劉玲 劉茂蕓 黎麗霞

DOI：10.16660/j.cnki.1674-098x.2103-5640-9275

摘? 要：抖音目前已發(fā)展為一個和淘寶、京東等購物平臺合作的電商平臺，研究抖音用戶行為，從而定位潛在的購物用戶能帶來巨大的商業(yè)價值。本文從用戶基本信息、用戶使用抖音行為以及用戶使用抖音感受3個角度設(shè)置問卷，進行實證分析。通過因子分析、聚類分析將抖音用戶分為點贊關(guān)注低端、搜索低端、發(fā)布評論轉(zhuǎn)發(fā)低端、點贊關(guān)注高端以及發(fā)布評論轉(zhuǎn)發(fā)高端五類，并對五類用戶做出矩陣分析，得出結(jié)論：對于抖音來說點贊關(guān)注高端用戶是首選的目標用戶，其次便是發(fā)布評論轉(zhuǎn)發(fā)高端以及點贊關(guān)注低端用戶。

關(guān)鍵詞：抖音? 用戶行為? STP模型? 用戶細分

中圖分類號：G206? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A文章編號：1674-098X（2021）05（a）-0153-05

Analysis and Research on Different User Behaviors of Tik Tok

LIU Ling? LIU Maoyun? LI Lixia

（information technology and managment institute， Hunan University of Finance and Economics， Changsha， Hunan Province， 410000? China）

Abstract： Tik Tok has developed into an e-commerce platform cooperating with Taobao， Jingdong shopping mall and other shopping platforms to study the behavior of Tik Tok users， so as to locate potential shopping users and bring huge commercial value. This paper makes an empirical analysis by setting up questionnaires from three perspectives， namely， users' basic information， users' behaviors in using Tik Tok and users' feelings in using Tik Tok. Through factor analysis， cluster analysis will be divided into trill users thumb up focus on low-end， search the low-end， post a comment forwarded low-end， thumb up focus on high-end forward and comment on high-end five categories， and make matrix analysis of five kinds of users， draw the conclusion： for trill thumb up focus on high-end users is the preferred target users， second is published comments forwarded high-end and focus on low-end users thumb up.

Key Words： Tik Tok; User behaviors; STP model; Users subdivision

隨著信息時代的快速發(fā)展，由于短視頻時間簡短、內(nèi)容豐富，讓人們能夠隨時隨地觀看，從而逐漸占領(lǐng)人們生活中的碎片化時間。隨著短視頻行業(yè)迅速興起，短視頻電商也慢慢出現(xiàn)在大眾的眼前。2019年，內(nèi)容電商迅速發(fā)展，但是短視頻用戶滲透率以及增長率都有所下降。

針對這個問題，本文將利用STP模型以及用戶影響力模型，以抖音短視頻為例，通過抖音用戶行為，對用戶進行分類從而選定目標用戶，制定針對性的營銷策略實現(xiàn)企業(yè)的精確營銷，最終實現(xiàn)節(jié)約用戶營銷成本、提升利潤的目的。

1? 相關(guān)研究

針對網(wǎng)上購物，中國互聯(lián)網(wǎng)絡(luò)信息中心發(fā)布第45次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》[1]顯示，截至2020年3月，我國網(wǎng)絡(luò)購物用戶規(guī)模達7.10億，2019年交易規(guī)模達10.63萬億元，同比增長16.5%。網(wǎng)絡(luò)購物持續(xù)助力消費市場蓬勃發(fā)展。電商和短視頻融合大致有3種類型：短視頻高流量用戶吸引電商;電商以廣告的形式在短視頻平臺發(fā)布;短視頻為主要呈現(xiàn)形式的電商平臺[2]。

短視頻出現(xiàn)在美國，并于2011年4月11日由短視頻應(yīng)用viddy正式發(fā)布[3]。有研究[4]表明，短視頻廣告的喜好率遠高于其他形式的廣告。從2017到2018年短視頻行業(yè)流量基礎(chǔ)增長迅速，從用戶規(guī)模和用戶粘性兩方面完成了流量的快速積累[5]。

