《AIGC与新媒体数据分析（慕课版）》全套教学课件

AIGC与新媒体数据分析（慕课版）新媒体数据分析基础全套可编辑PPT课件新媒体数据分析基础新媒体数据的获取新媒体数据的处理与分析新媒体数据的可视化新媒体数据分析报告抖音账号数据分析微信公众号数据分析微博数据分析其他新媒体数据分析新媒体数据分析进阶专题目录CONTENTS新媒体数据分析概述常用的新媒体数据分析工具AI与新媒体数据分析Part1新媒体数据分析概述新媒体营销已经成为企业营销中不可或缺的一部分，而数据分析则是实现有效新媒体营销的关键。企业若需要了解自己的目标用户，可以分析不同渠道的用户数据，如使用社交媒体分析工具比较不同社交媒体平台的用户行为和用户偏好。此外，企业还可以利用新媒体数据分析来评估数字营销策略的效果，如通过分钟级阅读量监控和全网竞品搜索监控来监控公众号运营和广告投放效果等。新媒体数据是指在互联网和数字媒体平台上产生的各种数据，包括用户行为数据、社交媒体数据、在线广告数据等。这些数据可以帮助企业了解目标用户的行为和偏好，制定有效的数字营销策略，并评估这些策略的效果。新媒体数据按照其呈现形式，通常可以分为3种：数值型数据、文本型数据和图文型数据。新媒体数据数值型数据文本型数据图文型数据（1）数值型数据数值型数据是指由数字组成的统计数据，可以直接用于统计和分析，以便评估运营结果。常见的数值型数据包括阅读量、粉丝量、销售量、浏览量及活动参与人数等，这些数据可以帮助企业评估运营结果。如下图所示为某主播某场直播的人气数据，这些数据就是数值型数据。新媒体数据（2）文本型数据文本型数据是指不能参与算术运算的任何字符，如汉字、英文字母等。右图所示为某场直播的弹幕词云，这就是文本型数据。新媒体数据（3）图文型数据图文型数据是指以图片和文字来展示的数据信息，一般包括网站栏目分类、账号粉丝分类、用户反馈及各种平台矩阵分布等。图文型数据可以帮助企业找到正确的运营方向，了解用户行为和偏好，提高内容产品的吸引力。右图所示为某场直播中观众的年龄分布情况，这就是图文型数据。新媒体数据分析是针对社交媒体和广告主对接的平台进行的数据查询和分析。通过新媒体数据分析，运营人员可以了解用户的真实需求，不断优化选题和标题，提高用户参与度和满意度。同时，新媒体数据分析也有助于广告主更好地了解市场趋势和用户行为，制定更有效的营销策略。新媒体数据分析中的数据主要分为定量数据和定性数据。定量数据是可量化的数据，如用户数量、阅读量、点赞数等，可以通过数学方法进行计算和分析。定性数据则是描述性的数据，如用户性别、年龄、兴趣爱好等，需要通过定性分析方法进行分析。在数据分析中，定性分析和定量分析可以结合使用，以获得更全面的分析结果。新媒体数据分析可以分为描述性分析、诊断性分析、预测性分析和指导性分析。新媒体数据分析描述性分析诊断性分析预测性分析指导性分析新媒体数据分析（1）描述性分析描述性分析是一种常见的数据分析方法，主要用于对某一总体的现状进行调查研究，并对其相关变量的数据进行客观描述。在新媒体数据分析中，描述性分析可以帮助运营人员了解用户的行为习惯、兴趣爱好、消费习惯等，从而更好地制定有针对性的运营策略。新媒体数据分析的描述性分析具体如下。①用户画像分析。通过收集用户的年龄、性别、地域、职业等基本信息，对用户进行分类和标签化，从而构建用户画像，为后续的精准营销提供依据。②用户行为分析。收集用户在新媒体平台上的浏览、点击、分享、评论等行为数据，分析用户的行为习惯和兴趣偏好，为内容推荐和广告投放提供参考。③内容分析。对新媒体平台上发布的内容进行分析，包括内容的类型、主题、风格等，了解用户对不同类型内容的喜好程度，为内容创作提供指导。④社交网络分析。分析用户之间的社交关系，包括关注者、粉丝、互动者等，了解用户的社交网络结构和信息传播路径，为社交营销提供策略。⑤用户满意度分析。通过问卷调查、用户反馈等方式收集用户对新媒体平台的满意度，分析用户的需求和痛点，为产品优化提供建议。新媒体数据分析（2）诊断性分析诊断性分析是数据分析技术在新媒体运营与内容生产中的应用，主要解决的是“为什么”的问题，其目的是了解问题发生的原因。诊断性分析在新媒体运营中发挥着重要的作用。一方面，它可以帮助运营人员发现和解决存在的问题，即通过对新媒体数据进行深入的挖掘和分析，运营人员可以发现存在的问题，如用户流失、内容质量不佳等，从而采取相应的改进措施。另一方面，它可以帮助运营人员提升新媒体运营的效率和效果，即通过对新媒体数据进行深入的挖掘和分析，运营人员可以找到提升新媒体运营效率和效果的方法，如优化内容策略、改进推广方式等。诊断性分析的具体应用如下所示。①问题排查。在新媒体运营过程中，可能会出现各种各样的问题，如阅读量下降、粉丝流失、转化率低等。通过诊断性分析，找出问题出现的具体原因，如内容质量不佳、发布时间不合适、推广渠道不合适等，从而有针对性地解决问题。②竞争分析。通过对竞争对手的数据进行诊断性分析，了解他们的运营策略、粉丝结构、内容偏好等，为自己的运营提供参考。③产品优化。通过对产品的数据进行诊断性分析，了解产品的使用情况、用户反馈等，从而对产品进行优化，提高用户满意度和产品使用率。④市场趋势。通过对市场数据进行诊断性分析，了解市场的变化趋势，如热门话题、用户偏好等，从而及时调整运营策略，抓住市场机会。⑤广告效果评估。通过对广告的数据进行诊断性分析，了解广告的投放效果，如点击率、转化率等，从而对广告进行优化，提高广告的投资回报率。新媒体数据分析三、预测性分析预测性分析是指通过对历史数据的分析，预测未来可能发生的情况和结果。这种分析方法可以帮助运营人员制定更有效的运营策略和方案，提升新媒体运营的效率和效果。进行预测性分析，首先需要收集和清洗数据，然后根据设定的目的进行针对性的挖掘，最后通过数据分析和结果解释，得出预测结论。在进行预测性分析时，需要注意数据的质量，以及分析人员的思路和判断能力。预测性分析的应用具体如下。①社交媒体舆情预测。通过对社交媒体上的大量数据进行分析，预测公众对某个事件或话题的态度和情绪，为企业和政府制定公关策略提供参考。②用户行为预测。通过对用户的历史行为数据进行分析，预测用户的未来行为，为企业提供精准的营销策略。③设备故障预测。通过对设备的技术参数、关键零件使用情况等进行统计分析，预测设备的故障类型、原因和影响，为企业的设备购置、维修、升级等业务计划提供支持。④市场趋势预测。通过对市场上的各种数据进行分析，预测市场的未来趋势，为企业提供投资和经营决策的参考。⑤广告效果预测。通过对广告投放数据进行分析，预测广告效果，为企业调整广告策略提供参考。新媒体数据分析四、指导性分析指导性分析是指通过对新媒体数据的深入挖掘和分析，为新媒体运营提供指导和建议，以提升运营效率和效果。指导性分析的应用场景非常广泛具体如下。①新媒体账号运营指导。通过对新媒体账号数据进行深入分析，了解账号的运营状况，包括用户活跃度、内容受欢迎程度、账号影响力等，帮助运营人员制定有效的账号运营策略。②产品设计指导。通过对用户数据的分析，了解用户的需求和偏好，帮助产品团队设计出更符合用户需求的产品。③市场推广指导。通过对市场数据的分析，了解市场的竞争状况、用户的行为习惯和消费趋势，帮助市场团队制定更有效的市场推广策略。④品牌建设指导。通过对品牌数据的分析，了解品牌的知名度、美誉度和影响力，帮助品牌团队制定更有效的品牌建设策略。随着新媒体的发展和数据的不断积累，指导性分析的应用场景会越来越广泛，为新媒体运营和管理提供更多的支持和指导。