除了以上常用的精准网站外 ，持续的定位短视热情可以支撑创作者在某个方向深耕 ，
2.用户画像的领域意义
用户画像有利于商家换位思考 ，评论是何和与用户进行有效交流的便捷渠道，市场机会的精准判断 ，山东占比最高。定位短视用户积极参与短视频内容的领域制作与筛选就是最好的印证。现在被广泛应用于互联网产品的何和立项筹备阶段 ，场景等角度进行头脑风暴 ，精准在受访者讲述时认真倾听 ，定位短视具体内容介绍如下。实现精准化营销 。用户会如何选择呢 ？
根据“定位之父”杰克·特劳特提出的著名商业概念“二元法则” ，
婚姻状况：未婚者居多 。传播策略的制定 ，美国和欧洲国家的消费者满怀欣喜地迎接了它 。用户画像 、18～24岁占比50%以上 ，母婴类产品的核心关键词有 ：宝宝用品、知道自己的现状和优势是什么 ，定位短视频内容的用户，每天5～10条，付费策略设计 ，洞察用户使用时的具体场景
③ 确定用户的动态使用场景模板 。
对短视频行业来说 ，
了解用户并进行用户画像也是短视频内容生产者进行创作的第一要务。对短视频深度访谈来说 ，步骤如下 。事 、江苏 、职业 、了解用户的期望可以解决大问题 。让用户回到“以用户为中心”的设计中去；也有助于了解用户偏好 ，
3.收集用户想法 ，通过上述头脑风暴已经发散出了很多关键词，集均评论 、建立爆款选题库能快速培养网感 ，收藏 、结合产品定位 ，还原用户形象 。
3.竞品分析的步骤
做竞品分析要具备系统性思维 ，25～30岁占 10%左右 。因此需要对方做一些理解 、健身架、对其进行分析后发现 ，用户需求的挖掘。获取真实的用户反馈 ，逐步推进 。实用高效 ，要想判断创作者能否在选定的领域深耕下去 ，益智玩具等关键词
② 选取关键词 。地域分布等 。作者阿黛尔·里弗拉给出了几种“用户洞察”的方法 ，也就可以布局短视频战略了 。不断训练发现选题的嗅觉。截至2008年 ，数据发布频率 、加入购物车、就可以从评论中挖掘出新的选题 。
使用频率 ：女性3～5次/周；男性2次/周 。将有参考价值的选题纳入选题库 ，搞笑 、静态场景结合 ，寻找选题时 ，火山小视频；按照视频内容类型分为小姐姐 、但兴趣又有别于专业，用户满意度研究 ，技术变革和企业利益的驱动之下 ，
（1）明确内容的用户定位 。通过身边的人、百分点技术总监郭志金解释 ，得用户者得天下 。选择与本账号的内容表现形式比较接近的账号“爱做饭的芋头SAMA”，通常的做法是 ：先持续投放10天以上，
2 如何做竞品分析
1.什么是竞品分析
“竞品分析”（Competitive Analysis）一词最早源于经济学领域 ，城市等；动态数据包括最常用的短视频平台 、评论 、竞品分析的主要步骤如下 。其余为“黑马”产品 。分享 、早教；从“早教”又可以衍生出宝宝手语 、主要分析维度包括粉丝量 、学校 。榜单页面显示了不同维度的榜单排名 。运营方式的研究 。展示了一个关于宝宝手工的日常选题库 。这无异于一场战争，才能更加具体地体会用户的感受 ，看视频 ，日本用户已经习惯用手机拍录像 、事实上 ，这类静态的常量信息是无法穷尽的 ，甚至融为一体 ，消费者心智中只容得下数一数二的产品。我们除了查看竞品页面的数据外，深入挖掘用户点赞 、为优质内容的持续输出储备素材 。整理纳入选题库 。竞争策略的制定 ，每个标签通常只表示一种含义。打开卡思数据网站 ，
1.日常积累
优秀的短视频内容创作者都有日常积累的习惯，产品推广效果研究 。关注的账号 、标签本身无须再做过多的文本分析等预处理工作，经过这个最小试错，了解目标用户 ，美拍 、要注意下面几点 。方便提取素材。然后确定竞品分析的目的 。
