數位行銷｜社群媒體如何做數據分析
閱讀時間約 5 分鐘
以Instagram討論，進行數據分析該注意的幾件事情
社群媒體做數據分析的三個關鍵字：
趨勢、極值、比較
這三個關鍵字是我執行時會一直在嘴巴碎念的原則，以下透過年末受到Engaged AI撰文的邀請分享一些個人心得。
《休息觀摩日：宥勳分享如何在 IG 創造吸引人的內容》
大數據和小數據，差別在哪裡？
我們不見得每次都能夠經營大品牌的社群、網站，多半時候我們可能是在經營一個小型，甚至是微型的社群，每次報表出來的數據多則近百筆，少則可能只有幾十筆，這樣的數據也會有分析的價值嗎？
我的答案是，會。雖然分析的母體相對小，能夠延伸的範圍有限。
也因為這樣的狀況，其實早已有人提出過相對於大數據（Big Data）的概念— 小數據（Small Data）。
馬汀‧林斯壯（Martin Lindstorm）提出
「小數據（Small Data）」概念，敏銳觀察個別消費者的生活，追蹤細微線索，看穿潛在欲望，彌補了大數據的不足。
在《小數據獵人》一書中的前言提到
在這個迷戀大數據的時代，企業紛紛投入資料庫的建立。然而，大數據縱使提供了寶貴見解，卻也有一定限制：對於促使顧客消費的深層動機──「人的內在感受」，它幾乎一無所悉。
簡單來說，大數據是透過各種行為數據，找出數據及行為之間的相關性，小數據能告訴你因果關係；大數據擅長的交易路線是點擊、挑選和執行，小數據訴求「情感DNA」，是人性對話工具。
在分析之前，要知道哪些事情？
在做任何數據分析之前，有幾件重要的事情要知道：
清理、整理原始數據：一般的原始數據中，可能會有錯誤或誤植，例如：日期錯誤、數據亂碼、重複資料等。
目前，Instagram上能使用的數據很有限，也暫時還沒辦法像Facebook直接導出數據報表，因此在這部份就可以簡單帶過。
瞭解各平台的指標：看定義真的蠻無聊的，但非常重要，因為每個指標的定義方式會直接決定彼此的關係，也會作為往後分析的重要思維。
既然這次是在Instagram上，那就一定要先瞭解Instagram數據指標的各項定義，以下用Engaged AI幫大家整理的指標定義做參考：
《Instagram 數據總整理：你一定要知道的 16 個成效指標》
舉個大家都容易理解的例子，
一篇好的貼文，理想的數據應該是「觸及」和「互動」都是高的，因此這兩個指標互相存在著「正向」的關係。當今天發出一篇貼文，在不投廣告的狀況下，有高觸及率但低互動率時，就會需要花時間去看裡面出了什麼樣的問題。
做完這兩件事情後，這些概念能夠直接延伸到各大平台，只要概念和邏輯是對的。
做小數據分析時，我會注意什麼事？
「極值、趨勢、比較」是我的口訣
說實話，這個口訣源自於我在考IELTs時的寫作考試，因為第一個部分都會有各種統計圖表要描述，為了能夠在有限時間內寫出文章來，我都會照著這個邏輯去思考。
極值：舉凡表格中的最大、最小值及異常值。異常值像是一個持續平緩的圖表中，突然有增加或減少的情況，就會吸引我第一個去觀察該點發生的狀況。
趨勢：整個數據呈現出的趨勢為何，是上升、下降或是平緩？
比較：單一數據能夠給的資訊有限，甚至是無效，但當不同的數據擺在一起比較，就會出現意義。
舉例來說，有一篇貼文呈現著高互動但低觸及，對於這篇貼文可能的猜測會是：
(1)潛力貼文：在群體內受歡迎，但因為觸及率的因素或經營前期階段，而無法廣傳。
解決方法：可能會是 投廣告、將資訊散布到相關社團、辦理分享活動等。
(2)數據錯誤：單一數據軟體得到的數據多半有所差異，但當差異過大就必須要仰賴第三方或其他數據去驗證哪個才是正確的。
學會統計和商業模型，有助於分析更精準
既然是分析，那多半脫離不了統計，這裡指得也不是很艱深的那種，而是我們以前都有學過的統計，以下簡單列舉幾個常用的：
(1)平均數
(2)中位數
(3)眾數
(4)加權平均數
(5)迴歸分析
原因是當你瞭解這些統計指標，你就會知道每個指標能夠用來解釋的極限，像是平均數會受到極值的影響。因為這個限制，在分析時先將極值扣掉再做一次平均數得到的數據，能夠更為客觀。
