对不同抖音用户行为的分析研究

刘玲 刘茂芸 黎丽霞

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

摘  要：抖音目前已发展为一个和淘宝、京东等购物平台合作的电商平台，研究抖音用户行为，从而定位潜在的购物用户能带来巨大的商业价值。本文从用户基本信息、用户使用抖音行为以及用户使用抖音感受3个角度设置问卷，进行实证分析。通过因子分析、聚类分析将抖音用户分为点赞关注低端、搜索低端、发布评论转发低端、点赞关注高端以及发布评论转发高端五类，并对五类用户做出矩阵分析，得出结论：对于抖音来说点赞关注高端用户是首选的目标用户，其次便是发布评论转发高端以及点赞关注低端用户。

关键词：抖音  用户行为  STP模型  用户细分

中图分类号：G206                           文献标识码：A文章编号：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

隨着信息时代的快速发展，由于短视频时间简短、内容丰富，让人们能够随时随地观看，从而逐渐占领人们生活中的碎片化时间。随着短视频行业迅速兴起，短视频电商也慢慢出现在大众的眼前。2019年，内容电商迅速发展，但是短视频用户渗透率以及增长率都有所下降。

针对这个问题，本文将利用STP模型以及用户影响力模型，以抖音短视频为例，通过抖音用户行为，对用户进行分类从而选定目标用户，制定针对性的营销策略实现企业的精确营销，最终实现节约用户营销成本、提升利润的目的。

1  相关研究

针对网上购物，中国互联网络信息中心发布第45次《中国互联网络发展状况统计报告》[1]显示，截至2020年3月，我国网络购物用户规模达7.10亿，2019年交易规模达10.63万亿元，同比增长16.5%。网络购物持续助力消费市场蓬勃发展。电商和短视频融合大致有3种类型：短视频高流量用户吸引电商;电商以广告的形式在短视频平台发布;短视频为主要呈现形式的电商平台[2]。

短视频出现在美国，并于2011年4月11日由短视频应用viddy正式发布[3]。有研究[4]表明，短视频广告的喜好率远高于其他形式的广告。从2017到2018年短视频行业流量基础增长迅速，从用户规模和用户粘性两方面完成了流量的快速积累[5]。

抖音短视频带着“创意、时尚、有趣、新颖”[6]的头衔进入“娱乐”时代，截至2020年12月的数据[7]所显示短视频在行业有效使用时间占比中独占榜首。对于APP应用独立设备数排行前五中，环比增长抖音短视频APP高达2.2%。从以上数据不难得知抖音短视频APP已经成为人们生活中不可或缺的一个软件。与此同时，在2019年，短视频内容电商与带货模式“李佳琦”全网爆火，李子柒[8]专注“农村生活”的美食短视频也为抖音短视频APP吸引不少用户。随着抖音越来越火爆，其所在的公司字节跳动[9]也开始被人所熟知。从2019年到2020年，抖音短视频和Tik Tok都持续增长，在持续的全球健康危机中，在2020年4月的下载量超过了20亿次[10]。抖音的盈利模式[11]主要有以下4种：用户数量大、质量高，女性用户占比大;庞大的MCN机构;先进的智能推荐系统;直播业务。

但是截至2020年10月，短视频APP在所有APP的渗透率在60%左右，增长率在1%左右浮动，此时对抖音用户进行用户行为分析[12]，从而制定更为精准的营销策略对于短视频行业尤为重要。

本文先利用用户采集[13]中的显式采集，通过问卷分析进行数据收集、建立数据集;接着对收集的问卷进行初步数据分析;然后通过因子分析、聚类分析[14]等将用户细分、进行目标用户选择以及目标用户定位;最终根据分析结果提出自己的研究建议，制订个性化方案，从而增强每个用户对抖音短视频使用的满意度以及提高抖音的用户价值。

2  模型构建

STP理论是战略营销的核心内容，主要包括市场细分、选择目标市场和产品定位，指企业进行一定的市场细分，从而确定自己的目标市场，最终将产品、服务定位在目标市场中。其中对于市场细分这个部分，本文将利用收集到的用户相关行为数据将用户进行细分。近年来，研究社交网络中用户影响力的作用更为突出，用户影响力是衡量一个用户在社交网络中价值高低的重要指标。社交网络影响力可以通过用户行为体现出来，如图1所示。

