mcpField
T
traffic-analysis

traffic-analysis

github.com/vivy-yiマーケティング・グロース513163 回インストール40 週間前に更新
リポジトリ

traffic-analysis について

小紅書のクリエイター向けに、投稿閲覧数の流入元を分析し、コンテンツ戦略の調整に役立てるスキルです。発見、検索、フォロワー、その他の流入を分け、流入元ごとの質や変化の原因を見ます。

主な機能

  1. 014種類の流入元を分類
  2. 02流入元ごとの割合を算出
  3. 03流入元別に反応と転換を評価
  4. 04直近投稿の流入パターンを分析
  5. 05傾向を追跡し変化を診断
  6. 06流入元別の最適化策を立案

活用シーン

  1. 01投稿閲覧数の急減を調査
  2. 02検索と発見の流入を比較
  3. 03流入元に合わせてタイトルやカバーを調整
  4. 04週次の流入傾向を記録

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/vivy-yi/xiaohongshu-skills --skill traffic-analysis

インストール後、Claude Code で/traffic-analysisを入力して読み込まれたか確認します。

詳細

トラフィック分析(流量分析)

概要

トラフィック分析とは、小紅書のコンテンツビューがどこから発生しているかを体系的に調べることです。クリエイターは、どのトラフィックソースの成果が最も高いかを把握し、リーチとエンゲージメントを最大化するためにコンテンツ戦略を最適化できます。

使用するタイミング

次の場合に使用します:

  • コンテンツビューが予期せず変動する
  • どのトラフィックソースが最も価値があるかを把握する必要がある
  • 特定の集客チャネル向けにコンテンツを最適化する計画を立てる
  • 異なるトラフィックソース間で成果を比較する
  • コンテンツが成功または失敗した理由を診断する
  • コンテンツを見つけてもらいやすくするために投稿戦略を最適化する

次の場合は使用しないでください:

  • アカウントに公開済みコンテンツがない
  • 分単位のリアルタイム監視を行いたい(プラットフォームの分析機能を使用してください)
  • 有料広告の成果を分析したい(専用の広告分析ツールを使用してください)

基本パターン

使用前(トラフィックソースを考慮しない場合):

❌ "My post got 1000 views, good job!"
❌ "Why did views drop? Must be the algorithm"
❌ "All traffic is the same, 100 views = 100 views"

使用後(トラフィックソースに基づく場合):

✅ "Post got 1000 views: 70% from search (high intent), 20% from discovery (broad), 10% from followers (loyal)"
✅ "Views dropped because discovery traffic fell 60%, but search traffic stayed strong - optimize cover for discovery"
✅ "Search traffic converts 3x better than discovery - double down on SEO-optimized titles"

4つのトラフィックソースの枠組み:

  1. 発見ページ(发现页)- アルゴリズムによる表示、幅広いリーチ、コンバージョン率は低め
  2. 検索ページ(搜索页)- ユーザーの意図が明確、ターゲットを絞りやすい、コンバージョン率は高め
  3. フォローページ(关注页)- 既存フォロワー、高いエンゲージメント、ロイヤルなオーディエンス
  4. その他のソース - プロフィールへのアクセス、シェア、外部リンク

クイックリファレンス

トラフィックソース特徴コンバージョン率最適化戦略
発見アルゴリズムによるおすすめ、バイラルの可能性2-4%目を引くカバー、トレンドのトピック
検索ユーザーが検索、具体的な意図6-10%SEOを意識したタイトル、キーワードの最適化
フォロワーロイヤルなオーディエンス、安定した成果10-15%定期的な投稿、コミュニティとの交流
外部シェア、プロフィールへのアクセス変動あり複数プラットフォームでのプロモーション

実装

ステップ 1:トラフィックソースのデータにアクセスする

小紅書クリエイターセンター(無料、標準機能):

  1. クリエイターセンターのアプリを開きます
  2. 次の場所に移動します:数据分析 → 内容数据
  3. 対象の投稿を選択します
  4. 「流量来源」セクションを表示します

千瓜データ(より詳細な分析におすすめ):

