對(duì)不同抖音用戶行為的分析研究

劉玲 劉茂蕓 黎麗霞

DOI：10.16660/j.cnki.1674-098x.2103-5640-9275

摘? 要：抖音目前已發(fā)展為一個(gè)和淘寶、京東等購物平臺(tái)合作的電商平臺(tái)，研究抖音用戶行為，從而定位潛在的購物用戶能帶來巨大的商業(yè)價(jià)值。本文從用戶基本信息、用戶使用抖音行為以及用戶使用抖音感受3個(gè)角度設(shè)置問卷，進(jìn)行實(shí)證分析。通過因子分析、聚類分析將抖音用戶分為點(diǎn)贊關(guān)注低端、搜索低端、發(fā)布評(píng)論轉(zhuǎn)發(fā)低端、點(diǎn)贊關(guān)注高端以及發(fā)布評(píng)論轉(zhuǎn)發(fā)高端五類，并對(duì)五類用戶做出矩陣分析，得出結(jié)論：對(duì)于抖音來說點(diǎn)贊關(guān)注高端用戶是首選的目標(biāo)用戶，其次便是發(fā)布評(píng)論轉(zhuǎn)發(fā)高端以及點(diǎn)贊關(guān)注低端用戶。

關(guān)鍵詞：抖音? 用戶行為? STP模型? 用戶細(xì)分

中圖分類號(hào)：G206? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1674-098X（2021）05（a）-0153-05

Analysis and Research on Different User Behaviors of Tik Tok

LIU Ling? LIU Maoyun? LI Lixia

（information technology and managment institute， Hunan University of Finance and Economics， Changsha， Hunan Province， 410000? China）

Abstract： Tik Tok has developed into an e-commerce platform cooperating with Taobao， Jingdong shopping mall and other shopping platforms to study the behavior of Tik Tok users， so as to locate potential shopping users and bring huge commercial value. This paper makes an empirical analysis by setting up questionnaires from three perspectives， namely， users' basic information， users' behaviors in using Tik Tok and users' feelings in using Tik Tok. Through factor analysis， cluster analysis will be divided into trill users thumb up focus on low-end， search the low-end， post a comment forwarded low-end， thumb up focus on high-end forward and comment on high-end five categories， and make matrix analysis of five kinds of users， draw the conclusion： for trill thumb up focus on high-end users is the preferred target users， second is published comments forwarded high-end and focus on low-end users thumb up.

Key Words： Tik Tok; User behaviors; STP model; Users subdivision

隨著信息時(shí)代的快速發(fā)展，由于短視頻時(shí)間簡短、內(nèi)容豐富，讓人們能夠隨時(shí)隨地觀看，從而逐漸占領(lǐng)人們生活中的碎片化時(shí)間。隨著短視頻行業(yè)迅速興起，短視頻電商也慢慢出現(xiàn)在大眾的眼前。2019年，內(nèi)容電商迅速發(fā)展，但是短視頻用戶滲透率以及增長率都有所下降。

針對(duì)這個(gè)問題，本文將利用STP模型以及用戶影響力模型，以抖音短視頻為例，通過抖音用戶行為，對(duì)用戶進(jìn)行分類從而選定目標(biāo)用戶，制定針對(duì)性的營銷策略實(shí)現(xiàn)企業(yè)的精確營銷，最終實(shí)現(xiàn)節(jié)約用戶營銷成本、提升利潤的目的。

1? 相關(guān)研究

針對(duì)網(wǎng)上購物，中國互聯(lián)網(wǎng)絡(luò)信息中心發(fā)布第45次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》[1]顯示，截至2020年3月，我國網(wǎng)絡(luò)購物用戶規(guī)模達(dá)7.10億，2019年交易規(guī)模達(dá)10.63萬億元，同比增長16.5%。網(wǎng)絡(luò)購物持續(xù)助力消費(fèi)市場(chǎng)蓬勃發(fā)展。電商和短視頻融合大致有3種類型：短視頻高流量用戶吸引電商;電商以廣告的形式在短視頻平臺(tái)發(fā)布;短視頻為主要呈現(xiàn)形式的電商平臺(tái)[2]。

