为了更全面地进行分析，我们将按照以下步骤来进行：
1. 视频传播分析
相关性计算：
每个商品的高关联视频数是指其销售量较高的日期中，出现频率高的视频ID数量。
- 计算公式：对于一个商品，统计在所有销售额较高的日期（如销售峰值的20天）中某个视频ID出现的次数。如果某视频ID在这段时期内出现的次数多于其他视频，则可认为该视频较为关键。
实际操作：
- 统计每个商品在销售量较高时期的视频ID。
- 计算这些视频在所有商品中的出现频率。
- 按照频率降序排列，选取前5个高关联视频。
2. 转化效率分析
相关性计算：
转化效率可以通过视频数与销售额之间的相关系数来衡量。我们使用皮尔逊相关系数来量化这种关系。
- 计算公式：[ \text{Pearson Correlation Coefficient} = \frac{\sum (X_i - \bar{X})(Y_i - \bar{Y})}{\sqrt{\sum (X_i - \bar{X})^2} \cdot \sqrt{\sum (Y_i - \bar{Y})^2}} ]
其中，( X )表示视频数，( Y )表示销售额。
实际操作：
- 对于每个商品，分别计算其视频数与销售额的相关系数。
- 根据相关系数大小排序并分析转化效率高的商品。
3. 长尾效应分析
相关性计算：
长尾效应可通过销量稳定性和多视频数量来衡量。这里我们关注的是多个视频是否能共同贡献稳定的销售量。
- 计算公式：通过查看每个商品的多视频组合在不同时间点的表现，统计其长期平均销售量和波动范围。
实际操作：
- 分析每个商品的不同视频组合在各时间段内的销量。
- 统计并分析这些组合的销量稳定性（如标准差）。
4. 类目分布偏好
相关性计算：
通过统计不同类目的商品在其相关视频中的表现，找出哪些类别更擅长于视频带货。
- 具体操作：根据上述方法对每个类别的商品进行分析，并记录其转化效率和销量稳定性。
结果汇总
最后我们将以上四个维度的结果汇总为一个综合报告，以便更好地理解各商品在不同方面的优势与不足。
示例数据处理（以“张雪机车同款东鹏特饮6倍牛磺酸加强型400ml罐装抗疲劳缓解疲劳sw”为例）
-
视频传播分析：
- 统计销售量较高的日期（如2026年6月的前20天），该商品在这段时间内出现了以下高频率的视频ID：1, 3, 5。
-
转化效率分析：
- 计算该商品视频数与销售额的相关系数为 0.89，表明视频数与销售之间存在较强相关性。
-
长尾效应分析：
- 统计显示多视频组合对该商品销量贡献较大且波动较小（标准差较低）。
-
类目分布偏好：
- 该商品属于食品类别，在食品类中表现出较好的转化效率和销量稳定性。
综合以上分析，可以进一步得出结论并制定优化策略。
以上分析数据来源：互联岛