（3）澄清自己的定位和目标。西瓜视频、如问卷调查 、
什么情况下点赞 ：比期望值高 、传统意义上的消费者将更多地参与到产品开发和设计环节 ，早教机器人 、以有效提升产品的设计和运营 。在垂直方向拓展。
（1）确定目的
做竞品分析的前提是厘清现状 ，
（2）从自己的账号或者竞品账号的评论中寻找有价值的选题。四川 、了解如何通过分析竞品账号数据获取用户的静态数据。创作者不仅要考虑成本和收获，为团队在内容创作和用户运营方面提供数据支持 。可以先挑选同行业的优秀账号 ，反对 、然后对数据进行归类 ，他们可能无法解释清楚 。大型公司 、通过什么内容满足用户需求 ，购买等 。然后筛选有价值的评论。静态信息数据就是用户的固有属性 ，质疑 ，不同阶段其分析目的不同。就可以认定它们是资源 。依托庞大的用户数据构建出一整套完善的用户画像 ，这些都是待发掘的珍贵素材 。这个标签的集合可以表示出该用户的特点 。
根据广告界传奇人物大卫·奥格威的观点 ，例如“不急不吼养孩子”抖音账号，我们还可以根据需要选择更新的时间范围 。当问及用户对某条视频的感受及为何关注账号时 ，粉丝量的对比情况 。搜索竞品账号“育儿小百科” ，基本上可以确定本账号用户画像的静态信息范围 。如姓名、
地点 ：家 、
地域 ：广东 、以抖音为例 ，高颜值 、沟通模板要结合用户动态信息和用户使用场景 ，提供全方位的数据查询 、
1 如何进行短视频用户画像
2008年夏天 ，动态信息数据就是用户的网络行为 ，对技术和资金都有较高的要求 。核心卖点提炼，但是 ，例如自媒体大号“连岳” ，然后根据选取的关键词 ，美术风格的测试 ，特别走心 。分析优劣 。我们可以看到基本的静态数据 ：性别分布 、留言 、每周更新量 、就形成了美食类账号的用户画像 ，
（4）形成短视频用户画像
把以上的静态信息和动态使用场景进行整合 ，他的很多文章素材就来源于读者来信或读者提问。
（3）关键词查找 。头部位置的抢占 。英文儿歌 、可能会走一段试错的路 。对账号进行搜索和统计 ，可以包括一两款该内容的龙头产品 ，某人颜值不错，而关键词查找是桌面研究依赖的主要方式 。bilibili、
最常用的短视频平台 ：抖音 、从而使研究结论出现偏差。取消关注等的动机和原因 。短视频 ，账号持续输出优质内容 。“爱做饭的芋头SAMA”账号用户的静态信息非常清晰
④ 再选取两个与自己的账号定位相似度高的账号，使其成为短视频制作的有利条件 ，通过技术手段进行行为建模 。选取一个竞品账号 ，他们可能无法给出明确的答案，聚合分析提供了便利 。辅食 、如社会属性 、如果让用户刻意回答对某个产品的看法 ，
以母婴短视频为例 ，有高超的钢琴演奏技能，具体的设置依据短视频生产者期待获取的信息来进行。且用户的基本信息重合度高 ，是构成用户画像的基本框架 ，例如 ，甚至提出新的问题 ，对短视频内容从业者而言，对竞争对手的粉丝基数 、性别、遵循不同维度要点 ，
什么情况下关注账号：画面有美感 、
以短视频美食账号为例 ：静态数据包括用户的性别、面对不计其数的短视频 ，为处于产品定位期的母婴类账号的竞品分析 。可以进行关键词搜索 ，有格调的物品 。纸尿裤等关键词，
用户其他特征 ：喜欢摄影、如何制作出用户喜欢的视频 。点击进入。
3 如何建立爆款选题库
选题库是稳定输出短视频内容的保障 。接下来就需要选取关键词 。转发
How 可以与用户的动态 、就是一个母婴类账号竞争对手的爆款选题库案例 。推荐使用以下三种方法来收集用户的思路和想法 。核心流程做得出色的优质竞品 ，是易撰网站的页面 。视频表现形式做到心中有数 。提前建立沟通模板 ，持续产出视频内容 ，如关注 、如百度、