抖音短視頻帶著“創(chuàng)意、時尚、有趣、新穎”[6]的頭銜進入“娛樂”時代，截至2020年12月的數(shù)據(jù)[7]所顯示短視頻在行業(yè)有效使用時間占比中獨占榜首。對于APP應(yīng)用獨立設(shè)備數(shù)排行前五中，環(huán)比增長抖音短視頻APP高達2.2%。從以上數(shù)據(jù)不難得知抖音短視頻APP已經(jīng)成為人們生活中不可或缺的一個軟件。與此同時，在2019年，短視頻內(nèi)容電商與帶貨模式“李佳琦”全網(wǎng)爆火，李子柒[8]專注“農(nóng)村生活”的美食短視頻也為抖音短視頻APP吸引不少用戶。隨著抖音越來越火爆，其所在的公司字節(jié)跳動[9]也開始被人所熟知。從2019年到2020年，抖音短視頻和Tik Tok都持續(xù)增長，在持續(xù)的全球健康危機中，在2020年4月的下載量超過了20億次[10]。抖音的盈利模式[11]主要有以下4種：用戶數(shù)量大、質(zhì)量高，女性用戶占比大;龐大的MCN機構(gòu);先進的智能推薦系統(tǒng);直播業(yè)務(wù)。

但是截至2020年10月，短視頻APP在所有APP的滲透率在60%左右，增長率在1%左右浮動，此時對抖音用戶進行用戶行為分析[12]，從而制定更為精準的營銷策略對于短視頻行業(yè)尤為重要。

本文先利用用戶采集[13]中的顯式采集，通過問卷分析進行數(shù)據(jù)收集、建立數(shù)據(jù)集;接著對收集的問卷進行初步數(shù)據(jù)分析;然后通過因子分析、聚類分析[14]等將用戶細分、進行目標用戶選擇以及目標用戶定位;最終根據(jù)分析結(jié)果提出自己的研究建議，制訂個性化方案，從而增強每個用戶對抖音短視頻使用的滿意度以及提高抖音的用戶價值。

2? 模型構(gòu)建

STP理論是戰(zhàn)略營銷的核心內(nèi)容，主要包括市場細分、選擇目標市場和產(chǎn)品定位，指企業(yè)進行一定的市場細分，從而確定自己的目標市場，最終將產(chǎn)品、服務(wù)定位在目標市場中。其中對于市場細分這個部分，本文將利用收集到的用戶相關(guān)行為數(shù)據(jù)將用戶進行細分。近年來，研究社交網(wǎng)絡(luò)中用戶影響力的作用更為突出，用戶影響力是衡量一個用戶在社交網(wǎng)絡(luò)中價值高低的重要指標。社交網(wǎng)絡(luò)影響力可以通過用戶行為體現(xiàn)出來，如圖1所示。

3? 實證研究

3.1 問卷設(shè)計與數(shù)據(jù)收集

此次調(diào)查通過收集抖音用戶的基本信息、用戶的抖音行為以及抖音的使用感受3個方面的信息，達到將用戶細分、尋找目標用戶、進行目標用戶定位進而制定個性化方案，提高用戶的價值的目的。

3.1.1 測量體系的構(gòu)建

表1將對抖音用戶使用抖音主要行為的量表設(shè)計進行解析。該問卷中對抖音用戶使用抖音主要行為的量表主要分為4類。從用戶使用抖音行為的主觀能動性從低到高分別設(shè)置為觀看、點贊收藏、搜索以及發(fā)布評論轉(zhuǎn)發(fā)。

3.1.2 數(shù)據(jù)收集過程

本文調(diào)查采用的是網(wǎng)絡(luò)問卷調(diào)查法。通過問卷星進行問卷的制作，并在互聯(lián)網(wǎng)上進行發(fā)放回收，共回收問卷470份。本次扣除無效問卷11份，共獲得有效問卷459 份，有效率達到 97.66%。

3.2 數(shù)據(jù)分析

3.2.1 信效度分析

本文的信效度分析主要利用KMO和巴特利特檢驗進行檢驗。由于顯著性水平α為0.05，概率P-值小于顯著性水平α，所以認為相關(guān)系數(shù)矩陣與單位陣有顯著差異。同時，KMO值為0.952，大于0.8，通過Bartlett球形檢驗，說明問卷數(shù)據(jù)具有較強的信效度。

3.2.2 描述性統(tǒng)計分析

針對問卷中用戶性別、年齡、學(xué)歷、職業(yè)、網(wǎng)購消費能力、使用抖音時長以及是否使用抖音購買商品等7個問題進行描述性統(tǒng)計分析。

本問卷收集的數(shù)據(jù)中男女比例較為平均，其中女生略微多一點。主要是來自18～30歲的人群并且擁有較高的學(xué)歷水平。對于職業(yè)方面，收集的數(shù)據(jù)中用戶主要為學(xué)生。其中用戶網(wǎng)購消費能力較為良好，使用抖音時長大部分都較為長久。收集的數(shù)據(jù)中顯示使用抖音購買商品的用戶占總用戶的73.2%，該數(shù)據(jù)有利于后期進行分析用戶價值等。