新媒体数据分析的意义随着新媒体行业的不断发展，竞争越来越激烈，这要求新媒体运营人员在进行新媒体运营的时候，具备一定的数据分析能力，因为只有做好数据分析才能够更好地把握内容发展的方向，及时地进行调整和优化，才可能在新媒体行业中获得更好的发展。新媒体数据分析的意义主要体现在以下几个方面。1．了解运营质量新媒体数据分析可以帮助运营人员了解用户的活跃时间、构建用户画像等，通过对数据的对比分析，可以直观地了解运营效果，及时发现和解决问题。2．预测运营方向运营人员通过对新媒体数据的深入挖掘和分析，可以预测新媒体的运营方向。例如，根据用户的行为数据，可以预测用户的喜好和需求，从而制定更加精准的运营策略。新媒体数据分析的意义3．控制运营成本运营人员通过新媒体数据分析，可以有效地控制运营成本。例如，对广告价值进行预估，可以避免无效的广告投放，从而节省广告成本。4．评估营销方案新媒体数据分析可以帮助运营人员评估营销方案的效果。例如，对阅读量的监控和分析，可以评估一篇文章的阅读效果，从而调整营销方案。5．提高运营效率新媒体数据分析可以帮助运营人员提高运营效率。例如，对用户行为数据的实时采集和分析，可以及时发现用户的需求和问题，从而提高运营效率。6．提升用户体验新媒体数据分析可以帮助运营人员提升用户体验。例如，对用户行为数据的分析，可以深入了解用户的需求和喜好，从而提供更加个性化的内容和服务，进而提升用户体验。新媒体数据分析的原则新媒体运营人员在进行新媒体数据分析时，需要遵循以下原则。①全面性。在收集数据和分析数据时，应尽可能全面，而不是收集和分析部分数据。只有收集和分析的数据全面，才可以确保分析结果的准确性。②准确性。进行新媒体数据分析，一定要确保数据的准确性，避免数据错误或不准确导致的分析结果偏差。③及时性。应及时收集数据并对数据进行分析，这样才能及时发现和解决问题，调整运营策略。④针对性。进行新媒体数据分析需要针对具体的业务问题，不能盲目进行，否则可能会浪费资源。⑤实用性。新媒体数据分析的结果需要能够指导实际的运营工作，而不能仅仅停留在理论研究层面。新媒体数据分析的基本流程运营人员在进行新媒体数据分析时，遵循一定的基本流程是非常重要的，新媒体数据分析的基本流程为：设定目标、数据收集、数据处理、数据分析、数据可视化、撰写数据分析报告。01设定目标02数据收集03数据处理04数据分析05数据可视化05撰写数据分析报告新媒体数据分析的基本流程1．设定目标有目标才有方向，目标是行动的起点。在进行新媒体数据分析前，首先要设定数据分析的目标，也就是明确为什么要进行数据分析、想要通过数据分析解决什么问题，这样才能保证数据分析的方向是正确的。2．数据收集为了保证新媒体数据分析的结果准确、有效，新媒体数据必须通过正确途径进行收集，通常不同的分析目标会对应不同的数据来源，因此数据收集与数据分析的目标是紧密相关的。新媒体数据的收集主要有3种渠道：后台数据收集、第三方数据收集及手动收集。（1）后台数据收集现在的新媒体平台后台都非常强大，通常都会有自己的统计工具，如果需要分析的数据可以通过后台进行复制，或者直接导出，那么运营人员就可以直接从后台复制或导出数据。例如，微信公众号用户数据、抖音视频浏览量数据、天猫店铺销售数据、今日头条推荐数据等。（2）第三方数据收集如果有些数据无法在新媒体平台直接收集，运营人员可以借助相关工具，在授权后利用第三方工具进行数据收集，然后通过第三方工具下载数据。常见的可以通过第三方工具收集的数据有网站点击数据、网站跳出数据等。（3）手动收集如果某些数据既无法从自身平台收集，又无法通过第三方工具获取，那么运营人员只能手动收集。新媒体数据分析的基本流程3．数据处理未经处理的数据被称为原始数据，这些数据通常不能直接用于数据分析，而是需要经过处理、加工，成为可被分析的数据。进行数据处理的目的是从大量无序、杂乱、难以理解的数据中选取出对解决问题有意义、有价值的数据。数据处理包括数据清洗、计算、分组、抽取、转换等。4．数据分析数据分析是指使用合适的工具和方法，对处理后的数据进行分析，从中获取有价值的信息并形成指导性结论的过程。通常，数据分析是借助Excel、Python等分析工具，以及百度指数、飞瓜数据、新榜等第三方数据分析工具来完成的，这就要求运营人员不仅要掌握各类数据分析方法，还要会使用一些主流数据分析工具。5．数据可视化数据可视化是一种将数据以图形、图像等形式呈现的方法，旨在帮助运营人员更直观、更容易地理解数据中的信息。运营人员可以用各种图形、地图、表格等展示数据的分布、趋势、关系和规律等。数据可视化在新媒体数据分析中应用广泛。6．撰写数据分析报告撰写数据分析报告是新媒体数据分析的最后一个步骤。数据分析报告是数据分析的成果，撰写数据分析报告能让数据分析的过程、结论得到完整的呈现，有助于了解数据背后的规律、趋势。一份好的数据分析报告应该结构清晰、内容完整、观点明确，并能引导读者深入理解数据。新媒体数据分析的常用术语新媒体数据分析涉及众多术语，这些术语通常用于描述数据的特征、分析方法和工具等方面。了解这些术语有助于更好地进行新媒体数据分析。下面是新媒体数据分析的常用术语。①关注者：关注某个新媒体账号的用户。其数量是衡量新媒体影响力的重要指标之一。②点赞：用户对新媒体账号发布的某条内容表示认可或喜爱的行为。其数量反映内容的受欢迎程度。③分享：用户将新媒体账号发布的某条内容转发给其他用户或平台的行为。其数量可以衡量内容的传播力。④评论：用户对新媒体账号发布的某条内容发表的观点或意见。其数量可以反映内容的互动程度。⑤阅读量：新媒体账号发布的某条内容被用户浏览的次数。其可以反映内容的曝光程度。⑥转化率：实施特定行为（如购买、注册等）的用户数量与总用户数量之比。其可以衡量新媒体营销的效果。⑦用户画像：对用户的基本信息、兴趣爱好、消费习惯等进行分析后构建的用户特征模型。⑧互动指数：用户对新媒体账号发布内容的点赞、评论、分享等互动行为的综合评价指标。新媒体数据分析的注意事项新媒体数据分析的对象是数据，数据是客观的，但进行数据分析、解读数据的人是主观的。如果对数据产生误解，导致分析结果和事实不符，则可能造成决策失误。在新媒体数据分析中，新媒体运营人员需要特别注意以下几点。1．避免用单一类型数据评价整体在进行新媒体数据分析时，应避免用单一类型数据评价整体，因为单一类型的数据往往不能全面反映整体的情况，可能会得到不太精准的结论。例如，仅仅依靠阅读量来评价一篇文章或者一个活动的好坏是不全面的，还需要考虑其他因素，如转发量、点赞量等。单一类型的数据可能会掩盖其他重要信息，导致运营人员对实际情况的判断出现偏差。因此，在进行新媒体数据分析时，运营人员一定要具有大局观，能进行系统化的思考，也就是说运营人员需要对所有的数据类型进行全面的分析，而不是仅关注单一类型的数据。新媒体数据分析的注意事项2．避免夸大偶然结果在新媒体数据分析中，避免夸大偶然结果是非常重要的。因为偶然结果往往不具备代表性，如果将其放大或者作为主要依据进行分析，可能会得出有偏差的结论。因此，进行新媒体数据分析时，应该避免夸大偶然结果，要注重对数据的整体把握和系统分析。偶然性的数据是一种与正常值差异较大的数据，在进行数据处理时，应将这种偶然性的数据剔除。数据分析的目的是更好地了解运营质量，评估可能发生情况的概率，列出可能实现的结果，确定以后的运营方法和方向。运营人员需要客观地看待数据，确保数据分析的准确性。3．避免主观臆测结论在新媒体数据分析过程中，要保持客观公正的态度，避免主观臆断影响分析结果。新媒体数据分析不仅是对数据的处理和分析，更是对数据背后含义的理解和洞察。如果在数据分析过程中，仅仅依据主观臆测得出结论，可能会导致分析结果出现偏差和不准确。