干貨 | 淺析TikTok直播冷啟動算法與運營建議

2022年2月24日 14:22:11 來源：Sky老思

圖片來源：圖蟲創意

大家好，我是Sky，人稱老思。

光明內心，然后相信心中所想與心中所見

這篇短文對我們單個直播間一個多月的數據進行了分析，從數據分析中挖掘出了一些信息，分享給大家，希望對大家有所幫助。

（Pearson相關分析數據表-部分，圖片來源：Sky老思）

數據分析

1、通過GMV與總觀眾人數的相關性可以看出，GMV與總觀眾人數呈顯著正相關，說明觀眾總人數與GMV之間存在直接關系，且相關性較強，觀眾人數越多，GMV越高。在這組變量中，將觀眾人數替換為系統推薦流量可以更好的理解其中的算法。因此在運營過程中應該追求較高的系統推薦。這里需要思考的是，在主播能力無法短時間大幅提升的情況下，如何通過運營層面快速提升獲取推薦流量的能力。

（來自TikTok Shop后臺截圖）

2、通過GMV與商品點擊率的相關性可以看出，GMV與商品點擊率不存在顯著相關，因此從單一品類來看，商品點擊率是相對穩定的狀態，并不是GMV的直接影響因素，但其或許是GMV的間接影響因素。

（來自TikTok Shop后臺截圖）

3、通過GMV與下單轉化率的相關性可以看出，GMV與下單率具有較高的相關性。從指標角度來看，GMV是銷售額，而下單轉化率是一個比率，銷售額與某一比率往往不會呈現相關性，而該數據表明GMV與下單率具有顯著相關，說明GMV與下單率之間存在一個中介變量，或許是下單轉化率的提升會使得直播間的流量推送變大，進而促使GMV提升。當然，這個假設需要更多數據與指標進行進一步的驗證。由此可知，我們在直播時，轉化率相對于點擊率來說，是更加重要的指標，我們可以在話術上進行升級，減少引導點擊的話術并增加引導下單的話術，同時還可以通過優化詳情頁來提升轉化率。

（來自TikTok Shop后臺截圖）

4、通過GMV與平均播放時長（AWD）的相關性可以看出，GMV與平均播放時長不存在顯著相關，這說明在當下階段，平均播放時長并不能直接影響GMV。從平均播放時長的公式可以看出AWD=Views/Duration，平均播放時長雖然不會直接對整體大盤產生影響，但是從個體角度來講，或許對UV會產生影響。

（來自TikTok Shop后臺截圖）

此時提出另一個假設，平均播放時長是通過影響UV（=GMV/Views）進而影響GMV的。從UV與平均播放時長的相關性可以看出，UV與平均播放時長存在顯著相關關系，因此印證了平均播放時長會對UV產生影響，但進一步分析發現，GMV與UV同樣不存在相關關系。

(該指標除以1000就是UV，來自TikTok Shop后臺截圖)

說明平均播放時長與單位用戶價值在目前階段均不是影響GMV的主要因素，尤其平均播放時長對GMV的觸達路徑更長，因此當下不需要太考慮平均播放時長對GMV帶來的影響。

5、通過GMV與直播時長的相關性可以看出，GMV與直播時長有顯著相關關系，因此我們可以通過最直接的拉時長的方法，提升單場GMV。但在這里需要注意的是，時長與GMV的正相關有一個前提，也就是直播間內容質量不變的情況下才會產生正相關，因此實踐過程中一定要時刻注意主播狀態，如果主播過于疲憊，一味拉時長，會導致人效降低。

（來自TikTok Shop后臺截圖）

6、通過GMV與單位時間成交金額（=GMV/Duration）的相關性可以看出，兩者之間存在顯著相關關系。單位時間成交金額在某種程度上可以體現出成交密度。結合第3點進行思考，下單率非常重要，在進人速度保持不變的情況下，下單率直接影響成交密度，因此如何提升下單率是我們在新賬號第一個月需要主要思考的問題。

因此當下直接影響GMV的因素有：觀眾人數（對應著系統推薦）、下單率、直播時長、成交密度。而商品點擊率、平均播放時長、UV在三個指標在當下并不能對GMV產生直接影響。

結論與運營建議

綜上分析得出以下結論與運營建議：

1、直播間的推薦流量是與GMV相關性最高的指標，因此一切優化圍繞提高推薦流量來進行，這里的前提是流量是與直播間內容相關且精準的。

2、我們在直播的過程中，在主播的話術上不需要太過強調點擊購物車，因為過度強調沒有太大的意義。只需要直播間管理員在直播間用評論的方式或者OBS貼紙的方式進行引導即可，主播的時間和話術應該放在更有價值的方面。

3、下單率與成交密度對流量的推薦影響非常大，因此在前期不要追求利潤，不要追求一定能跑正或者跑平，在能承受的范圍內，可以小虧一些。因此我們可以通過降低客單價、增加產品的吸引力與多樣化來拉升成交密度與下單率。

4、不需要過度追求平均播放時長，不需要追求UV，至少在新號起號一個月內不需要太在意。

5、在主播精力、能力允許的情況下，最大程度拉升直播時長。

（來源：Sky老思）