content-performance-analysis

コンテンツパフォーマンス分析（内容效果分析）

概要

コンテンツパフォーマンス分析とは、個々の投稿とコンテンツ全体のポートフォリオを体系的に評価し、成功パターンを特定して、オーディエンスに響く内容を理解し、コンテンツ戦略についてデータに基づいた意思決定を行うことです。

使用するタイミング

以下の場合に使用します：

• 投稿のパフォーマンスに一貫性がない、または予測できない
• 特定のコンテンツがバズった理由を理解する必要がある
• パフォーマンスの高いコンテンツに見られるパターンを特定する
• 改善が必要なパフォーマンスの低いコンテンツを見つける
• 異なるコンテンツ形式（カルーセル、動画、単一画像）を比較する
• 注力するコンテンツの種類を決める
• 過去のパフォーマンスに基づいてコンテンツの最適化を計画する

以下の場合は使用しないでください：

• 公開済みの投稿が5件未満である（データが不十分です）
• 最初の数時間のリアルタイムパフォーマンスを調べる（3～7日待ってください）
• 有料広告のパフォーマンスを分析する（広告分析ツールを使用してください）

基本パターン

分析前（効果があるものを推測）：

❌ "This post should do well, I worked hard on it"
❌ "I don't know why this post went viral, lucky I guess"
❌ "All my content is pretty similar, performance is random"

分析後（データに基づくコンテンツの知見）：

✅ "Top 5 posts all use carousel format with before/after structure"
✅ "Posts with question titles get 2.3x more comments than statement titles"
✅ "Video content underperforms images - shift strategy to graphic content"
✅ "Posts published on Tuesday outperform Sunday by 40%"

3つの分析軸のフレームワーク：

1. エンゲージメントデータ - いいね、コメント、シェア、保存（オーディエンスの反応）
2. 成長データ - 新規フォロワー、プロフィール訪問（コンバージョンへの影響）
3. 拡散データ - 露出、検索流入（リーチとアルゴリズムからの優遇）

クイックリファレンス

指標	明らかになること	良好なベンチマーク	分析方法
エンゲージメント率	コンテンツの共感度	平均8～12%	(いいね+コメント+シェア+保存)÷閲覧数×100
保存率	コンテンツの価値・再利用性	3～5%が良好	保存数÷閲覧数×100
コメント率	議論の活発さ	平均2～4%	コメント数÷閲覧数×100
フォロワー転換率	コンテンツからファンへの転換	1～3%	新規フォロワー数÷閲覧数×100
バズスコア	アルゴリズムからの優遇	閲覧数÷フォロワー数	>10 = バズ

実装

ステップ1：投稿のパフォーマンスデータを収集する

小紅書クリエイターセンターから：

1. クリエイターセンター → 内容データを開きます
2. 期間を選択します（過去30日間を推奨）
3. 各投稿のデータをエクスポートするか、手動で記録します：
   • タイトル
   • コンテンツ形式（画像・動画・カルーセル）
   • 公開日時
   • 閲覧数（浏览量）
   • いいね数（点赞数）
   • コメント数（评论数）
   • シェア数（转发数）
   • 保存数（收藏数）
   • 獲得した新規フォロワー数

千瓜データから（効率化のため推奨）：

1. アカウント分析 → コンテンツパフォーマンス
2. すべての投稿と指標をExcelにエクスポートします
3. さまざまな指標で並べ替えて、パターンを特定します

ステップ2：主要業績評価指標を計算する

各投稿について、以下を計算します：

エンゲージメント率：

Engagement Rate = (Likes + Comments + Shares + Saves) ÷ Views × 100

• 非常に優秀：>15%
• 良好：8～15%
• 平均：5～8%
• 平均以下：<5%

保存率（コンテンツの価値）：

Save Rate = Saves ÷ Views × 100

• 非常に優秀：>7%
• 良好：4～7%
• 平均：2～4%
• 低い：<2%

コメント率（エンゲージメントの深さ）：

Comment Rate = Comments ÷ Views × 100

• 非常に優秀：>5%
• 良好：3～5%
• 平均：1～3%
• 低い：<1%

バズスコア：

Viral Score = Views ÷ Follower Count

• バズ：>10（既存オーディエンスの10倍を超えるリーチを獲得）
• 高パフォーマンス：5～10
• 想定どおりのパフォーマンス：1～5
• パフォーマンス不足：<1

