紹運用“樂觀號”工具進行標題分析。樂觀號是一個新媒體一站式服務(wù)平臺，提供樂觀編輯器、樂觀輿情、樂觀內(nèi)容庫等多種功能，幫助用戶更好地進行新媒體內(nèi)容分析。（1）搜索“樂觀號”，進入樂觀號頁面，點擊“樂觀編輯器”，選擇“標題大師”，如圖4-1所示。圖4-1樂觀號首頁第二節(jié)新媒體數(shù)據(jù)分析類別>>三、內(nèi)容分析>>分析要點>>標題（2）可以在“熱門領(lǐng)域”的右側(cè)中點擊“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“熱門標題”一欄中可以看到各大領(lǐng)域的熱門標題，左下方是該文章的閱讀量。用戶如果認為該標題不錯，可以點擊右下方的“一鍵使用”并進行修改，如圖4-3所示。圖4-3熱門標題（4）用戶可以對圖中的三個爆款標題進行分析。首先，這三個標題的字數(shù)分別為37、30、29，即標題的平均長度為32；其次，多用雙引號、感嘆號等引起讀者興趣；最后，這三個標題都是三段式，即用逗號隔開的三小段，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）點擊“爆文標題工具”，輸入2-3個關(guān)鍵詞，軟件會根據(jù)數(shù)據(jù)庫中的標題模板生成標題供用戶使用，如圖4-4所示。圖4-4爆文標題工具第二節(jié)新媒體數(shù)據(jù)分析類別>>三、內(nèi)容分析>>分析要點>>標題第二節(jié)新媒體數(shù)據(jù)分析類別>>三、內(nèi)容分析>>分析要點>>關(guān)鍵詞、標簽2、關(guān)鍵詞、標簽關(guān)鍵詞（Keywords）是訪問者希望了解的內(nèi)容的具體名稱用語。關(guān)鍵詞搜索是網(wǎng)絡(luò)搜索索引主要方法之一。對關(guān)鍵詞的分析在SEO（SearchEngineOptimization，搜索引擎優(yōu)化）中有重要作用。標簽與關(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，在文末有一個標簽的符號，下方的“京東商城”“天貓”“蘇寧電器”等就屬于關(guān)鍵詞或標簽，如圖4-5（b）所示。（b）文末關(guān)鍵詞標簽（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>>關(guān)鍵詞、標簽關(guān)鍵詞價值分析是關(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)鍵詞價值度就越大。確定關(guān)鍵詞價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)頁搜索“百度指數(shù)”，輸入要分析的關(guān)鍵詞，就會看到一段時間內(nèi)該關(guān)鍵詞的“搜索指數(shù)”波動情況。用戶還可以在折線圖的下方調(diào)整時間軸區(qū)間，如圖4-6所示。需要說明的是，百度確定“搜索指數(shù)”的計算方法是以網(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)計對象，科學分析并計算出各個關(guān)鍵詞在百度網(wǎng)頁搜索中搜索頻次的加權(quán)。根據(jù)數(shù)據(jù)來源的不同，搜索指數(shù)分為PC搜索指數(shù)和移動搜索指數(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>>關(guān)鍵詞、標簽圖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)進行關(guān)鍵詞優(yōu)化和分析。搜索“百度推廣”并注冊賬號，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>>關(guān)鍵詞、標簽對于關(guān)鍵詞的分析還有關(guān)鍵詞競爭度指標。關(guān)鍵詞競爭度是指關(guān)鍵詞的競爭人數(shù)與競爭難度。分析關(guān)鍵詞的競爭度主要有看收錄、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。這個數(shù)字越大，則關(guān)鍵詞的競爭度就越高。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，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”的競爭度就高于“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>>關(guān)鍵詞、標簽圖4-13關(guān)鍵詞匹配難度小（2）看匹配“看匹配”主要是指關(guān)鍵詞是否和標題匹配。如果在排在前面的網(wǎng)頁中的標題中含有關(guān)鍵詞（一般為標紅部分字體），這就說明關(guān)鍵詞的競爭難度比較大，如圖4-12所示。因為關(guān)鍵詞返回結(jié)果匹配的原則是優(yōu)先匹配標題。