TikTok达人数据每周看什么指标：不是看GMV，是看异常信号
团队规模化合作达人后，每周看达人数据是固定动作，但很多团队看数据的方式是"打开数据后台扫一眼GMV和销量，差不多就行"。这种看法的问题是没有结构——看完不知道哪些达人表现好、哪些需要介入、哪些应该淘汰，等于没看。每周看达人数据的核心不是看GMV这个结果指标，是看异常信号这个过程指标——哪些达人数据偏离了自己历史平均、哪些达人数据在行业benchmark里偏低、哪些数据趋势在恶化需要在变成损失前介入。每周看数据的目的是发现问题，不是确认结果。
先说一个反直觉判断：每周看数据不要从GMV开始看。GMV是滞后指标——这周GMV低说明上周内容或达人选择出了问题，但问题已经发生，本周看GMV只能确认损失不能挽回。每周看数据的正确顺序是从过程指标开始看——内容发布及时率、内容完播率趋势、互动率变化、达人响应速度，这些过程指标能提前预警下周GMV可能出问题，在损失发生前介入。结果指标（GMV、转化率）每周看一次用于复盘，过程指标每周看两到三次用于预警，两类指标分工不同。
每周必看的5个核心指标
每周看达人数据建议固定看5个核心指标，不要贪多看十几个指标——指标太多反而抓不住重点。5个核心指标分层看：先看过程指标（内容完播率、互动率），再看效率指标（内容发布及时率、达人响应时长），最后看结果指标（GMV和转化率）。这个顺序的逻辑是过程指标决定效率指标、效率指标决定结果指标，从源头看到结果，数据链路完整。
指标一：内容完播率。完播率是内容质量的直接信号——完播率高说明内容抓住了粉丝，完播率低说明内容节奏或钩子有问题。每周看每个达人最近3条内容的完播率，跟达人自己历史平均对比。完播率连续2条低于自己平均20%以上的达人需要标记"内容质量下滑"，跟BD沟通了解是Brief方向问题还是达人执行问题。完播率不要跟平台平均比，跟达人自己历史平均比才有意义——达人不同内容类型完播率基准不同，跟平台平均比会误判。
指标二：互动率。互动率是粉丝对内容的反馈信号——评论、点赞、分享、收藏的总量除以播放量。互动率高的内容说明引发了粉丝共鸣，互动率低说明内容没有触达粉丝情绪。每周看每个达人最近3条内容的互动率，关注两个信号：互动率突然下降（可能是内容方向跟粉丝偏好不匹配）和互动率突然上升（可能是某个内容方向找到了粉丝痛点，值得在Brief里固化）。互动率的评论区内容也要看——评论是正向（问购买、问细节）还是负向（吐槽、质疑），正向评论多说明内容种草效果好。
指标三：内容发布及时率。发布及时率是达人合作执行力的信号——约定本周发布的内容是否按时发了、延迟了多少天。及时率低于80%的达人需要BD介入了解原因（是达人档期问题还是内容审核延迟），及时率连续两周低于60%的达人建议降级或淘汰。发布及时率影响的不只是单条内容效果，是整个内容矩阵的节奏——100个达人如果50个延迟发布，内容矩阵的协同效应就没了，平台流量扶持也吃不到。
指标四：转化率。转化率是内容商业价值的最终信号——播放到购买的转化比例。每周看每个达人最近3条内容的转化率，跟达人自己历史平均和品类行业平均对比。转化率低于自己平均30%以上的达人需要分析是内容CTA问题还是产品匹配问题，转化率高于自己平均的达人值得加量合作或升级到S层。转化率数据需要结合完播率一起看——完播率高但转化率低说明CTA设计有问题，完播率低转化率也低说明内容整体方向有问题。
指标五：GMV贡献占比。GMV占比是达人分层的依据——每个达人贡献的GMV占总盘子多少。每周看GMV贡献分布，判断达人分层是否合理——S层达人GMV占比应该稳定在60%以上，如果某周S层占比下降到50%以下，可能是某个S层达人数据异常或者整体内容效果下滑。GMV占比的另一个价值是发现"隐形S层"——某些A层达人最近几周GMV占比持续上升，可能已经达到S层标准但还没被升级，这些达人值得重点关注和加量合作。
