幫我找找是什么原因。
但更高段位的數據分析師，可能會自己尋找分析目的。比如要提高某個業務的銷售額，可以想出什么策略。
2、獲取數據
Excel表格適用于處理1萬行以內的數據，10萬行以內的數據處理也馬馬虎虎。
石墨文檔等的在線表格處理幾千條數據也還可以。
要處理幾萬行幾十萬行數據的話，就要用一些專業的數據處理工具了，例如PowerBI。
要處理幾百萬行到幾億行數據的話，就要用一些數據庫工具了，例如MySQL，要專門學下基本的數據庫語言。
我們處理小紅書相關的數據，Excel表格或者石墨文檔的在線表格就夠了。
少量的數據手工錄入可能更快。
有的數據量稍微有點大，或者方便使用爬蟲，那就使用爬蟲來搜集數據。比如百度搜索搜到的結果用爬蟲比較方便，比如一些你翻很多頁都不需要輸驗證碼的網頁，比如不需要登錄賬號就可以看到你想要內容的網頁，這些都是比較方便用爬蟲的。如果要學爬蟲，可以帶著這個目的學學相關的Python編程語言。也有一些比較簡單的爬蟲工具，比如八爪魚，比如webscraper。
對于小紅書相關的數據，基本還是建議用人工錄入數據吧，也就幾百幾千條數據，很快就搞定了。
3、處理數據
獲得了數據后，要先處理下數據，比如，你的數據格式是不是對的，有些格式的數據不方便你后面的計算，排序等操作，有些數據格式可能還不統一，有些數據可能漏了，有些數據可能錯誤了。這些問題如果可能影響之后的分析結果，那就要提前處理。
4、分析數據
這是最考驗人的一步了，怎樣的分析產生怎樣令人信服的結論。在得出正確結論以前，我們不一定知道該用什么分析方法，也并不知道該采用怎樣的分析思路。
得出結果后回頭看，你可能覺得，好簡單啊，可是在這個過程中，卻好難啊。就像我們中學時代解數學大題一樣。
5、讓數據可視化
分析完成后，不僅要自己能看懂，能看清楚，還要讓領導和同事們能看懂能看清楚，那就常常需要運用可視化了。讓分析結果更簡單更直觀地呈現出來。
最簡單最常見的數據可視化方式就是柱狀圖、餅圖、折線圖、散點圖等幾種圖表。
6、得出可執行結論
數據分析時為了得出結論，統一大家的意見，然后促進大家產生對應的行動。
如果大家認識不到位，不認可某個決策，那么執行就可能產生抵觸，甚至唱反調。
所以數據分析時一種說服的方式，通過數據讓大家心服口服，從而推動業務的發展。
在小紅書相關的數據分析中，分析任務主要集中在以下幾個方面：
自有賬號分析，對標分析，非自有賬號分析。
三
自有賬號分析
作為一個小紅書團隊的數據分析師，重點自然是分析自家的賬號。你可能負責的只有一個賬號，也可能要負責多個賬號。要維護的數據量不過100-2000條而已，所以最快的獲取數據的方法還是手工錄入數據到excel表格中。
因為小紅書賬號的數據查看途徑主要就兩個，一個是電腦端登錄創作服務平臺買粉絲s://creator.xiaohongshu.買粉絲/，一個是手機端在創作中心查看。
電腦端數據顯示維度更少，但是可以查看每篇筆記最近30天的流量趨勢圖。
小紅書的數據不是一行行排列的，這就沒法直接復制粘貼到表格中了，平臺有防爬蟲策略，也就不好用爬蟲軟件整理到表格中了，主要數據都在手機端才能看到，這就更麻煩了。
所以，老老實實手工整理這些數據吧。