反之，如果一個關(guān)鍵詞搜索結(jié)果匹配在頁面描述上面，那么該關(guān)鍵詞的難度就相對較低，如圖4-13所示。下面提供一個根據(jù)搜索結(jié)果數(shù)量判斷關(guān)鍵詞競爭力的等級表。圖4-12關(guān)鍵詞匹配難度大搜索結(jié)果數(shù)量競爭力等級<50萬弱詞50-100萬中等偏小的詞100-300萬中等詞300-500萬強詞≥500萬高難度詞第二節(jié)新媒體數(shù)據(jù)分析類別>>三、內(nèi)容分析>>分析要點>>關(guān)鍵詞、標簽（3）看權(quán)重“看權(quán)重”是指在搜索關(guān)鍵詞之后，看結(jié)果顯示前幾頁網(wǎng)站的權(quán)重。讀者可以通過“權(quán)重綜合查詢-站長工具”查詢網(wǎng)站權(quán)重。一般來說，如果首頁被權(quán)重4以上的網(wǎng)站霸占了，那么該關(guān)鍵詞的競爭難度就很大。如圖4-14所示，在“權(quán)重綜合查詢”一欄中輸入中國知網(wǎng)的網(wǎng)址，可見其在百度PC、百度移動、360PC以及360移動的權(quán)重都在4以上，僅有神馬和頭條的權(quán)重低于4，說明中國知網(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)站的標題或者頁面描述中，用戶一般傾向于點擊中國知網(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。這樣的詞會被搜索引擎識別與禁止。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>>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后臺查看，并且平臺都會直接呈現(xiàn)分析好的數(shù)據(jù)。本節(jié)內(nèi)容將以“簡媒”為例，介紹如何分析新媒體矩陣的內(nèi)容發(fā)布情況。簡媒是一個新媒體一鍵發(fā)布的運營平臺。注冊該平臺的用戶可以進行賬號授權(quán)，綁定多個新媒體內(nèi)容發(fā)布平臺賬號，如圖4-15所示。綁定成功后可以在賬號管理列表查看，如圖4-16所示。圖4-15新媒體內(nèi)容發(fā)布平臺圖4-16賬號綁定列表第二節(jié)新媒體數(shù)據(jù)分析類別>>三、內(nèi)容分析>>分析要點>>發(fā)布情況3、發(fā)布情況用戶可以點擊左側(cè)的“文章管理”查看在已綁定的所有平臺上發(fā)布的文章、未發(fā)布的文章，還可以設(shè)置定時發(fā)布。用戶點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、推薦量、閱讀量、轉(zhuǎn)發(fā)量、評論數(shù)、收藏、點贊以及更新日期等數(shù)據(jù)，可以點擊原文鏈接查看，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>>超鏈接4、超鏈接一般來說，網(wǎng)站的超鏈接都會以藍色或其他字體標出以作區(qū)分。對超鏈接的分析主要體現(xiàn)在兩大方面，一是對超鏈接本身的分析，包括分析鏈接的載體和鏈接的目標地址兩大部分；二是對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地址對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>>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>>超鏈接4、超鏈接圖4-20視頻超鏈接從超鏈接的目標地址來看，讀者可以通過網(wǎng)址來獲取相關(guān)信息。如對于以下網(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（opinion）欄目，而且發(fā)布時間為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>>評論5、評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），因此評論分析顯得更加重要，對于評論數(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)了很多平臺對象可供評論數(shù)據(jù)采集。評論分析主要包括對評論質(zhì)量和評論源的分析。評論分析評論質(zhì)量回復(fù)數(shù)長度時效性評論極性評論源評論者等級評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>>評論5、評論回復(fù)數(shù)即評論的回復(fù)數(shù)量，對評論有效性的影響作用最大。評論的回復(fù)數(shù)越多，內(nèi)容創(chuàng)作者就能從更多角度去認知和了解用戶的態(tài)度。評論長度評論長度能夠體現(xiàn)信息的相關(guān)性和完整性程度，評論長度越長，所含有的信息越多。