另外，找到幾個慣用的商業模型可以在分析時找到更多切入點，以波士頓矩陣(BCG矩陣)為例：
BCG矩陣實際上是一個二乘二的矩陣，橫軸是相對市場佔有率（以公司業務的市場佔有率除以同業最高的市場佔有率而獲得），縱軸是市場預期增長，再加上兩軸各自的分界而成
BCG矩陣的橫軸和縱軸可以根據指標的不同自由替換，在每個區間內的貼文，你可以套用各區塊的定義去判斷結果。
如果再BCG矩陣結合迴歸分析，除了能夠判斷數據是否正確之外，也可以找出一個簡易的預測模型判斷每一篇貼文平均的數據。
以上的內容快速地分享我如何做小數據的分析，分析除了數字之外，也還是需要搭配該領域的知識，才能夠做出合理的商業解釋和數據判斷。我也相信每個人的方式都不太一樣，只要能夠找到合理的結果及解釋，並輔以數據證明其實都是行得通的。
最後，歡迎有興趣的人可以提供數據，一起討論、分析可能的方向，如有商業合作，請來信至yxchen030@gmail.com
101會員
79內容數
媒體觀察筆記Media Note 是一系列以觀察現今媒體行銷、網路生態的系列專題。
第一個主題就是被譽為未來十年商業模式的訂閱經濟。訂閱經濟其實不是一種全新的商業模式，而是重新以不同的方式被呈現出來，從刮鬍刀、地板到最常見的影音、娛樂，這個專欄個案探討、現況分析等方式進行討論。
留言0
查看全部
你可能也想看
Google News 追蹤
徵的就是你 🫵 超ㄅㄧㄤˋ 獎品搭配超瞎趴的四大主題，等你踹共啦！還有機會獲得經典的「偉士牌樂高」喔！馬上來參加本次的活動吧！
隨著理財資訊的普及，越來越多台灣人不再將資產侷限於台股，而是將視野拓展到國際市場。特別是美國市場，其豐富的理財選擇，讓不少人開始思考將資金配置於海外市場的可能性。
然而，要參與美國市場並不只是盲目跟隨標的這麼簡單，而是需要策略和方式，尤其對新手而言，除了選股以外還會遇到語言、開戶流程、Ap
經營Instagram社群時，正確使用Hashtag能大幅提升貼文的自然流量和曝光。本文分享為什麼Hashtag至關重要及五個常見的使用誤區，幫助你避免常見的錯誤，提升帳號知名度，並獲得更好的互動和流量，透過精準選擇和合理使用Hashtag，可以讓你的內容更容易被目標用戶發現，進而提高整體帳號表現。
數據分析與解讀
隨著數據的爆炸式增長，能夠分析、解讀和應用數據的能力變得至關重要。這包括熟悉數據分析工具和技術，如統計學、數據挖掘、機器學習等。然而，僅靠短時間的數據分析並不足以提供深入見解。
要熟悉數據分析工具和技術，如統計學、數據挖掘和機器學習，可以從以下幾個方面入手：
基礎知識的學習
社群媒體會導致「過濾氣泡」和「同溫層效應」。也就是說，這只會讓用戶只看到符合其既有觀點和興趣的內容，從而錯過多樣化的信息。
如果要做出更妥善的市場判斷，除了需要在即時的數據和長期的品牌價值之間找到平衡，也要提醒大家要及時『抽身』回到真實的世界中，才能避免陷入數據迷戀和演算法偏見。
透過簡單的舉例，分享從原始資料到洞察發現的完整過程，包括資料清洗、特徵工程、探索性資料分析，以及如何根據分析結果提出具體建議。
在這個網上共享信息時代，大數據已成為推動許多行業創新的核心力量。從提升客戶體驗到優化運營效率，大數據的應用範圍日益擴大。然而，隨著技術的快速發展，實施大數據項目也帶來了不少挑戰。本文將探討大數據技術的最新趨勢，分析其在不同行業中的實際應用，並討論實施過程中的主要挑戰。
作為一名擁有多年經驗的數據分析師，我深知數據分析的重要性及其對企業決策的影響。然而，數據分析並不是在任何情況下都適用。今天我想跟你聊的事情是：在數據量不足或缺乏流程優化目的時，進行數據分析的局限性。
數據分析是現代社會的核心技能，適用於各行各業。無論是在市場營銷、財務管理，還是產品開發中，數據分析都扮演著至關重要的角色。提升數據敏感度有助於提高分析的準確性和效率，使我們能夠迅速找到關鍵信息，進而做出明智的決策。本文將探討數據分析訓練方法，提供實用案例，幫助初學者快速掌握數據分析技術。
