内容型产品指标及常用分析框架
一、内容型产品框架
内容型产品是个称谓，它可以是视频类、音频类、直播类等，区别在于内容形态不同，通常分为几类，即资讯型、娱乐型、工具型、知识型和社交型。今天我们以资讯型产品为例，讲讲本类型产品常见的分析指标及分析方向。
此类产品通常可以拆解为三个维度，即作者-内容-用户。作者-可以生产内容，也可以和用户互动；内容-通过一系列过滤策略、内容分发、推荐策略尽量展示给对应需求的用户看到；用户-可以对内容进行消费以及和作者或者其他用户进行互动。
框架图：
二、常见指标
2.1作者侧常见指标
作者属性：
语言、地区、发文方式、作者评级、账户类型、渠道、签约状态、创建时间、帐号id、年龄、性别、站内粉丝、站内关注、平台等；
常见作者分析指标：
1、新老作者分布量、占比
2、作者特征分布：评级、账户类型、签约状态、作者状态分布等
3、重点作者特征分布：重点MCN、PGC、TOPN分布情况等
4、作者基本属性：年龄、性别、地区、语言分布等
2.2内容侧常见指标
内容漏斗：不论任何渠道抓取、站点抽取或者平台作者自主发文的内容，通常都需要经过层层过滤。首先进行通用消重，然后通过机器审核的一些模型及人工审核过滤掉黑名单、低质内容、抄袭内容、不完整内容、涉黄涉暴等不适合在平台内展现的内容。然后在内容分发过滤的时候根据一些规则，设定什么特征的内容可以分发给什么特征的用户等规则，例如用户评级评分、垂类等进行分发过滤。到了前端展示侧，根据频道主feed页的推荐位进行个性化推荐分配，展示给用户。最后内容展示一定时间后会过了其时效性，便不再展示。
常见内容属性数据包括：内容语言、地区、推荐状态、展示状态、内容垂类、内容评级、内容来源、内容关键词、内容分类(多层级)、内容创建时间、放出时间、过期时间等；
常见内容分析指标：1、进文的内容评级分布、内容展示状态分布、内容推荐量、内容topic分布、内容垂类分布；2、展文的内容评级分布、内容topic分布、内容垂类分布等；3、内容的生命周期分析(漏斗转化和异常监控)，内容发布量->内容过机/人审量->内容可展量->内容展示量->内容过期
2.3作者&内容&用户组合分析指标
作者&内容分析指标：
1、作者发文量分布(多特征)、新老作者发文量分布、不同渠道发文量(渠道评估)、活跃作者量、投稿率；
2、各类型作者分文类别分布、作者发文内容类别分布、作者发文重复率、作者发文过审率等；
3、作者生命周期(转化漏斗及异常监控)：新增作者、留存(当日/多日)、发文留存(当日/多日)、流失、召回
内容&用户分析指标：
各用户+内容维度用户点击率、各维度用户+各类内容用户的动作(展现/点击/转发/收藏/评论…）、各维度用户+各渠道内容用户的动作、各维度用户的hot内容/hot分类/hot话题
作者&内容&用户分析指标：
各维度用户针对+各类内容维度+各类作者维度 的消费动作(展现／点击／转发/收藏/评论…)
三、常用分析框架及对应指标
构建作者内容的分析指标体系，可以为产品提供内容/作者/用户相关例行化的分析框架及数据基础。关注的分析方向可以有以下几点：
1、核心指标波动的归因，通过洞察用户留存变化->归因到人均浏览内容数的变化->归因到创作者和内容上，为业务人员提供具有指导性的产品优化的抓手；
2、评估创作者来源的渠道，为平台发展新的优质创作者，优化创作者结构来源，合理分配拉新成本，为作者侧渠道拉新roi提供分析依据；
3、监控内容从进文->审核->展文->过期的全链路漏斗，监控各层机审人审分发等过滤策略是否正常合理，内容在各个阶段的损耗程度，优化内容的生命周期漏斗及各层级策略；
4、监控创作者的生命周期，衡量作者的发文->回馈机制是否合理且可持续，监控整体作者的新增情况、登录/发文留存情况，优质作者是否得到足够的激励；
5、监控热点内容/话题的集中程度，丰富产品内容的多样性，评估各类内容是否供需平衡，稀缺内容是否得到流量保护，为内容的引进及生态平衡提供优化建议；
6、监控作者用户的关注关系，分析作者-用户的互动行为的健康和深入度；
7、推荐算法效果的评估，本篇文章指标未涵盖，主要用次日浏览留存、vv、人均浏览时长、ctr等指标来衡量；