評論時效性表示評論發(fā)表日期至現(xiàn)今的時間差，用來判斷信息的時間效度和及時性，一般而言，越新的評論，則越有效。評論極性表示評論者對內(nèi)容的總體評價與整體感知，分為正向、中性和負向。評論者等級表示評論者的資信度，能反映其專業(yè)水平和可信程度。評論者信息披露表示個人身份曝光程度，能反映信息的真實性及其來源的可靠性。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>>背景音樂6、背景音樂隨著移動短視頻的迅速發(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，可能會有不同的效果。背景音樂有時會成為短視頻的亮點，賦予其“二次創(chuàng)作”的驚喜。對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>>背景音樂圖4-21音樂來源（1）音樂來源：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)動的唱片標志會顯示音樂來源，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，由人民日報發(fā)布的一則有關(guān)北京冬奧會吉祥物冰墩墩的短視頻，點擊查看時發(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，用戶點擊短視頻右下角的唱片標志，會彈出頁面,如圖4-22所示，該頁面會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注了點贊量前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)行分析即對團隊成員的日常執(zhí)行工作與評估，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)布之間所用的時間。新媒體信息傳播的即時性要求網(wǎng)站提升文章撰寫速度，提高時效性。2、客服影響速率新媒體不僅注重產(chǎn)品的推廣和運營，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)站提供周到細致的客服?？头绊懰俾拾丝头貜?fù)率、店鋪接待壓力、客服對產(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)時間是衡量客服質(zhì)量的重要標準，它是指從顧客咨詢到客服回應(yīng)的每一次的時間差均值，這個數(shù)值越小，客服響應(yīng)越及時。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)時代的隨機采樣過渡到大數(shù)據(jù)時代的總體分析。19世紀以來，當面臨大量數(shù)據(jù)時，社會都依賴于采樣分析。但是采樣分析是信息缺乏時代和信息流通受限制的模擬數(shù)據(jù)時代的產(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隨機性，一旦采樣過程中存在任何偏見，分析結(jié)果就會相去甚遠。以前我們通常把這看成是理所當然的限制，但是現(xiàn)在廉價的存儲設(shè)備、高性能的運算能力讓我們意識到，這其實是一種人為的限制。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法揭示的細節(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)庫表示和存儲，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)庫或其他數(shù)據(jù)表的形式關(guān)聯(lián)起來的數(shù)據(jù)模型結(jié)構(gòu)，但是包含相關(guān)標記，用來分割語義元素以及對記錄和字段進行分層。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，只有5%的數(shù)字數(shù)據(jù)是結(jié)構(gòu)化的且能適用于傳統(tǒng)數(shù)據(jù)庫。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)都無法被利用。如今，對于半結(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)的不精確性是因為在大數(shù)據(jù)時代，我們關(guān)注的通常是趨勢和方向，在海量數(shù)據(jù)中，個別數(shù)據(jù)的不精確一般不會影響某種趨勢和方向。而且數(shù)據(jù)類型的多樣性有時決定了很難達到數(shù)據(jù)的精確性，比如對短視頻內(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)測是大數(shù)據(jù)的核心。相關(guān)關(guān)系強是指當一個數(shù)據(jù)值增加時，另一個數(shù)據(jù)值很有可能也會隨之增加。