因此，在进行新媒体数据分析时，应尽量客观、理性地看待数据，避免主观臆测的影响。新媒体数据分析的注意事项4．避免数据处理不彻底在新媒体数据分析中，数据的质量直接影响到分析结果的准确性，因此需要对数据进行充分的清理和整理。数据处理是数据分析的重要步骤，它能够帮助运营人员发现有用的信息，提供结论并支持决策。如何才能避免数据处理不彻底呢？运营人员可以参考以下两个建议。（1）使用科学的方法挖掘和整理数据在新媒体数据分析中，数据的挖掘与整理是非常重要的一步。运营人员需要通过科学的方法进行挖掘与整理，以确保数据的准确性和完整性。不同的分析目标会对应不同的数据来源，运营人员需要根据实际情况进行数据的挖掘与整理。（2）进行数据预处理数据预处理包括清洗异常值、纠正错误数据、统一数据格式等。数据预处理的目的是使数据更加规范和有序，便于后续的数据分析。5．不使用错误的数据分析方法在新媒体数据分析中，如果使用错误的数据分析方法，可能会导致对数据的误解或者分析结果的偏差，从而影响分析结果的准确性。6．不过度依赖数据在新媒体数据分析中，如果过度依赖数据，可能会忽略业务场景，进而导致对数据的误解，从而影响分析结果的准确性。Part2常用的新媒体数据分析工具网站分析工具网站分析工具是新媒体数据分析的重要助手，它们能帮助企业和个人了解网站的流量、用户行为、转化率等重要信息，帮助用户对网站进行深入的分析，包括网站的收录状况、域名信息、友情链接等数据，以便优化网站内容和提升用户体验。常见的网站分析工具有百度统计、友盟+、爱站网等。1．百度统计百度统计是我国较大的网站分析工具之一，为用户提供实时数据分析、用户行为分析、SEO（SearchEngineOptimization，搜索引擎优化）建议等功能。百度统计还可以与其他百度产品（如百度营销等）结合使用，帮助用户实现一站式营销分析。网站分析工具2．友盟+友盟+是一个专业的移动开发者服务平台，该平台提供全面的统计分析工具，帮助企业实时监测网站、App、小程序的访问量、活跃用户数、页面浏览量、停留时间等关键指标，帮助企业了解产品的使用情况和效果。友盟+还为开发者提供用户行为分析、流量统计、推广效果分析等功能。网站分析工具3．爱站网爱站网是一个提供网站收录查询、百度权重值查询、关键词排名查询等工具的网站，用户可以免费使用各种查询工具，包括但不限于关键词排名查询、百度收录查询等。此外，爱站网还是一款非常实用的长尾词挖掘工具，通过分析搜索引擎的搜索结果和用户的搜索行为，帮助网站运营人员发现潜在的长尾关键词。自媒体分析工具自媒体分析工具主要是指新媒体后台自带的分析工具，是一类比较简单的数据分析工具，新媒体运营人员无须掌握分析函数或统计代码，可一键生成所有数据。微博、微信、今日头条等平台都提供了完整的统计功能，新媒体运营人员可以通过自媒体分析工具了解自媒体平台内容的点赞量、转发量、播放量、完播率等各项数据，从而完善内容创作和账号运营策略。下图所示就是微信公众号的分析工具。第三方分析工具第三方分析工具指的是非官方平台自带的、需要官方平台授权后才可以使用的数据分析工具，虽然很多自媒体平台自带分析工具，但是这些工具的统计和数据分析功能相对粗糙，新媒体运营人员要进行精细化的数据分析，往往需要借助第三方分析工具。第三方分析工具可以帮助新媒体运营人员更高效地收集和分析数据，从而更好地理解受众需求，优化内容策略，提高运营效率。下面介绍常用的第三方分析工具。1．飞瓜数据飞瓜数据是一个专注短视频领域的数据分析平台，提供抖音、快手等的数据分析服务，如图所示。第三方分析工具2．新榜新榜是一个数据驱动的内容产业服务平台，为内容创作者和品牌企业提供数据洞察、内容营销及数字化内容资产管理等服务。新榜旗下拥有矩阵通、声量通、海汇、智汇等SaaS（SoftwareasaService，软件即服务）工具产品，为企业提供矩阵账号管理、舆情监测及投放效果汇总等数字化管理功能。矩阵通是新榜旗下专为多平台运营打造的数字化内容资产管理系统，它通过一站式接入微信公众号、抖音、小红书等主流平台，帮助品牌或机构实现跨平台账号的统一管理、多维度数据监控、任务协同与风险预警，旨在将分散的账号矩阵转化为可量化、可提效的企业核心内容资产。Excel在新媒体数据分析中，Excel是一个非常重要的工具，因为多数数据分析平台导出的数据都可以使用Excel打开、查看，而且Excel不仅可以用于数据的整理和分析，还可以通过插件或者宏等实现更复杂的数据处理和可视化。Excel提供了丰富的数据处理和分析功能，包括数据的导入导出、数据的清洗整理、数据的统计分析等。用户可以通过Excel进行数据的初步处理和分析。例如，数据透视表是Excel的一个非常强大的工具，它可以帮助用户快速地对数据进行汇总和分析。用户可以通过数据透视表实现数据的分类汇总、交叉分析、筛选等操作。数据透视表可以帮助用户快速地找出数据的规律和趋势，从而帮助用户做出决策。Part3AI与新媒体数据分析认识AIAI是指通过计算机系统模拟人类智能过程的技术，具备学习、推理、感知、理解语言、识别图像等能力。AI的核心技术包括机器学习、自然语言处理、计算机视觉等。在新媒体领域，AI可以帮助运营人员自动处理用户评论、识别内容热点、预测用户行为、生成数据报告等，极大提升数据分析的效率与深度。AI在新媒体数据分析中的应用AI是指通过计算机系统模拟人类智能过程的技术，具备学习、推理、感知、理解语言、识别图像等能力。AI的核心技术包括机器学习、自然语言处理、计算机视觉等。在新媒体领域，AI可以帮助运营人员自动处理用户评论、识别内容热点、预测用户行为、生成数据报告等，极大提升数据分析的效率与深度。AI在新媒体数据分析中的应用主要体现在以下几个方面。（1）数据采集与清洗AI可以自动从多个平台（如抖音、微信公众号、微博等）采集数据，并对数据进行去重、补全、异常值处理等清洗操作，减少人工干预，提高数据质量。（2）文本挖掘与情感分析通过自然语言处理技术，AI可以对用户评论等文本数据进行情感倾向（正面、负面、中性）分析，帮助运营人员了解用户情绪和舆论走向。（3）用户行为预测AI可以基于用户的历史行为数据（如点击、点赞、观看时长等），预测其未来可能感兴趣的内容或购买行为，从而实现精准推荐和个性化营销。（4）内容趋势分析AI可以分析大量内容数据，识别热门话题、关键词、内容类型等的发展趋势，辅助运营人员制定内容策略。（5）自动化报告生成AI可以根据设定的分析目标和指标，自动生成图文并茂的数据分析报告，节省人力成本，提高报告输出效率。常用的AI数据分析工具在AI赋能新媒体数据分析的背景下，选择合适的AI工具可以大幅提升数据处理效率和分析深度。目前，已有多种面向新媒体场景的AI数据分析工具，涵盖文本挖掘、用户画像分析、内容推荐、舆情监测等多个方面。下面介绍几种常用且实用性较强的AI数据分析工具。1．DeepSeekDeepSeek是由杭州深度求索人工智能基础技术研究有限公司开发的AI工具，具备强大的自然语言理解和生成能力。在新媒体数据分析中，DeepSeek可以帮助运营人员完成文本内容分类、用户评论情感分析、数据报告撰写、热门话题总结等任务。其支持长文本处理和文件（如Excel、PDF、Word等）上传，方便运营人员直接导入数据进行初步分析和解读。2．ChatGPTChatGPT是由OpenAI开发的大语言模型，广泛应用于文本生成、对话交互、信息提取等场景。在新媒体数据分析中，ChatGPT可以用于数据清洗、关键词提取、用户行为洞察、趋势预测及分析报告生成。通过设计合理的提示词，运营人员可以快速实现数据洞察，辅助决策。3．豆包豆包是集成在抖音、今日头条等生态中的AI助手，便于运营人员直接使用。