跳到主要内容

内容平台分析案例

场景​

你是某短视频/资讯平台的数据分析师，发现最近一个月用户人均使用时长从 45 分钟下降到 38 分钟，请分析原因并提出优化方案。

分析框架​

第一步：指标拆解​

总使用时长=DAU×人均使用时长总使用时长 = DAU \times 人均使用时长 人均使用时长=人均浏览内容数×平均每条内容消费时长人均使用时长 = 人均浏览内容数 \times 平均每条内容消费时长 人均浏览内容数=活跃时长平均浏览间隔人均浏览内容数 = \frac{活跃时长}{平均浏览间隔}

第二步：内容供给分析​

-- 内容供给量和质量的变化
SELECT
    DATE_FORMAT(publish_time, '%Y-%m') AS month,
    COUNT(*) AS total_content,
    COUNT(DISTINCT creator_id) AS active_creators,
    -- 内容质量分布
    ROUND(AVG(quality_score), 2) AS avg_quality,
    SUM(CASE WHEN quality_score >= 80 THEN 1 ELSE 0 END) AS high_quality_count,
    ROUND(SUM(CASE WHEN quality_score >= 80 THEN 1 ELSE 0 END) / COUNT(*) * 100, 2) AS high_quality_pct
FROM content
WHERE publish_time >= '2023-10-01'
GROUP BY DATE_FORMAT(publish_time, '%Y-%m')
ORDER BY month;

第三步：消费端分析​

-- 用户消费行为变化（内容完播率、互动率）
SELECT
    DATE_FORMAT(view_date, '%Y-%m') AS month,
    COUNT(DISTINCT user_id) AS viewers,
    AVG(watch_duration / video_duration) AS avg_completion_rate,
    AVG(view_count_per_user) AS avg_views_per_user,
    -- 互动率
    SUM(likes + comments + shares) / COUNT(*) AS engagement_rate,
    -- 负反馈
    SUM(CASE WHEN action = 'not_interested' THEN 1 ELSE 0 END) / COUNT(*) AS negative_feedback_rate
FROM content_views
GROUP BY DATE_FORMAT(view_date, '%Y-%m');

第四步：推荐系统诊断​

检查项指标健康值当前值状态
点击率推荐内容 CTR≥ 15%12%⚠️
完播率平均完播率≥ 60%48%❌
多样性品类覆盖度≥ 8 品类5 品类❌
新鲜度24h 内容占比≥ 40%35%⚠️
头部集中度Top10% 创作者流量占比≤ 50%65%❌
常见陷阱：信息茧房

如果推荐系统过度依赖协同过滤，用户容易陷入内容茧房，导致审美疲劳和使用时长下降。需要在精准推荐和探索多样性之间找平衡。

第五步：创作者生态分析​

-- 创作者分层与流失率
WITH creator_tiers AS (
    SELECT
        creator_id,
        CASE
            WHEN followers >= 100000 THEN '头部'
            WHEN followers >= 10000 THEN '腰部'
            ELSE '尾部'
        END AS tier,
        -- 近 30 天发布量
        SUM(CASE WHEN publish_date >= DATE_SUB(CURDATE(), INTERVAL 30 DAY) THEN 1 ELSE 0 END) AS recent_posts,
        -- 上个 30 天发布量
        SUM(CASE WHEN publish_date BETWEEN DATE_SUB(CURDATE(), INTERVAL 60 DAY)
                                       AND DATE_SUB(CURDATE(), INTERVAL 30 DAY) THEN 1 ELSE 0 END) AS prev_posts
    FROM creators c
    JOIN content ct ON c.creator_id = ct.creator_id
    GROUP BY creator_id, tier
)
SELECT
    tier,
    COUNT(*) AS creator_count,
    AVG(recent_posts) AS avg_recent_posts,
    AVG(prev_posts) AS avg_prev_posts,
    ROUND((AVG(recent_posts) - AVG(prev_posts)) / NULLIF(AVG(prev_posts), 0) * 100, 2) AS post_change_pct,
    -- 沉默创作者（近 30 天 0 发布）
    SUM(CASE WHEN recent_posts = 0 THEN 1 ELSE 0 END) AS silent_creators
FROM creator_tiers
GROUP BY tier;

第六步：分析结论与建议​

## 根因总结

人均使用时长下降 7 分钟的主要原因：
1. 腰部创作者发布量环比下降 20%，内容供给不足（贡献 4 分钟下降）
2. 推荐品类集中度过高，用户审美疲劳（贡献 2 分钟下降）
3. 低质量内容占比上升 8%（贡献 1 分钟下降）

## 优化建议

| 方向 | 措施 | 指标目标 | 优先级 |
|------|------|---------|--------|
| 供给 | 腰部创作者激励计划 | 发布量 +20% | P0 |
| 推荐 | 增加探索性推荐比例 | 品类覆盖 ≥8 | P0 |
| 质量 | 强化低质内容打压 | 优质占比 +10% | P1 |
| 互动 | 优化评论区和互动玩法 | 互动率 +5% | P2 |

面试应答要点​

内容平台分析的双边视角

内容平台是典型的双边市场：创作者（供给侧） 和 用户（消费侧）。分析时必须同时看两端：

  • 供给侧：创作者数量、发布频率、内容质量
  • 消费侧：消费量、完播率、互动率、留存
  • 连接层：推荐系统效率、分发公平性

相关链接​