＃週一推薦 #行銷人必學
數據洞察行銷的專場分享
面對瞬息萬變的數據行銷時代，您準備好了嗎？
在我眼中，沒有難做的市場，只有看不見的藍海
而準確的線上數據越來越能夠協助我們洞悉商機
＃消費者旅程的洞察
隨著第三方cookie消失｜各大品牌和電商積極收集從公領域轉到私領域流量的數據，如果線上和
1.5
Date Techonlogy
DT時代的特徵是體驗，體驗就是感受。顧客要的不是服務，顧客要的是體驗。
2.4
在大數據時代，企業必須運用DT技術從資料收集至中探索巨大的價值，因為它能夠讓企業比顧客更懂顧客。DT技術運用方式
一、自動預測趨勢和行為
二、關聯性分析
三、分群
徵的就是你 🫵 超ㄅㄧㄤˋ 獎品搭配超瞎趴的四大主題，等你踹共啦！還有機會獲得經典的「偉士牌樂高」喔！馬上來參加本次的活動吧！
隨著理財資訊的普及，越來越多台灣人不再將資產侷限於台股，而是將視野拓展到國際市場。特別是美國市場，其豐富的理財選擇，讓不少人開始思考將資金配置於海外市場的可能性。
然而，要參與美國市場並不只是盲目跟隨標的這麼簡單，而是需要策略和方式，尤其對新手而言，除了選股以外還會遇到語言、開戶流程、Ap
經營Instagram社群時，正確使用Hashtag能大幅提升貼文的自然流量和曝光。本文分享為什麼Hashtag至關重要及五個常見的使用誤區，幫助你避免常見的錯誤，提升帳號知名度，並獲得更好的互動和流量，透過精準選擇和合理使用Hashtag，可以讓你的內容更容易被目標用戶發現，進而提高整體帳號表現。
數據分析與解讀
隨著數據的爆炸式增長，能夠分析、解讀和應用數據的能力變得至關重要。這包括熟悉數據分析工具和技術，如統計學、數據挖掘、機器學習等。然而，僅靠短時間的數據分析並不足以提供深入見解。
要熟悉數據分析工具和技術，如統計學、數據挖掘和機器學習，可以從以下幾個方面入手：
基礎知識的學習
社群媒體會導致「過濾氣泡」和「同溫層效應」。也就是說，這只會讓用戶只看到符合其既有觀點和興趣的內容，從而錯過多樣化的信息。
如果要做出更妥善的市場判斷，除了需要在即時的數據和長期的品牌價值之間找到平衡，也要提醒大家要及時『抽身』回到真實的世界中，才能避免陷入數據迷戀和演算法偏見。
透過簡單的舉例，分享從原始資料到洞察發現的完整過程，包括資料清洗、特徵工程、探索性資料分析，以及如何根據分析結果提出具體建議。
在這個網上共享信息時代，大數據已成為推動許多行業創新的核心力量。從提升客戶體驗到優化運營效率，大數據的應用範圍日益擴大。然而，隨著技術的快速發展，實施大數據項目也帶來了不少挑戰。本文將探討大數據技術的最新趨勢，分析其在不同行業中的實際應用，並討論實施過程中的主要挑戰。
作為一名擁有多年經驗的數據分析師，我深知數據分析的重要性及其對企業決策的影響。然而，數據分析並不是在任何情況下都適用。今天我想跟你聊的事情是：在數據量不足或缺乏流程優化目的時，進行數據分析的局限性。
數據分析是現代社會的核心技能，適用於各行各業。無論是在市場營銷、財務管理，還是產品開發中，數據分析都扮演著至關重要的角色。提升數據敏感度有助於提高分析的準確性和效率，使我們能夠迅速找到關鍵信息，進而做出明智的決策。本文將探討數據分析訓練方法，提供實用案例，幫助初學者快速掌握數據分析技術。
＃週一推薦 #行銷人必學
數據洞察行銷的專場分享
面對瞬息萬變的數據行銷時代，您準備好了嗎？
在我眼中，沒有難做的市場，只有看不見的藍海
而準確的線上數據越來越能夠協助我們洞悉商機
＃消費者旅程的洞察
隨著第三方cookie消失｜各大品牌和電商積極收集從公領域轉到私領域流量的數據，如果線上和
1.5
Date Techonlogy
DT時代的特徵是體驗，體驗就是感受。顧客要的不是服務，顧客要的是體驗。
2.4
在大數據時代，企業必須運用DT技術從資料收集至中探索巨大的價值，因為它能夠讓企業比顧客更懂顧客。DT技術運用方式
一、自動預測趨勢和行為
二、關聯性分析
三、分群