做了100+直播间后，我创建了这套保姆级的直播诊断模型

直播诊断这篇文章来源于8月的一张原创导图。

当时被韭菜大师盗去发了抖音，点赞5000+，说明市场对诊断的需求是比较广泛的，因此梳理成文。

这基本涵盖了我对直播间的系统优化方法。

在过去一年多的时间，我用这套方法完成了100+直播间的从0到1。

添加微信号yujielin913，获取原图

很多人对直播间的诊断，习惯考究数据的对比与变化，并借此得出优化的方法。

但我不会，甚至可以说我很少会首先通过数据看问题。

这不是说我个人有多牛逼，而只是表达一个观点：

直播间的主要单位是人，不是机器。

数据只能作证结果，但大部分的问题，注定无法数据化。

 

比如，时间线前后两场的直播，转化率、接流差异巨大。

从数据层面就是哪一场播得不行，但你并不知道主播来了大姨妈。

而在大姨妈面前，你跟主播说啥都没用，不信你去感受下。

知道账号卖什么，一定是账号诊断的第一步。

我对账号诊断的第一步，账号、视频、直播都不看，先看的一定是橱窗，也就是卖什么。

做直播间比较多的人，一看到什么品，脑海里就会浮现对应的直播形式、玩法。

自己有了一定思考后，再去看别人的账号就会顺畅很多。

如果你是一个初级专业选手，那么就去记住这个账号卖什么品类、有哪些货、什么价位，以及对应的画像人群。

缺乏这一步，你就很难理解账号为什么这么做、视频为什么这么拍，哪些行为是错的。

 

熟悉账号的定位，是账号诊断的第二步。

我对账号定位的剖析，来源于两点。

第一，账号定位很重要，它决定了直播账号的框架；

第二，看直播团队有没有做定位的意识与能力。

 

账号定位的拆解分为三部分：

1.账号昵称、头像、描述是否能够塑造一个平面的人设形象。

如果连这个部分都很烂，你能相信Ta其他部分做得多好？

 

2.短视频创作，是否围绕着账号所定位的人设进行创作。

比如霞湖世家是创始人人设，那么大多数产品都是跟企业、品牌、创始人起居、工作有关。

如果是穿搭师人设，那么更多的视频是呈现穿搭教程。

这个部分我称之为人设的双面化。

 

 

3.直播间场景、直播话术的融入。

既然是创始人人设，那么直播间是否体现了品牌的背书，话术当中是否融入品牌的介绍、优势性是否做了展示。

这个部分我称之为人设的立体化。

从这个步骤，我们就能带着货品看问题，也就是我们说的，问题诊断。

比如人设做的不够立体，那么就是账号定位有问题，剩下来的无非就是解决方案。

 

摸排团队的运营，是账号诊断的第三步。

直播的执行是人，人不行，提什么诊断意见都没用。

而且人不行，不用诊断都知道哪里都有问题。

这也是为什么把团队运营的诊断放在前。

很简单，避免花费了大量的精力给直播间做了诊断，但遇到的是一帮优化能力跟不上来的人，或者是一群偷懒的傻X。

所以我的日常就是，遇到无可救药的团队，不做诊断，以免浪费生命。

 

团队运营怎么看？

一看分工，二看经验，三看行为。

第一看直播团队都有谁、有多少人、每个人负责什么事情？

这样你能对团队架构有所了解。

第二是看个体经验。

运营是什么段位，有操盘过什么直播间、主播是新主播还是老主播，播了多久、什么品类，往期数据是多少。

实际上这一步就能预测很多问题，遇到相对有经验的还好，说明摊子不会很烂，遇到一群新手就难说了，内心无比拔凉。

我在6月份接触内蒙的麦禾团队，也就是直播案例“蒙都旗舰店”的公司，内心也是无比拔凉。

但当时为什么我会选择接手？

不是因为对方人傻钱多，而是团队的勤奋。

勤奋到我回到长沙后，看着自己的团队都有点看不起了。

后来，事实证明我的选择没错。

三个月的时间，麦禾已经从当初的月销4000，变成了月销千万的中小型直播团队。

举这个例子的目的，是想对那些要中途接手直播间的伙伴说的，在进行项目分析之前，首先看人。

人看准了，很多事情不过就是解决方案的问题。

 