短視頻出現(xiàn)在美國，并于2011年4月11日由短視頻應(yīng)用viddy正式發(fā)布[3]。有研究[4]表明，短視頻廣告的喜好率遠(yuǎn)高于其他形式的廣告。從2017到2018年短視頻行業(yè)流量基礎(chǔ)增長迅速，從用戶規(guī)模和用戶粘性兩方面完成了流量的快速積累[5]。

抖音短視頻帶著“創(chuàng)意、時(shí)尚、有趣、新穎”[6]的頭銜進(jìn)入“娛樂”時(shí)代，截至2020年12月的數(shù)據(jù)[7]所顯示短視頻在行業(yè)有效使用時(shí)間占比中獨(dú)占榜首。對(duì)于APP應(yīng)用獨(dú)立設(shè)備數(shù)排行前五中，環(huán)比增長抖音短視頻APP高達(dá)2.2%。從以上數(shù)據(jù)不難得知抖音短視頻APP已經(jīng)成為人們生活中不可或缺的一個(gè)軟件。與此同時(shí)，在2019年，短視頻內(nèi)容電商與帶貨模式“李佳琦”全網(wǎng)爆火，李子柒[8]專注“農(nóng)村生活”的美食短視頻也為抖音短視頻APP吸引不少用戶。隨著抖音越來越火爆，其所在的公司字節(jié)跳動(dòng)[9]也開始被人所熟知。從2019年到2020年，抖音短視頻和Tik Tok都持續(xù)增長，在持續(xù)的全球健康危機(jī)中，在2020年4月的下載量超過了20億次[10]。抖音的盈利模式[11]主要有以下4種：用戶數(shù)量大、質(zhì)量高，女性用戶占比大;龐大的MCN機(jī)構(gòu);先進(jìn)的智能推薦系統(tǒng);直播業(yè)務(wù)。

但是截至2020年10月，短視頻APP在所有APP的滲透率在60%左右，增長率在1%左右浮動(dòng)，此時(shí)對(duì)抖音用戶進(jìn)行用戶行為分析[12]，從而制定更為精準(zhǔn)的營銷策略對(duì)于短視頻行業(yè)尤為重要。

本文先利用用戶采集[13]中的顯式采集，通過問卷分析進(jìn)行數(shù)據(jù)收集、建立數(shù)據(jù)集;接著對(duì)收集的問卷進(jìn)行初步數(shù)據(jù)分析;然后通過因子分析、聚類分析[14]等將用戶細(xì)分、進(jìn)行目標(biāo)用戶選擇以及目標(biāo)用戶定位;最終根據(jù)分析結(jié)果提出自己的研究建議，制訂個(gè)性化方案，從而增強(qiáng)每個(gè)用戶對(duì)抖音短視頻使用的滿意度以及提高抖音的用戶價(jià)值。

2? 模型構(gòu)建

STP理論是戰(zhàn)略營銷的核心內(nèi)容，主要包括市場(chǎng)細(xì)分、選擇目標(biāo)市場(chǎng)和產(chǎn)品定位，指企業(yè)進(jìn)行一定的市場(chǎng)細(xì)分，從而確定自己的目標(biāo)市場(chǎng)，最終將產(chǎn)品、服務(wù)定位在目標(biāo)市場(chǎng)中。其中對(duì)于市場(chǎng)細(xì)分這個(gè)部分，本文將利用收集到的用戶相關(guān)行為數(shù)據(jù)將用戶進(jìn)行細(xì)分。近年來，研究社交網(wǎng)絡(luò)中用戶影響力的作用更為突出，用戶影響力是衡量一個(gè)用戶在社交網(wǎng)絡(luò)中價(jià)值高低的重要指標(biāo)。社交網(wǎng)絡(luò)影響力可以通過用戶行為體現(xiàn)出來，如圖1所示。

3? 實(shí)證研究

3.1 問卷設(shè)計(jì)與數(shù)據(jù)收集

此次調(diào)查通過收集抖音用戶的基本信息、用戶的抖音行為以及抖音的使用感受3個(gè)方面的信息，達(dá)到將用戶細(xì)分、尋找目標(biāo)用戶、進(jìn)行目標(biāo)用戶定位進(jìn)而制定個(gè)性化方案，提高用戶的價(jià)值的目的。