3  实证研究

3.1 问卷设计与数据收集

此次调查通过收集抖音用户的基本信息、用户的抖音行为以及抖音的使用感受3个方面的信息，达到将用户细分、寻找目标用户、进行目标用户定位进而制定个性化方案，提高用户的价值的目的。

3.1.1 测量体系的构建

表1将对抖音用户使用抖音主要行为的量表设计进行解析。该问卷中对抖音用户使用抖音主要行为的量表主要分为4类。从用户使用抖音行为的主观能动性从低到高分别设置为观看、点赞收藏、搜索以及发布评论转发。

3.1.2 数据收集过程

本文调查采用的是网络问卷调查法。通过问卷星进行问卷的制作，并在互联网上进行发放回收，共回收问卷470份。本次扣除无效问卷11份，共获得有效问卷459 份，有效率达到 97.66%。

3.2 数据分析

3.2.1 信效度分析

本文的信效度分析主要利用KMO和巴特利特检验进行检验。由于显著性水平α为0.05，概率P-值小于显著性水平α，所以认为相关系数矩阵与单位阵有显著差异。同时，KMO值为0.952，大于0.8，通过Bartlett球形检验，说明问卷数据具有较强的信效度。

3.2.2 描述性统计分析

针对问卷中用户性别、年龄、学历、职业、网购消费能力、使用抖音时长以及是否使用抖音购买商品等7个问题进行描述性统计分析。

本问卷收集的数据中男女比例较为平均，其中女生略微多一点。主要是来自18～30岁的人群并且拥有较高的学历水平。对于职业方面，收集的数据中用户主要为学生。其中用户网购消费能力较为良好，使用抖音时长大部分都较为长久。收集的数据中显示使用抖音购买商品的用户占总用户的73.2%，该数据有利于后期进行分析用户价值等。

3.2.3 用户细分

（1）处理分类维度。将问卷中的抖音用户使用抖音主要行为的量表题目进行因子分析。总体上，原有变量信息丢失较少，因子分析较理想。并且第4个因子以后的因子特征值都较小，对于解释原有变量的贡献很小，因此提取4个因子是合适的。根据设计问卷时的量表设计，将抖音用户使用抖音主要行为的量表主要分为4类。该设计是合理的。通过分析因子主要解释的变量类型，分别为4个因子取名为发布评论转发型、点赞关注型、浏览型以及搜索型。

（2）用户细分与分类效果检验。利用月均网购消费以及因子类型的标准化得分进行系统聚类分析。该处使用的为聚类分析中的Ward法。利用导出的谱系图发现，当用户分类分为5类时，分类效果较好。所以最终将聚类数保存为5类，从而形成用户类型变量。将每个用户分成5类之后，利用单因素方差分析检验细分效果。其显著性都低于0.05，说明聚类细分效果较好。

（3）用户细分命名。利用交叉表分析每个用户类型的消费水平以及在因子类型中的占比。结果显示，用户类型为1、2、3的月均网购消费并不是很高，大部分都在1000元以下;用户类型为4、5的月均网购消费都在3000元以上。用户类型为1、4的用戶大多数都为点赞关注型;2的用户全部为搜索型;3、5的用户全部为发布评论转发型。于是根据每个用户类型的月均网购消费以及在因子类型中的占比，我们将5个类型分别取名为点赞关注低端、搜索低端、发布评论转发低端、点赞关注高端以及发布评论转发高端。

3.2.4 目标用户选择

利用描述性统计，分别算出月均网购消费金额的均值以及用户类型细分的频率。利用标准化公式：（原数据-均值）/标准差，算出用户规模标准化以及消费标准化数值。将用户规模和月均消费按60%和40%的占比算出用户吸引力。

利用用户类型和“与类似的社交软件相比，我更喜欢抖音”的交叉制表，将选择符合以及非常符合的认为是认可与其他社交软件相比，更喜欢抖音短视频APP从而算出抖音短视频APP的APP竞争力。