继续回到第三，也就是看行为。

我对很多直播间的诊断，为什么不先看数据，原因就在这里。

通过与运营、主播的交流，去了解他们的选品逻辑、视频拍摄、直播玩法、投放行为，以及小店管理等各个板块的问题。

选品逻辑：团队是怎么选品的，是否有专门的人员，是否懂跟品、测品？

视频拍摄：为什么会这么拍、每天发多少、数据反馈的情况？

直播玩法：有没有比较统一的直播形式，流程上怎么设计？

投放行为：有没有投放、怎么投放的、大概数据情况？

…

能够通过嘴巴问出来的，就尽量不用靠分析。

问得越多，了解得越多，很多时候他们所做的行为，基本决定了这个直播间会呈现怎样的数据。

通过以上，我们可以得出很多信息：直播间货及选品逻辑、直播间人及结构与分配、直播间运营及直播、短视频、投放、小店等。

如果你是新直播间的操盘手，对如上部分要结合重点去调研。

因为你面临的不是方法问题，而是选择问题。

做正确的选择比努力更重要，别把时间花费在没希望的项目上面。

但，如果是对自身的直播间分析，那么就不是选择问题了，而是方法问题。

 

接下来的部分，是直播间的数据化分析，对于大多数直播间都适用。

直播间的数据诊断，我分为：

流量数据、互动数据、交易数据、投放数据、货品数据、分值数据。

 

流量数据，指的是直播间的整体场观、周期性场观、以及各个流量的来源占比。

对于流量数据的分析，我们能知道近期场观上的变化。

场观是表现，场观出现负面，一定是底部数据出了问题。

比如互动数据、交易数据的持续下降导致，或者是视频质量、投放量级、又或者是口碑分限流等。

至于是哪个部分的变化，要去寻找对应的流量来源。

比如短视频流量代表的是短视频的导流能力，直播推荐则更多挂钩互动、交易指标，而投放流量则更多挂钩的是投放行为。

通过对流量数据的分析，我们就能掌握流量的周期变化，并通过推演不同的流量路径，去得到不同路径的优化方法。

 

互动数据，指的是直播间的停留、互动行为如点赞、评论等。

作为直播间的基础指标，极大影响了直播间的推荐流量。

大多数免费流量的新号，在线、场观无法完成质的突破，一般就是互动数据做得不行。

通过对互动数据的分析，我们可以得出大致的停留、增粉等相关数据。

那么要做的就是两件事：

第一是针对账号本身，做周期性的数据对比，看哪些数据呈现下跌趋势，并在后期重点加强；

第二，就是去流量广场，寻找同品类、同样免费流量的直播间，大致归纳别人的数据标准，并对短板数据补齐。

 

交易数据，指的是用户在直播间产生的交易行为及交易结果。

交易行为包含曝光、购物车点击、商品点击等，这部分的数据查询，可以通过小店内单场直播的数据漏斗查看。

对于这个部分，我们把它叫做转化漏斗分析。

漏斗每个环节的缺失，都会极大影响最终的转化结果。

所以对于诊断来说，就是从整体上分析营销漏斗，查看哪个环节缩窄了，并分析出导致缩窄的原因，并提供解决方案。

而对转化漏斗的分析及解决方案，我做了大量的归因、探寻、及优化测试，同样在八月份做了如下这张原创导图。

具体方法不再列举，后期推文也会单独讲解。

除了交易行为，还有一部分就是交易结果。

交易结果更多指向GMV、UV价值、GPM值等。

但是这些都是结果数据，并不是原因数据。

如果想要解决这些数据的下跌，核心还是要继续回到上述的交易行为。

 