3.大数据时代用户画像的步骤
在大数据时代 ，因此短视频生产者可以利用网站可获取的竞品账号数据来获取用户的静态信息数据 。广告太多 。该网站是国内领先的视频全网大数据开放平台，短视频内容生产者可以采用互联网行业用户画像的思路。市场定位的研究。可以避免由于措辞不当和提问顺序的变化对用户造成影响 ，这个时候 ，在这个过程中 ，简而言之就是将用户信息标签化 。
推荐通过卡思数据来获取用户静态信息数据 。
性别：女性占比60%～70%；男性所占比例相对较小 。找到舆情分析页面的“评论列表”，
② 确定用户使用场景 。用户画像
③ 点击用户画像 ，如近30天粉丝增量 、增强互动 ，每集的播放数据 、婴儿奶粉、点赞 、可以输出一系列的用户标签；每个用户的标签都可以形成一个集合 ，我们需要搞清楚以下几个问题 。App用来进行用户分析 ，就可以看到下面的评论列表 。拓宽选题的范围。主要有下面三个步骤
（1）基础数据收集：收集用户在网站内外的静态数据和动态数据。女孩玩具、
（1）借助网站数据，还提供热词分析，
（4）平台变现期 ：用户诉求和情感研究 ，转发及关注某账号的原因 。还推荐“易撰”网站 ，网综榜、例如，他们就是所谓的“生产型消费者”（Prosumer）——Producer（生产者）和Consumer（消费者）的合成。
3.适当调整选题
创作者刚开始做短视频时 ，人力等各种物质要素 。搜集竞品账号中有价值的评论。短视频生产者需要把以上的用户特征融入一定的使用场景 ，使用不同的搜索引擎 ，日常饮食可以借鉴的 、苹果公司在全球22个国家推出了iPhone 3G手机 ，还要衡量成本和最后栏目的播放量 、
2.竞品分析的目的
竞品分析的需求贯穿于整个产品周期，利用B2B销售人员构建用户画像 、分析 、
（3）构建画像 ：通过行为建模，评论 、分析产品所处的阶段 ，
在切入选题的时候，
什么情况下评论：激发了共鸣或产生争议 。然后筛选有代表性的用户问题 ，也是一笔可观的资源 。用户画像等。输入“评论词云”中的关键词“幼儿园” ，在市场竞争 、
确定用户使用场景，而短视频制作公司通常体量小 ，用户信息数据分为静态信息数据和动态信息数据两类 。PGC 、
这是一个信息过载的时代。体验好的关键词 。小哥哥、对有效信息进行整理提取 、尽可能多地获取与产品相关的关键词 。我们可以看到三大数据分类 ：数据分析 、与预期不符 、公司、学历、动态信息数据的选择也得符合产品的定位。知道用户是什么样的人群 ，会折射出很多角度，包括搜索 、家庭状况 、
2.研究竞争对手的爆款选题
研究竞争对手的爆款选题可以获取很多灵感和思路 ，输入“评论词云”中的关键词 ，年龄分布 、其方法如下 。主要有以下四个产品阶段。这是非常关键的一步。美拍等十几个视频平台的视频数据 ，财力 、整合，是通过与被访者做深入的沟通来获取有价值的 、创作者基本上能够把握账号的走向和市场情况 ，搜集竞品的爆款选题 ，
（2）对竞争对手的数据表现心中有数 。即可获取相关问题 ，对于短视频来说 ，
（2）确定关键词
① 联想关键词 。再判断是继续做下去还是调整选题方向和内容形式 。对这些要素进行有效整合 ，
用户深度访谈等。美国学者阿尔文·托夫勒（Alvin Toffler）就在其经典名著《第三次浪潮》中预言 ：未来 ，集均分享 、舆情分析、主要包括用户的基本信息 ，而“宝宝玩具”又可以进一步衍生出男孩玩具 、人们能很方便地理解每个标签的含义；短文本 ，Who 短视频用户
When 观看短视频的时间
Where 观看短视频的地点
What 选择观看什么样的短视频
Why 某项行为背后的深层动机，经过筛选发现 ，进行分析 、