  1. 自分のアカウントを検索します
  2. 「内容分析」をクリックします
  3. 各投稿のトラフィックソースの内訳を表示します
  4. データをエクスポートして、Excelで分析します
ステップ 2:トラフィックソースの分布を分析する

各投稿について、次の項目を記録します:

  • 総ビュー数:全体のリーチ
  • 発見経由のトラフィック:おすすめアルゴリズムからのビュー数
  • 検索経由のトラフィック:検索結果からのビュー数
  • フォロワー経由のトラフィック:既存フォロワーからのビュー数
  • その他のトラフィック:プロフィールへのアクセス、シェア、外部からの流入

割合を計算します:

Discovery % = (Discovery views ÷ Total views) × 100
Search % = (Search views ÷ Total views) × 100
Follower % = (Follower views ÷ Total views) × 100
ステップ 3:ソースごとにトラフィックの質を評価する

トラフィックソースごとの主要指標:

  • エンゲージメント率:(いいね + コメント + 保存)÷ ビュー数
  • フォロワーへのコンバージョン率:新規フォロワー数 ÷ ビュー数
  • 保存率:保存数 ÷ ビュー数(コンテンツの価値を示します)

トラフィックの質の評価:

  • 検索トラフィック:通常、エンゲージメントが2~3倍高くなります(ユーザーの意図が明確)
  • フォロワートラフィック:エンゲージメントが最も高く、ロイヤルなユーザーが中心です(エンゲージメント率10~15%)
  • 発見トラフィック:エンゲージメントは低めですが、バイラルの可能性があります(エンゲージメント率2~4%)
  • 外部トラフィック:流入元によって大きく変動します
ステップ 4:トラフィックの傾向を特定する

直近の10~20件の投稿を分析し、傾向を見つけます:

発見経由が多い投稿(発見経由が60%以上):

  • アルゴリズムに適したコンテンツを示します
  • バイラルの可能性がありますが、コンバージョン率は低めです
  • 最適化:カバーを改善し、トレンドのハッシュタグを使用します

検索経由が多い投稿(検索経由が50%以上):

  • SEOやキーワードの最適化が効果的であることを示します
  • より質の高いトラフィックを獲得できます
  • 最適化:キーワードを盛り込んだタイトルや、ニッチなトピックに注力します

フォロワー経由が多い投稿(フォロワー経由が70%以上):

  • 強いコミュニティロイヤルティを示します
  • 成長の可能性は限られます(既存オーディエンスが中心です)
  • 最適化:フォロワー向けコンテンツと、発見されやすさを重視したコンテンツのバランスを取ります
ステップ 5:流入元に応じてコンテンツ戦略を最適化する

ディスカバリー経由の流入の場合:

  • 目を引くカバー画像を使用する
  • トレンドのトピックやハッシュタグを盛り込む
  • ピーク時間帯(午後 7〜9 時)に投稿する
  • 幅広い層に訴求するコンテンツに注力する

検索経由の流入の場合:

  • キーワードを使ってタイトルを最適化する
  • 内容が伝わり、検索されやすい表現を使う
  • ニッチで具体的なトピックに注力する
  • ロングテールの検索語をターゲットにする

フォロワー経由の流入の場合:

  • 一貫した投稿スケジュールを維持する
  • コメントに継続的に対応する
  • シリーズコンテンツを通じてコミュニティを築く
  • フォロワーからのリクエストや質問に答える
ステップ 6:流入元の傾向を追跡する

週次の流入元ログを作成します:

Week | Total Views | Discovery % | Search % | Follower % | Best Source
-----|-------------|-------------|-----------|------------|------------
W1   | 5,000       | 60%         | 25%       | 15%        | Discovery
W2   | 8,000       | 70%         | 20%       | 10%        | Discovery
W3   | 4,000       | 40%         | 40%       | 20%        | Mixed

傾向分析:

  • ディスカバリーの割合が増加していますか?アルゴリズムがコンテンツを評価しています
  • 検索の割合が増加していますか?SEO の最適化が機能しています
  • フォロワーの割合が増加していますか?コミュニティのロイヤルティが高まっています
  • すべて減少していますか?コンテンツの更新が必要かもしれません
ステップ 7:流入の変化を診断する

流入が突然減少しましたか?