3.1.1 測(cè)量體系的構(gòu)建

表1將對(duì)抖音用戶使用抖音主要行為的量表設(shè)計(jì)進(jìn)行解析。該問卷中對(duì)抖音用戶使用抖音主要行為的量表主要分為4類。從用戶使用抖音行為的主觀能動(dòng)性從低到高分別設(shè)置為觀看、點(diǎn)贊收藏、搜索以及發(fā)布評(píng)論轉(zhuǎn)發(fā)。

3.1.2 數(shù)據(jù)收集過程

本文調(diào)查采用的是網(wǎng)絡(luò)問卷調(diào)查法。通過問卷星進(jìn)行問卷的制作，并在互聯(lián)網(wǎng)上進(jìn)行發(fā)放回收，共回收問卷470份。本次扣除無效問卷11份，共獲得有效問卷459 份，有效率達(dá)到 97.66%。

3.2 數(shù)據(jù)分析

3.2.1 信效度分析

本文的信效度分析主要利用KMO和巴特利特檢驗(yàn)進(jìn)行檢驗(yàn)。由于顯著性水平α為0.05，概率P-值小于顯著性水平α，所以認(rèn)為相關(guān)系數(shù)矩陣與單位陣有顯著差異。同時(shí)，KMO值為0.952，大于0.8，通過Bartlett球形檢驗(yàn)，說明問卷數(shù)據(jù)具有較強(qiáng)的信效度。

3.2.2 描述性統(tǒng)計(jì)分析

針對(duì)問卷中用戶性別、年齡、學(xué)歷、職業(yè)、網(wǎng)購消費(fèi)能力、使用抖音時(shí)長以及是否使用抖音購買商品等7個(gè)問題進(jìn)行描述性統(tǒng)計(jì)分析。

本問卷收集的數(shù)據(jù)中男女比例較為平均，其中女生略微多一點(diǎn)。主要是來自18～30歲的人群并且擁有較高的學(xué)歷水平。對(duì)于職業(yè)方面，收集的數(shù)據(jù)中用戶主要為學(xué)生。其中用戶網(wǎng)購消費(fèi)能力較為良好，使用抖音時(shí)長大部分都較為長久。收集的數(shù)據(jù)中顯示使用抖音購買商品的用戶占總用戶的73.2%，該數(shù)據(jù)有利于后期進(jìn)行分析用戶價(jià)值等。

3.2.3 用戶細(xì)分

（1）處理分類維度。將問卷中的抖音用戶使用抖音主要行為的量表題目進(jìn)行因子分析?？傮w上，原有變量信息丟失較少，因子分析較理想。并且第4個(gè)因子以后的因子特征值都較小，對(duì)于解釋原有變量的貢獻(xiàn)很小，因此提取4個(gè)因子是合適的。根據(jù)設(shè)計(jì)問卷時(shí)的量表設(shè)計(jì)，將抖音用戶使用抖音主要行為的量表主要分為4類。該設(shè)計(jì)是合理的。通過分析因子主要解釋的變量類型，分別為4個(gè)因子取名為發(fā)布評(píng)論轉(zhuǎn)發(fā)型、點(diǎn)贊關(guān)注型、瀏覽型以及搜索型。

（2）用戶細(xì)分與分類效果檢驗(yàn)。利用月均網(wǎng)購消費(fèi)以及因子類型的標(biāo)準(zhǔn)化得分進(jìn)行系統(tǒng)聚類分析。該處使用的為聚類分析中的Ward法。利用導(dǎo)出的譜系圖發(fā)現(xiàn)，當(dāng)用戶分類分為5類時(shí)，分類效果較好。所以最終將聚類數(shù)保存為5類，從而形成用戶類型變量。將每個(gè)用戶分成5類之后，利用單因素方差分析檢驗(yàn)細(xì)分效果。其顯著性都低于0.05，說明聚類細(xì)分效果較好。

