tiktok舉報成功率(數據分析-如何選取數據指標)

tiktok國內直播如何舉報

可以這樣抖音（TikTok），

1、首先我們應該先在直播平臺注冊自己的賬號，否則是沒有辦法操作的。然后找到我們想要投訴的主播，點擊直播界面進入。

2、在直播界面右下角或者右上角可以找到舉報選項，部分直播平臺需要點擊主播資料，然后點擊右上角才能找到。

3、點擊舉報之后會跳轉出主播違規類型的界面，然后根據主播的違規行為選擇，一定要據實選擇，否則平臺可能無法審核導致舉報失敗，如果主播存在其他違規行為的話，需要選擇“其他違規行為”進行詳細填寫。

4、舉報完成之后就可以等回復信息了，一般來說24小時之內處理，最慢會在1到3個工作日內給出答復。因為平臺需要根據你所舉報的內容進行相關的審核，確定主播是否存在該違規行為。

5、這樣整個舉報流程就算是完成了，根據主播的違規行為平臺可能會給出不同的懲罰，一般像罵人，不良行為這樣的直播，平臺都有相關規定，嚴重的可能會封號，但是我們在舉報的時候，舉報內容一定要真實。

數據分析-如何選取數據指標

如何去選擇數據指標？在明確此問題之前，我們首先要確定的問題是，數據指標的目的，就是它服務于什么？

服務于一個產品的 長期目標 ：比如對平臺生態的把控，只要這個平臺存在這個需求也就一直持續的存在，是一個非常長期并且持久的需求

服務于一個 短期需求 ：比如我們的監控體系發現在某一個時間段監控指標出現了異常，我們需要了解異常出現的原因，再或者PM發現了這個流程還有很多需要優化和調整的地方，那數據在這個時候可以幫助我們進行策略的調優和決策

長期把控比較常用的數據獲取方式：抽樣調查、監控指標體系的搭建

抽樣調查：比如我要知道某一個內容平臺現在的生態是如何的，這個內容平臺目前有1000W個投稿，我們不可能把1000W個投稿都看一遍，我按某種規則，從里面篩選出1000個投稿，讓審核同學去對這1000個投稿進行一定的標注，標注他的優質的還是低質的，來判斷目前的生態是怎樣的

再從低質的里面呢，我們可以再次進行抽樣來去分析低質的原因是什么？（進一步縮小和明確問題），這樣可以幫助我們很好的判斷目前的現狀，而且可以幫助我們精確的分析現在的問題點在哪里

雖然case分析有很多好處，但是他對我們內容生態的響應是非常滯后的，（具有滯后性），是一個非常耗費精力的工作，且不可能是一個小周期開展的事情，所以我們需要一些可以快速響應的方式，這里就要提到監控指標體系的搭建，如何去搭建一個監控指標體系呢？

搭建一個監控指標體系＝＝如何獲取核心指標

核心指標一般包括幾個方面的特點，具有整體性、粗粒度性、強指向性 ，是反應我們產品理想態的指標，我們所有的策略和流程的落腳點都是為了優化他

舉個例子，推薦算法，是想匹配那些用戶更感興趣的東西給他，這里我們的核心指標可能包括：用戶的舉報情況、用戶留存時長、用戶互動情況

用戶留存越長，互動的次數越多 說明他對這個內容 可能是更感興趣，這些呢是一些粗粒度指標。細粒度指標包括 用戶舉報的原因，幫我們衡量看是哪一個環節出了問題（PS.針對不同內容會有不同的策略和算法來買粉絲ver）用戶互動的情況，點贊or評論or彈幕？反應他對內容不同的喜愛程度，當然可能還會有一些更細致的指標

這里需要強調，顆度粗細是個非常主觀的概念，會根據自己的項目目的，去進行一些粒度調整，從而來判斷最適合的指標有哪些

服務于短期目的的數據指標，包括數據指標歸因 ，希望對數據的變化來摸清到底原因是什么，數據指標起到的作用就是幫助我們進行問題的細化，細化有兩個方面的細化

一、橫向細化，橫向的標準是流程之間是沒有依附關系的，他們是彼此獨立的n個系統，比如說tiktok是國際化抖音，某一個指標發生了異常，那我們首先要去進行國家維度的拆分，國與國之間是非常獨立的，通過這個來判斷是全球性行為？or地區性行為？比如對我們常用的是手機系統進行拆分，是Android的問題還是IOS的問題來判斷是不是我們研發過程中有一些Bug導致了一些系統的不兼容，這些都屬于橫向拆分的范疇

二、縱向拆分，即流程之間是要有依附關系的，是一步步縱向垂直下鉆走到這里來的

舉個例子：比如我們發現了廣告的轉化率變低了↓（廣告率是我們商業化的一個監控體系中的核心指標）尋找原因，通過橫向拆分之后來判斷出是美食廣告的轉化率變低了，對問題進行縱向拆分，看是哪一個環節出現了問題，從而梳理出幾項指標：

1.廣告的觸達vv（觸達vv=觀看數）

2.用戶的互動情況，如果互動情況變弱的話，可能是我們推薦算法產生問題，我們沒有準確的做到廣告和人群之間的匹配，比如我們給男生推薦了女性美妝用品，給女生推薦了健身用品，那用戶群體的互動情況會變得比較弱，

3.進行到下一個流程又涉及到，鏈接點擊率&鏈接點擊數，用戶在點擊鏈接之后，跳轉成功與否，跳轉鏈接成功率，我們可以用來梳理每一層漏斗和漏斗之間的關系，通過轉化率比對來看看到底是那一層出現了問題，導致我們的轉化率變低了

對于策略優化的數據指標主要目的為幫助衡量我們在進行產品決策與執行中的的解決方案是不是合理的，是不是符合預期的，這時我們至少要建立兩個類型的指標

收益指標&風險指標 ，此乃一對孿生兄弟，結伴彼此出現，也亦為一把雙刃劍這里需要明確，在多數情況下資源是有限的，均衡的，給一方去做了資源的傾斜，另外一方肯定會有一定的資源的受損， 例如一款社區類產品UGC，難免會有內容創造者在平臺發布了一些不妥的內容，平臺對此要進行規避風險處罰處理，雖然主觀意識上覺得這對內容生態有一個積極的作用，但實際上在制定一些策略和規則的時候，對于制定者要去衡量那個度，哪個度是合適的，這個時候就要用指標來輔助我們進行判斷

對于收益指標，可能是用戶舉報、負反饋降低，這兩項說明大部分用戶他的負項感知變弱了

同樣對于風險指標，規則界限過于嚴密導致大量用戶被攔截與社區之外DAU數據急劇下降，投訴率飆升大量用戶流失，這也是我們產品部不希望看到的。還有很多類似都可以分成收益和風險從這兩方面去形成一個整體的考慮

很赞哦!（352）