前两天我一个小群里有个讨论，观察了下觉得挺有意思的，于是拿出来展开聊聊。
针对这个问题，你会选哪个答案?
问题先留在这，后面我再讲讲我的一些逻辑和观点。
现在很多人都刷抖音，作为一款日活跃用户7亿的产品，它已经成了继 QQ、微信之后的又一流量阵地。
我每天闲下来的时候也刷抖音，除了看一些有意思的内容，也会观察这些不同的内容和抖音号的运营策略。
先说几个大家都能直观看到的数据，分别是粉丝数、点赞总数、单条视频的点赞数、评论数以及转发量。这些，都可以在账号首页和单条视频页看到。
可能很多人会第一直觉关注粉丝数，觉得这是衡量一个账号价值的最大参考因素。
确实，在流量平台上，粉丝数决定一切。
但是，还有几个数据也能反映一个账号的质量和价值。
第一个，粉赞比（粉丝数/获赞总数）。
这个数据没有直观显示出来，但可以在不同账号主页根据粉丝数和获赞总数进行计算。
这个数据可以反映出该账号和内容的整体吸粉能力。
简单说，在同等获赞数的情况下，粉丝数越多，则吸粉能力更强。
举个例子，我关注的两个汽车类头部账号「猴哥说车」和「小刚学长」，他们的粉丝总数分别为3602万和1438万，获赞总数分别为3.3亿和2.4亿。
按照粉赞比的计算公式，「猴哥说车」的数据是11%，而「小刚学长」的是6%，接近一倍的差距。
也就是说，从内容和账号本身的吸粉能力来说，「猴哥说车」是更强的。
还原到用户行为上，用户先是看了内容，然后觉得不错，进而点赞，因此对后续的内容产生期待，从而关注了账号。
按照这个行为路径，可以看出不同账号的人设、内容定位、内容形态都会对数据结果造成影响。单独看这两个汽车类账号，也能看到比较大的不同。
那11% 的数据算强么?
不算!别看「猴哥说车」绝对粉丝数很大，但吸粉能力还真没那么强。
再给你们看下罗老师的粉赞比。
罗老师现在总共1798万粉丝，获赞总数3444万，比值达到了惊人的52%。
这个数据，放在抖音全站应该都是算很高的。所以，罗老师的粉丝号召力还是杠杠的，不愧是国内第一代网红。
第二个，赞评比（点赞数/评论数）。
这个数据是针对单条视频而言的，同样没有显性化出来，但却是评价一个视频内容质量的关键数据。
赞评比越高，视频内容的互动能力越强，进入抖音推荐池的层级就会越高，成为爆款视频的潜力越强。
我们还是看一个例子，两条视频，一个是讲超级地球的存在，另一个是讲热门音乐的。
前者点赞数3.3万，评论数1.2万，赞评比36%。后者点赞数7.8万，评论数1212，赞评比1.5%。
可以看出，二者的差距非常巨大。
但如果只看点赞数，热门音乐的视频更高，是超级地球的两倍多，但评论数的差距就有10倍。
很显然，这种差距是内容导致的用户行为差异。
首先，从点赞数来看，热门音乐的播放量肯定是比超级地球高的。
高曝光量意味着点赞数也会更高，而且这是个递进程序。点赞的人越多，抖音就会把你放入下一个更大的流量池。
其次，从评论数来看，超级地球的视频更能引起观众的共鸣，引发他们的好奇和讨论。
而对于热门音乐来说，听完觉得不错点个赞就结束了，并不会引发更多的探讨和表达。
所以你看，内容的差异会导致用户行为的差异，用户行为的不同全部都会反应在数据上。
单看这两个视频，如果你是抖音的算法产品经理，你会更倾向于送谁上热门?
第三个，完播率（看完视频的人数/视频播放总次数）。
这个数据可以在后台看到，反应的是视频内容的吸引力，完播率越高，说明大家对内容越感兴趣。
但是，完播率和视频时长也有关系。一个15秒的视频和一个15分钟视频的完播率没有可比性。
此外，完播率也可以作假。比如你发布一个几秒钟的视频，可能相比传统15秒的视频来说，前者的完播率就很高，所以这种单纯完播率就没有可参考性。
回到前面的问题，衡量短视频运营的核心数据是什么?是点赞数?是评论数?是转发量?是完播率?
其实，都不是。
单一的数据指标都没法反映整体情况。
正如前面所说，不同的数据值反映的是视频内容的不同表现，只有综合起来看并且设置一定的评比条件，才能得出一个相对综合的结果。
所以，抖音算法的目的就在于此。
算法从纷繁复杂的内容和他们差异化的数据中通过算法计算出推荐值，并且划分不同的流量池，谁表现好，谁就能进入更高的流量池。
这些规则都会体现在运营者的行为上，比如引导点赞、引导评论。包括视频一开始就抛出一个梗，目的都是为了引导你看完（完播率）。
大家的目的很简单，从多方面提升视频的数据表现，进而获得进入抖音高流量池的资格。
数据能让你从不同的角度看待问题，有些事，并不是表面上看起来那么简单。
这么看，数据是不是挺有意思的?
最后，常规推荐。这里介绍一个拉勾推出的提升数据基础知识、工具方法、实战能力的学习训练营。有需求的同学可以进一步学习一下，还是挺有帮助的。
比较建议对数据无感的同学以及缺乏基础技术认知的同学学习。
这里面既包括了数据基础知识，也包括了 Python、MySQL、Tableau 等工具使用，同时也囊括了一些数据挖掘、分析、可视化的真实案例讲解。
下面是一份学习大纲，同时也是一份比较全面的知识手册和学习清单，你也可以保存下来查漏补缺。
之前我也推荐过拉勾的一些学习资料，一些读者学完后的反馈还不错。
他们的实战项目都来自大厂一线，模拟即实战。此外，他们做招聘起家，背靠企业资源比较多，学完后有直接内推福利，还有就业协议保障。
