来源：一个数据人的自留地

文末领取「数据分析业务实战指南 」

“今天聊一聊小红书的数据”

引言

“传统电商销售，即人、货、场，用户在A店买到自己需要的商品，结束此次购物之旅。随着消费升级，国民的生活品质提升，商品种类变得越来越多，很多商品出现细微差别，导致同质化商品泛滥，用户在寻找商品时出现决策困难。种草是将场景具象化，以视频方式、实际案例对货物消费场景进行描述，包含不同商品细枝末节的差异。种草帮助用户用更短时间更少金钱获取最适合自己的商品”。

小红书是种草渠道还是种拔一体平台？如何做到平台盈利、又保证平台内容质量？商业化的点是哪里呢？种草渠道，平台盈利主要是广告收入？种拔一体平台，广告收入和电商收入？

说起小红书电商，就好比支付宝做社交，滴滴做买菜，虽然大家都想把自己的流量变现，但用户似乎不买单。小红书电商，从价格上不如淘宝旗舰店、从物流上不如京东、品类上只可能比淘宝和京东少，综上所述用户选择的理由是什么呢？近期也有相关报道，小红书逐渐放低了电商的比重。笔主不是内部人士，也无法知道小红书的战略，小红书电商侧内容就暂且不解读吧。

那就一起来看看小红书种草功能，用数据产品逻辑和语言理解 种草。包含 业务过程、北极星指标、物理建模、业务建模。

小红书种草业务过程

如果用素人发布的笔记只有两三个人看且点赞，那广告主会找上他吗？显然不会。只有当素人拥有一定量的粉丝时才具备和广告主交涉的条件，譬如kockol才有广告主找上门。

仅有业务过程就够了吗？怎么样衡量业务的健康度呢？每个模块之间的关联关系是什么样子呢？答案是北极星指标，用北极星指标把业务过程串连起来。北极星指标可以帮助大家看清业务的本质，是业务生根发芽的种子。

首先有人发布笔记，其次有人点赞笔记，随着点赞人数越多，进而吸引广告主。

不难看出，我们的核心是笔记，用来衡量笔记质量的是点赞数。进一步，笔记点赞数构成作者等级，笔记点赞数吸引广告主。北极星指标笔记点赞数。光靠一个指标肯定是不准确的，查询小红书的资料也包含其他的指标。

北极星指标

小红书种草北极星指标： 点赞数量、收藏数量、转发数量、评论数量、关注数量

前面说了，北极星指标是业务生根发芽的种子，种子需要土壤才能成长，将北极星指标按照业务模块往外扩展，形成分支。当前的北极星指标也为原子指标，在原子指标上开支散叶则形成衍生指标。那应该派生哪些衍生指标是合理的呢？派生哪些衍生指标是对业务有用的呢？这里的土壤其实就是各个主题的数据。这个过程笔主起名为物理建模。

物理建模

物理建模：主题+北极星指标，主题是从业务过程中抽象出来的。与北极星指标有莫大的联系。物理建模可以理解为每个垂类的业务扩展。通过主题+北极新指标对每个主题进行更详细的描述。举例看看各个主题。

主题：笔记

按照笔记质量：优质、普通等；按照推荐逻辑：种子笔记、潜力笔记、爆文笔记等；按照笔记内容：化妆品、香水、旅行等；按照变现：广告主笔记、非广告主笔记

主题：账号

例如：按照身份：广告主、作者 、粉丝；按照权益：优秀、普通、异常，身份+权益交叉：优秀作者、普通作者

主题：作者；

例如：按照关注量：koc、kol、素人、达人

主题：广告主

例如：按照品牌类型：雅诗兰黛、兰蔻、nike等

主题：商品

例如：按照流量分：爆款商品、促销商品、引流商品等

主题：粉丝

例如：按照活跃：僵尸粉、活跃粉丝、次活跃粉丝、高活跃粉丝

按照不同的分类，可产生不同的衍生指标。例如区分优质笔记：当笔记点赞数量+收藏数量>X时，定义为优质笔记。例如选种子笔记：具有关注数X的用户发布的笔记定义为种子笔记；选潜力笔记，第一轮推荐点赞数>X的笔记定义为潜力笔记。

依次类推，各主题都可以用北极星指标来度量。以上主题相互独立，也存在相互交叉的可能。可以是两个主题的交叉、也可以是三个主题的交叉。那怎么去确认应该交叉哪几个主题呢？这里需要引入业务建模，即我们的业务分析思路。需要依照分析场景交叉主题，产生更多维度数据，更多衍生指标。

业务建模

业务建模：最细粒度的多维数据交叉。各个主题交叉分析数据。业务建模后的数据，我们可以套用常用的分析方法回答业务问题。我们用问题来看怎么进行业务建模。

问题1:当前平台作者的健康度是如何？

解读：可以从发帖的数量、拥有的粉丝的情况，作者角度去想。业务建模用到粉丝主题+作者主题+笔记主题，即A作者某日发布笔记X篇，拥有粉丝X人，a笔记粉丝点赞a1，非粉丝点赞a2,b笔记粉丝点赞b1。

业务建模：业务建模字段，日期、作者、笔记名称、是否粉丝、昵称、是否点赞、点赞次数。以上内容都可以通过建模数据获取。

衍生指标：粉丝点赞次数、非粉丝点赞次数，也可以加上维度，形成二次衍生指标。

分析方法：帕累托分析解释结论，例如达人、素人发布笔记数占比。点赞粉丝集中在素人or达人。按照笔记及粉丝点赞分布，平台不健康作者占比x。

问题2:雅诗兰黛试投商品在哪些作者上收益更高？

解读：可以从作者、广告主、商品，达人A带货雅诗兰黛水，点赞+收藏X人。

业务建模：广告主名称、作者名称、商品名称，点赞数量

衍生指标：商品点赞次数

分析方法：帕累托分析解释结论

通过两个问题，我们对点赞数量进行了衍生、包含粉丝点赞次数、非粉丝点赞次数、商品点赞次数，不同的业务建模会产生不同的衍生指标。业务建模随业务的迭代而迭代。

常用的分析方法，漏斗分析、帕累托分析、逻辑树-假设树。漏斗分析通常用来解决流程问题，问题卡在哪个环节。帕累托分析用来解读数据分布，大头数据占比，发现业务主要矛盾。逻辑树-假设树，用来思考解决方案。

笔主用自己的数据知识盘点了小红书的基础数据，我们回到小红书数据产品，你会发现他是某一类主题，或者某一个业务建模的数据应用。例如蒲公英平台、聚光平台、千瓜数据等。

今天就先到这吧，等下一篇笔主再从基础数据拆到产品应用，到如何应用数据产品进行商业化变现。感谢阅读。

-END-

    以上就是本篇文章【5分钟解读「小红书基础数据」！数据分析师必看！】的全部内容了，欢迎阅览 ！ 文章地址：http://dfvalve.xrbh.cn/quote/7664.html 
     行业      资讯      企业新闻      行情      企业黄页      同类资讯      网站地图      返回首页 迅博思语资讯移动站 http://keant.xrbh.cn/ , 查看更多