（3）用戶細(xì)分命名。利用交叉表分析每個(gè)用戶類型的消費(fèi)水平以及在因子類型中的占比。結(jié)果顯示，用戶類型為1、2、3的月均網(wǎng)購消費(fèi)并不是很高，大部分都在1000元以下;用戶類型為4、5的月均網(wǎng)購消費(fèi)都在3000元以上。用戶類型為1、4的用戶大多數(shù)都為點(diǎn)贊關(guān)注型;2的用戶全部為搜索型;3、5的用戶全部為發(fā)布評(píng)論轉(zhuǎn)發(fā)型。于是根據(jù)每個(gè)用戶類型的月均網(wǎng)購消費(fèi)以及在因子類型中的占比，我們將5個(gè)類型分別取名為點(diǎn)贊關(guān)注低端、搜索低端、發(fā)布評(píng)論轉(zhuǎn)發(fā)低端、點(diǎn)贊關(guān)注高端以及發(fā)布評(píng)論轉(zhuǎn)發(fā)高端。

3.2.4 目標(biāo)用戶選擇

利用描述性統(tǒng)計(jì)，分別算出月均網(wǎng)購消費(fèi)金額的均值以及用戶類型細(xì)分的頻率。利用標(biāo)準(zhǔn)化公式：（原數(shù)據(jù)-均值）/標(biāo)準(zhǔn)差，算出用戶規(guī)模標(biāo)準(zhǔn)化以及消費(fèi)標(biāo)準(zhǔn)化數(shù)值。將用戶規(guī)模和月均消費(fèi)按60%和40%的占比算出用戶吸引力。

利用用戶類型和“與類似的社交軟件相比，我更喜歡抖音”的交叉制表，將選擇符合以及非常符合的認(rèn)為是認(rèn)可與其他社交軟件相比，更喜歡抖音短視頻APP從而算出抖音短視頻APP的APP競(jìng)爭(zhēng)力。

3.2.5 目標(biāo)用戶定位

參考波士頓矩陣方法，并利用用戶吸引力以及APP競(jìng)爭(zhēng)力結(jié)果匯總，制作矩陣圖如圖2所示。

本文主要針對(duì)研究明星用戶——點(diǎn)贊關(guān)注高端用戶的基本信息。通過頻率分析，將點(diǎn)贊關(guān)注高端用戶的基本信息匯總，如表2所示。

（1）多關(guān)注新用戶。通過研究，點(diǎn)贊關(guān)注高端用戶主要為使用抖音6個(gè)月至1年的用戶，使用抖音時(shí)間并不是很長。這一類用戶已經(jīng)使用抖音一段時(shí)間，已經(jīng)擁有自己的相關(guān)抖音用戶行為，并且已經(jīng)能夠感受到抖音的推薦系統(tǒng)為他們推薦的相關(guān)短視頻、廣告以及直播等。于是這一類用戶群值得抖音關(guān)注以及探究他們的喜愛，推薦他們喜歡的短視頻從而挖掘出他們最大的價(jià)值。研究[15]表示，一般用戶入網(wǎng)時(shí)間越長，價(jià)值越高，同時(shí)老用戶帶新用戶是最有效、最經(jīng)濟(jì)的營銷策略。日積月累，新老用戶便會(huì)越來越多，對(duì)用戶以及抖音都有著很大的益處。

（2）完善智能推薦系統(tǒng)。通過研究，點(diǎn)贊關(guān)注高端用戶經(jīng)常使用抖音觀看短視頻以及直播、給短視頻點(diǎn)贊以及關(guān)注感興趣的博主。但是他們對(duì)于抖音的推薦系統(tǒng)的滿意程度并不是特別高，所以抖音需要通過繼續(xù)完善智能推薦系統(tǒng)，來提升用戶對(duì)抖音的滿意程度以及發(fā)送更加有效的軟廣告從而將用戶帶來的價(jià)值發(fā)揮到極致。

（3）選擇優(yōu)質(zhì)商家以及產(chǎn)品入駐抖音。研究表明，在抖音上購買商品點(diǎn)贊關(guān)注高端用戶主要關(guān)注的便是視頻中店鋪本身情況以及商品本身。電商運(yùn)營工作中選品是一個(gè)很重要的環(huán)節(jié)。對(duì)于很多電商平臺(tái)來說選對(duì)了產(chǎn)品至少有50%的成功可能性，而選錯(cuò)了產(chǎn)品則是面臨100%的失敗。對(duì)于抖音也是同等適用的，所以抖音在選擇商品入駐時(shí)要關(guān)注該商品以及店鋪的評(píng)價(jià)。