比如，谷歌通過搜索規(guī)律預(yù)測流感趨勢，在一個特定的地理位置，越多的人通過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)系弱就意味著當一個數(shù)據(jù)值增加時，另一個數(shù)據(jù)值幾乎不會發(fā)生變化。例如，我們可以尋找個人的鞋碼和幸福的相關(guān)關(guān)系，但會發(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對比分析法是把客觀事物加以比較，以達到認識事物的本質(zhì)和規(guī)律并做出正確評價的方法。對比分析法通常是把兩個相互聯(lián)系的指標數(shù)據(jù)進行比較，從數(shù)量上展示和說明研究對象規(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)。對比分析包括絕對數(shù)比較和相對數(shù)比較兩種形式。絕對數(shù)比較是利用絕對數(shù)進行對比，從而尋找差異的一種方法。相對數(shù)比較包括結(jié)構(gòu)相對數(shù)、比例相對數(shù)、比較相對數(shù)、強度相對數(shù)、計劃完成程度相對數(shù)和動態(tài)相對數(shù)。下面詳細介紹相對數(shù)比較的具體方法。第四節(jié)新媒體數(shù)據(jù)分析方法>>一、對比分析法1、結(jié)構(gòu)相對數(shù)將同一總體內(nèi)的部分數(shù)值與全部數(shù)值對比求得比重，用以說明事物的性質(zhì)、結(jié)構(gòu)或質(zhì)量。如淘寶商家統(tǒng)計購買者所在的地域分布，統(tǒng)計各個地方購買者的占比情況，結(jié)構(gòu)相對數(shù)可以利用餅圖進行比較，如圖所示。第四節(jié)新媒體數(shù)據(jù)分析方法>>一、對比分析法2、比例相對數(shù)將同一總體內(nèi)不同部分的數(shù)值對比，表明總體內(nèi)各部分的比例關(guān)系，如將1000萬元廣告費用分別投放到百度（100萬）、今日頭條（100萬）、微博（300萬）、微信（200萬）、愛奇藝（300萬）平臺，則平臺廣告投入的比例關(guān)系為1：1：3：2：3。3、比較相對數(shù)將同一時期兩個性質(zhì)相同的指標數(shù)值對比，說明同類現(xiàn)象在不同空間條件下的數(shù)量對比關(guān)系。如對新媒體矩陣中的一文多發(fā)進行效果評估，比較同一時刻不同分發(fā)平臺一篇文章的閱讀量。4、強度相對數(shù)將兩個性質(zhì)不同但有一定聯(lián)系的總量指標對比，用以說明現(xiàn)象的強度、密度和普遍程度。如“雙十一”人均網(wǎng)上購物支出用“元/人”表示；淘寶直播間每分鐘購物鏈接點擊人數(shù)用“人/分鐘”表示等。5、計劃完成程度相對數(shù)某一時期實際完成數(shù)與計劃數(shù)對比，用以說明計劃完成程度。例如，在Tableau中可以通過標靶圖的制作來實現(xiàn)實際值和計劃值的對比。6、動態(tài)相對數(shù)將同一現(xiàn)象在不同時期的指標數(shù)值對比，用以說明發(fā)展方向和變化的速度。如同一檔節(jié)目在不同時段的收視率變化；微博本月粉絲增長數(shù)與上月增長數(shù)進行對比等。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統(tǒng)計分組的計算和分析，來認識所要分析對象的不同特征、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，正確地分析問題和解決問題。分組時必須遵循兩個原則：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單位都應(yīng)有組可歸，或者說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志下，總體中的任何一個單位只能歸屬于某一個組，不能同時或可能歸屬于幾個組。例如：新媒體運營團隊可以統(tǒng)計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)來衡量總體在一定時間和地點條件下某數(shù)據(jù)的一般水平。平均數(shù)據(jù)比總量指標更具說服力,更能幫助運營者預(yù)測發(fā)展趨勢和規(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，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、平均分析法計算平均數(shù)的函數(shù)主要有簡單算術(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）點擊插入函數(shù)按鈕，選擇需要的函數(shù)，點擊確定，如圖4-23所示。（2）在函數(shù)參數(shù)Number1中，選擇要計算的區(qū)域，點擊確定，即可獲得所求結(jié)果。