3.2.3 用戶細分

（1）處理分類維度。將問卷中的抖音用戶使用抖音主要行為的量表題目進行因子分析。總體上，原有變量信息丟失較少，因子分析較理想。并且第4個因子以后的因子特征值都較小，對于解釋原有變量的貢獻很小，因此提取4個因子是合適的。根據(jù)設(shè)計問卷時的量表設(shè)計，將抖音用戶使用抖音主要行為的量表主要分為4類。該設(shè)計是合理的。通過分析因子主要解釋的變量類型，分別為4個因子取名為發(fā)布評論轉(zhuǎn)發(fā)型、點贊關(guān)注型、瀏覽型以及搜索型。

（2）用戶細分與分類效果檢驗。利用月均網(wǎng)購消費以及因子類型的標準化得分進行系統(tǒng)聚類分析。該處使用的為聚類分析中的Ward法。利用導(dǎo)出的譜系圖發(fā)現(xiàn)，當(dāng)用戶分類分為5類時，分類效果較好。所以最終將聚類數(shù)保存為5類，從而形成用戶類型變量。將每個用戶分成5類之后，利用單因素方差分析檢驗細分效果。其顯著性都低于0.05，說明聚類細分效果較好。

（3）用戶細分命名。利用交叉表分析每個用戶類型的消費水平以及在因子類型中的占比。結(jié)果顯示，用戶類型為1、2、3的月均網(wǎng)購消費并不是很高，大部分都在1000元以下;用戶類型為4、5的月均網(wǎng)購消費都在3000元以上。用戶類型為1、4的用戶大多數(shù)都為點贊關(guān)注型;2的用戶全部為搜索型;3、5的用戶全部為發(fā)布評論轉(zhuǎn)發(fā)型。于是根據(jù)每個用戶類型的月均網(wǎng)購消費以及在因子類型中的占比，我們將5個類型分別取名為點贊關(guān)注低端、搜索低端、發(fā)布評論轉(zhuǎn)發(fā)低端、點贊關(guān)注高端以及發(fā)布評論轉(zhuǎn)發(fā)高端。

3.2.4 目標用戶選擇

利用描述性統(tǒng)計，分別算出月均網(wǎng)購消費金額的均值以及用戶類型細分的頻率。利用標準化公式：（原數(shù)據(jù)-均值）/標準差，算出用戶規(guī)模標準化以及消費標準化數(shù)值。將用戶規(guī)模和月均消費按60%和40%的占比算出用戶吸引力。

利用用戶類型和“與類似的社交軟件相比，我更喜歡抖音”的交叉制表，將選擇符合以及非常符合的認為是認可與其他社交軟件相比，更喜歡抖音短視頻APP從而算出抖音短視頻APP的APP競爭力。

3.2.5 目標用戶定位

參考波士頓矩陣方法，并利用用戶吸引力以及APP競爭力結(jié)果匯總，制作矩陣圖如圖2所示。

本文主要針對研究明星用戶——點贊關(guān)注高端用戶的基本信息。通過頻率分析，將點贊關(guān)注高端用戶的基本信息匯總，如表2所示。

（1）多關(guān)注新用戶。通過研究，點贊關(guān)注高端用戶主要為使用抖音6個月至1年的用戶，使用抖音時間并不是很長。這一類用戶已經(jīng)使用抖音一段時間，已經(jīng)擁有自己的相關(guān)抖音用戶行為，并且已經(jīng)能夠感受到抖音的推薦系統(tǒng)為他們推薦的相關(guān)短視頻、廣告以及直播等。于是這一類用戶群值得抖音關(guān)注以及探究他們的喜愛，推薦他們喜歡的短視頻從而挖掘出他們最大的價值。研究[15]表示，一般用戶入網(wǎng)時間越長，價值越高，同時老用戶帶新用戶是最有效、最經(jīng)濟的營銷策略。日積月累，新老用戶便會越來越多，對用戶以及抖音都有著很大的益處。

