数据分析学习（哪个平台的数据洞察能力更强）
数据分析学习（哪个平台的数据洞察能力更强）这就是现在各个视频平台数据洞察的最大缺陷。但事实上，他们都是半斤八两，因为这些平台通通只能告诉你们一件事：哪些视频火了，哪些没火。但是他们很难告诉你为什么火了，哪部分火了，下次怎么做做什么会火。笔者使用过的几个主流视频平台后台数据洞察力比较图创作者平台有很多，不过这次我们重点讨论主流的自媒体视频平台，YouTube、哔哩哔哩、今日头条和抖音。另外，这其实也就是三家公司，只是字节的产品体量都很大然后风格略有不同，所以还是单独拎出来讲。之所以选这三家公司，原因是他们的平台运营时间足够长，有较高的成熟度、以及我在这几家平台累积了有几万粉丝，都达到了商业化的门槛。先说一个不太重要的结论：在数据洞察能力上，个人认为排名应该是YouTube>抖音≈今日头条>哔哩哔哩。
我很喜欢创作，各种形式的创作，所以当我得知一种新的媒体内容平台的时候，我最喜欢做的第二件事情，就是打开他们的创作者平台/中心，想看看他们发布内容的流程是怎么样的（平台服务的成熟度），这些平台最看重的KPI（关键业绩指标）是什么，商业化的路径有哪些（怎么赚钱），另外，我有一个越来越关心的话题：这些视频平台是如何通过数据的分析、洞察来助力创作者的。
为什么我会有这个想法呢？
我一直喜欢创造、打磨产品，看着使用者对它的反馈，不管是什么形式的。比如我大学的时候做过一个小游戏上了平台的首页推荐，看着互动游玩的数据喜不自禁。本科金融毕业的时候满脑子都想做产品经理，于是研究生读了个数据分析，期间，我还做了个全网数万粉丝的摄影频道。无论是摄影、视频还是游戏，除了产品本身，我会很关注也很能感同身受创造者喜欢、需要看什么数据。
由于时间和资源有限，以下讨论主要基于我在几乎全视频平台创作运营的经历和数据分析专业下的研究，没有涉及到其他视频博主或者其他量级的博主们是如何分析的。如果你们有类似的经历，不妨在评论区交流一下。
目前各主要视频平台数据洞察优劣点
笔者使用过的几个主流视频平台后台数据洞察力比较图
创作者平台有很多，不过这次我们重点讨论主流的自媒体视频平台，YouTube、哔哩哔哩、今日头条和抖音。另外，这其实也就是三家公司，只是字节的产品体量都很大然后风格略有不同，所以还是单独拎出来讲。之所以选这三家公司，原因是他们的平台运营时间足够长，有较高的成熟度、以及我在这几家平台累积了有几万粉丝，都达到了商业化的门槛。
先说一个不太重要的结论：在数据洞察能力上，个人认为排名应该是YouTube>抖音≈今日头条>哔哩哔哩。
但事实上，他们都是半斤八两，因为这些平台通通只能告诉你们一件事：哪些视频火了，哪些没火。但是他们很难告诉你为什么火了，哪部分火了，下次怎么做做什么会火。
这就是现在各个视频平台数据洞察的最大缺陷。
其实发展了这么多年，除了在某些方面，可能比非常成熟非常有底蕴的YouTube差了那么一个半档，国内的视频平台数据洞察都大差不差，数据覆盖的维度基本上都齐整了，所以说全面的比较是没有什么意义的，下面会着重探讨各个平台的特色优劣之处。
YouTube Creator Studio
YouTube的创作者中心一看就是源自于兄弟家的Google Analytics，一股浓浓的Landing Page（落地页）分析的味道，这自然是与谷歌做搜索广告出身脱不开关系。基于多年数据分析的积累，你可以在谷歌上看到长视频最前沿的数据洞察。
YouTube后台“新观看者会回看你什么视频”
优点：
1. YouTube是唯一一个可以在你上传视频的几个小时之内，和你以往视频一开始的数据做对比，你就可以有一定地程度地预测到这个视频的热度
2. 得益于YouTube成熟的搜索数据库，你可以查看到近期在观看你视频的人在搜索什么，他们从什么视频跳转过来
3. 最近你的哪些视频为你带来较多（较少）的粉丝
4. 在看你视频的人同时在看什么频道和视频（这个很多平台也开始有了）
5. 你的粉丝在线时间（反推什么时候发布视频）
6. 数据洞察有深度，得益于谷歌流量一体化，你甚至可以用Google Analytics对单个视频的外部流量进行深度挖掘，比如创建一个数据页面，针对特定的数据需求筛选比对数据
缺点：
1. 对于完全没有电商广告数据分析基础的使用者来说，会存在一定的门槛，而且有些教程还是英文
2. 理工男思维当先，部分图表有一定的认知门槛，需要学习
3. 官方后台没有或较少话题选择相关的培训、推荐，只有你发布内容的类似频道和视频，很难追热点
4. 内容没有平台导向或指引，任由腰尾部创作者自生自灭
5. 没有官方的商单系统，不能直接与其他视频、频道比对商业价值（不过有丰富的第三方网站，流量盈利计算清晰）
哔哩哔哩
哔哩哔哩的创作者后台是我看得最多的一个，毕竟也是我的主力推送地，它给我的感觉是：时不时有新改版，一直在很努力地追赶，基础的都有了，但还是差一点，比如有创作者活跃的时间但是没有观众活跃的具体时间。