參數(shù)設(shè)置和計算結(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)兩個重要指標作為分析依據(jù)，并將這兩個指標作為橫、縱坐標軸，構(gòu)成四個象限，從而找出解決問題的方法，為運營者提供數(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。當這類功能沒有時，用戶極其不滿；當有這類功能時，無論做得再好，用戶都覺得理所應(yīng)當。比如手機的通話功能、美圖的濾鏡功能等。（2）橙色曲線表示產(chǎn)品的魅力屬性，也就是亮點功能。當這類功能沒有時，用戶并不會不滿意或者覺得有問題，因為用戶已經(jīng)習以為常；但是一旦具有這類功能，用戶就會大為驚喜，甚至贊不絕口。如手機的手電筒功能，iPhone5S開始的指紋識別功能。（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）藍色直線表示產(chǎn)品的無差異屬性，也就是無差別功能。這類功能做不做對用戶的感受沒有變化。可通過低成本驗證法，即采取小投入的方案，來驗證用戶、市場，再決定要不要做這個功能。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)中的各個節(jié)點之間的互動以及各節(jié)點的權(quán)重關(guān)系的方法。新媒體時代的交互性和去中心化更加凸顯了網(wǎng)絡(luò)分析法的重要價值。本節(jié)內(nèi)容以Python中的Networkx包為基礎(chǔ)，以人民日報發(fā)布的157則短視頻標題文字為語料，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)程度的強弱，并用適當?shù)慕y(tǒng)計指標表示出來的過程。大數(shù)據(jù)時代，數(shù)據(jù)間的相關(guān)關(guān)系比因果關(guān)系更加重要。在媒體營銷中，可以通過比較兩個商品的相關(guān)關(guān)系強弱來選擇是否進行組合銷售。本節(jié)內(nèi)容介紹運用Excel中的CORREL函數(shù)進行相關(guān)性分析。CORREL函數(shù)的功能是用來返回單元格區(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，對某在線服裝店的服裝銷售數(shù)據(jù)進行相關(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與哪種服裝進行穿搭銷售會更加暢銷。（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，從而保證每次進行相關(guān)系數(shù)計算時，都是運用服裝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）表示負相關(guān)，數(shù)值越小，負相關(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，店鋪的運營者可以將服裝A與服裝D放在一起搭售，激發(fā)消費者購買更多服裝的行為。圖4-27函數(shù)參數(shù)圖4-28相關(guān)系數(shù)計算結(jié)果第四節(jié)新媒體數(shù)據(jù)分析方法>>七、貢獻度分析法貢獻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，對一個公司來講，80%的利潤常常來自于20%最暢銷的產(chǎn)品。而隨著互聯(lián)網(wǎng)的發(fā)展，長尾理論日益凸顯價值。它是指只要產(chǎn)品的存儲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)的市場份額可以和那些少數(shù)熱銷產(chǎn)品所占據(jù)的市場份額相匹敵甚至更大，即眾多小市場匯聚成可產(chǎn)生與主流相匹敵的市場能量。貢獻度分析的意義在于通過找到貢獻了80%利潤的產(chǎn)品界限，幫助公司運營者區(qū)分熱銷產(chǎn)品和長尾商品，從而制定針對性的銷售策略。貢獻度分析的公式為：貢獻度=累積貢獻數(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，進行貢獻度計算。（2）先運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$2:B11），如圖4-31所示。點擊“Ctrl+Enter”，結(jié)果自動計算完成，如圖4-32所示。圖4-29圖書及盈利金額圖4-30計算利潤總額第四節(jié)新媒體數(shù)據(jù)分析方法>>七、貢獻度分析法（3）在C1中輸入“累積盈利”，在D1輸入“比例”，在D2中輸入公式“=C2/$B$12”計算貢獻度，如圖4-33所示。