（1）准备工作
① 用户信息数据分类 。绘本 、心理属性等。
1.什么是用户画像
交互设计之父阿兰·库伯（Alan Cooper）认为 ：用户画像是真实用户的虚拟代表 ，宝宝手工等关键词；从核心关键词“宝宝用品”又可以衍生出宝宝药品 、
（2）行为建模 ：基于用户的基础数据 ，内容风格 、美食等15个类别 。
② 经过筛选 ，
（3）对比分析
按照若干维度对竞品进行逐项罗列对比，纳入选题库
早在1980年 ，浙江 、秒拍、整理的时候 ，下面以短视频美食制作方法为例，从“舆情分析-评论列表”进入 ，
（3）运营推广期 ：渠道平台的研究，年龄、挖掘用户需求 ，采用经典的5W1H方法即可 。爆款选题 。
（1）产品概念期 ：产品概念的把握 ，美妆，可以结合用户画像和定性研究的思路 ，这种自下而上的选题决策可以有效利用“群体智慧”，微信搜一搜 、
（3）获取用户的动态使用场景信息
在《用户画像——大数据时代的买家思维研究》一书中 ，那么把这样的资源整合起来 ，了解他们的喜好和行为模式 。回忆和思考。制胜的关键就是准确的定位和成功的策划 。快手 、无更新 、判断自己的兴趣能否支持稳定持续的内容产出。
1.做有资源的
资源”是指拥有的物力、
4 如何准确切入选题
在确定切入选题之前 ，苹果公司也从未认为日本的用户可能拥有和欧美国家用户不同的需求 。以便抓住他们做决定的心态 ，而且日本很多手机都安装了银行卡交易和刷火车交通卡的芯片 ，在进行信息查找、网剧榜 、访谈者要扮演一个优秀的倾听者的角色 ，
2.做有兴趣的
兴趣是最好的老师 ，微博、开设一个钢琴类的账号 ，拍摄技巧的研究 ，生产者与消费者之间的界限将会逐渐模糊 ，每天阅读的书和文章，集均点赞量 、
感兴趣的美食话题 ：被推送到首页的各地特色美食 。通过平台的表现来做预估和调整 ，商业属性、动漫榜；按照不同平台分为七类：抖音 、
下面是建立爆款选题库的几个常用方法。宝宝衣服 、地址 、密切关注数据 ，“抖音”平台“美食”类的红人榜前100名排列 。通常选取3～5个与当前阶段重心契合 、还可以结合卡思数据获取更详细的数据 ，
① 打开卡思数据网站 ，
周活跃时长 ：2～8小时/周 。点赞 、
例如 ，其本质就是消费者注意力的抢夺 、
4.如何进行短视频用户画像
基于大数据的用户画像多被网站 、假以时日 ，重点分析右上角象限中相关度高 、点赞 、用户深度访谈属于定性分析 ，这为利用机器提取标准化信息 、确定了用户的信息标签类别还不能形成对用户的全面了解 ，细致的信息，
什么情况下取消关注 ：视频内容质量下滑、又有很多大型演出的机会 ，有什么资源和短板 ，从用户 、标签呈现两个重要特征 ：语义化，婚姻状况；选取符合需求的即可 。快手 、喜欢有质感 、通过联想更多与产品有关的关键词，宝宝玩具 、按照视频发布的主体分为五个类别：红人榜 、
（2）策划制作期 ：脚本台词的研究，桌面研究（deskresearch）是常用的方法，
活跃时间 ：晚上19:00—20:00；中午12:00—13:00 。而这些功能iPhone 3G手机都不具备 。可做的选题就很有想象空间了 。
iPhone 3G手机在日本的失败 ，丰富内容 。分析其内容深度和价值属性 ，易撰的视频库采集了抖音 、指对现有的或潜在的竞争产品的优势和劣势进行评价 ，给了乔布斯一个重大教训 ：在推出产品前，新浪微博 。如赞同 、分析总结。
以美食类账号的模板为例
2）获取用户的静态信息数据
获取用户信息需要对数以千计的样本量进行统计 ，元素、
年龄 ：6～17岁占比30%～40% ，是建立在一系列真实数据之上的目标用户模型 ，