3.2.5 目标用户定位

参考波士顿矩阵方法，并利用用户吸引力以及APP竞争力结果汇总，制作矩阵图如图2所示。

本文主要针对研究明星用户——点赞关注高端用户的基本信息。通过频率分析，将点赞关注高端用户的基本信息汇总，如表2所示。

（1）多关注新用户。通过研究，点赞关注高端用户主要为使用抖音6个月至1年的用户，使用抖音时间并不是很长。这一类用户已经使用抖音一段时间，已经拥有自己的相关抖音用户行为，并且已经能够感受到抖音的推荐系统为他们推荐的相关短视频、广告以及直播等。于是这一类用户群值得抖音关注以及探究他们的喜爱，推荐他们喜欢的短视频从而挖掘出他们最大的价值。研究[15]表示，一般用户入网时间越长，价值越高，同时老用户带新用户是最有效、最经济的营销策略。日积月累，新老用户便会越来越多，对用户以及抖音都有着很大的益处。

（2）完善智能推荐系统。通过研究，点赞关注高端用户经常使用抖音观看短视频以及直播、给短视频点赞以及关注感兴趣的博主。但是他们对于抖音的推荐系统的满意程度并不是特别高，所以抖音需要通过继续完善智能推荐系统，来提升用户对抖音的满意程度以及发送更加有效的软广告从而将用户带来的价值发挥到极致。

（3）选择优质商家以及产品入驻抖音。研究表明，在抖音上购买商品点赞关注高端用户主要关注的便是视频中店铺本身情况以及商品本身。电商运营工作中选品是一个很重要的环节。对于很多电商平台来说选对了产品至少有50%的成功可能性，而选错了产品则是面临100%的失败。对于抖音也是同等适用的，所以抖音在选择商品入驻时要关注该商品以及店铺的评价。

（4）完善抖音购物功能页面。研究显示，在抖音上购买商品的点赞关注高端用户大部分都找不到抖音购物通道以及认为抖音购物页面不够完善。作为用户进行购买商品第一件事是看中商品，接着的第二件事便是下单，当用户都找不到下单通道，那么如何进行购物呢？抖音应该加强推广抖音购物流程，并将抖音购物页面进行相对应的完善。这样才能增强用户在抖音中购买东西的欲望，从而增强用户的购物价值。

4  结论

本文基于STP模型，利用抖音用户行为将抖音用户进行细分，找到目标用户，从而制定针对性的营销策略。

目前本文研究主要利用的是通过收集问卷从而获取数据，这样获取的数据可能会存在一定的片面性。如果能够通过后台利用数据爬虫获取到更加全面的信息数据，也许就能获取更加精准的结果，并且获得多方面的分析结果，进而制定更加完善的营销策略。这样会对全面分析用户抖音行为对用户价值的影响会有一定的帮助，希望能够在未来的研究中能对这方面的问题进行更加深入的探究。

参考文献

[1] 中国互联网络信息中心（CNNIC）、中国互联网络发展状况统计报告[R].2020.

[2] 吴孟函.基于短视频平台的用户分析模型研究与实现[D].长春：吉林大学，2020.

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

[4] 王丽苗，许青林，姜文超，等.集成FM的短视频喜好率预测模型[J].计算机工程与应用，2020，56（14）：118-122.

[5] 中国短视频企业营销策略白皮书[R].艾瑞咨询iResearch，2019.

[6] 胡一凡.浅谈抖音短视频的受众分析[J].新闻传播，2019（9）：13-15.

[7] 移动APP指数[R].艾瑞咨询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，楊梦达.我国电子商务新模式分析[J].电子商务，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.基于用户行为分析的个性化推荐技术研究[J].电子世界，2018（12）：18-20.

[14] 毕猛，邵中，徐剑.一种用于网络用户行为聚类的标签自动生成方法[J].计算机工程，2020，46（10）：81-87.

[15] 袁硕.基于数据挖掘的潜在用户行为分析[D].南京：东南大学，2018.