投放数据，指的是针对有投放类型的直播间，需要单独对投放所产生数据进行分析。

投产数据分析，不是单纯地看投产比那么简单，而是需要包含两部分：

第一部分是投产数据分析，第二部分是转化漏斗分析。

投产数据分析，第一落脚点是投产比：当前时段投产比、今日投产比、近3-7天投产比。

通过对不同时间段的投产结合，可以查看账户的整体走势，并为接下来的调整提供方向。

 

投产数据分析，第二落脚点是基于投产比上的单个计划分析。

投产比是所有计划的总和。

为了针对性优化，就需要针对单个计划的数据进行拆解，比如点击率、消耗、转化率、支付/下单比等等。

大多数的数据分析，只有放在计划的所处阶段才有效。

这意味着每条计划都有着自己的生命周期，针对不同生命周期的不同数据优化方法，可详见下图。

而如果去归类大多数账户的数据变化，我们也会发现看似复杂的数据背后，又有着一定的规律变化。

比如下图的八种常见数据，实际上可以归纳出一个相对标准化的解决方法。

 

除了投产数据，第二部分要分析的是漏斗数据。

很多运营容易犯的一个错误，就是错把小店漏斗当作投放漏斗。

众所周知，小店漏斗的流量来源于包含短视频、直播推荐等各个渠道。

如果以小店漏斗作为分析目标，就会出现数据失真的结果，而对于漏斗如何分析，上述内容已经给出了答案。

 

货品数据，指的是针对货品的销售、退款、退货评价等数据进行分析。

销售、评价数据有利于优化直播间的选品、排品策略。

我们以百货直播间为例，不同的货品数据表现都有差异。

直播的本质就是测爆品，那么就需要对销量排前的商品安排更多的排款，而对于长期无人问津的商品则要做淘汰处理。

再举个关于退货的例子。

直播经常可以遇到一些商品，表面上看销售量大，但是当天退款、周期性退货率高。

像这些商品具备极强的隐蔽性，如果不做退货率分析，那么就无法辨别这些商品的有效成交。

而对于数据相对高的品，即便销量很好，也会去做下架处理。

 

数据分析的最后一部分，就是对分值的管理。

分值侧重关注口碑分、体验分、DSR以及信用分。

直播的商品健康度决定了口碑分的高低，而直播的规范性则决定了信用分的高低。

这些数据的查看，有利于运营能够实时跟进直播间的直播状态，并且对直播规范性、商品的规范性做出相应的调整。

而体验分、DSR则是跟小店的销售、商品运营直接挂钩。

运营得好的小店，DSR不会差的情况下，体验分也不会差。

而但凡相关数据出了问题，那么就要重点去查看商品质量、物流、用户体验的运维是否出现漏洞，并进行补救，及时让小店恢复到正常状态，避免直播、投流受到影响。

 

最后针对数据化诊断部分做下总结。

前文述说了直播诊断光数据没用。

即便是数据诊断的部分，很多人的诊断手法也有问题。

问题在哪里？

问题就是，不同的直播间品类、形式，对数据的侧重点是不一样的。

我们经常可以看到两种错误的数据诊断方法。

第一种，拿抖音的整体数据数据去对比被诊断直播间的数据。

这不扯淡吗？

服装的停留时长跟百货的停留时长能一样吗？

第二种，拿行业的整体数据数据去对比被诊断直播间的数据。

我们就举例停留时长跟转化率。

虽然是同一个品类，但一个千川直播间跟一个活动起号直播间，能一样吗？

完全不可能一样。

所以数据诊断有据可依，但要保持的态度就是两个字：灵活。

 

以上的直播诊断，结合了数据、非数据形式，由现象发现问题、从数据验证问题，再由问题推导解决方案，进而形成诊断的闭环。

来源：尹晨带货实录