用表單收集原始數據，第一張表單，錄入每篇筆記的數據，至少包含的字段：賬號名、標題、閱讀量、點贊量、收藏量、評論量、分享數、漲粉量、人均觀看時長、點擊率、點擊率評價、5s完播率（視頻內容的指標）、完播率評價（視頻內容的指標）、內容豐富度、內容豐富度評價、首頁推薦占比、搜索占比、個人主頁占比、關注頁面占比、其他來源占比、女性觀眾占比、年齡分布（根據需要看是統計1-2個年齡段還是所有5個年齡段）、城市分布（根據需要看是統計排名前1-3的城市還是前10城市）、觀眾興趣（根據需要看是統計排名前1-3的興趣還是前10興趣）。
第二張表單，錄入賬號基本數據，至少包含的字段：每日觀看數、近7日觀看數、近7日觀看總時長、近7日點贊數、近7日收藏數、近7日評論數、近7日筆記漲粉、近7日主頁訪客、近7日筆記分享數、近7日觀看排名百分位、近7日互動排名百分位、近7日漲粉排名百分位、近7日推薦流量占比、近7日搜索流量占比、近7日個人主頁流量占比、近7日關注頁面流量占比、近7日其他來源流量占比、近7日新增粉絲數、近7日流失粉絲數、女性粉絲比例、年齡分布比例、城市分布比例、觀眾興趣分布比例。
計算一些指標
筆記搜索閱讀量：通過搜索結果點擊該筆記的閱讀量，筆記搜索閱讀量=筆記閱讀量×搜索占比。由于我們無法看到搜索結果點擊率，所以就只好看筆記搜索閱讀量了，搜索閱讀量越高，說明該筆記在搜索結果中越有優勢。如果要布局搜索結果，就需要研究這類搜索閱讀量高的筆記，來優化團隊創作方向。
筆記推薦閱讀量：通過首頁推薦點擊該筆記的閱讀量，筆記推薦閱讀量=筆記閱讀量×首頁推薦占比
筆記推薦曝光量：該條筆記在首頁推薦獲得的曝光量，筆記推薦曝光量=筆記閱讀量/點擊率。推薦量高說明該筆記更受系統認可。可以找到推薦量相關的關聯因素，從而給團隊指引優化方向。
同城閱讀量：該條筆記的同城用戶閱讀量，同城閱讀量=筆記閱讀量×同城比例，有些業務有很強的同城屬性，非同城的流量意義不大，所以需要看同城閱讀量。
互動率：互動率=（點贊數+收藏數+評論數）/閱讀量，互動率被普遍認為是一種評價筆記是否值得推薦的指標，互動率高的筆記更容易被推薦。高互動率的筆記可以用來總結增加互動率的經驗，從而提高以后筆記的表現。
漲粉率：漲粉率=漲粉數/閱讀量，漲粉率越高表明這個筆記的內容更容易吸引讀者關注。高漲粉率的筆記可以考慮作為置頂帖，也可以考慮投放薯條用來漲粉。
通過數據分析指引怎么獲得更高流量
做小紅書常常會陷入流量焦慮，為什么最近流量明顯下滑，為什么流量一直上不來。
這時就需要數據分析師來告訴大家為什么會這樣，以及該做出怎樣的改變。
看流量的分布是否有變化，主要的流量變化集中在哪里。
根據看前面計算的一些指標，生成折線圖，通常就能比較明顯看出問題所在，常常是由于最近的筆記推薦流量明顯下滑導致的。
接下來就看，哪些數據發生了變化，比如興趣分布，性別分布，城市分布，點擊率。可能是筆記對應的目標人群發生了變化，也可能是這個筆記本身不夠吸引人點擊率不高，或者這個筆記寫得并不夠好，導致互動率低。
找到了原因所在，就可以尋找解決方案了。
先梳理出該業務的成交路徑，例如某醫美機構的路徑是，筆記閱讀——主頁流量——私信——引導到買粉絲私域——成交。
那么就要監測：7天閱讀量、7天主頁訪問量、7天私信數、7天加買粉絲數、7天成交數（額）
然后就可以算出每7天的主頁訪問率、按閱讀量的私信率、按主頁訪問量的私信率、私信加買粉絲率、成交率。
然后就可以定位問題了，比如有時雖然閱讀量升高了，但是銷售額降低，通過定位發現是最近的按閱讀量的私信率明顯降低了，然后發現按主頁訪問量的私信率降低得不那么明顯，那么問題就在于閱讀量引導到主頁訪問的這一步出了問題，那么接下來就應該出引導到主頁訪問的策略，從筆記的文案到評論區引導，都需要進行迭代。
