分析了扣子400個bots的數據,有點意思

1 評論 1772 瀏覽 4 收藏 15 分鐘

我采集了國內版扣子官網的bot商店數據,主要是推薦模塊下面的,一共400個。本意是想看看,目前最火的AI智能體平臺,很像個MVP試驗場,哪些類型的應用表現是不錯的,反映了什么需求。

結果也發現了一些其他有意思的東西。

下面是本文目錄,有興趣再往下翻:

一、從不同數據視角看

1、使用人數

2、會話總數

3、收藏人數

4、人均會話次數

5、藏用比

二、扣子bot的頭部玩家及其風格

三、評論區是需求區

四、廣告的N種植入方式

一、從不同數據視角看

我想看哪些應用表現不錯,但什么是不錯?不同的數據維度會反映出不同的東西。

扣子頁面能拿到的基礎數據是使用人數,會話總數和收藏人數,這三個絕對數指標,將時間這個影響因素忽略了,bot上線時間有差異,積累的數據差距也就明顯。

所以又計算了兩個數據:人均會話次數和用藏比,消除了時間影響,看起來也更清晰。

1. 使用人數

指標含義:這個bot被多少用戶(也可能是人次)使用過。

使用人數反映了bot的熱門程度,也反映出一些場景價值。想象一下一個剛打開頁面的用戶,不知道要找啥,就從滿屏的推薦流往下滑,有吸引人的標題和描述,讓人一眼看去就知道是干嘛的,我覺得好奇,或者需要,就會點進去試試看。

從使用人數來看,前25%的bots中,以學習教育、娛樂游戲、內容創作、效率工具為主,并且數量相差不大。

其中,排名前四的都超過了10w,前三強更是接近和超過20w,且都出自同一作者,第二和第三的上線時間不到一個月。。真????,關于頭部玩家及其bot風格我放在第二部分單獨說。

2. 會話總數

指標含義:所有用戶對bot發起的單邊對話次數合計。

會話總數這個指標,可能相比之下水一點,能一定程度反映bot的熱門程度,以及與用戶互動的設計。不過,你會話總數高,可能因為你應用場景好,使用人數多,也可能是你互動引導流程更繁瑣,甚至也可能是因為你應用類型決定的,比如文字冒險、劇本啥游戲,就是要多輪對話。

從會話總數來看,前25%的bots中,以娛樂游戲,學習教育為主,很明顯游戲類在這個指標上是一枝獨秀。那么,能在這個指標中表現不錯的學習教育,內容創作和效率工具類應用,就很值得一看。

3. 收藏人數

指標含義:這個bot被多少用戶收藏了。

收藏人數是很有意義的指標。當用戶使用之后愿意收藏一個bot,就是對其場景和輸出效果的認可,這是很珍貴的。一般來說,這類應用都具有工具屬性。

并不意外,從收藏人數來看,前25%的bots中,以學習教育,內容創作和效率工具類應用為主,跟2相反,收藏數不錯的游戲類應用,可以玩玩,都是大浪淘沙剩下的。

這里面的應用,如果有時間,都可以去試試看:

4. 人均會話次數

指標含義:會話總數/使用人數,平均每位用戶跟bot的對話次數。

這個指標將上線時間和總的使用人數因素排除在外,只關注,一個應用能讓客戶平均達成多少的會話。因此按這種分類的應用,不一定熱門,更多反映的是和用戶的互動方式設計。游戲肯定又是霸榜,但其他類的應用就可以看下。

5. 藏用比

指標含義:收藏人數/使用人數,使用的用戶中,有多少收藏了。

這個指標我覺得是收藏人數的升級版,即使不是熱門應用,只要使用之后認可你的人數比例高,也會上榜。

但這組數據處理的時候其實需要剔除一些異常值,比如使用人數2,收藏1的這種,沒有參考價值,可能是作者自己收藏的。所以可以選使用規模達到一定數量的,再看藏用比。

另外有意思的是,我還真發現一組天秀數據,這一組中唯一一個比例超過1的,盧卡斯繪本故事館,也就是說有一大半的人用都沒用,就收藏了

二、扣子的頭部玩家及其風格

接下來看下,扣子中最高產的一部分玩家。

從產出數量上來說,12名作者產出了30%數量的bot,約120個,產出10個以上的有3名,占推薦bots總量的15%。

這里就不一一截圖了,我把作品數量5個以上的作者單獨拎了出來。其中按照第一部分的不同指標排行,每個指標前25%的bots中,他們各自的作品有多少,占自己總作品數的比例是多少,都標注出來了。

