抖⾳BGM和流量关系分析
摘要
本⼈将appium与mitmproxy结合，获取并分析抖⾳app⽹络包中传输的内容，将上千数量级的抖⾳视 频相关数据全部保存到数据库中，下载全部BGM⾳频⽂件并将其转化成标准数字⾳频wav格式，再提取 其MFCC（梅尔频率倒谱系数）矩阵，进⾏k-means聚类，然后将视频已经发出了多⻓时间、BGM类型、BGM⻓度、视频发出者粉丝数等等⼀系列因素作为输⼊，视频点赞量、评论量作为输出，利⽤BP 神经⽹络进⾏回归分析，这样就可以在之后输⼊新的视频数据并预测此视频在⼀定时间内可能带来的流量。
目录
前⾔ 1
研究背景 1
研究现状 2
研究问题 2
研究⽅法 2
数据获取 2
数据处理 3
数据分析 7
代码解释 11
代码开源地址 11
获取数据包内容 11
main.py 11
train.py 15
前⾔
研究背景
根据QuestMobile的数据，⾃从2017年抖⾳⽤户激增⾄今，抖⾳⽆疑成为短视频的领头⽺产品，很多品牌商和MCN投⼊巨额在抖⾳运营上，滋⽣出⼤部分⽹红产业链，并且抖⾳本身也不断拓宽⾃⼰的业务范 围，视频、直播、带货、海外业务等等。在如今，⼀个视频的播放量与点赞量决定了这个视频的价值， 流量变现就是实打实的⾦钱，⽽这个视频的流量多少⼀定程度上取决于这个视频的背景⾳乐，BGM是抖
⾳的灵魂，选择⼀个好的BGM，就可能会带⽕⼀个视频。