数据看板的分层设计：不要一锅端看所有达人
每周看数据不要一次性看100个达人的数据——信息过载反而抓不住重点。数据看板建议按达人分层分三个视图：S层视图（15到20个核心达人，深度看每个达人的单条内容数据和趋势）、A层视图（30到40个稳定达人，看聚合数据和个人异常）、B层视图（40到50个长尾达人，只看健康度指标和异常预警）。三个视图每周看的时间和频率不同——S层每周看2到3次每次30分钟，A层每周看1次每次30分钟，B层每周扫1次异常预警即可。
S层看板的深度数据包括：每条内容的完播率、互动率、转化率、GMV、评论关键词分析、达人内容创意方向跟Brief的匹配度。S层数据看板的价值不是发现问题，是发现优化机会——哪个内容方向效果好可以复制到其他S层达人，哪个CTA设计转化率高可以固化到Brief模板，哪些达人最近内容质量上升值得加量合作。配合达秘的达人数据看板做S层深度分析，可以横向对比同层级达人的内容表现，快速发现可复制的优化方向。
A层看板的聚合数据包括：A层整体GMV、平均完播率、平均互动率、平均转化率、内容发布及时率。个人异常标记——某个A层达人数据明显偏离A层平均值（比如完播率低于A层平均30%以上）自动标红，BD优先介入。A层数据看板的核心价值是发现"待升级达人"和"待降级达人"——数据持续高于A层平均的达人考虑升级到S层，数据持续低于A层平均的达人考虑降级到B层或不续约。
B层看板只看健康度——内容发布数量、基础完播率、是否触发异常预警。B层达人数量多但单个GMV贡献低，逐个深度看数据成本不划算，只看"有没有出大问题"即可。B层的核心数据动作是淘汰——每月看一次B层达人数据，连续两个月数据低于阈值的达人移出合作池，空出位置补充新达人进B层测试。B层的淘汰速度比拓展速度重要——B层不淘汰会变成"僵尸达人池"，占着合作位置但不产出。
异常预警规则：提前介入而不是事后复盘
每周看数据最大的价值不是复盘，是异常预警——在数据异常变成GMV损失之前介入。异常预警规则需要提前配置好，每周看数据时按规则触发预警。预警规则建议按三个维度配置：内容质量预警、执行效率预警、商业效果预警。三类预警对应不同介入方式，避免所有异常都用同一种处理方式。
内容质量预警的核心规则是"完播率连续低于自己平均20%以上持续2条内容"。这个规则触发后BD需要跟达人沟通了解原因——是Brief方向问题还是达人创作状态问题。内容质量预警不要单看一条内容数据就触发，因为单条内容数据波动是正常的（可能撞上了平台流量低谷），连续2条才算异常信号。介入方式是BD跟达人沟通内容方向调整，不是立即要求重拍。
执行效率预警的核心规则是"内容发布延迟超过约定时间48小时"或"达人响应时长超过24小时"。这个规则触发后BD需要了解达人是否档期冲突或者合作意愿下降。执行效率预警是达人合作意愿的早期信号——达人如果对品牌合作体验差或者有更优先合作方，会表现为响应慢和延迟发布，早点发现可以早点调整合作策略或寻找替代达人。
商业效果预警的核心规则是"转化率连续低于自己平均30%以上持续2周"或"GMV贡献占比从S层标准降到A层标准"。这个规则触发后需要深度归因——是内容CTA问题、产品问题、还是达人粉丝画像变化。商业效果预警的介入成本最高，因为涉及达人分层调整和合作策略变化，建议数据分析师介入做深度归因分析后再决策。
数据看的时间维度：周看趋势，月看结构
每周看数据的另一个关键是时间维度——不是只看本周数据，是把本周数据放到时间趋势里看。周看趋势的核心是看变化方向——某个达人本周完播率25%，单看这个数字没有意义，看趋势才知道这是正常水平还是异常。月看结构的核心是看分层结构——S层A层B层的GMV占比是否符合60-25-15的预期分布，不符合说明分层策略需要调整。