豆包具有文本分析、内容创意生成、数据解读等功能，尤其适合短视频和内容平台的数据分析场景。运营人员可以通过豆包快速了解视频互动数据、用户反馈情绪、热门话题趋势等。提示词设计提示词是指在与AI工具交互时，用户输入的指令或问题。设计高质量的提示词是高效使用AI工具的关键。提示词设计通常有几项核心原则。（1）明确目标明确目标是指将希望AI工具完成的具体任务描述清晰，使AI工具的输出贴合需求，从而避免产生无关或模糊的回答。例如，“请分析以下10条用户评论的情感倾向，判断每条为正面、负面或中性”，该示例明确了分析对象（10条用户评论）、分析任务（判断情感倾向）和输出类别（正面、负面或中性），AI工具接收到提示词后能够直接执行。（2）提供上下文提供上下文是指提供足够的信息，帮助AI工具理解任务所处的背景，避免因信息不足产生偏差。例如，“我是一名短视频运营人员，正在分析某条热门视频下的用户评论”，该示例明确了用户身份（短视频运营人员）和数据来源（热门视频评论），AI工具能够结合场景判断分析的重点和方向。提示词设计（3）设定格式设定格式是指指定输出结果的呈现方式，如列表或分段总结，便于后续阅读、整理和直接使用。例如，“请以表格形式输出，包含‘评论原文’和‘情感倾向’两列”，该示例明确了结果的输出形式，确认内容无误后可直接复制到报告中而无须进行二次整理。（4）分步引导分步引导是指将复杂任务拆解为多个简单步骤，逐步引导AI工具完成，提高分析的准确性和可控性。例如，第一步为“请从以下评论中提取用户提到的产品功能关键词”，第二步为“根据这些关键词，总结用户最关心的3个功能点”。该示例将“分析用户关注点”这一复杂任务拆分为“提取关键词”和“总结功能点”两个步骤，每步任务清晰，AI工具不易遗漏或混淆信息。智能体与自动化分析智能体是指能够自主执行任务、做出决策的AI程序。在新媒体数据分析中，智能体可以帮助运营人员实现从数据采集到报告生成的全流程自动化，大幅提升工作效率。在新媒体数据分析中，智能体可以自动完成以下任务。①定时采集数据：按设定频率（如每日、每小时）自动从各新媒体平台抓取关键指标数据，无须人工干预。②异常监测与报警：实时监控核心数据指标（如阅读量、互动率、粉丝增长数等），当出现显著波动或异常趋势时，自动通过发送邮件、发送企业微信等方式发出预警。③自动生成并发送报告：基于预设模板，自动生成日报、周报或月报，包含关键指标、趋势图表及简要分析结论，并定时发送至指定邮箱或工作群。④生成建议或调整策略：结合分析结果与历史数据，自动生成内容优化建议（如最佳发布时间、热门话题方向）或调整投放策略（如优化预算分配）。AIGC与新媒体数据分析（慕课版）演示完毕AIGC与新媒体数据分析（慕课版）新媒体数据的获取目录CONTENTS新媒体数据获取概述新媒体数据获取的方式AI辅助新媒体数据获取Part1新媒体数据获取概述新媒体数据获取是新媒体数据分析的重要环节。新媒体数据获取的要点包括新媒体数据需求及目标识别，选择新媒体数据的来源，选择新媒体数据的获取方式，应用获取的新媒体数据。新媒体数据获取的要点1．新媒体数据需求及目标识别新媒体数据需求及目标识别是新媒体数据分析的第一步，它对后续的数据预处理、分析和应用等环节至关重要。（1）需求分析要进行新媒体数据分析，首先要对新媒体数据的需求进行分析，明确需要哪些类型的数据。例如，运营人员是想要了解用户的真实需求，还是想要了解运营情况或销售情况。在明确需求之后，才能获取有针对性的数据，数据分析才会精准。（2）目标识别在明确数据需求的基础上，还需要对新媒体数据分析的目标进行识别，即明确新媒体数据分析的目标是什么，以及如何利用这些数据来实现目标。例如，想要了解近期公众号粉丝增长缓慢的原因，运营人员可以查找哪个推广公众号的渠道出了问题，并将其作为目标来进行数据分析。新媒体数据获取的要点2．选择新媒体数据的来源新媒体数据的来源非常广泛，运营人员需要根据自己的需求和目标，选择合适的数据来源收集数据。（1）社交平台数据常用的社交平台有微信、微博、QQ等。分析社交平台数据的，运营人员可以了解用户的行为习惯和兴趣，从而制定更加精准的运营策略。例如，可以利用公众号的自有统计工具统计公众号数据，然后使用Excel进行数据的处理与分析，如图所示。新媒体数据获取的要点（2）短视频平台数据常见的短视频平台有抖音、快手等。分析短视频平台的数据，可以了解用户的观看习惯和喜好，进而更好地进行内容创作。短视频平台未采取传统的“图片+文字”的社交模式，其具有交互性强、内容丰富、用户参与度高、便捷性强等特点，这些特点使得观看短视频成为一种新的社交方式。5G的发展更为视频传播创造了有利条件，因此短视频平台产生的数据对视频推送、广告投放、关系衡量等具有重要意义。运营人员既可以在后台获得短视频平台数据，也可以通过第三方工具获得短视频平台数据。例如，运营人员可以在抖音后台获得粉丝画像，从而了解粉丝的性别分布、年龄分布，如图所示。新媒体数据获取的要点（3）新闻端平台数据随着移动互联网的发展和智能手机的普遍应用，新闻端平台成为人们获取新闻的重要途径。新闻端平台可以为用户提供最新的新闻动态和热点事件，对运营人员进行用户定位、标题修改、内容排版等具有指导意义，如文章阅读量、评论量等数据是运营人员评估和改进内容的参考依据。下图所示为今日头条的后台数据。新媒体数据获取的要点（4）网站平台数据在自媒体冲击的时代，虽然微博、微信、短视频平台等成了新媒体的主要阵地。但是这些新媒体的发展都离不开互联网，网站的运营作用仍是不容小觑的。网站平台的用户基数大，产生的数据量也非常庞大。分析这些数据，可以了解用户的浏览习惯和喜好，为内容创作提供参考。网站平台数据通常包括浏览量、访客数、IP数、跳出率等，如下图所示。新媒体数据获取的要点（5）网络用户行为数据网络用户行为数据是指能够反映用户在网络环境中行为的数据，如用户的交易记录、浏览访问记录等。下图所示为用户的网页浏览记录。（6）网络舆情数据网络舆情数据是指在互联网上，以事件为核心，广大网民情感、态度、意见、观点的表达、传播与互动，以及后续影响力的集合。它是社会舆情在网络空间的映射，是社会舆情全新的反映形式。新媒体数据获取的要点3．选择新媒体数据的获取方式由于新媒体数据来源比较丰富，因此新媒体数据的获取方式也是多样化的。在获取新媒体数据时，为了保障获取数据的效率和准确性，对不同来源的数据应采取不同的获取方式。新媒体数据的获取方式有很多种，如从新媒体账号后台获取数据、使用第三方数据分析工具获取数据，以及使用网络爬虫工具获取数据等。4．应用获取的新媒体数据运营人员主要根据分析目的来获取数据，如要分析运营质量，就需要关注账号的总粉丝数、获赞数，以及单条视频播放量、转赞评数等。获取的新媒体数据主要用于以下几个方面。（1）政务治理获取的新媒体数据在政务治理方面发挥着重要作用。例如，政府可以通过获取的新媒体数据进行舆情监测，及时了解公众对政策的反应和评价，以便及时对政策进行调整和优化。此外，新媒体数据还可以用于风险防范，如政府通过对网络上的舆论动态进行分析，可以预判和防范可能的社会风险。新媒体数据获取的要点（2）企业品牌管理企业可以通过获取的新媒体数据了解用户对其品牌的评价和反馈，从而进行品牌管理。例如，企业通过分析社交媒体上的用户评论，可以及时了解产品的不足，从而进行产品改进。此外，获取的新媒体数据还可以用于市场研究，帮助企业了解市场动态和用户需求，从而制定有效的市场策略。（3）媒体传播媒体可以通过获取的新媒体数据追踪热点和编辑选题，提高新闻报道的时效性和准确性。例如，通过分析社交媒体上的热门话题，媒体可以及时报道最新的新闻事件，提高新闻报道的时效性和准确性。