信息流分析

一、功能简介

内容时代，用户越来越多的时间被各种资讯流、视频流所占用。这些信息浏览形式的技术形态，我们统称为“信息流”。它不仅是提供信息为主的内容类产品最重要的产品样式，目前也已经被广泛的被应用在工具类、社区类等以信息为补充功能的应用内。

MTJ通过分析市面上主流信息流产品的产品形态及用户使用习惯等核心要素，搭建了信息流分析模型，并于5月正式上线“信息流分析”功能。

对于信息流的分析，有助于帮助信息流的产品与运营团队，评估产品功能价值，分析用户浏览行为特征与内容偏好，评估内容质量，进而优化分发策略。

二、功能详述

1、使用前的技术准备

信息流分析的基础是对展现信息流内容的信息列表控件的识别与抓取，从而实现对每一条信息内容的自动抓取与智能识别。我们针对信息流分析对SDK进行了必要的全面优化，目前支持的主要信息流列表控件包括：

• 安卓端SDK（版本V3.9.0.3以上）包括：ListView、GridView、RecyclerView控件；
• iOS端SDK（V4.8.0以上）包括：UITableViewCell控件；

如需使用信息流分析，请先下载上述对应版本最新版应用分析(无埋点)SDK。

嵌入上述SDK，即可实现信息流分析的全部功能。此外，为了实现更精准的内容与栏目的识别，我们支持在已有智能识别模型基础上，由开发者去手动指定信息流元素中的内容标题要素及栏目名称要素，详细配置请见Android信息流分析SDK配置和iOS信息流分析SDK配置。

2、报告的指标与功能构成介绍

2.1 报告指标

信息流分析共涉及两个维度共13个指标，具体如下：

• 用户使用维度（7个指标）：使用用户数、使用次数、次均展现信息数、次均点击信息数、信息点击率、次均使用时长、每人日均使用时长
• 内容资讯维度（6个指标）： 展现次数、点击次数、点击率、次均展现时长、次均浏览时长、短点击率

2.2 过滤规则设置

自动识别抓取的标题包括支持的所有list控件的内容，因此存在个别非信息流标题的冗余信息。在开发者无暇进行“标题和栏目的代码指定”时，为了进一步提升抓取结果的准确性，以及分析的易用性，统计上线了“过滤规则设置”功能。 即：只需要在报告前端的“过滤规则设置”功能，即可直接配置需要过滤哪些类型的标题或栏目，并直接作用于报表上展示的结果。功能的具体介绍如下 2.2.1 入口：“信息流分析”报告的右上角，“过滤规则设置”文字链

2.2.2 信息标题过滤

1） 共有四条规则，其中规则四，在输入框中输入当前需过滤的特定字符标题，多个字符之间用英文逗号隔开，最多过滤30个标题。例如，输入"评论,我的"，则会过滤掉『信息标题=评论』及『信息标题=我的』的两类标题。注意此处不是短语匹配，而是完全相同才会过滤。

2）信息命中以上任意一条规则即会被过滤；被过滤信息不展示在信息列表中，且不计入汇总数据的指标结果中。

3）保存成功的过滤规则1小时后生效；且仅针对生效后的新数据起作用，故修改规则前的数据结果和信息展示结果仍将被保留。

4）建议在SDK端进行"标题指定"，可以更精准地实现标题抓取。

2.2.2 栏目过滤

1） 栏目名称中带有“（手动）”字样的标题为手动指定的栏目，其它为自动识别的栏目。

2）过滤状态为『开』的栏目为被过滤的栏目，被过滤栏目的所有信息不展示在信息列表中，且不计入汇总数据的指标结果中。

3）保存成功的过滤规则1小时后生效；且仅针对生效后的新数据起作用，故修改规则前的数据结果和信息展示结果仍将被保留。

4）建议在SDK端进行"栏目指定"，可以更精准地实现栏目分类与标记。

2.3 报告分析功能构成

2.3.1 汇总指标：总体描述APP内信息流模块的用户使用情况。

2.3.2 趋势图：与汇总指标联动，展示汇总指标各值随时间的趋势变化。

2.3.3 内容维度的数据表：按单条内容维度聚合，展示内容维度统计的指标，进行内容质量与热度评估（目前仅保留近7天的所有内容结果）。

2.3.4 栏目的智能匹配与筛选：所有指标支持按照智能匹配（或开发指定）的栏目名称进行筛选展示，从而有针对性的分析特定栏目的浏览行为及内容数据。

2.3.5 栏目名称的修改：在未进行栏目指定时，栏目多数识别为类名，可读性差。此时可以通过hover栏目备注名，点击“铅笔”形状图标，直接进行栏目名称的修改，以方便分析人员的阅读与使用。请注意，手动指定栏目的“栏目名称”无法进行修改。