（4）完善抖音購物功能頁面。研究顯示，在抖音上購買商品的點(diǎn)贊關(guān)注高端用戶大部分都找不到抖音購物通道以及認(rèn)為抖音購物頁面不夠完善。作為用戶進(jìn)行購買商品第一件事是看中商品，接著的第二件事便是下單，當(dāng)用戶都找不到下單通道，那么如何進(jìn)行購物呢？抖音應(yīng)該加強(qiáng)推廣抖音購物流程，并將抖音購物頁面進(jìn)行相對(duì)應(yīng)的完善。這樣才能增強(qiáng)用戶在抖音中購買東西的欲望，從而增強(qiáng)用戶的購物價(jià)值。

4? 結(jié)論

本文基于STP模型，利用抖音用戶行為將抖音用戶進(jìn)行細(xì)分，找到目標(biāo)用戶，從而制定針對(duì)性的營銷策略。

目前本文研究主要利用的是通過收集問卷從而獲取數(shù)據(jù)，這樣獲取的數(shù)據(jù)可能會(huì)存在一定的片面性。如果能夠通過后臺(tái)利用數(shù)據(jù)爬蟲獲取到更加全面的信息數(shù)據(jù)，也許就能獲取更加精準(zhǔn)的結(jié)果，并且獲得多方面的分析結(jié)果，進(jìn)而制定更加完善的營銷策略。這樣會(huì)對(duì)全面分析用戶抖音行為對(duì)用戶價(jià)值的影響會(huì)有一定的幫助，希望能夠在未來的研究中能對(duì)這方面的問題進(jìn)行更加深入的探究。

參考文獻(xiàn)

[1] 中國互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）、中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告[R].2020.

[2] 吳孟函.基于短視頻平臺(tái)的用戶分析模型研究與實(shí)現(xiàn)[D].長春：吉林大學(xué)，2020.

[3] Krebs Wolfgang.ber Schwarzschiefer im mitteleurop ischen Variszikum[J].Zeitschrift der Deutschen Geologischen Gesellschaft，1970，120.

[4] 王麗苗，許青林，姜文超，等.集成FM的短視頻喜好率預(yù)測(cè)模型[J].計(jì)算機(jī)工程與應(yīng)用，2020，56（14）：118-122.

[5] 中國短視頻企業(yè)營銷策略白皮書[R].艾瑞咨詢iResearch，2019.

[6] 胡一凡.淺談抖音短視頻的受眾分析[J].新聞傳播，2019（9）：13-15.

[7] 移動(dòng)APP指數(shù)[R].艾瑞咨詢iResearch，2020.

[8] Li Xueying，Zhang Wanyu.Research on Short Video Content and Communication——Taking Li ziqi as an example[J].Frontiers in Art Research，2020，2（4）.

[9] Qixiang Sun.Short Video Strategy Analysis from the Self-Media Industry—Taking ByteDance Company as an Example[J].Probe - Media and Communication Studies，2020，2（3）.

[10] Mobile Media and Communication.New Findings in Mobile Media and Communication Described from Xiamen University （The Co-evolution of Two Chinese Mobile Short Video Apps： Parallel Platformization of Douyin and Tiktok）[J].Telecommunications Weekly，2020.

[11] 冀和，樊重俊，楊夢(mèng)達(dá).我國電子商務(wù)新模式分析[J].電子商務(wù)，2019（6）：14-15.

[12] Qiang Ren. Design of Mobile APP User Behavior Analysis Engine Based on Cloud Computing[J]. Journal of Physics： Conference Series，2020，1533（2）.

[13] 李博文.基于用戶行為分析的個(gè)性化推薦技術(shù)研究[J].電子世界，2018（12）：18-20.

[14] 畢猛，邵中，徐劍.一種用于網(wǎng)絡(luò)用戶行為聚類的標(biāo)簽自動(dòng)生成方法[J].計(jì)算機(jī)工程，2020，46（10）：81-87.

[15] 袁碩.基于數(shù)據(jù)挖掘的潛在用戶行為分析[D].南京：東南大學(xué)，2018.