如何利用视频数据指导TikTok运营

TikTok 是海外版的抖音，是近年来用户增长最快的 APP，现在也陷入可能被收购的风波之中。无论未来 TikTok 走向何方，他未来的商业模式都给人们非常大的想象空间。很多做抖音运营的人，已经开始注意到了 TikTok。执行力强的人，已经开始运营自己的 TikTok 号了。

然而，道阻且长，运营 TikTok 的圈子里，都流传一句话：

没作废过十几个号，你都不好意思说自己做过 TikTok

很多时候，作废号的原因，是因为调研不足。

希望这篇文章能帮你少走一点弯路。

标签（hashtags）是 TikTok 里很重要的功能，几乎所有的视频作者都会为自己的视频打上标签。相信大家也会打开某个标签，然后看此标签下面的视频。但是这样一个个的翻，效率太慢了，而且很不直观。

本篇文章介绍的这个工具，可以根据标签爬取视频数据资料。这些资料包括：视频描述，标签，用户名，用户昵称，粉丝数，总赞数，视频数量，作者 Bio，分享数，观看数，评论数，视频地址，视频长度，创建时间等等。

这个网站的地址是 https://www.tiktokfox.com/hashtags

我来举几个例子，说说可以怎么利用这些数据。

1

一，调查某个类目的总体情况

假设你要新起一个号，确定了方向，但是仅靠网感和大致的判断，可能不准确，或者不知道什么水平算达标。那么可以提取你要做的标签下的前 300 个视频数据，用 Excel 之类的工具，分析它的视频平均时长，赞播比，播放量，转发率，评论数，粉丝数等。

举个例子，通过分析好物号常用标签 #goodstuff 的前 200 个视频，可以知道好物号平均赞播比是 3.3%，那么你的好物号赞播比达到这个水平，就算是及格啦。我自己分析的话，会排除掉头部的账号，这样更有指导意义。

比如我想做一个细分领域 earwax removal kit，那我就搜索这个 #earwax 这个标签。然后通过这些数据，我会更有把握和方向。

如果我把数据下载到本地，则更直观。

2

二，指导运营方向

比如美妆方向的大词 #beauty ，把标签和视频描述一起做词频分析，可以看到原来 lol，Imao，funny 之类的表示搞笑的词汇，出现频率是很高的，那么选取美妆视频的时候，可以多注意那些既是美妆领域，又有点搞笑的视频，爆的概率就大一点。

词频分析的工具很多，有些可以过滤词汇，比如 fyp，I，the 之类的词汇，对我们来说没有意义，大家可以找适合自己的词频分析工具。我常用的是这个，对我来说，简单的统计即可。

http://www.writewords.org.uk/word_count.asp

假设你做着某个领域，有些标签可能是你没有想到，但是别人却在用的，通过这个工具也可以直观的找到。还是以 #earwax 举例，我可能不知道原来 #satisfying 这个标签有那么多人用，但是现在一拉数据就知道了，那我在做号的时候，就会加上这个标签。

3

三，批量提取邮箱

这个网站可以提取某个标签下，作者的 Bio。很多人会把邮箱放在 Bio 里，那么提取这些邮箱，就可以做 EDM 营销了，或者批量联系作者谈合作，谈带货。要知道，如果在手机端操作，你是没办法复制 Bio 的。用这方法联系红人，是不是效率更高呢？说不定还省钱了，不用在红人营销平台充值会员了。

如何提取一大堆复杂字段里的邮箱，网上有很多在线工具。我用的是  http://www.txttool.com/WenBen_RegExpEmail.asp

如果是某个商城需要推广，可以提取那些做宠物号的邮箱，联系他们，毕竟做宠物号的往往还没有变现渠道。如果你想联系联系这些宠物号带货，一样的原理，比如下图就是 #dogsoftiktok 这个标签下的作者邮箱。

4

四，批量解析视频

因为可以提取视频的地址，所以可以批量复制视频地址，然后批量解析，弄成合集，搬运到国内，或者 Facebook，YouTube 等平台。也可以做合辑，做卡点视频，深度剪辑后重新发在 TikTok 上。这个网站也可以解析，但是不支持批量，所以大家还是用国内的解析平台好了。

5

五，使用教程

5.1

搜索框右边的数字表示前 XX 名的视频的数据，默认是前 20，可以选择最多前 300。如果搜索不出来，可能是因为用的人多，线路冲突了，多试几次。如果前 300 名一直搜索失败，可能是因为读取第 200-300 名的某个点被 TikTok 识别出来给 Ban 了，此时换成前 200 名基本没问题。

5.2

搜索结果可以下载，提供 CSV 和 JSON 这两个格式。建议你们下载 JSON 文件，然后在 https://json-csv.com/ 这个网站转化为格式正确的 CSV。

5.3

文件和网站里的数据，排行顺序都是按照点赞数降序排列。

5.4

数据文件有些术语可能大家不清楚是什么意思，我这里做了一个术语表。