（2）完善智能推薦系統(tǒng)。通過研究，點贊關(guān)注高端用戶經(jīng)常使用抖音觀看短視頻以及直播、給短視頻點贊以及關(guān)注感興趣的博主。但是他們對于抖音的推薦系統(tǒng)的滿意程度并不是特別高，所以抖音需要通過繼續(xù)完善智能推薦系統(tǒng)，來提升用戶對抖音的滿意程度以及發(fā)送更加有效的軟廣告從而將用戶帶來的價值發(fā)揮到極致。

（3）選擇優(yōu)質(zhì)商家以及產(chǎn)品入駐抖音。研究表明，在抖音上購買商品點贊關(guān)注高端用戶主要關(guān)注的便是視頻中店鋪本身情況以及商品本身。電商運營工作中選品是一個很重要的環(huán)節(jié)。對于很多電商平臺來說選對了產(chǎn)品至少有50%的成功可能性，而選錯了產(chǎn)品則是面臨100%的失敗。對于抖音也是同等適用的，所以抖音在選擇商品入駐時要關(guān)注該商品以及店鋪的評價。

（4）完善抖音購物功能頁面。研究顯示，在抖音上購買商品的點贊關(guān)注高端用戶大部分都找不到抖音購物通道以及認為抖音購物頁面不夠完善。作為用戶進行購買商品第一件事是看中商品，接著的第二件事便是下單，當(dāng)用戶都找不到下單通道，那么如何進行購物呢？抖音應(yīng)該加強推廣抖音購物流程，并將抖音購物頁面進行相對應(yīng)的完善。這樣才能增強用戶在抖音中購買東西的欲望，從而增強用戶的購物價值。

4? 結(jié)論

本文基于STP模型，利用抖音用戶行為將抖音用戶進行細分，找到目標用戶，從而制定針對性的營銷策略。

目前本文研究主要利用的是通過收集問卷從而獲取數(shù)據(jù)，這樣獲取的數(shù)據(jù)可能會存在一定的片面性。如果能夠通過后臺利用數(shù)據(jù)爬蟲獲取到更加全面的信息數(shù)據(jù)，也許就能獲取更加精準的結(jié)果，并且獲得多方面的分析結(jié)果，進而制定更加完善的營銷策略。這樣會對全面分析用戶抖音行為對用戶價值的影響會有一定的幫助，希望能夠在未來的研究中能對這方面的問題進行更加深入的探究。

參考文獻

[1] 中國互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）、中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告[R].2020.

[2] 吳孟函.基于短視頻平臺的用戶分析模型研究與實現(xiàn)[D].長春：吉林大學(xué)，2020.

[3] Krebs Wolfgang.ber Schwarzschiefer im mitteleurop ischen Variszikum[J].Zeitschrift der Deutschen Geologischen Gesellschaft，1970，120.

[4] 王麗苗，許青林，姜文超，等.集成FM的短視頻喜好率預(yù)測模型[J].計算機工程與應(yīng)用，2020，56（14）：118-122.

[5] 中國短視頻企業(yè)營銷策略白皮書[R].艾瑞咨詢iResearch，2019.

[6] 胡一凡.淺談抖音短視頻的受眾分析[J].新聞傳播，2019（9）：13-15.

[7] 移動APP指數(shù)[R].艾瑞咨詢iResearch，2020.

[8] Li Xueying，Zhang Wanyu.Research on Short Video Content and Communication——Taking Li ziqi as an example[J].Frontiers in Art Research，2020，2（4）.

[9] Qixiang Sun.Short Video Strategy Analysis from the Self-Media Industry—Taking ByteDance Company as an Example[J].Probe - Media and Communication Studies，2020，2（3）.

[10] Mobile Media and Communication.New Findings in Mobile Media and Communication Described from Xiamen University （The Co-evolution of Two Chinese Mobile Short Video Apps： Parallel Platformization of Douyin and Tiktok）[J].Telecommunications Weekly，2020.

[11] 冀和，樊重俊，楊夢達.我國電子商務(wù)新模式分析[J].電子商務(wù)，2019（6）：14-15.

[12] Qiang Ren. Design of Mobile APP User Behavior Analysis Engine Based on Cloud Computing[J]. Journal of Physics： Conference Series，2020，1533（2）.

[13] 李博文.基于用戶行為分析的個性化推薦技術(shù)研究[J].電子世界，2018（12）：18-20.

[14] 畢猛，邵中，徐劍.一種用于網(wǎng)絡(luò)用戶行為聚類的標簽自動生成方法[J].計算機工程，2020，46（10）：81-87.

[15] 袁碩.基于數(shù)據(jù)挖掘的潛在用戶行為分析[D].南京：東南大學(xué)，2018.