《数据指标体系：构建方法与应用实践》：内容类产品数据指标“一网打尽”

导读：构建数据指标体系是数据分析师日常工作的重要组成部分。除了常见的用户规模、用户行为数据指标之外，基于业务形态和业务过程梳理业务数据指标也极为重要。基于不同的业务形态，可以将产品分为工具类、内容类、社交类、交易类和游戏类。不同类型的产品对于数据指标的关注点各不相同。

内容类产品为用户持续提供休闲娱乐或有价值的信息，比如，微信公众号、知乎等内容类产品为用户提供图文类资讯，而B站、抖音、快手等为用户提供视频类资讯。本文我们会介绍内容类产品的特点，以及需要关注的数据指标。

01 内容类产品的特点

内容类产品的价值来源于内容本身，其内在逻辑是内容的产生和消费。

以图文类型的内容产品为例，可以将内容类产品拆解为内容生产者、内容消费者、内容二个不同的维度。

如图1所示，内容生产者通过创作内容收获粉丝和一部分创作激励;内容平台对内容生产者发布的内容进行审核、过滤，并将内容分发、推荐给对应的内容消费者;内容消费者消费内容并与内容生产者及其他用户进行互动。

图1 内容类产品的内在逻辑

02 内容类产品需要关注的数据指标

根据内容类产品的特点，我们将会众肉容生产者、内容消费者以及内容三个方面梳理数据指标。

1. 内容生产者相关的数据指标

内容生产者的基数决定了内容的基数，因此其规模及生命周期是内容平台重要的衡量指标，包括内容生产者的获取、新增数量、活跃数量、留存数量等。

除了内容生产者的数量规模之外，内容生产者的质量、创作力、行为健康度等也都是重要的数据指标。内容生产者的质量越高，内容平台的质量也就越高，也就越能吸引新的用户。

内容生产者相关的数据指标如表1所示。

表1 内容生产者相关的数据指标

在具体问题中，可以结合维度数据进行分析，包括等级、账户类型、签约状态、作者状态等，拆解相同数据指标在不同维度下的数据表现可以帮助数据分析师发现问题本质。

2. 内容消费者相关的数据指标

数据分析师首先要关注用户规模，包括用户获取、新增、活跃、留存4个不同模块。用户规模越大，用户活跃度越高，产品的活力就越强。

内容类产品为内容消费者提供“杀时间”的方式，至于用户如何通过内容类产品“杀时间”也是数据分析师需要关注的，即用户行为指标。

相关数据指标总结如表2所示。

表2 内容消费者相关的数据指标

3. 内容侧常见的数据指标

内容侧的数据指标我们会根据内容漏斗展开介绍，梳理关键节点需要关注的指标以及分析这些指标需要关注的数据。

内容漏斗如图2所示，无论是以UGC还是以PGC发布内容，需首先经过内容平台的审核，以过滤抄袭、广告引流、黄赌毒等低质或违规内容;然后根据一定规则将内容分发、推荐给特定用户;当内容过期之后便做下架处理。

图2 内容漏斗

基于内容漏斗对内容生命周期中需要关注的数据指标进行总结，如表5-5所示。

表3 内容生命周期中需要关注的数据指标

(1) 进文（内容引进）

进文相关的数据指标总结如表4所示。

表4 进文相关数据指标

图片

进文数量撒述的是内容生产者的活跃程度，可以从不同的维度进行统计，例如，统计进文总量、统计不同主题的进文量或者是不同垂类的进文量。

进文质量可以借助进文通过率以及高等级内容占比两个指标进行量化，基于内容漏斗可将进文通过率进一步细分为审核通过率、下线率等。

单篇进文曝光量以及发文留存率是量化进文可持续性的数据指标，其中平均单篇进文曝光量描述的是进文量是否合适，该指标太低，说明进文过多，可以适当淘汰；该指标太高，说明进文太少，可以适当引入。

(2) 展文（文章展示）

在展文（文章展示）环节，关注的数据指标与进文环节类似，如表5所示。

表5展文相关数据指标

(3) 内容侧数据指标的分析维度

内容侧的分析维度包括内容语言、地区、推存状态、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。

03 总结

本文讨论了构建内容类产品数据指标体系的重要性，强调了对内容生产者（规模、质量、活跃度）、内容消费者（用户规模、行为模式）及内容本身（从生成到下架的全生命周期）的综合评估。通过精准的数据指标，平台能够优化内容策略，提升用户体验与竞争力，实现长期健康发展。