  1. どの流入元が減少したかを確認する
  2. ディスカバリーの減少:アルゴリズムが変化した可能性があります。新しい種類のコンテンツを試します
  3. 検索の減少:競合が同じキーワードをターゲットにしている可能性があります。トピックの幅を広げます
  4. フォロワーの減少:投稿頻度やエンゲージメントが低下している可能性があります

流入が突然増加しましたか?

  1. 成果につながった流入元を特定する
  2. その投稿が成功した要因を分析する
  3. 今後のコンテンツにも同じパターンを取り入れる

よくある間違い

間違い原因対策
流入元を無視して、合計閲覧数だけを見る1 つの数値だけを追うほうが簡単常に流入の内訳を分析します。ディスカバリー経由の 1000 回の閲覧 ≠ 検索経由の 1000 回の閲覧
すべての流入に同じ価値があると考えるすべての閲覧が同じようにコンバージョンにつながるわけではない流入元別にエンゲージメントやコンバージョンを追跡します。検索経由のコンバージョン率は 3 倍高い
間違った流入元に向けて最適化する成長ではなく閲覧数を追いかけている持続的な成長には検索経由の流入、バイラルな急増にはディスカバリー経由の流入に注力します
フォロワー経由の流入を軽視する新たな閲覧数にこだわっているロイヤルティの高いフォロワーは安定したエンゲージメントをもたらします。無視してはいけません
流入元の経時的な傾向を追跡しない先を見越さず、問題が起きてから対応している問題が起きる前にパターンを把握できるよう、週次の流入ログを作成します
変化のすべてを「アルゴリズム」のせいにする簡単に責任を転嫁できる特定の流入元を確認します。アルゴリズムが影響するのはディスカバリー経由の流入だけです
ディスカバリーだけを過剰に最適化する可視性は高いが、コンバージョンが低い持続的な成長のために、ディスカバリー(量)と検索(質)のバランスを取ります

実際の効果

事例:ニッチな美容アカウント

  • 変更前:1 投稿あたり平均 2000 回の閲覧。60% がディスカバリー経由で、エンゲージメント率は 3%
  • 分析:検索経由のエンゲージメント率は 8% で、ディスカバリー経由の 2% を上回ることが判明
  • 実施内容:SEO に最適化したタイトルと、キーワードを豊富に含むコンテンツを重視する戦略に変更
  • 変更後:1 投稿あたり平均 3500 回の閲覧。45% が検索経由で、全体のエンゲージメント率は 6.5%
  • 結果:閲覧数が 75% 増加、エンゲージメントが 117% 向上、フォロワー増加が加速

データに基づく知見:

  • 検索経由の流入は、ディスカバリー経由の流入に比べ、フォロワーへのコンバージョン率が 3〜5 倍高い
  • 検索経由の流入が 50% 以上を占める投稿では、フォロワーが 2 倍の速さで増加する
  • ディスカバリーへの依存度が高いアカウント(80% 以上)では、パフォーマンスの変動が大きく、予測しにくい
  • 流入元のバランスが取れている(40-40-20)と、成長が最も安定し、持続しやすい

関連スキル

必須:data-analytics(全体的なデータ分析フレームワーク)を使用してください 必須:data-metrics-understanding(指標の意味を理解する)を使用してください

詳細な分析に推奨:

  • qiangua-data - 高度なトラフィック分析ツールとベンチマーク
  • content-performance-analysis - 各トラフィックソースでどのコンテンツが反響を呼ぶかを分析
  • user-persona-analysis - さまざまなユーザーセグメントがどのようにコンテンツを見つけるかを理解

次のスキルを使用する前に、traffic-analysis を使用してください:

  • content-planning(最適なトラフィックソースにコンテンツを合わせる)
  • title-writing(検索とレコメンドに合わせてタイトルを最適化)
  • cover-design(レコメンドアルゴリズム向けのカバーをデザイン)

関連するトラフィック最適化スキル:

  • algorithm-mechanism(レコメンドアルゴリズムの仕組みを理解)
  • viral-strategy(レコメンドトラフィックでの拡散に向けてコンテンツを最適化)

コメント