B站在2022年2月份新改版的数据后台
优点：
1. 更新迭代速度不错，基本上功能已经具备
2. 游戏化机制做得相对较好，比如各种投稿活动、打擂、目标设定
3. 数据可视化的颜值做得比较好，但有些图表的选择不太合理
缺点：
1. 目前这一版没有将动态的短视频和长视频分开，数据污染比较严重
2. 千抄万抄，没有自己独特的数据洞察指标
3. 很多稿件的时间轴只能拉到30天，做不了太长效的跟踪
4. 数据洞察较为基础，做不了复杂深度的分析
5. 因为实名认证的关系，很多小孩子拿着父母的身份证认证，所以观众的年龄段数据判断不太准确
6. 活动给予的流量没有分类展现
7. 游戏化机制难度坡度设计过高
字节系
虽然我的账号在字节的主力阵地是今日头条，但是依据字节现有产品的热度以及作为字节的前数据运营，不难感受到，其实抖音才是王中王，但与之配套的创作者数据洞察力却并不是如此。比如头条的数据后台成熟度明显高于抖音，而另一方面，其实对于普通的创作者，能看到的数据是少了好几个量级的，因为数据洞察主要集中在商业化的后台上，也就是巨量引擎。而且现在他们又通过中视频计划与西瓜视频链接起来，所以基于这种复杂关系，下面我会把抖音、头条和西瓜视频混在一起谈。
优点：
1. 可以看到整体以及单篇稿件手机价格（头条）和轻中重度用户的比重
2. 有大量其他热点话题、作品的数据可以比对参考，官方也有大量活动进行引导，锚定系统比较完善
3. 有丰富的搜索任务，简单来说就是有多少人在搜索什么，我们可以根据热度和已有投稿量来创作
缺点：
1. 数据接入的门槛较高，比如抖音不能看到30天以前发布视频的数据，粉丝数不够也不能看粉丝的综合数据，几家平台中这是获取数据门槛最高的。同时，也说明了字节不看中过去，视频的保质期非常短
2. 相对于商业化后台丰富的维度，普通的创作者所看到的“深度数据”比较少，比如视频每秒的跳出率这个创作者就看不到，但是商业化后台里面这是很常看也很实用的维度
小结一下，在我看来YouTube和字节系的商业化数据洞察能力处于顶流，随后是哔哩哔哩和字节系的创作者层级。另外，文中没有细谈的小红书其实在视频上的数据洞察虽然发力较晚但丝毫不逊于顶流。而微信的视频号，虽然折腾依旧，不能说但只能说有非常大的提升空间。
What’s next in 数据洞察?
笔者“设计”的后台
现在针对视频、图文的基础数据分析已经非常完备了，这里就不再做一些锦上添花的建议，更多的，我想讨论一下，数据洞察在这些基础完备后，下一步该怎么走。
其实答案很简单，大家都知道，就是人工智能，或者现实点来说就是机器学习、深度学习。由于研究、训练和部署这些算法在之前是一件很耗时很昂贵的事情，所以大部分厂商都把资源放在了算法的推荐上来。
但我认为，在资源逐渐有冗余的时候，尽量多倾斜一下供给端，用这些算法帮助创作者，会给平台的内容产出更有效、分布更均匀、更持续。以下，是我基于这些年来，从创作者、数据分析师、电商从业者几个身份结合起来的，想到的一些人工智能如何给创作者赋能的建议和想法：
投稿前的流量预测
简单来说就是判断这个内容会不会火，这里涉及两个部分，一是大盘，二则是你做出来的稿件。虽然很多人觉得这是一个玄学问题，但还是有很多可以量化的东西帮助我们去分析：
1. 更智能更贴近创作者创作能力范围的的热点跟踪与预测，比如对于数码博主来说，各大摄影厂商会在不久后的CP 展出；
2. 针对非商业广告类的视频，可以在上传后进行数据一定的预测（目前字节系有广告视频的数据预测），比如对视频的节奏、情绪、语调、语速、停顿、版权等多维度进行质量评测；
3. 受众群体画像分析。比如针对不同类型、题材稿件的建议发布时间使得目标观众最大化；
4. 目前稿件新鲜度的余量分析。比如“冬奥会 谷爱凌”这个主题，从目前主动搜索和投稿量比例、频道粉丝受众来看，针对此更新他们的接受度是多少，你准备发布的这个内容同质化程度如何；
5. 热度高、内容少的方向推荐。比如根据你过往的产出内容，进行主题、知识网点分布，可以持续探索你的创作边界。
投稿后的深度复盘
很多数据对于短期来说是没有意义的，对于长期来说又缺乏对比和变化（比如受众的地域、爱好标签），所以时间属性很重要，分类、同行对比很重要：
1. 推测订阅、播放、互动数据波动的原因，类似Tableau和PowerBI的一键问答，推算出最可能影响的因素排行
2. 你发布的内容与其他创作者发布内容的链接网络，你所发布的内容其他人是怎么表述的，他们的效果怎么样，这个内容的同质化程度如何；
3. 商业价值的评估。比如创作者能够更清晰地看到自己的盈利预测，同和对比，潜在消费者的搜索、点击、购买行为分析；
4. 商业合作赋能。根据投稿频率、现有数据、厂商合作的盈利预测，并提出原创比的建议
最后
1. 不能被数据束缚，数据一定要平权，甚至“劫富济贫”
2. 更底层、更心理学上，就像没有专家库的人工智能是不完整的
3. 如何用数据有效、快速地判定哪些有最真实的情感、最独特的思考，这是一个奇点问题
