智能家居feed流推荐榜2026-04-24日榜

引流效率分析

1. 短视频引流占比与销售额的相关性
   • 观察前10个最高销售额（或最多订单量）的直播间，检查它们的短视频引流占比。
   • 如果这些高销售额直播间的短视频引流占比较高，则说明短视频确实有助于提高成交效率。

头部效应分析

2. TOP3直播的引流人次占比
   • 总共有50个直播间，其中前3名直播间的总引流人次是多少？
   • 前3名直播间总的引流人次占全部直播间引流人次的比例。
   • 如果比例较高，则说明头部直播间对于整体引流效果有显著贡献。

类目特征分析

3. 高引流占比直播的带货类目分布
   • 统计前10个最高短视频引流占比的直播间，记录它们主要销售的产品类别（如女装、食品等）。
   • 分析这些高频引流直播间是否集中在某些特定品类上。

粉丝体量分析

4. 粉丝数与引流能力的关系
   • 比较不同粉丝数量级别的直播间（如10万以下、10-50万、50万以上等）的短视频引流占比。
   • 如果发现高粉丝量级的直播间短视频引流占比更高，则说明粉丝体量确实对引流有一定影响。

具体数据分析步骤

1. 计算各直播间的视频引流占比

   def calculate_video引流_ratio(total_views, video_views):
       return (video_views / total_views) * 100
   

2. 筛选前10个高销售额直播间并统计其短视频引流占比

   high_sales_top = sorted(data, key=lambda x: -x['销售额'])[:10]
   high_sales_video_ratio = [calculate_video引流_ratio(item['总观看量'], item['视频观看量']) for item in high_sales_top]
   

3. 计算TOP3直播的引流人次占比

   top_3_total_views = sum([item['总观看量'] for item in data[:3]])
   total_views_all = sum([item['总观看量'] for item in data])
   top_3_percentage = (top_3_total_views / total_views_all) * 100
   

4. 统计高引流占比直播间的产品类别

   high_video_ratio_items = sorted(data, key=lambda x: -x['短视频引流占比'])[:10]
   categories = [item['带货类目'] for item in high_video_ratio_items]
   

5. 分析不同粉丝量级的引流效果

   def group_by_fans_range(fan_counts):
       groups = {'<10w': 0, '10-50w': 0, '>50w': 0}
       for fan in fan_counts:
           if fan < 100000:
               groups['<10w'] += 1
           elif fan >= 100000 and fan < 500000:
               groups['10-50w'] += 1
           else:
               groups['>50w'] += 1
       return groups
   
   fans_groups = group_by_fans_range([item['粉丝数'] for item in data])
   

通过以上步骤，可以具体分析短视频引流与带货效果之间的关系。希望这些数据可以帮助你更好地理解不同因素对直播间的引流效果的影响。

以上分析数据来源：互联岛