二、新媒体数据分析的概念与类型

新媒体数据分析是指通过对新媒体平台上产生的大量数据进行收集、整理、分析和挖掘，从中获取有价值的信息，以支持决策和优化策略。新媒体数据分析可以帮助企业、机构和个人了解用户行为、需求和偏好，优化内容创作和传播策略，增强传播效果，提高用户参与度。新媒体数据分析可以分为描述型分析、诊断型分析、预测型分析和指导型分析。

1.描述型分析

描述型分析是指挖掘历史数据以探索和说明事物的整体情况及事物之间关系的分析方式。描述型分析解决的是“发生了什么”的问题，是将大量杂乱的数据提炼、整理为简洁易懂的形式的方式。图1-4所示为某抖音账号运营者获得的与其账号相关的描述型分析数据，这些数据能够显示其账号的运营情况，运营者可以从中发现异常，但是它并不会显示这些状况发生的原因。

图1-4 描述型分析数据

2.诊断型分析

诊断型分析解决的是“为什么会发生”的问题，其目的是了解事情发生的原因。例如“为什么本周抖音账号所发布的短视频播放率提高了，完播率却下降了5%？”，新媒体运营者通过分析短视频的播放数据发现，本周发布的短视频的平均播放时长为8秒，也就是说，很多用户在观看了8秒后就会离开，选择观看别的账号发布的短视频。此时，出现这种情况可能是因为短视频的选题不符合用户需求，或者是因为短视频的文案没有吸引力等。

3.预测型分析

预测型分析用于进行某种预测，解决的是“可能会发生什么”的问题，如预估某场直播的销售额、预测直播电商行业的发展趋势等。在预测型分析中，用到的各种数据与预测结果是存在某种关系的。例如，网络直播用户量的不断增多可能会推动直播电商的发展，因此可以说网络用户规模与直播电商的发展呈相关关系。新媒体运营者就可以将体现网络用户规模的数据与体现直播电商发展的数据放在一起进行分析，以挖掘这些数据背后的联系。

4.指导型分析

指导型分析是在探索“发生了什么”“为什么会发生”“可能会发生什么”等问题的基础上，通过一系列的数据分析，帮助新媒体运营者制定较好的营销方案或策略。例如，新媒体运营者在为短视频账号选择带货的商品时，需要在综合分析商品价格、商品与短视频账号定位的契合度、商品在短视频平台上的销量等情况的基础上，选择最适合自己短视频账号带货的商品。