01、分析流量來源技巧

通過數據大盤，點開流量詳情即可查看，流量來源可以幫我們分析出各個渠道流量來源的占比，在不同的環境下，分析的手段也會有所區別。

作為一個新號，重點關注的是直播推薦的占比，可以通過占比分析出對直播推薦來源的撕裂程度，一般情況下新號開播前三天，會出現從直播推薦10%拉升到80%以上的趨勢，相反流量下跌，最為明顯的也是直播推薦流量下跌，如果流量下跌低于50%，一般情況下需要及時采取激活策略拉回推薦流量。

如果近期重點發力短視頻，則要關注短視頻的流量占比，通過周期性環比分析，可大致得出近期短視頻倒流效果；但是短視頻流量的占比，容易隨著直播推薦流量占比基量的提升而被壓縮，所以在分析短視頻流量時，還需借助小店內短視頻倒流工具進行計算避免誤判。

付費投放狀態下，則應當關注付費內各個付費工具的占比數據，同時也要與直播推薦進行對比，特別是在千川天然能激發免費流量的情況下，隨時對投放成本、付費流量跟撬動的免費流量進行周期性分析。

02、分析用戶畫像技巧

這部分更多用于新號打標階段，通過大盤左小角的畫像羅盤，可判斷當場直播用戶占比的人群模型，如果說模型反映出來的人群不精準，這時候就需要關注幾個方面，第一是流量占比最多的來源是哪一個、引流品的選品是否有問題、付費推送的框選是否正確，然后通過進一步的人工調整，把用戶模型糾正。

03、互動數據的分析技巧

主要分析對象，點贊率、評論率、停留時長、加粉率，這些數據的交叉權重，可大體上反映直播間的人氣，很多培訓博主提到的，達到怎樣的停留、加粉率才合格，這種并不準確，任何指標的對比，一定是類比時期、類比同品才有意義，比如一個開播不到半個月的新號，要進行指標之間的對比，就應該去尋找所處同一流量級別或者高于自己級別的優質賬號進行對比，這樣才能更多分析出優化的區間。

04、交易數據的分析技巧

主要分析對象，包含GMV、人均GMV、UV、轉化率、千次轉化率等，每一個指標有著對應的優化方向，GMV代表本場的交易數據，將之與過去的交易額進行對比、與過去7天的數據做環比，可得到近期數據的整體表現，再比如人均GMV，更適合的不是單場之間的計算，而是周期性環比，一周、兩周，因為客單價的提升絕對不是單場能夠衡量，需要一個周期的爬升，其他數據的分析也同理，只不過代表的優化對象不一樣而已。

05、流量數據的主要分析對象

包含場觀、峰值，這兩個數據可以最直接的反映當前直播間的流量規模程度，場觀適合按周計算，經常發現的一點是如果場觀在周期環比下降的情況下，直播推薦的占比也在降低，而峰值的計算需要區分開場峰值跟推薦峰值，開場峰值受上一場場觀跟推流波動的影響，而推薦峰值則受當場互動指標、交易指標的影響。

06、直播間進出數據

抖音羅盤已經能夠提供五分鐘的漏斗流量分析，通過該數據模型，可隨時對當前流量的留存進行計算，同時推流人數的表現，也進一步體現當前流量的健康程度，以及互動、交易指標的完成程度。對于一場合格的直播間，在直播未進入下半場時，整體的五分鐘數據應該呈現螺旋上升，只有這樣，才能在當場中拉升推薦峰值，數據不錯的情況下會瞬間推送至廣場流量。

07、實時直播的評論展示

表現直播間的引導程度跟健康程度，評論區的扣評，大多受直播間活動、主播引導的影響，對于活動類直播間，重點關注實時評論區的扣評回復及頻次，而對于平播形式的直播間，則更多關注用戶的扣評問題，進而形成后期主播培訓的百問百答，為了方便總結，也可通過第三方工具，如抖查查的詞云功能。

08、轉化漏斗的分析

打開直播分析的入口，進入流量分析，可查看整場直播的營銷漏斗，從曝光轉化率、點擊轉化率、生單轉化率、成交轉化率，可大體打出漏斗對應的哪個環節出了問題，曝光點擊率可簡單反映投放素材的質量、點擊轉化率則又受購物車商品排列、賣點設定、主播話術引導的影響，生單轉化率更多依賴主播引導、定價、詳情頁，而最終轉化率，同樣受主播逼單效果，商品的實際吸引程度，可以說每一個維度的因子拆分，對應的就是具體的問題，只有把漏斗從上至下，任何一個分漏的收緊，都會對最終的成單轉化造成極大的影響。

09、優劣商品分析

Top品、壓箱品、劣質品是三類需要重點分析的商品，top品是單場或者連續多長排名靠前的商品可作為潛力爆品主推培育和連續返場，壓箱品就是不管上架不上架，在點擊率、成交率都排名靠后的商品，這類品應當隨時淘汰，同時通過選品補充新品，劣質品即在小店售后處理中，退貨率較高的商品，像這類商品容易造成銷售業績的虛高，但實際上對小店評分，用戶影響很大，要及時淘汰掉。

針對直播間的數據分析，單純的從抖音羅盤并不足夠，在涉及付費的情況下，還需要針對付費工具內的數據工具結合分析，同時抖音本身的工具雖然強大，但并不一應俱全，兼容借助第三方數據工具會更好的做好數據分析工作，對于規模化的直播間，還會涉及專門的數據分析崗位進行統籌，由此可知數據分析的重要性。實際上在進行直播時，用的數據要素往往是以上的數倍，其中還包含付費流量的分析，自身賬號與第三方賬號的對比分析等等，篇幅有限，在此不做展開。