如何利用視頻數據指導TikTok運營

TikTok 是海外版的抖音，是近年來用戶增長最快的 APP，現在也陷入可能被收購的風波之中。無論未來 TikTok 走向何方，他未來的商業模式都給人們非常大的想象空間。很多做抖音運營的人，已經開始注意到了 TikTok。執行力強的人，已經開始運營自己的 TikTok 號了。

然而，道阻且長，運營 TikTok 的圈子里，都流傳一句話：

沒作廢過十幾個號，你都不好意思說自己做過 TikTok

很多時候，作廢號的原因，是因為調研不足。

希望這篇文章能幫你少走一點彎路。

標簽（hashtags）是 TikTok 里很重要的功能，幾乎所有的視頻作者都會為自己的視頻打上標簽。相信大家也會打開某個標簽，然后看此標簽下面的視頻。但是這樣一個個的翻，效率太慢了，而且很不直觀。

本篇文章介紹的這個工具，可以根據標簽爬取視頻數據資料。這些資料包括：視頻描述，標簽，用戶名，用戶昵稱，粉絲數，總贊數，視頻數量，作者 Bio，分享數，觀看數，評論數，視頻地址，視頻長度，創建時間等等。

這個網站的地址是 https://www.tiktokfox.com/hashtags

我來舉幾個例子，說說可以怎么利用這些數據。

1

一，調查某個類目的總體情況

假設你要新起一個號，確定了方向，但是僅靠網感和大致的判斷，可能不準確，或者不知道什么水平算達標。那么可以提取你要做的標簽下的前 300 個視頻數據，用 Excel 之類的工具，分析它的視頻平均時長，贊播比，播放量，轉發率，評論數，粉絲數等。

舉個例子，通過分析好物號常用標簽 #goodstuff 的前 200 個視頻，可以知道好物號平均贊播比是 3.3%，那么你的好物號贊播比達到這個水平，就算是及格啦。我自己分析的話，會排除掉頭部的賬號，這樣更有指導意義。

比如我想做一個細分領域 earwax removal kit，那我就搜索這個 #earwax 這個標簽。然后通過這些數據，我會更有把握和方向。

如果我把數據下載到本地，則更直觀。

2

二，指導運營方向

比如美妝方向的大詞 #beauty ，把標簽和視頻描述一起做詞頻分析，可以看到原來 lol，Imao，funny 之類的表示搞笑的詞匯，出現頻率是很高的，那么選取美妝視頻的時候，可以多注意那些既是美妝領域，又有點搞笑的視頻，爆的概率就大一點。

詞頻分析的工具很多，有些可以過濾詞匯，比如 fyp，I，the 之類的詞匯，對我們來說沒有意義，大家可以找適合自己的詞頻分析工具。我常用的是這個，對我來說，簡單的統計即可。

http://www.writewords.org.uk/word_count.asp

假設你做著某個領域，有些標簽可能是你沒有想到，但是別人卻在用的，通過這個工具也可以直觀的找到。還是以 #earwax 舉例，我可能不知道原來 #satisfying 這個標簽有那么多人用，但是現在一拉數據就知道了，那我在做號的時候，就會加上這個標簽。

3

三，批量提取郵箱

這個網站可以提取某個標簽下，作者的 Bio。很多人會把郵箱放在 Bio 里，那么提取這些郵箱，就可以做 EDM 營銷了，或者批量聯系作者談合作，談帶貨。要知道，如果在手機端操作，你是沒辦法復制 Bio 的。用這方法聯系紅人，是不是效率更高呢？說不定還省錢了，不用在紅人營銷平臺充值會員了。

如何提取一大堆復雜字段里的郵箱，網上有很多在線工具。我用的是  http://www.txttool.com/WenBen_RegExpEmail.asp

如果是某個商城需要推廣，可以提取那些做寵物號的郵箱，聯系他們，畢竟做寵物號的往往還沒有變現渠道。如果你想聯系聯系這些寵物號帶貨，一樣的原理，比如下圖就是 #dogsoftiktok 這個標簽下的作者郵箱。

4

四，批量解析視頻

因為可以提取視頻的地址，所以可以批量復制視頻地址，然后批量解析，弄成合集，搬運到國內，或者 Facebook，YouTube 等平臺。也可以做合輯，做卡點視頻，深度剪輯后重新發在 TikTok 上。這個網站也可以解析，但是不支持批量，所以大家還是用國內的解析平臺好了。

5

五，使用教程

5.1

搜索框右邊的數字表示前 XX 名的視頻的數據，默認是前 20，可以選擇最多前 300。如果搜索不出來，可能是因為用的人多，線路沖突了，多試幾次。如果前 300 名一直搜索失敗，可能是因為讀取第 200-300 名的某個點被 TikTok 識別出來給 Ban 了，此時換成前 200 名基本沒問題。

5.2

搜索結果可以下載，提供 CSV 和 JSON 這兩個格式。建議你們下載 JSON 文件，然后在 https://json-csv.com/ 這個網站轉化為格式正確的 CSV。

5.3

文件和網站里的數據，排行順序都是按照點贊數降序排列。

5.4

數據文件有些術語可能大家不清楚是什么意思，我這里做了一個術語表。