
分析了2.2W条抖音数据,发现95后其实很养生
或许是因为抖音的推荐算法,那些火爆的视频会优先推荐给我们,导致其更加火,而那些普通的几百赞视频,则默默的扎堆在一起,被系统遗弃。
文 / 张佳
来源 / 喜新(ID:noyanjiu)
通过一些特殊渠道,本文作者拿到了2月26日-3月27日抖音的2.2W条视频数据,清洗梳理后得到一些好玩的结论,你们或许会喜欢:
1.抖音的核心用户群体“95后”们也很养生,0点以后基本都睡了。
2.毕竟年轻人,情感表达意愿很强烈,“喜欢”是最爱用的词。
3.11:00-22:00是发布视频高峰时段,上午都在睡觉么?
4.晚上9点不要发视频,你会失望的。
1
毕竟年轻人,爱表达自己
更爱表达喜欢
对2.2W条数据的视频描述做分词词频统计,排除了类似“一个”、“这样”、“怎么”等无效词后,得到下面的词云图:
“喜欢”一词累计出现246次,出现频率最高,可见抖音上的年轻人完全不吝啬自己的情感表达;
“自己”一词出现了222次,出现频率第二,看来95后小朋友们非常“喜欢”“自己”;
“真的”和“可以”分别出现了203和202次,大家肯定想到了“抖音爸爸没有骗我,XXX真的可以怎样怎样”的视频。
不得不承认,抖音的带货能力很强!
“教程”出现了143次,“发型”出现了91次,“思域”出现91次,“化妆”出现了83次,“西安”出现72次,“北极星”出现68次……
所以大家应该知道发什么能火了吧?
2
95后年轻人也没那么熬
中毒的应该都是“中年人”
把视频的发布时间以小时为单位统计,发现这么个规律:
抖音主要用户的作息都比较规律,视频发布集中在上午10:00至晚上00:00,0点以后视频发布数量很明显的出现下降。
小哥哥小姐姐们都睡了,这帮中年人还在那里“中毒”。(2点以后那些视频是不是你们发的?)
3
黄金时段不黄金
不要在九点发视频
结合上面的视频发布时间数据,我们把视频的点赞数据加上,统计每个小时的点赞总和,得到下面这么一个图:
为了方便比较,我把平均点赞数也加入到图中(红色线条),我们可以很清楚地看到:
下午13:00和晚上18:00是点赞的高峰,平均点赞量除了早5:00因为陈赫发布了一条视频造成明显差异外,上午10:00和11:00,晚上20:00和21:00四个时间点的点赞数据与视频发布数量明显不成比例;
尤其是晚上21:00,是整个下午和晚上时间段中的最低点,好好的黄金时段,怎么就“黄”了呢?
此外,图表也很清楚的告诉我们,中午饭后(13:00)和下班时间(18:00)是粉丝们最爱点赞的时刻。
所以各位想火的小伙伴,别在晚上9点发视频是明智的选择。
4
强者越强,弱者扎堆
每天刷抖音,看到的几乎都是几千上万赞视频,让我们觉得每一条抖音都能火。
其实则不然,统计2.2W条数据的点赞数,得到下面这么一个曲线图:
在这2.2W条数据里,像我们看到的那些上万赞的视频其实很少,绝大部分的视频点赞都在700以下。
或许是因为抖音的推荐算法,那些火爆的视频会优先推荐给我们,导致其更加火,而那些普通的几百赞视频,则默默的扎堆在一起,被系统遗弃。
5
平均100次播放才能获得一个小心心
被推荐不一定会火
实际上,通过数据我们发现,即便你的视频被系统推荐了,小哥哥小姐姐们也并不一定买账。
用播放数/点赞数,得到比值代表了多少次播放可以获得一次点赞。
通过上面的数据我们发现,播放点赞比主要集中在20-150之间,也就是说大部分视频需要被推荐给100个人观看后才能获得一个小心心。
当然也有苦逼的,作者“挽风”的一条视频,被播放4万次,但是只收获了,emmmm,4个赞……
6
抖音的粉丝很忠诚
女明星看了会哭泣
统计播放量大于1万,播放评论比(和播放点赞比类似)小于50的视频描述词频,我们发现明星相关的视频容易引发评论,主要是女明星……
热巴、杨颖(Angelbaby)、关晓彤、赵丽颖等女明星们荣登词云图,你们的粉丝很爱你,每50次播放就会为你们评论一次,是不是激动地哭出来了?
当然,会哭的孩子也有奶喝,求“评论”的视频小哥哥和小姐姐们也基本都满足你们了。让“你们”“打出/输入”XXX看看能出来“什么”“答案”的玩法,小哥哥和小姐姐们也很买账。
以上,希望各位小哥哥小姐姐喜欢。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04