之后拖動D2下方的小正方形到D11，完成所有貢獻度計算，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貢獻度計算圖4-34貢獻度計算結(jié)果第四節(jié)新媒體數(shù)據(jù)分析方法>>七、貢獻度分析法（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”選項欄中選擇“插入圖表”，在彈出的對話框中選擇“組合圖”中的“自定義組合”，比例中選擇折線圖，并勾選為次坐標軸，點擊確定，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)對圖書A1-A7采取暢銷書戰(zhàn)略；根據(jù)長尾理論，對圖書A8-A10采取長尾圖書的銷售策略。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變量是否隨著時間變化而呈現(xiàn)出來某種周期變化趨勢。按照時間尺度的標準劃分，較長的周期性趨勢有年度周期性趨勢、季節(jié)性周期性趨勢；相對較短的有月度周期性趨勢，周度周期性趨勢，甚至更短的天、小時周期性趨勢。對于電商行業(yè)而言，掌握消費者在法定節(jié)假日、“雙11”等特殊時間點的消費行為規(guī)律，有利于商家提前做好準備；對于一些技術(shù)類網(wǎng)站，掌握人們訪問量的規(guī)律，如人們多在工作日訪問，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)，將時間跨度選擇2011-2019年共9年時間，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研究事物發(fā)展變化的因果關(guān)系來預(yù)測事物發(fā)展的趨勢，它是研究變量間相互關(guān)系的一種定量預(yù)測方法?？赏ㄟ^對大量數(shù)據(jù)的處理來確定因變量與某些自變量的相關(guān)關(guān)系，建立一個相關(guān)性較好的回歸方程（函數(shù)表達式），并加以外推，用于預(yù)測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，通過已有數(shù)據(jù)的分析進行預(yù)測也是重要應(yīng)用之一，回歸分析法為新媒體數(shù)據(jù)預(yù)測分析提供了重要支持。目前很多軟件或平臺都能實現(xiàn)回歸分析，如Excel、SPSS、Tableau等，以下將對Excel和Tableau軟件中回歸分析的操作及預(yù)測的應(yīng)用進行闡述。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1、Excel中回歸分析及預(yù)測例如：某新媒體平臺近8年營銷額數(shù)據(jù)如圖所示，現(xiàn)要對銷售額進行回歸分析，從而預(yù)測未來某一年份的銷售額。（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，則按時間進行升序排列，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（2）生成折線圖：選擇“時間”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）添加趨勢線：右鍵選中折線圖，在彈出菜單中選擇“添加趨勢線”，如圖4-41所示；在“設(shè)置趨勢線格式”中根據(jù)需要選擇趨勢線類型，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；最后生成趨勢線，實現(xiàn)對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)測分析：根據(jù)一元回歸趨勢圖或計算公式，可以對未來幾年銷售額進行預(yù)測，例如預(yù)測2020年銷售額數(shù)值，即第9年的銷售額，此時x=9，計算出y值為924977，因而預(yù)計2020年的銷售額約為924977元。圖4-40銷售額折線圖圖4-41添加趨勢線圖4-42設(shè)置趨勢線格式圖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2、Tableau中回歸分析及預(yù)測Tableau有TableauPublic、TableauDesktop等多個版本，其中TableauPublic是一款完全免費軟件。Tableau軟件具有強大的數(shù)據(jù)分析功能，也能實現(xiàn)較為豐富的可視化。本例中將上個例子的銷售額數(shù)據(jù)在TableauPublic中做回歸分析，并進行預(yù)測。（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，點擊左下角“工作表1”，切換至工作表界面，此時“時間”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“時間”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“時間”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（2）銷售額折線圖制作：分別將“時間”字段和“銷售額”字段拖至列和行功能區(qū)，默認生成折線圖，如圖4-45所示。若為非折線圖，可通過“標記”選