（4）科研教学科研人员和教师可以通过获得的新媒体数据进行研究课题的设计和教学案例的开发。例如，教师可以通过新媒体数据设计教学案例，提高教学的实用性和实效性。新媒体数据获取的流程主要分为两步：明确信息需求和按信息需求获取数据。1．明确信息需求明确信息需求是新媒体数据获取的基础，也是保证数据分析过程科学、有效的首要条件。数据采集切忌大而全，新媒体运营人员应该根据新媒体账号运营需求明确数据采集的需求，从而让数据采集有针对性。新媒体运营人员要想明确信息需求，就需要先掌握开展数据分析将要用到的核心指标，并根据核心指标构建数据分析指标体系，然后根据数据分析指标体系有针对性地采集数据。下面以短视频账号为例来说明数据分析指标体系的构建过程。首先，明确核心指标。假设新媒体运营人员希望通过数据分析增加账号的粉丝数，因此核心指标就是粉丝数。其次，新媒体运营人员要分析用户画像，包括用户的年龄、性别等，找到与用户画像相对应的指标，如用户观看短视频的时间段以及用户对不同短视频的观看时长等，从而形成以用户画像为核心的数据分析指标体系。2．按信息需求获取数据明确了信息需求之后，新媒体运营人员应整理数据指标，这样可以在获取数据时有方向、有目的，也能在获取数据后知道要分析什么，有利于提高后续数据分析工作的效率。新媒体数据获取的流程在新媒体数据采集的过程中，新媒体运营人员要注意判断数据的可用性，包括数据真实性的判断、数据完整性的判断、数据价值性的判断。只有确保采集到的数据是可用的、有价值的，后续的数据分析工作才有意义。1．数据真实性的判断在新媒体数据采集的过程中，数据真实性的判断是指对数据的真伪进行辨别，以保证数据的可靠性。新媒体运营人员可以从数据来源、数据细节两个方面辨别数据的真实性。（1）数据来源在新媒体数据采集的过程中，首先要保证数据来源权威、可靠。如果数据来自官方或者权威机构，那么这些数据的真实性通常较高。例如，抖音的直播数据通常来自抖音官方平台，因此具有较高的真实性。如果数据来自非官方或者不可靠的机构，那么这些数据的真实性可能会被质疑，所以新媒体运营人员需要在采集数据时进行仔细甄别。（2）数据细节在采集数据时，还需要关注数据细节。例如，如果很多账号关注者显示为零关注、零粉丝、零作品，那么这些数据的真实性可能会被质疑。数据的增长趋势和比例关系也是需要关注的数据细节，如果数据的增长符合“先快后慢”的基本规律，并且各个指标之间比例协调，那么这些数据的真实性可能较高。新媒体数据可用性的判断2．数据完整性的判断数据完整性的判断是指检查数据记录和字段是否完整。如果数据记录或字段缺失，那么这些数据就不是完整的。例如，如果一份调查报告中缺少关键的问题或者答案，那么这份报告的数据就不是完整的，这样的数据往往就是不可用的。3．数据价值性的判断数据价值性的判断是指判断数据是否能为研究主题提供支持、对研究主题是否有参考价值。新媒体运营人员可以从数据的时效性、支持性和全面性3个方面来对数据的价值性进行判断。（1）数据的时效性新媒体数据的时效性是非常重要的。在新媒体时代，数据的更新速度非常快，如果不能及时获取和处理数据，就可能错过重要的信息。因此，新媒体运营人员需要有快速获取和处理数据的能力，以保证数据的时效性。例如，新媒体运营人员在进行短视频账号运营时，如果某条视频成了爆款，那么新媒体运营人员就需要迅速对这条视频的数据进行收集和分析，找到视频成为爆款的原因，然后调整后面视频的拍摄、发布等，这样有利于短视频账号的发展。新媒体数据可用性的判断（2）数据的支持性数据能否为论证某个研究主题或观点提供支持是判断数据价值性的一个重要方面。有些数据虽然没有任何问题，但是它不能为论证某个研究主题或观点提供任何帮助，这样的数据就是没有价值的。例如，新媒体运营人员想要了解自己运营的抖音账号的粉丝增量情况，那么体现抖音账号评论增量的数据在这里就没有直接意义。（3）数据的全面性有些数据能够为某个研究主题或观点提供支持，但这个研究主题或观点并不能仅用这些数据来说明，因为这些数据仅是说明这个主题或观点的一项数据。例如，新媒体运营人员想要分析公众号的用户画像，其不能仅收集一天的数据，也不能仅收集粉丝的性别数据，而是需要收集一段时间的数据，且除了性别数据，还需要收集粉丝的地域、年龄等数据。新媒体数据可用性的判断Part2新媒体数据获取的方式借助新媒体账号后台在新媒体行业飞速发展的时代，通常各类新媒体账号后台都可以为运营人员提供账号运营数据。以公众号为例，运营人员进入公众号后台即可查看与公众号相关的数据。图2-6所示为某公众号指定时间段内的流量来源数据，用户可以直接单击【下载数据明细】，查看下载后的明细数据，可以在Excel中查看，部分数据如图2-7所示。使用第三方数据分析工具有些数据是新媒体平台无法提供的，运营人员可以通过第三方数据分析工具获取。在新媒体领域，常用的第三方数据分析工具有新榜、蝉妈妈、飞瓜数据等。下面以飞瓜数据为例，介绍使用第三方数据分析工具获取数据的方法。飞瓜数据可以为抖音、快手、哔哩哔哩（简称B站）等提供多维度的数据监测与运营分析服务。通常各平台后台仅提供部分基础数据，而飞瓜数据作为专业的第三方数据平台，能够为内容创作者和品牌方提供更全面、多维度的数据价值评估服务。飞瓜数据已覆盖数千万个账号，并对其中具有影响力的优质账号进行每日持续监测。基于这些数据，飞瓜数据可发布涵盖达人、直播、商品、品牌等维度的细分榜单，如“直播带货达人榜”“商品榜”（见图2-8）等，帮助用户实时把握市场动态与热门趋势。使用第三方数据分析工具除此之外，飞瓜数据作为专业的短视频与直播数据分析平台，能够帮助用户深度洞察各平台内容与电商动态，构建完整的数据评估体系。图2-9所示为飞瓜抖音版中的“商品数据大盘”页面，用户可从商品类目、带货方式等维度查看销售额、销量、浏览量等趋势变化。使用网络爬虫工具网络爬虫是一种自动化程序，能够根据预定规则自动浏览网页并抓取数据。使用网络爬虫获取数据就是根据相关的主题或关键词批量、快速地从网站及新媒体平台上提取信息。从编程语言的角度来说，人们可以使用任意一种能够发起请求的编程语言来编写网络爬虫。例如，用Python、Java等编程语言编写网络爬虫来采集新媒体数据。但是这需要人们掌握这些编程语言，难度较大。为了便于人们使用网络爬虫从网络上采集信息，市场上出现了很多网络爬虫工具，这些工具能够简化并自动完成整个数据爬取过程，让人们无须懂得编程语言就能轻松地采集网络数据，并将采集到的数据转换为符合需求的各种格式。常用的网络爬虫工具有八爪鱼采集器、爬山虎采集器等。下面以八爪鱼采集器为例，介绍使用网络爬虫工具获取数据的方法。八爪鱼采集器是一款使用简单、功能强大的网络爬虫工具，它可以实现完全可视化操作，用户不需要编写代码，就可以在很短的时间内轻松地从各种不同的网站或网页上获取大量的规范化数据。它帮助用户实现数据自动化采集与编辑，摆脱对人工的依赖，从而降低获取信息的成本，提高工作效率。八爪鱼采集器采集数据有模板采集和自定义采集两种模式：模板采集易操作，门槛低，用户无基础也可快速上手；自定义采集可以满足个性化需求，适合对八爪鱼采集器有一定了解、掌握八爪鱼采集器各项功能的用户使用。Part3AI辅助新媒体数据获取AI在数据获取中的作用AI在新媒体数据获取中扮演着至关重要的角色。通过高效的信息采集和处理技术，AI能够帮助新媒体运营人员提高数据获取的效率。（1）提升数据采集效率与自动化水平传统的数据采集方式往往需要大量的人工操作，如逐页翻看、手动复制粘贴等，耗时且效率低下。AI驱动的自动化流程，能够大幅提升数据采集的效率。