四
對標分析
對標分析主要是分析一批對標賬號和一批對標內容。
對標分析這個我們有專門的文章研究過。
對標賬號不只是對標直接的競品，還可以包括在某些角度有競爭關系的賬號，還可以包括興趣點，目標人群，內容風格等高度重合的賬號。
對標分析的主要價值在于為內容創作和運營動作優化提供借鑒。
在電商領域常會做競品數據分析，但是內容領域，由于通常和你搶奪流量的賬號眾多且并不僅僅來自你的直接競爭對手，并且缺乏專門的數據。所以并不會每周做對標賬號的數據分析，注重自己的內容就好了。
五
非自有賬號分析
如果需要找博主做推廣，這時需要評估這些博主的數據。
單純看粉絲數的方式容易誤差很大。
如果能建立不錯的數據分析模型，就能夠比較方便篩選博主，以及給出對應的合適定價。
與廣告效果相關性最強的數據是轉化率，這個數據需要經過多次測試逐漸精確。同一個博主發的內容，即使閱讀量相同，不同的文案，轉化率也可能相差幾倍。
除了轉化率，相關性比較高的數據就是閱讀量。一篇筆記的閱讀量越高，我們認為通常就帶來了越高的銷量。但是不同類型的內容，轉化率相差其實不小，幾倍甚至十數倍的轉化率差異。有的筆記屬于高點擊率低轉化率類型，有的筆記屬于低點擊率高轉化率類型。
兩種解決方式，第一種是通過數據分析經驗的不斷積累，我們可以將筆記分為幾種類型，同類型的筆記進行比較，這樣同類型筆記的轉化率至少不會相差太遠。這種解決方式需要不斷的數據分析研究，有一定難度。
第二種是通過多個合作案例不但積累，測出平均數據，這種方式可以一定程度減小誤差，操作也簡單。
由于博主并不一定想讓你看到真實閱讀量，或者在初步篩選的過程中不方便調查閱讀量。所以一般流行的策略是統計點贊量。不過有些類型的筆記點贊率能夠達到10%-20%，有些類型的筆記點贊率連0.1%都不到。以及有些博主的筆記點贊主要來自少數忠實粉絲或者互贊買贊行為。
50贊以下的筆記容易通過互贊買贊等行為造假，所以存在數據造假的可能。不過在初步篩選中這個并不重要。
按照千贊標準來評估爆文的方式也并不可靠。有些筆記1000贊對應的閱讀量才1w左右，有些筆記10w閱讀量才100個贊。
所以，在建立合作前的篩選賬號階段，我們起碼要統計以下數據：昵稱、粉絲數、總贊藏數、置頂帖標題、置頂帖點贊量、最近10篇或最近2個月內容平均點贊量、最近2個月最低點贊量、30%分位作品點贊量、作品風格、作品內容形式。
最低點贊量是用于估算來自粉絲的流量。當幾乎沒有被系統推薦時，作品的點贊量就處于洼地，這時的點贊幾乎都來自于粉絲。
30%分位作品點贊量可以用來預測你的投放能夠拿到的較樂觀結果是怎樣的。
基礎預測公式可以參考如下，之后再根據實際執行的數據調整優化。
預期閱讀量=預期點贊量/3%
預期銷量=預期閱讀量×預期轉化率（1%）
預期產出=預期銷量×售價
這樣就可以初步估算出這個博主帶來的預期產出會是多少，然后決定廣告費最多可以給多少。注意預期產出的計算建議根據實際經驗反復測算，我們給出的初始數據僅供缺少數據的情況下參考。前期建議先做保守估計，就是預期產出降低5-10倍。
買粉絲可以放小紅書的圖片
買粉絲可以放置小紅書的圖片，需要注意版權
在買粉絲中使用小紅書的圖片，應該先確認圖片的版權歸屬情況
該圖片是原創作品，或者已經獲得了圖