文章目录
- 一、项目背景
- 二、数据预处理
- 1、查看数据
- 2、数据清洗
- 2.1对达人列表进行清洗
- 2.2对涨分榜进行清洗
- 2.3对MCN列表进行清洗
- 2.4对定性变量（分类变量）进行处理
- 3、表格处理
- 3.1合并达人列表和涨粉榜
- 三、分析与数据可视化
- 1、对达人列表进行相关性分析
- 2、达人账号指标可视化
- 2.1笔记报价与签约mcn公司
- 2.2达人账号标签选择
- 2.3赞藏总数与认证信息
- 四、总结
本项目对小红书一个月的达人列表、MCN签约列表和涨粉榜三表进行分析，通过Tableau数据可视化和相关性分析探究小红书达人账号的运营情况。
明确问题：
分析影响达人账号获得点赞收藏和笔记报价的主要指标有哪些；
分析哪类标签博主在小红书发展趋势较好，为新账号提供发展方向；
分析签约MCN公司对运营较好的达人账号的影响，为未签约的博主提供建议。
1、查看数据
2、数据清洗
检查数据集完整性，对空白值进行删除或填空。
2.1对达人列表进行清洗
可见达人列表没有重复值，认证信息和签约MCN字段缺失值过半，删除缺失值会导致数据量大幅度减少，所以采用填充方法处理缺失值：
（1）对“地域”、“简介”、“认证信息”、“签约MCN”、“达人标签”、“更新时间”这类文本字段的缺失值填充“未设置”；
（2）因“赞藏总数”只缺失一个，缺失值较少，对此填充”0“；
（3）因报价差距偏大，平均值易受影响，所以用中位数填充“视频笔记报价”和“图文笔记报价”字段的缺失值。
2.2对涨分榜进行清洗
可见涨分榜数据完整，没有缺失值
2.3对MCN列表进行清洗
同理达人列表：
（1）对“机构公司”、“简介”、“小红书号”、“TOP3达人”这类文本字段缺失值填充“未设置”；
（2）对“达人粉丝总数”这类数值型字段缺失值填充“0”。
2.4对定性变量（分类变量）进行处理
定量变量之间能直接计算相关系数进行相关性分析，但为更好地分析定性变量与定量变量之间的相关性，此处需要把定性变量转换为虚拟变量（哑变量），即从分类变量转化为数值型数据，可与定性变量计算相关系数。
3、表格处理
3.1合并达人列表和涨粉榜
1、对达人列表进行相关性分析
相关系数r的判定条件为：|r|<= 0.3 不存在线性相关；0.3<=|r|<= 0.5 低度线性关系；0.5<=|r|<= 0.8 显著线性关系；|r| > 0.8 高度线性关系。由相关矩阵可知，达人账号的赞藏总数与粉丝数存在线性相关关系，与其他字段也存在一定的相关，其中相关度前五的指标分别为粉丝数 、商业笔记数、视频笔记报价 、分类达人标签_已设置、分类认证信息_已认证 。
达人账号的视频笔记报价相关度前三的指标分别为分类签约MCN_已签约 、图文笔记报价 、赞藏总数 、商业笔记数 、分类达人标签_已设置 。
2、达人账号指标可视化
运用Tableau进行数据可视化
2.1笔记报价与签约mcn公司
二咖传媒和仙梓文化达人的笔记报价较高。
在众多MCN公司中，侵尘文化、众灿互动、告趣和仙梓文化是发展较好的
2.2达人账号标签选择
多数达人账号会打上美妆个护、美食、搞笑、时尚和运动健身等标签，这些领域在小红书平台上较受欢迎。
2.3赞藏总数与认证信息
美妆、美食、时尚博主和演员的赞藏总数比较多，其中演员的粉丝数最多，所以演员的赞藏总数可能是明星效应导致的。