例如，基于AI的网络爬虫可以智能识别网页结构，自动遍历页面并抓取所需数据，无须人工逐个访问。一些先进的AI工具甚至能够模拟人类浏览行为，处理登录、输入验证码、翻页等复杂操作，实现全天候不间断的数据采集。（2）提高数据质量传统手动采集数据容易出现录入错误、遗漏等问题。AI通过自然语言处理技术和智能识别算法，能够自动筛选和过滤无效或错误的数据，确保获取的数据质量更高。例如，在采集商品信息时，AI可以自动识别并提取标题、价格、评价等关键字段，避免无关信息的干扰。同时，AI还能对采集到的数据进行初步的清洗和验证，如识别重复数据、补全缺失字段等，从而提升数据的整体质量。（3）拓展数据来源与类型AI不仅能够获取常见的文本数据，还能对海量的非结构化数据（如图片、音频和视频等）进行分析和处理，极大地拓展了新媒体数据的来源和类型。例如，为方便后续分析，AI可以通过图像识别技术从视频截图中提取品牌标识、场景信息，以及通过语音识别技术将视频中的对白转换为文字。这种多模态数据获取能力，为新媒体运营人员提供了更丰富、更立体的数据素材，有助于其做出更精准的运营决策。AI在数据获取中的作用AI在新媒体数据获取中扮演着至关重要的角色。通过高效的信息采集和处理技术，AI能够帮助新媒体运营人员提高数据获取的效率。（1）提升数据采集效率与自动化水平传统的数据采集方式往往需要大量的人工操作，如逐页翻看、手动复制粘贴等，耗时且效率低下。AI驱动的自动化流程，能够大幅提升数据采集的效率。例如，基于AI的网络爬虫可以智能识别网页结构，自动遍历页面并抓取所需数据，无须人工逐个访问。一些先进的AI工具甚至能够模拟人类浏览行为，处理登录、输入验证码、翻页等复杂操作，实现全天候不间断的数据采集。（2）提高数据质量传统手动采集数据容易出现录入错误、遗漏等问题。AI通过自然语言处理技术和智能识别算法，能够自动筛选和过滤无效或错误的数据，确保获取的数据质量更高。例如，在采集商品信息时，AI可以自动识别并提取标题、价格、评价等关键字段，避免无关信息的干扰。同时，AI还能对采集到的数据进行初步的清洗和验证，如识别重复数据、补全缺失字段等，从而提升数据的整体质量。（3）拓展数据来源与类型AI不仅能够获取常见的文本数据，还能对海量的非结构化数据（如图片、音频和视频等）进行分析和处理，极大地拓展了新媒体数据的来源和类型。例如，为方便后续分析，AI可以通过图像识别技术从视频截图中提取品牌标识、场景信息，以及通过语音识别技术将视频中的对白转换为文字。这种多模态数据获取能力，为新媒体运营人员提供了更丰富、更立体的数据素材，有助于其做出更精准的运营决策。AIGC与新媒体数据分析（慕课版）演示完毕AIGC与新媒体数据分析（慕课版）新媒体数据的处理与分析目录CONTENTS新媒体数据清洗常用的新媒体数据分析方法新媒体数据加工新媒体数据分析原理AI辅助新媒体数据处理与分析Part1新媒体数据清洗无论是自己调研获取的还是从公开数据源获取的数据集，都不能保证数据集是完全准确的，获得的数据集中难免会出现一些缺失值。而以这样的数据集为基础进行数据分析时，缺失值会对结果产生一定的影响，所以在进行新媒体数据分析前，需要对获得的数据进行缺失值的处理。1．缺失值产生的原因缺失值产生的原因可能有多个，如数据收集过程中出现失误或遗漏，导致某些数据无法被记录或采集，或者数据源本身存在不完整的信息。缺失值产生的原因有以下几个。（1）机械原因机械原因是指由于数据收集或保存的失败造成数据缺失。例如，数据采集设备故障、存储介质故障、传输媒介故障而造成数据丢失。（2）人为原因人为原因是指由于人的主观失误、历史局限或有意隐瞒造成数据缺失。例如，在市场调查中，被访人拒绝透露相关问题的答案或者回答无效，数据录入人员失误漏录了数据。（3）其他原因除了机械原因和人为原因，还有一些其他原因会导致数据缺失，如获取某些数据的代价太大，或者某些数据具有滞后效应等。缺失值的处理2．缺失值的分类根据缺失的分布，缺失值可以分为完全随机缺失、随机缺失和非随机缺失。（1）完全随机缺失完全随机缺失指的是数据的缺失是随机的，数据丢失的概率与其假设值及其他变量值都完全无关，如联系方式缺失。（2）随机缺失随机缺失指的是数据的缺失不是完全随机的，，如财务数据缺失情况与企业的规模有关。（3）非随机缺失非随机缺失是指数据的缺失概率与缺失变量本身的值有关。例如，高收入人群不愿意提供其家庭收入数据，收入数据的缺失为非随机缺失。缺失值的处理缺失值的处理3．缺失值处理的方法在数据分析中，缺失值的处理是一个重要的问题。常见的缺失值处理方法包括删除缺失值、填补缺失值等。这里需要注意的是，不同的方法对数据的影响也不同，需要根据具体情况进行选择。（1）删除缺失值若新媒体数据集中缺失的数据量不大，且对整体分析结果无太大影响，或分析时不涉及缺失的数据，就可以直接删除缺失值，这是常用的方法。在获取的新媒体数据表中，缺失值常见的表现形式是空值。在日常工作中，选择并删除数据表中的缺失值，相对简单的方法就是使用Excel的“定位”功能——定位空值，然后将其删除。缺失值的处理（2）填补缺失值新媒体数据的属性通常有多个，如果因为一个属性值的缺失而放弃大量的其他属性值，这种删除就可能对信息造成比较大的浪费，这时，就可以对缺失值进行填补。填补缺失值的常用方法如下。①人工填写。用户自己对数据较为了解，因此这种方法产生的偏差相对较小，但是这种方法也是非常耗时耗力的，如果数据集比较大、缺失值比较多，这种方法就不可行。②均值填充。均值填充就是将获取的初始数据集按属性分为数值型和非数值型分别进行处理。如果缺失值是数值型的，就根据该属性下已有数值的平均值来填充该缺失值；如果缺失值是非数值型的，就根据统计学中的众数原理，因该属性下出现频率最高的值来填充该缺失值。③特殊值填充。将空值作为一种特殊的属性值来处理，它不同于其他的属性值，如所有的空值都用“—”填充。④建模预测。将数据集中缺失的属性作为预测目标来预测，利用合适的模型进行建模，通过公式等反推当前缺失值，切记考虑模型的准确性及偏差等。重复值的处理重复值就是数据集中被重复统计的数据。下图所示为某抖音账号30天内商品的销量和销售额，但是有些商品的销量和销售额被记录了多次，在进行数据分析前，需要将表中的重复值删除。异常值的处理异常值是指数据集中明显偏离其他数据的统计值。关于异常值的处理，有两种常用方法：一是箱形图法，二是条件格式法。1．箱形图法箱形图又称为盒须图、盒式图或箱线图，是一种用于显示一组数据分散情况的统计图，因形状如箱子而得名。它主要用于反映原始数据分布的特征，还可以进行多组数据分布特征的比较。箱形图的绘制方法是：首先找出一组数据的最大值、最小值、中位数和上四分位数、下四分位数；然后连接两个四分位数画出箱子；最后将最大值和最小值与箱子相连接，标出中位数。有时，箱形图还包括异常值。2．条件格式法Excel的“条件格式”是进行数据逻辑判断的一种常用工具，如果对数据的范围比较清楚，就可以使用Excel的“条件格式”进行逻辑判断，找出异常值。。Part2新媒体数据加工数据计算有些指标数据是无法直接从数据表中提取的，而需要对原始数据进行计算。例如，某短视频博主与某品牌合作，通过直播、发布短视频等方式销售该品牌的几款商品，现在新媒体运营人员得到了这次合作销售的商品销量和销售单价，如下图所示，新媒体运营人员就可以根据这些数据计算各商品的销售金额。1．简单计算销售金额销售金额的计算比较简单，根据公式“销售金额=销售单价×销量”，在Excel中计算销售金额的即可。2．计算销售总额计算销售总额就是将所有商品的销售金额相加，如果品类比较少，可以手动计算；当品类比较多时，数字相加就比较麻烦，此时可以使用求和函数，快速计算销售总额。