周看趋势建议看最近4周的数据曲线，不只看本周。4周趋势能过滤掉单周波动——某达人某周完播率低可能是偶然，连续4周下降就是趋势性问题。4周趋势也能发现上升达人——某个达人最近4周完播率持续上升，可能是内容方向找到了粉丝痛点，值得在Brief里固化这个方向。
月看结构建议每月初做一次，看3个结构指标：S层A层B层的GMV占比分布、各层达人数量分布、各层平均数据对比。结构指标异常的信号包括：S层GMV占比下降到50%以下（说明S层达人产出不稳定，需要补充S层或升级A层）、A层达人数量超过50个（说明A层膨胀，管理带宽不够，需要做升降级）、B层平均完播率低于S层50%以下（说明B层达人质量太低，需要提高B层筛选标准）。
常见问题
Q：每周看数据需要看多久？
A：S层30分钟、A层30分钟、B层15分钟，合计75分钟。如果超过2小时说明数据看板设计有问题——指标太多或者没有分层视图，每次看都要从头梳理。建议优化数据看板把核心指标控制在5到7个，分层视图清晰，每周看数据时间稳定在1小时左右。看数据不是看越久越好，是看出问题所在才有价值。
Q：数据看板用什么工具做？
A：早期可以用Excel做——达人分层分sheet，每个达人一行数据，核心指标几列，用条件格式标红异常。达人规模超过50个后Excel管理成本上升，建议用专业工具——达秘的达人数据看板支持分层视图和异常预警规则配置，比Excel效率高很多。不要一开始就追求复杂BI工具，Excel能用就用，规模到了再升级。
Q：数据异常但找不到原因怎么办？
A：先看是单达人异常还是批量异常。单达人异常大概率是达人侧原因（内容方向、创作状态、粉丝画像变化），跟达人沟通了解。批量异常（多个达人同时数据下滑）大概率是平台侧或市场侧原因——平台算法调整、竞品大促分流、品类季节性下滑，这类异常需要看平台大盘数据和行业数据判断。找不到原因时不要盲目调整达人策略，先观察1到2周看是否是短期波动。
Q：每周看数据后要不要做周报？
A：建议做但周报要精简。周报的核心内容是"本周异常达人列表+异常类型+介入动作+下周跟踪项"，不要写"本周GMV多少、完播率多少"这种数据罗列。周报的价值是记录异常和介入动作，下周看数据时可以对比介入效果。周报建议控制在1页纸以内，超过2页说明信息没有提炼。
Q：达人数据跟平台数据怎么看关联？
A：达人数据是微观，平台数据是宏观。每周看达人数据时建议同时看平台大盘数据——品类整体完播率、品类整体转化率、平台流量趋势。达人数据跟平台数据对比能判断问题是达人侧还是平台侧——如果达人完播率下降但品类整体完播率也下降，是平台流量侧问题；如果达人完播率下降但品类整体稳定，是达人侧问题。两个维度对比着看，归因才准。
看数据不是看数字，是看信号
每周看达人数据最大的误区是"看数字"而非"看信号"。数字本身没有意义，数字背后的信号才有意义——完播率25%不是信号，"比上周下降5个点"才是信号；GMV 10万不是信号，"占S层总GMV比重从15%降到8%"才是信号。看数据的核心是建立基准（自己历史平均或同层达人平均）和识别偏离（跟基准的差距），而不是记住绝对值。团队看数据的能力不是记住多少数字，是能多快从数字里识别出异常信号并介入。
每周看数据的最终目的是建立"数据驱动的达人管理"机制——不是凭感觉判断达人好坏，是用数据做升降级、加量、淘汰决策。第一周看数据可能没有明显洞察，但坚持看4到8周后，团队会形成对每个达人的数据画像，能预判哪个达人下个月可能出问题、哪个达人值得加量合作。数据驱动的决策比凭感觉的决策准确率高很多，这是规模化运营达人矩阵的必备能力。