3、典型的分析应用场景

上述章节主要从报告的页面结构介绍了功能构成，本章将从实际的分析场景出发，介绍使用信息流分析功能可解决的几类典型商业问题。

3.1 用户信息流模块的使用习惯描述性分析

针对用户使用APP内信息流模块的整体情况进行分析，进一步可拆分为以下子问题：

问题①：信息流模块对APP日活提升的贡献有多少？ 问题②：信息流模块对用户粘性时长提升的贡献有多少？ 问题③：信息流模块的个性化数据展现策略是否合理？信息是否有足够吸引力？ 问题④：用户每次看信息流会浏览多少条信息？花多长的时间？每天都是如此吗？

我们把以上问题的答案，转化为了直观的模型指标，具体来说。

针对问题①：通过“使用用户数”与“使用次数”了解信息流模块每日的UV/PV。通常资讯类产品的信息流UV指标等同于整个APP的UV指标，而对于类似UC浏览器等非完全资讯类产品来说，可以从用户趋势等报告进一步获取APP整体的“启动用户数”与“启动次数”，通过计算比例来确定每日的APP启动用户中，有多少百分比的用户使用了信息流模块，从而界定信息流模块对于APP日活的提升有多大帮助。

针对问题②：思路同①相似，主要考察“次均使用时长”。通过比较APP整体的平均使用时长与信息流的次均使用时长，可以直观的反应在用户粘性时长提升方面信息流所起到的作用。

针对问题③：综合“次均展现信息数”、“次均点击信息数”和“信息点击率”三个指标，再结合同行业的点击率水平进行分析。下图给出了参考的分析思路。

针对问题④：从“次均信息点击数”、“次均使用时长”两个指标分别从有效获取的信息量和时长两个角度呈现了用户在本APP上的信息流功能使用深度。可进一步与同行业APP相关指标做比较，确定自身的优势与不足。

3.2 用户资讯栏目使用偏好分析

一般APP的信息流会根据内容的差异分为多个栏目，如：推荐、热点、社会、新闻、科技、文学等等。在不进行栏目筛选的情况下，分析的是整个APP所有信息流内容被浏览的情况，而如果需要进一步了解各个栏目的用户使用偏好差异，就需要通过栏目筛选，进行下钻分析。可以参考的分析视角有：

1）筛选栏目后，比较不同栏目的用户使用规模，可分析的指标包括：日均使用用户数、日均使用次数。 2）筛选栏目后，比较不同栏目的内容受认可度，可分析的指标包括：次均点击信息数、信息点击率、次均使用时长。 3）筛选栏目后，比较不同栏目近7日最受关注的热点内容差异，可以分析数据表中，展示的具体栏目下的内容信息及其指标。可以通过按照“点击次数”排序，拉取不同栏目的top10信息做详细比较。 4）筛选栏目后，追踪特定栏目的内容浏览变化情况。具体来说，导出特定栏目近7日的内容结果，在积累1-2个月数据后，分析内容指标的变化，并与整体APP信息流内容指标做比较，从而对该栏目当前内容投放效果形成初步判断；也可从该栏目的优质内容中得到启发，优化后续该栏目的内容投放策略。

PS：默认栏目名称由系统抓取，如发现栏目抓取有误，可进行栏目名称的手动指定，提升准确率。栏目配置说明。

3.3 单条资讯维度的热度与质量分析

优质的内容无论对用户还是运营平台都有巨大价值，对于内容质量评估最有效的方式便是抽象出C端用户“用脚投票”的实际结果。在信息流分析功能的数据表中，我们展现近7日每一条内容标题的用户“投票”结果。具体来说，可以进行如下分析：

• 1）直观分析该条内容受欢迎的程度：展现次数、点击次数
• 2）内容质量的分析，既需要判断该条信息在列表页中的样式、标题文案等对用户的吸引力，也需要分析用户浏览该内容后的满意度。涉及到的分析指标有：次均展现时长、点击率、次均浏览时长、短点击率。

我们把用户的一次信息浏览行为抽象为AIA模型（attention、interest、action）

“次均展现时长”越长，代表信息更能引起用户的注意；点击率越高，代表信息成功激发了用户浏览的兴趣；次均浏览时长越长，短点击率越低，代表更多用户在浏览详情后表示了认可。因此，可以通过这几个指标初步判断信息内容的质量。此外，运营人员也可结合信息的收藏、分享等其它指标进一步丰富内容评估体系。