SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场drama-retention-analyzer

drama-retention-analyzer

数据与分析

查看项目

更新于 10-16 04:47

技能介绍

用途

drama-retention-analyzer 用于对短剧（竖屏短剧、小程序剧、竖屏微短剧）进行留存分析。它把留存拆解为五层漏斗并结合分层归因（流量／内容／产品／变现），以定位留存问题的拐点，输出可执行策略。核心结论优先，按需下钻。目标角色为短剧运营经理、数据分析师、内容制作人。

主要能力

五层核心漏斗（默认执行）

按层检查：获客 → 开场 → 观看 → 付费 → 长期。必须从流量层开始，以避免把流量问题误判为内容问题。

  • 第一层 流量：判断留存问题是流量问题还是内容问题。关键指标包括曝光点击率、起播率、E1 完播率、D1 留存、当日跨剧观看率（短剧脱敏指标）。
  • 第二层 开场：验证前三集钩子有效性。关键指标包括 E1 完播率、E2 完播率、三集留存。
  • 第三层 剧情：精确定位流失拐点（最关键）。关键指标包括单集完播率、单集流失率、分段留存率（开场／中段／付费墙／付费墙后／大结局）。
  • 第四层 商业化与产品：检测非内容导致的留存损失。关键指标包括付费墙触发位置、广告频次、剧集中途退出率、崩溃率。
  • 第五层 长期：评估单剧的平台长期价值。关键指标包括全剧留存、7 日重看率、30 日回访率、7 日用户再激活率、跨剧转化率。

五个可选下钻维度（第二阶段，按需）

在第一阶段核心分析完成后，根据用户选择展开：

  • 维度 A 用户分群深度：分群三集留存差异、付费路径留存差异。
  • 维度 B 时间动态：D1→D7→D30 衰减曲线、更新日与断更日留存。
  • 维度 C 社交／传播：分享→新观众→三集留存漏斗、弹幕密度相关性。
  • 维度 D 同题材对比：同题材 Top5 基准留存曲线、题材契合度评分。
  • 维度 E ROI／商业化闭环：LTV/CAC、完整付费漏斗、ARPU 与留存悖论。

使用方式

前置条件

必需工具为 ae-cli（6.0.42，ThinkingData 命令行工具），使用前需安装并完成认证。关键命令包括：

  • ae-cli team +list-projects — 发现项目 ID
  • ae-cli analysis-meta event list --project-id <pid> — 列出事件
  • ae-cli analysis-meta event get --project-id <pid> --event-name <name> — 获取事件属性
  • ae-cli analysis filter-value list --project-id <pid> --property-name <prop> --table-type event --event-name <name> --search-prefix <keyword> — 搜索剧名
  • ae-cli analysis adhoc run --model-type sql --project-id <pid> --definition '<sql_json>' — 运行 SQL 查询（推荐路径）
  • ae-cli analysis adhoc export --model-type sql --project-id <pid> --definition '<sql_json>' — 导出大数据（异步）
  • ae-cli auth status — 检查认证状态

可选工具为 sql-query-interface，可直接访问 v_event_<pid> 作为 ae-cli 的替代，需要读取权限（分区列 $part_date）以及 Presto/Trino 兼容的 SQL 方言。

两阶段工作流

第一阶段——核心分析（默认执行），目标是快速交付核心结论与下钻选项：

  • 步骤 0 验证 ae-cli 环境（不可跳过）：检查安装与版本、认证状态、发现可用项目、探测项目可达性并自动匹配事件名。任一步验证失败则尝试 SQL 兜底；两者均不可用时必须停止，明确告知用户，不得用训练数据编造分析结果。若无法程序化取数但用户能手动导出符合契约的数据（含 user_id、episode_number/episode_id、play_duration、event_time 的 CSV／表格），可接受手动导出并在本地聚合，报告中标注“数据来源：手动导出”。
  • 步骤 1 收集必要信息（3 项）：项目 ID、剧名／剧集 ID、剧集类型。缺少剧名／剧集 ID 或类型时必须向用户询问，不得自行浏览或列出项目内剧集列表替代。时间范围也需收集。
  • 步骤 2 数据访问与校验：确认剧集类型后加载对应阈值参数；复用步骤 0.4 自动匹配的事件名；校验必要属性；执行数据质量校验（含低样本检查与合成数据合理性检查），记录数据缺口并标注受影响的分析层；对剧集类型进行交叉校验。
  • 步骤 3 执行五层核心分析：按顺序执行（必须从流量层开始）。采用动态规则加载策略，不预先加载全部规则，仅在触发条件匹配时加载对应规则段，减少上下文负载。多个规则匹配时执行复合诊断。
  • 步骤 4 输出第一阶段核心报告：1 页核心报告，含核心 TOP5 指标看板、剧集健康标签、最大流失剧集 Top3、一句话结论，以及报告末尾的下钻选项菜单。因数据缺口无法执行的下钻选项应标注“⚠️ 数据不可用”。

第二阶段——可选下钻（用户选择后执行）：复用已有五层分析数据，仅查询所选维度的增量数据，按对应报告模板输出。

注意事项

  • ae-cli 已知输出怪癖：在 JSON 输出前会打印一行 [ae-cli] dispatching...，管道传给 JSON 解析器时需剥离非 JSON 前缀行（找到以 { 或 [ 开头的第一行）。
  • 时区偏移：部分项目会以 PROJECT_TZ_DISABLED 拒绝 --zone-offset，可省略该参数或传 99 使用本地时间模式。
  • SQL 安全：将用户提供的值（剧名、video_id、剧集编号）插值到 SQL 模板时，始终使用单引号字符串字面量，并将内嵌单引号双写（''）转义，绝不直接拼接原始用户输入，以防通过 --definition JSON 载荷发生 SQL 注入。

激活触发词

短剧留存分析、短剧流失分析、微短剧留存、短剧最大流失剧集、短剧单集完播率、短剧 ROI 分析、短剧前后对比、短剧漏斗分析、短剧单集流失率、短剧留存基准。

适用场景

适用行业为短剧（竖屏短剧、小程序剧、竖屏微短剧）。适合短剧运营经理、数据分析师、内容制作人用于定位留存拐点与制定优化策略，并可基于用户选择做分群、时间动态、社交传播、同题材对比和 ROI 等扩展分析。

限制

  • 不适用于长剧／影视留存分析（五层漏斗模型与阈值仅针对短剧校准）。
  • 不适用于游戏、电商复购或其他非短剧内容的留存分析。
  • 不适用于既无 ThinkingData／ae-cli 数据源、用户也无法提供手动数据的纯咨询场景。
  • 关于收费、价格等商业条款，资料暂未提供。