一、分析背景
通过对日本VivaVideo用户进行问卷调查[回收问卷2022份]，结果如下图所示：
从图上可看出，android用户只占总样本的19.1%，女性用户占比为81.9%，13岁以下用户和14~19岁用户占比分别为38.0%、38.3%，而这些调查用户中有32.5%的用户更加喜欢观看自己的视频，29.3%的用户喜欢从发现页观看视频。
本次对日本社区用户分析主要从以下两点进行：
- 用户播放数据分析
- 留存用户行为分析
二、播放数据多维度统计分析
分析数据采用2017年1月份播放时长>3s的用户真实播放数据，并从播放次数、网络状态、用户地域、播放模块、播放时段等维度进行统计分析。
播放独立用户总数为91583，其中android与ios真实播放用户数为23088和68495，占比为25.2%和74.8%。
| product | auid_count | proportion |
|---|---|---|
| android | 23088 | 25.2% |
| ios | 68495 | 74.8% |
与问卷调查结果相差不大。
其中播放次数大于100次的用户数为：
android：743，占总android用户比例为3.2%；
ios ：2046，占总ios用户比例为3.0%
-
播放次数分组统计
把用户真实播放次数按照1-5、6-30、30+进行分组统计，如下图所示：
视频播放次数1-5次的用户占55.0%，6-30次的用户占32.3%，30次以上（日均1次）的用户占12.7%。 播放网络状态统计
对视频播放数据的网络状态分平台分组统计，得到下两图：
日本地区用户使用WIFI比重很大，从侧面说明日本的无线网络覆盖率大。
-
播放用户地域分析
整合用户地理信息数据，分平台统计各地区用户数，如下：
日本各地区ios用户与android用户比均近似为3:1，其中东京都地区用户数远大于其他地区用户。
- 播放视频模块统计
根据用户在各模块的视频播放次数统计数据，发现follow模块下ios用户占比较大，而studio模块的android用户占比则较ios要高，各模块的播放次数分平台计算比例如下表所示：
| follow | studio | user's studio | explore | message | search | new user | hot | nearby | all | |
|---|---|---|---|---|---|---|---|---|---|---|
| ios | 30.6% | 24.6% | 23.3% | 12.1% | 5.1% | 3.8% | 0.3% | 0.2% | 0.0% | 100.0% |
| android | 22.2% | 27.4% | 19.0% | 15.3% | 7.6% | 8.0% | 0.4% | 0.1% | 0.0% | 100.0% |
-
视频播放时段统计
统计各时段用户播放视频次数，可知用户较为活跃的时间段为16-22时（UTC+8时区时间），用户最沉默的时段为2-4时（UTC+8时区时间）
三、社区留存用户行为分析
分析数据采用2017年1月份的日本社区用户留存数据，取1月份留存数据均值并绘制ios和android用户留存图如下：
可知ios用户整体留存率要高于android用户，现对各平台用户的播放、点赞、评论等互动行为进行留存分析：
- 播放行为留存
对比社区用户在一个月内播放次数大于等于5次和小于5次的对应留存情况，分android和ios两组，如下：
从图上可看出android和ios月播放次数大于等于5次的用户的留存曲线高于所有用户的留存曲线，其中android的次日留存率高达68%，而所有的android用户只有不到40%，ios也类似。
- 点赞行为留存
对比社区用户在一个月内点赞次数大于等于3次和小于3次的对应留存情况，分android和ios两组，如下：
可以明显看出android和ios月点赞次数大于等于3次的用户的留存曲线高于所有用户的留存曲线，其中android的次日留存率高达86%，而所有的android用户只有不到40%，ios也一样。
- 评论行为留存
对比社区用户在一个月内评论次数大于等于2次和小于2次的对应留存情况，分android和ios两组，如下：
而评论行为的留存情况也可从图上看出月评论平均评论次数大于等于2次的用户留存表现要优于总用户均值。
-
结论
本次分析可得到日本社区月均播放5次及以上、月均点赞3次及以上和月均评论2次及以上的新增用户留存情况较总体留存要好。
由于日本社区日新增用户平均只有4000左右，用户数较少，而满足以上条件的日新增用户则更少，平均占总新增用户的3%-10%之间；因此以上得到的这些Magic Number应该在接下来的运营中继续验证及完善，当然，还有其他的用户行为仍待深入挖掘分析。