其中有4位可以說是數量和質量兼顧:尾尾,孟小孟,moonlit和daylight。

第一部分提到的,使用人數前三的bots,都出自孟小孟之手,數據相當之華麗,于是我去看了ta其他作品。

TA的作品輸出形式確實很讓人眼前一亮,圖文排版精美,拋開內容不談(跟模型有很大關系),回復的完成度是挺好的,并且用戶體驗細節也很不錯。作者比較擅長長文生成,例如講書,寫小說,講歷史,講故事,旅行行程規劃。

細節控制其實是在模型輸出的等待時間,會放入一張loading的精美動圖卡片,提示內容在創作中,這會緩解一部分用戶的等待焦慮。

孟小孟在工作流商店中開源了4個工作流,適合學習這類線性排版以及輸出長內容的朋友去研究下。

另一位我想單獨講的作者是moonlit,一是因為ta的bot在我看來都是比較實用的場景;另外,之前我寫過一篇文章推薦的bot:“大模型日報”,就是ta的作品,那時候沒注意到作者?,F在通過數據又篩選出來,有一種“hi,是你啊”的感覺。

三、評論區是需求區

對很多商品,應用,插件,app來說,評論區都是一個獲取用戶反饋和需求的地方。很多做競品調研,也會專門去逛評論區,差評可能就是機會。

在數據好的bot下面,一般都會看到大量評論。除了說很棒和垃圾的,還有一些會問具體的問題,提出具體的修改方向。

比如:

這都是內容和工具的需求:

工作流如何搭建能實現好的效果;

輸出效果有哪些環節要優化;

生成的圖片/卡片,挺好的,怎么下載,除了用右鍵檢查獲取圖片地址,還有沒有外部小工具可以滿足批量下載;

……

四、廣告的N種植入方式

在流量這么大的平臺上,一定會有人想方設法引流,比如:

1. 評論區

這是最直接的方式,在一些數據較好的bots下,都能看到這樣一條留言:

點開后就是一個導航站網址,甚至已經有接龍截流的了。。

2. bot輸出

以品牌為主,單獨構建bot提升曝光

沒想到在這里能看見flomo,他們做了一個網頁和豆包中可用的bot,給出token,就可以讓t它幫忙總結歸納。于是flomo用外部AI,幫助客戶完成提取、總結,再用API寫入flomo。

3. bot簡介

在bot介紹掛上公司和網址信息

4. 集大成的秀兒

還有一家,放到壓軸來說,因為只此一家:

這個bot是使用人數7000+,產生了5w多的會話。

bot名稱就是品牌名,內容中植入網址,簡介介紹業務,右邊“立即對話”放上公眾號和微信客服兩個溝通渠道。

點開第一個是公眾號二維碼,第二個就是微信客服網頁端鏈接,直接能打開微信和微信客服對話!如果放上企微的獲客鏈接,可以直接加人了。

不得不說這個流程是相當絲滑的,但是客戶群體精準與否另說??吹竭@篇文章的,如果你的目標群體也是嘗鮮使用AI的人群,不知道會不會興奮一下。

這個微信客服渠道來的數據在企微后臺也是可追蹤的。

寫在后面

掛一下這篇成文用到的工具:

數據采集:八爪魚采集器;

數據清洗:ChatGPT;

數據分析和呈現:飛書多維表格;

注意這份數據是7.5號的,如果你需要最新的,可以用上面提到的流程和工具再跑一份。

本文由 @面面聊營銷自動化 原創發布于人人都是產品經理,未經作者許可,禁止轉載

題圖來自 Unsplash,基于 CC0 協議

該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 您好,能分享一下上面數據的抓取的流程嘛

    來自廣東 回復