ステップ3：パフォーマンスの高いコンテンツと低いコンテンツを特定する

パフォーマンスの高い投稿（直近10～20件を分析）：

1. エンゲージメント率で並べ替え、上位5件を特定します
2. バズスコアで並べ替え、上位5件を特定します
3. 保存率で並べ替え、上位5件を特定します

パフォーマンスの低い投稿：

1. エンゲージメント率で並べ替え、下位5件を特定します
2. バズスコア <1 の投稿（既存オーディエンスに対して期待を下回った投稿）を特定します

ステップ 4：人気コンテンツから成功パターンを抽出する

上位 5 件の投稿を分析し、共通するパターンを特定します。

コンテンツ形式のパターン：

• 画像 1 枚、カルーセル、動画のいずれか
• カルーセルのスライド数（3～5 枚が最適）
• 動画の長さ（60 秒未満が最適）

コンテンツ構成のパターン：

• フック／導入のスタイル（質問、断定文、ビフォー／アフター）
• メインコンテンツの構成（リスト、チュートリアル、ストーリー、比較）
• CTA の有無と種類

タイトルのパターン：

• 質問形式か断定文か
• 長さ（短いか長いか）
• キーワードの使い方
• 感情に訴える要素（好奇心、緊急性、メリット）

ビジュアルのパターン：

• カバーデザインのスタイル
• 配色
• テキストオーバーレイの有無
• 人物の有無と、製品のみの構成との比較

トピックのパターン：

• コンテンツカテゴリ（教育、エンターテインメント、インスピレーション）
• 具体的なサブトピック
• ターゲットとするオーディエンス層

投稿タイミングのパターン：

• 曜日
• 時間帯
• 季節との関連性

調査結果を記録します：

Pattern: Carousel format
- Frequency in top 5: 4/5 posts (80%)
- Average engagement: 14.2%
- Common structure: Before/after transformation

Pattern: Question-based titles
- Frequency in top 5: 3/5 posts (60%)
- Average engagement: 13.8%
- Comment rate: 4.1% (above average)

ステップ 5：パフォーマンスの低いコンテンツを診断する

下位 5 件の投稿について、次の点を分析します。

コンテンツの品質に関する問題：

• 制作価値が低い（画像の質が低い、照明が悪い）
• 提供価値が明確でない
• メッセージが弱い、または分かりにくい
• 詳細や深さが不十分

コンテンツ形式に関する問題：

• トピックに適さない形式（例：複雑なトピックを画像 1 枚で伝えている）
• カルーセルの長さが適切でない（短すぎる、または長すぎる）
• 動画の長さに関する問題（長すぎる、導入が退屈）

タイトルとカバーに関する問題：

• 魅力のないカバー（CTR が低い）
• 分かりにくい、または魅力のないタイトル
• タイトルとコンテンツが一致していない
• 検索向けのキーワードが不足している

ターゲティングに関する問題：

• オーディエンスに対してコンテンツの範囲が広すぎる、または狭すぎる
• ブランドイメージに合わない、またはニッチな分野との関連性がない
• オーディエンスの悩みを捉えられていない

投稿タイミングに関する問題：

• トラフィックの少ない時間帯に投稿している
• 大規模なイベントや祝日と競合している
• 季節との関連性が合っていない

パフォーマンスの低い投稿の種類ごとに改善計画を作成します：

Issue: Low CTR on single-image posts
Diagnosis: Covers lack visual hook, text-only, no face
Fix: Add face, use before/after format, bold overlay text
Test: Create 3 new posts with improved covers, measure CTR improvement

ステップ 6：コンテンツのパフォーマンスマトリクスを作成する

コンテンツの種類ごとのパフォーマンスを可視化するマトリクスを作成します。

Content Type | Avg Engagement | Avg Viral Score | Post Count | Verdict
-------------|----------------|-----------------|------------|--------
Carousel     | 12.4%          | 6.2             | 8          | ⭐⭐⭐ Primary
Video        | 7.8%           | 3.1             | 5          | ⭐⭐ Secondary
Single Image | 9.2%           | 4.5             | 7          | ⭐⭐ Secondary

戦略上の判断：

• 主要形式（⭐⭐⭐）：コンテンツの 60～70% に使用します
• 副次形式（⭐⭐）：コンテンツの 20～30% に使用します
• 廃止する形式：段階的に廃止するか、大幅に改善します

ステップ 7：再現可能なコンテンツの型を作成する

パフォーマンスの高い投稿をもとに、実績のあるコンテンツの型を 3～5 個作成します。

型 1：問題解決型チュートリアル

• 形式：5 枚のスライドからなるカルーセル
• タイトル：質問形式（「X でお困りですか？」）
• 構成：問題 → 解決策 → 手順 → 結果 → CTA
• パフォーマンス：エンゲージメント率 14.2%、バイラルスコア 8.3
• 最適な用途：教育コンテンツ、ハウツートピック

型 2：ビフォー／アフターの変化

• 形式：3 枚のスライドからなるカルーセル
• タイトル：メリット重視（「Y 日で X を達成した方法」）
• 構成：ビフォー → プロセス → アフター
• パフォーマンス：エンゲージメント率 15.8%、バイラルスコア 12.1
• 最適な用途：変化を扱うトピック、成果の紹介

