Ces données figuraient à l’origine dans le bulletin d’information du 10 novembre 2021 que vous trouverez ici :

Dans les journaux de données de cette semaine, jetons un coup d’œil à certaines données Tiktok. Tiktok n’a pas d’API publique et sanctionnée, donc tous les ensembles de données qui l’entourent doivent être collectés à partir d’un logiciel qui explore et récupère les données de Tiktok. Un certain nombre de passionnés de science des données entreprenants l’ont fait; pour ce look, nous utiliserons un ensemble de données publié sur Kagglé.

Comme pour tout ensemble de données exploratoires, nous devons d’abord comprendre ce qui est à notre disposition. Dans ce noyau Kaggle particulier (un ensemble de données plus code) des 1 000 vidéos les plus tendances au moment de la capture, nous trouvons des mesures de base comme les vues, les commentaires, les partages et les diggs (j’aime). Nous obtenons également des données telles que la musique en cours de lecture, le nom de l’auteur et tout texte d’accompagnement.

La question clé que la plupart des spécialistes du marketing se poseront inévitablement lorsqu’ils envisagent de commencer des analyses comme celle-ci est de savoir quel résultat devrions-nous viser ? D’une manière générale, avec des canaux de médias sociaux comme Tiktok, nos efforts initiaux devraient être basés sur la sensibilisation – amener les gens à voir même notre contenu. Pour cela, il y a deux mesures à considérer. Tout d’abord, nous avons playCount – le nombre de fois qu’un élément de contenu est vu. C’est une mesure utile, décrivant littéralement ce que nous recherchons. Le second est shareCount, qui est le nombre de fois qu’un élément de contenu a été partagé. Si nous voulons que les efforts des médias sociaux soient efficaces sans avoir à dépenser des sommes extraordinaires en budget et en temps, nous avons besoin de l’aide d’autres personnes pour distribuer notre contenu.

Aux fins d’aujourd’hui, utilisons les actions comme objectif. En utilisant des outils de science des données comme IBM Watson Studio ou Dataiku, nous pouvons prendre toutes ces données et demander au logiciel de créer un modèle qui nous indique quelles variables sont les plus corrélées avec le résultat qui nous intéresse :

Ce que nous voyons à partir de cet ensemble de données initial, c’est que les commentaires plus les vues, suivis des commentaires seuls, ont la corrélation la plus élevée avec le résultat qui nous intéresse. Ainsi, si nous produisons du contenu sur Tiktok, nous voudrons peut-être concentrer nos efforts sur l’encouragement des commentaires et voir si cela entraîne une augmentation du nombre de partages, prouvant ainsi la causalité. Après tout, il est tout à fait possible que la causalité inverse existe – quelqu’un la partage, et cela amène les gens à commenter.

Ce qui manque à ces données, c’est l’une des fonctionnalités d’ingénierie les plus sophistiquées qui pourraient mieux guider nos efforts de contenu, comme le sujet ou le sujet de la vidéo elle-même. Parce que Tiktok est encore une plate-forme relativement nouvelle sans données réelles et officielles, nous devons compter sur la collecte des données nous-mêmes et faire ce travail au lieu de les fournir.

Si vous produisez du contenu pour Tiktok, faites-nous savoir comment vous déterminez votre stratégie d’analyse et de contenu dans notre groupe Slack gratuit, Analytics for Marketers !

Méthodologie : Trust Insights a utilisé l’ensemble de données Kaggle Tiktok des 1000 meilleures vidéos tendances fourni par Kaggle. La période de collecte des données est décembre 2020. La date de l’étude est le 10 novembre 2021. Trust Insights est le seul sponsor de l’étude et n’a ni donné ni reçu de compensation pour les données utilisées, au-delà des frais de service applicables aux éditeurs de logiciels, et ne déclare aucune intérêts concurrents.

---

Besoin d’aide avec vos données et analyses marketing ?	Vous pourriez également profiter de :
Obtenez des données, des analyses et des perspectives uniques sur l’analyse, les informations, l’apprentissage automatique, le marketing et l’IA dans la newsletter hebdomadaire Trust Insights, INBOX INSIGHTS. Abonnez-vous maintenant gratuitement ; nouveaux numéros tous les mercredis! Cliquez ici pour vous abonner maintenant “	Vous souhaitez en savoir plus sur les données, les analyses et les informations ? Abonnez-vous à In-Ear Insights, le podcast Trust Insights, avec de nouveaux épisodes de 10 minutes ou moins chaque semaine.