数据分组数据分组是指新媒体运营人员根据数据分析的需要，将获得的原始数据按照某种标准分成不同的组别，分组后的数据称为分组数据。数据分组的主要目的是便于观察数据的分布特征，然后根据分布特征进行分析。1．数据分组的原则数据分组需要遵循的原则具体如下。（1）穷尽原则穷尽原则指研究对象中的每一个单位都有组可归，不遗漏任何数据，保证数据的完整性。（2）互斥原则互斥原则指在特定的分组指标下，每一个数据只能归属于一个小组，不能同时归属于两个或多个小组，即组与组之间不能有交集。数据分组2．数据分组的方法数据分组有多种方法，其中比较简单常用的是使用函数。在Excel中可以用于分组的函数有很多，如IF函数、VLOOKUP函数等，本小节以VLOOKUP函数为例介绍数据分组。VLOOKUP函数的功能是根据一个指定的条件，在指定的数据区域内，从数据区域的第1列匹配满足指定条件的项目，然后从下面的某列返回该项目对应的数据。其语法结构如下。数据分组VLOOKUP函数的参数有4个。①lookup_value：必需，该参数是指定的匹配条件。②table_array：必需，一个至少包含一行数据的区域，并且该区域的第1列必须含有要匹配的条件，也就是说，哪个是匹配条件，就把哪个作为区域的第1列。③col_index_num：必需，指定从数据区域的哪列取数，这个列数是从匹配条件所在列开始向右计算的。④range_lookup：可选，指定做模糊定位单元格查找还是精确定位单元格查找。当该值为TRUE、1或者忽略时，进行模糊定位单元格查找，也就是说，当匹配条件不存在时，就匹配最接近条件的数据；当该值为FALSE或者0时，进行精确定位单元格查找，此时要求查找值与条件值内容完全一致。数据抽取数据抽取是指从原有数据中抽取部分数据作为数据分析的对象。常见的数据抽取有两种情况：一种是从某个字段中抽取部分数据；另一种是从不同的数据表中抽取多个字段，并组成新的数据表。1．从某个字段中抽取部分数据数据中经常会出现一个字段可能包含多层信息的情况，而新媒体运营人员在进行数据分析时，只需要使用该字段中的部分信息，此时就需要从该字段中抽取需要用到的部分信息。例如，在拉新明细表（见图3-38）中，推广类型数据既包含达人类型，又包含体裁类型，而新媒体运营人员要按达人类型统计拉新数量，就需要先提取出推广类型中的达人类型。数据抽取MID、LEFT、RIGHT函数是Excel中提取字符串的常用函数，它们都是用来提取字符串的，区别在于开始提取的位置不一样。（1）MID函数——提取中间字符MID函数是一个从文本字符串的指定位置开始，从左到右，提取指定数目的字符的函数。其语法结构如下。MID函数的参数有3个，且都为必需参数。①text：包含要提取字符的文本字符串。②start_num：文本中要提取的第一个字符的位置。如果start_num为1，就是从第1个字符开始提取，start_num为2，就是从第2个字符开始提取，以此类推。③num_chars：指定从文本字符串中提取字符的个数。数据抽取下面通过具体的实例来看一下MID函数的具体应用（见表3-1）。例如，在单元格C1中的内容为“神龙工作室”。数据抽取（2）LEFT函数——从左侧提取字符LEFT函数是一个从字符串左侧提取字符的函数。其语法结构如下。LEFT函数的参数与MID函数的参数的区别之一是LEFT函数只有两个参数，相当于将MID函数的第2个参数设置为1。还有一个区别是LEFT函数的第2个参数虽然与MID函数的第3个参数的意义相同，但是它是可以省略的，而MID函数不可以省略。LEFT函数的参数解释如下。①text：必需，包含要提取字符的文本字符串。②num_chars：可选，指定从文本字符串中提取字符的个数。数据抽取下面通过对比来看一下LEFT函数的具体应用（见表3-2）。例如，在单元格C1中的内容为“神龙工作室”。数据抽取（3）RIGHT函数——从右侧提取字符RIGHT函数是一个从字符串右侧提取字符的函数。其语法结构如下。RIGHT函数的参数与LEFT函数的参数是完全一样的，但是二者提取字符的方向不同，LEFT函数从字符串的左侧提取字符，而RIGHT函数从字符串的右侧提取字符。数据抽取下面通过具体的实例来看一下RIGHT函数的具体应用（见表3-3）。例如，单元格C1中的内容为“神龙工作室”。数据抽取在当前案例中，需要从推广类型中提取达人类型，如推广类型是“网文-代理”，需要提取的是右侧的“代理”，显然需要用到的是RIGHT函数，但是由于达人类型不仅有“代理”，还有“个人达人”，它们的字符长度不同，因此RIGHT函数的第2个参数是不固定的，这种情况下还需要借助FIND函数和LEN函数。FIND函数用于从一个字符串中查找指定字符的位置。其语法结构如下。FIND函数的参数有3个，前2个为必需参数，第3个为可选参数。①find_text：必需，要查找的字符。②within_text：必需，包含要查找字符的文本字符串。③start_num：可选，指定查找的起始位置，若省略，则代表从左侧第1个字符开始查找，通常省略。数据抽取下面通过具体的实例来看一下FIND函数的具体应用（见表3-4）。例如，单元格C1中的内容为“神龙工作室-神龙影像”，在单元格C2中输入“SHEN-long”。数据抽取LEN函数是一个计算文本长度的函数。其语法结构如下。LEN函数只有一个参数，这个参数可以是单元格引用、定义名称、常量或公式等，具体应用说明可参照表3-5。LEN函数在Excel中是一个很有用的函数，但是由于它计算的是字符长度，而字符长度对分析数据没有什么实际意义，因此在实际工作中更多是将LEN函数与其他函数嵌套使用。前面提到从推广类型中提取达人类型时，由于达人类型的字符长度不同，因此，如果使用RIGHT函数提取，其第2个参数不能使用固定值。RIGHT函数的第2个参数应该是字符串的总长度减去体裁类型和分隔符“-”的长度。数据抽取2．从不同的数据表中抽取多个字段新媒体运营人员在采集数据时可能会采集到多个数据表，而在进行数据分析时，所需要的数据可能来自不同的数据表，此时就需要从不同的数据表中抽取需要的多个字段。例如，某商家找了多个短视频博主带货，图3-45所示为短视频博主的ID、网名和粉丝数，图3-46所示为不同博主7天的销量。商家想将图3-45中的粉丝数对应到图3-46的销售业绩表中，这就需要从不同的数据表中抽取字段。此时，商家可以使用VLOOKUP函数并通过数据匹配的思路来实现数据的抽取。具体操作步骤如下。数据转换新媒体运营人员在进行数据加工时，还需要检查所采集到的数据的统计形式是否适合开展数据分析，如果不适合就需要将其转换为适合的数据形式。常见的需要进行数据转换的情况有行列互换、记录方式转换等。1．行列互换新媒体运营人员收集到的数据表中，有时候行列的字段设置是不合理的，如图3-52所示。该图所示是公众号视频的阅读次数、点赞数、评论数、分享数，显然这样的行与列设置是不合适的。因为如果视频的条数较多，数据表的列数就会比较多，不便于查看。此时，新媒体运营人员就需要将数据表的行列进行互换，转换成更便于查看的数据表形式。数据转换2．记录方式转换由于分析目标的不同，所需要的数据的记录方式可能有所不同。如果新媒体运营人员收集到的数据不利于达成数据分析目标，就需要更改数据的记录方式。图3-56所示为某抖音账号粉丝的消费信息，该图显示的是该账号某一个月粉丝的消费情况，有消费记录的显示实际消费金额，没有消费记录的显示空值。数据转换新媒体运营人员需要统计购买过商品或未购买过商品的粉丝数占总粉丝数的比例，为了方便分析，需要先将记录的消费金额转换为“是”或“否”，有消费金额的为“是”，空值为“否”。