型 3：リスト形式のヒント

• 形式：4～6 枚のスライドからなるカルーセル
• タイトル：数字を含む形式（「X のための 7 つのヒント」）
• 構成：フック → 7 つのヒント（各スライドに 1 つ）→ まとめ → CTA
• パフォーマンス：エンゲージメント率 11.3%、バイラルスコア 5.7
• 最適な用途：ヒントの共有、手軽に価値を提供するコンテンツ

型の活用方法：

• コンテンツカレンダーの作成
• 一貫性の維持
• コンテンツ制作の拡大
• パフォーマンスの予測

ステップ 8：時間の経過に伴うパフォーマンスの傾向を追跡する

週ごとのコンテンツパフォーマンス記録を作成します。

Week | Posts | Avg Engagement | Top Format | Viral Hits | Insights
-----|-------|----------------|------------|------------|----------
W1   | 4     | 9.2%           | Carousel   | 1          | Carousels outperforming
W2   | 5     | 10.5%          | Video      | 2          | Video improvement working
W3   | 3     | 12.8%          | Carousel   | 1          | Question titles boosting comments

傾向の分析：

• エンゲージメント率が上昇していますか？コンテンツ戦略が機能しています。
• 安定して成果を上げている形式がありますか？その形式にさらに注力します。
• バイラル投稿が増えていますか？アルゴリズムが改善を後押ししています。
• 常に成果の良い特定のトピックがありますか？シリーズを作成します。

よくある間違い

間違い	原因	対策
閲覧数だけでコンテンツを評価する	閲覧数は見栄えだけの指標です	エンゲージメント率と保存数に注目します。これらは本当の反響を示します
投稿後すぐに分析する（最初の24時間）	初期データは誤解を招きます	分析する前に、投稿のパフォーマンスが出そろうまで3～7日待ちます
オーディエンス規模の異なる投稿を比較する	公平な比較になりません	公平に比較するため、実数ではなくエンゲージメント率（％）を使います
外れ値となる投稿（バズ投稿）を無視する	まぐれだと思い込んでしまいます	バズ投稿を詳しく分析します。そこには貴重な洞察が含まれています
戦略を頻繁に変更する	成長が遅いことに焦ってしまいます	戦略を変更する前に、10件以上の投稿からデータを集めます
平均値だけに注目する	平均値ではパターンが見えません	上位／下位20％を確認し、成功／失敗のパターンを抽出します
コンテンツ形式ごとに追跡しない	形式ごとの洞察を見逃します	常に形式ごとに分析します（カルーセル、動画、単一画像など）
保存率を無視する	保存数は長期的な成功を予測します	保存率が高いコンテンツは、継続的なトラフィックを生むエバーグリーンコンテンツです
1つの指標を最適化しすぎる	戦略のバランスが崩れます	エンゲージメント（いいね）、価値（保存）、成長（フォロワー）のバランスを取ります
成功の法則を記録しない	試行錯誤を繰り返すことになります	実績のある法則を3～5個作り、一貫して再利用します

実際の効果

事例：ファッションアカウントの立て直し

• 改善前：平均エンゲージメント率6.8％、パフォーマンスが不安定、明確なコンテンツの方向性なし
• 分析：ビフォー／アフター構成のカルーセルは平均エンゲージメント率14.5％で、単一画像の5.2％を上回ることを発見
• 施策：実績のある法則を使い、コンテンツの80％をカルーセル形式に移行
• 30日後：平均エンゲージメント率11.2％（＋65％）、フォロワー増加率は2倍、3件のバズ投稿
• 重要な洞察：コンテンツ形式は制作の質よりも重要です

データに裏付けられた洞察：

• コンテンツの法則を記録して再利用するアカウントは、3倍速く成長します
• 実績のある形式に従った投稿は、実験的なコンテンツを70％の確率で上回ります
• 保存率が高いコンテンツ（保存率7％超）は、30日以上にわたって閲覧され続けます
• 成績上位のコンテンツは、多くの場合、予測可能な5つの構成のいずれかに従っています
• 成績下位の投稿を分析すると、成績上位の投稿を分析した場合と同じほど多くのことが分かります

関連スキル

必須：data-analytics（全般的なデータ分析フレームワーク）を使用 必須：data-metrics-understanding（指標を理解する）を使用

より深い分析におすすめ：

• traffic-analysis - 最も高いコンテンツパフォーマンスにつながるトラフィックソースを分析します
• content-planning - 洞察を今後のコンテンツ計画に活用します
• viral-strategy - バズる可能性を高めるようコンテンツを最適化します

次のスキルを使う前にcontent-performance-analysisを使用：

• content-planning（実績のあるコンテンツの法則に計画を合わせます）
• cover-design（成績上位のパターンに基づいてカバーをデザインします）
• title-writing（成功したパターンを使ってタイトルを書きます）
• graphic-content-creation / short-video-production（成果の出る形式でコンテンツを作成します）

背景情報を提供するスキル：

• account-positioning（コンテンツがポジショニングに沿っていることを確認します）
• persona-building（コンテンツ全体で一貫したトーンを保ちます）