数据如何指导决策：优酷主客APP播转率的C端优化

一、背景介绍

1. 了解「播转率」及相关业务

优酷是一个综合视频平台，用户到访优酷是为了观看视频。对于平台来说，希望到访的用户都能找到自己想看的内容，收获满意的用户体验，达成后续的留存与持续活跃。

“播转率”这个指标，作为**“播放转化率”**的缩写，描述的是平台DAU里有多大比例产生了播放行为。这个指标之所以重要，在于只有先吸引用户产生播放（起播），才有机会让用户观看更多的时长，以及因为内容产生付费等。从用户型产品的视角来看，“产生播放”是一个核心转化环节（类比于淘宝的“下订单”）。

播转率的影响因素众多，从C端可优化的范围来看，主要在流量分发和用户体验等环节，涉及包括优酷总编室、各频道运营等业务方，和搜索推荐算法、播放技术等产研团队。其中总编室作为平台运营方，统筹站内核心流量资源，协同产研各方重点从内容分发等方向做播转率的优化。

2. 数据驱动在其中的价值

利用数据驱动的思想解决业务问题，其主要价值体现在两个层次：

第一，是在战略上给与方向性指导。包括帮助看清业务现状、诊断业务存在的问题、找到业务的机会重点、论证方向的可行性等。针对“播转率在C端如何做提升优化”这个大的业务目标课题，核心就是要回答：影响播转率的C端重要因素是什么？当前播转率的关键卡点在哪里？能落地的重点优化方向是哪些？

第二，是参与战术上的落地优化。在这个层面需要深入细节，针对具体问题和场景，发挥数据敏感度和专业性，量化的建立策略模型、敏锐的发现优化机会、科学的评估优化效果等。

**本文主要讲述数据侧在第一个层次（数据指导决策）上的工作。**对于在第二个层次上的工作，后面也会单独写文章分享针对播转率优化的具体策略细节。

二、案例详解

1. 从头开始：播转率的严格定义

上面已经说过，播转率的定义是DAU里有多大比例用户产生了播放行为。形式化定义如下：

​其中，PUV指的是“产生有效播放的独立用户数”（played unique visitor）。特别的，我们把研究范围限定在优酷主客户端app（含phone和pad端安装的youku app）。在下面的论述中，我们把主客app的整体播转率称为“全站播转率”。

> 关于播转率的几个关键口径

第一，“用户”实际上是用“设备ID”来区分的（和DAU的逻辑一致），而不是账号或其他口径；

第二，“有效播放”指的是用户看到了视频本身内容的第一帧（由播放日志的play_code编码确定；自动播放作为一种特殊情况，需要观看5秒才算有效播放）；

第三，这里的播放不包含直播这种特殊形式（只包含点播播放）。

2. 首要步骤：指标的多维度拆解

要深入理解任何一个业务指标，无论是要洞察机会点，还是要解释异常波动，从数据角度来说首先要做的都是对指标进行多维度拆解。其思想非常直接而朴素，本质就是“看得更细”。从数据立方体的角度来讲，就是把指标（或称度量）按不同维度进行下钻分析。

要对全站播转率这个指标进行拆解，需要先了解它的特点。第一，宏观上，它是一个比例型复合指标（由PUV和DAU两个简单指标相除得到，且分别在UV粒度上做去重）；第二，微观上，从单用户粒度来说它是一个0-1型指标（要么播放，要么不播放，播放多次与播放一次没有差别）。

基于这些特点和业务经验，我们从“人-货-场”三大方向，选择如下维度对全站播转率进行拆解。

1）人的维度 - 按用户拆

前面已经讲过，播转率是一个UV粒度的指标，其口径是用“设备ID”来标识的；所谓用户维度的划分，本质上是针对设备的（包含基于设备的用户画像）。

用户的划分可以有多种维度，按活跃度可以分为高活、中活、低活等，按设备类型可以分为安卓和IOS等，当然也可以按年龄、性别等画像维度来划分。

这里以最简单的性别维度进行说明。首先，用户群体播转率的定义是明确的：