此处需要用到IF函数。IF函数是Excel中用于逻辑判断的函数，它的应用十分广泛。基本用法是，根据指定的条件进行判断，得到满足条件的结果1或者不满足条件的结果2。其语法结构如下。数据转换IF函数的思维导图如图3-57所示。Part3新媒体数据分析原理逻辑树又称问题树、演绎树或分解树等，逻辑树分析法是一种结构化的思维工具，是指将问题的所有子问题分层罗列，从最高层开始，逐步向下扩展，以帮助使用者厘清思路，抓住问题的核心，及时准确地解决问题。使用逻辑树分析法时，可以将已知问题比作树干，然后考虑哪些问题与已知问题有关，将这些问题比作逻辑树的树枝。一个大的树枝还可以延伸出小的树枝，逐步列出所有与已知问题相关联的问题，如图3-61所示。例如，新媒体运营人员在对电商进行分析时，就可以使用逻辑树分析法拆解问题，如将电商拆解为人、货、场3个部分，具体思路参照图3-62。逻辑树分析法逻辑树分析法是一种强大的结构化分析工具，它可以帮助使用者将问题分解为一系列小问题，并分别分析解决，最终得出全面的解决方案。在使用逻辑树分析法进行新媒体数据分析时应遵循以下原则。①细分问题时保持一致性：每一层级的问题划分标准应保持一致。②子级问题与高层级问题密切相关：各个子级问题应该与高层级问题密切相关。③不重不漏：尽量把涉及的问题考虑周全同时避免重复提出问题。逻辑树分析法PEST分析法是一种常用的宏观环境分析工具，用于评估企业或组织所处的政治（Political，P）、经济（Economical，E）、社会（Social，S）和技术（Technological，T）环境，从而确定其潜在的机会和威胁。（1）政治环境政治环境主要包括政治制度与体制、政局、政府的态度等。（2）经济环境经济环境主要包括宏观和微观两个方面的内容。宏观经济环境主要指一个国家的人口及其增长趋势，国民收入、国民生产总值及其变化情况，以及通过这些指标能够反映的国民经济发展水平和发展速度。微观经济环境主要指企业所在地区或所服务地区的消费者的收入水平、消费偏好、储蓄情况、就业率等。（3）社会环境社会环境包括一个国家或地区的居民受教育程度和文化水平、宗教信仰、风俗习惯、审美观点、价值观念等。（4）技术环境技术环境不仅包括那些引起革命性变化的发明，还包括与企业生产有关的新技术、新工艺、新材料和其发展趋势及应用前景。PEST分析法PEST分析法适用于以下几个方面。①制定企业战略规划：帮助企业了解政治、经济、社会和技术等多个方面的情况，评估外部环境的机会和威胁，从而制定相应的战略规划。②评估市场前景和风险：帮助企业了解市场的潜在机会和威胁，预测市场趋势和变化，从而决定是否进入或退出某个市场。③评估投资项目：帮助投资者评估投资项目所处的宏观环境，了解投资项目的潜在风险和机会，从而决定是否进行投资。④政策制定和评估：帮助政策制定者了解政策实施的宏观环境和影响，评估政策效果和可行性，从而制定更加科学和有效的政策。PEST分析法5W2H分析法是一种用于问题解决和项目管理的工具，它通过七个问题来定义项目的所有方面。这七个问题分别是：什么（What）、何时（When）、何处（Where）、谁（Who）、为什么（Why）、如何（How）及多少（Howmuch）。这种方法简单、方便，易于理解、使用，广泛应用于企业管理和技术活动。5W2H分析法包含的七个问题的具体含义如下。①什么（What）：目的是什么？做什么工作？②何时（When）：需要多长时间？什么时候安装？问题出现的频率如何？③何处（Where）：在什么条件或情况下？④谁（Who）：谁负责？谁发现了问题？谁会被要求做这项工作？⑤为什么（Why）：为什么要做？⑥如何做（How）：怎么做？怎么做可以提高效率？具体是怎么实施的？⑦多少（Howmuch）：要做到什么程度？数量是多少？费用是多少？收入是多少？5W2H分析法以用户购买行为为例，解释5W2H分析法需要解决的具体问题，如图3-63所示。5W2H分析法SWOT分析法是一种企业竞争态势分析方法，是市场营销的基础分析方法之一。企业通过评价自身的优势（Strength）、劣势（Weakness），以及外部的机会（Opportunity）、威胁（Threat），从而根据研究结果制定相应的发展战略、计划及对策等。①优势（Strength）：一个企业超越其竞争对手的能力，或者指企业所特有的能提高自身竞争力的资源。②劣势（Weakness）：一个企业与其竞争对手相比，做得不好或没有做到的地方，从而使自己与竞争对手相比处于劣势。③机会（Opportunity）：有利于企业发展或为其开辟新生存空间的各种趋势与环境。④威胁（Threat）：环境中各类风险与不利因素所形成的挑战，如果企业不采取果断的战略行为，其竞争地位将受到影响。SWOT分析法经常被用于战略制定、竞争对手分析等场合。企业可以用SWOT分析法确定自身的竞争优势、竞争劣势，以及外部机会和威胁，从而将企业的战略与企业内部资源、外部环境有机地结合起来。SWOT分析法4P营销理论是产品（Product）、价格（Price）、渠道（Place）、促销（Promotion）四个基本策略的组合。因其英文首字母均为P，故简称4P。该理论在市场营销领域具有广泛的影响力，被认为是制定有效营销策略的基础。①产品（Product）：企业以向目标市场提供各种满足消费者需求的有形和无形产品的方式来实现其营销目标。该策略要求产品有独特的卖点，把产品的功能诉求放在第一位。②价格（Price）：企业以按照市场规律制定价格和变动价格等方式来实现其营销目标，包括对与定价有关的基本价格、折扣价格、津贴、付款期限、商业信用及各种定价方法和定价技巧等可控因素的组合和运用。③渠道（Place）：企业以合理地选择分销渠道和组织产品实体流通的方式来实现其营销目标，包括对与分销有关的渠道、产品流转环节、中间商、网点及储存运输等可控因素的组合和运用。④促销（Promotion）：企业以利用各种信息传播手段刺激消费者的购买欲望，促进产品销售的方式来实现其营销目标，包括对与促销有关的广告、人员推销、营业推广、公共关系等可控因素的组合和运用。4P营销理论Part4常用的新媒体数据分析方法对比分析法是一种常用的数据分析方法，是指通过比较不同数据之间的差异，来揭示这些数据所代表的事物发展变化的情况和规律性。对比分析法有助于业务问题，并提出解决措施。1．对比分析法的形式对比分析法可以分为横向对比和纵向对比两种形式。横向对比是指在同一时间条件下对不同总体指标的对比；如本月不同地区的销量对比。而纵向对比则是指不同时间条件下同一指标的对比，如本月销量与上月销量的对比。2．对比分析法在新媒体数据分析中的应用对比分析法在新媒体数据分析中的常见应用如下。①与历史数据对比：通过与过去的数据对比，围绕某一维度进行比较，分析问题，推测是自身问题导致的还是行业问题导致的。②不同时期对比：当前时期与特定时期进行对比，如与历史最高水平或与某一关键时期进行对比。③同级对比：与同级部门、单位、地区进行对比。④行业内对比：与行业中的标杆企业进行对比或与行业的平均水平进行对比。⑤活动效果对比：对活动前后各项指标进行对比，可以了解活动的效果，及时调整活动策略。对比分析法分组分析法是一种数据分析方法，是指根据数据分析对象的特征，按照一定的指标，将数据分析对象划分为不同的部分和类型来进行研究，以揭示其内在的联系和规律。该方法有助于分析用户的行为、兴趣、年龄等特征，从而更好地理解用户群体，并据此调整运营策略。1．分组分析法的类型按照采用分组指标的不同，分组分析法可以分为按数量指标分组和按属性指标分组。（1