软文一件采集器(如何用数据来驱动内容运营？清楚内容是什么)

　　软文一件采集器(如何用数据来驱动内容运营？清楚内容是什么)

　　内容是用户和产品之间的桥梁和纽带。本文介绍了内容运营的定义，为什么需要用数据来驱动内容运营，以及如何用数据来驱动内容运营。与你分享！

　　许多互联网产品依靠不断的内容更新来吸引新用户和维护老用户。

　　尤其是对于知识付费产品或自媒体平台，将内容比作平台或产品的灵魂和血肉并不为过。

　　可见，内容对于一个产品或一个平台来说是非常重要的。

　　要定义内容操作，首先要知道内容是什么。在不同的行业和领域，内容有不同的表现形式。

　　内容可以是H5软文、音频、视频、图形、*敏*感*词*、幻灯片、小程序、歌曲、游戏等。

　　内容运营是指通过内容的制作、发布和传播，满足用户的内容消费需求，并保持与用户的沟通和联系；扩大用户数（粉丝数），增加用户粘性（活跃度），传递产品价值。

　　一、为什么需要用数据来驱动内容运营？

　　传统的内容运营一般分为选题、内容制作、内容审核、内容发布与传播、效果反馈五个环节。

　　由于人力不足、技术支持不足或数据意识薄弱，企业在内容运营上往往存在不同程度的四大不足：

　　1. 不完整的数据采集

　　企业在完成每一次内容分发和传播后，往往只采集

和分析打开率、点击率等绩效数据，而对内容消费的用户行为数据关注不够。

　　缺乏对用户内容消费行为的深入、细粒度数据采集。尤其是对外部平台（如头条、微博、微信等）粉丝行为数据的深度采集。这很容易导致对内容呈现形式和内容修订缺乏全面透彻的分析。

　　2. 用户画像不详

　　现在大多数公司对用户画像并不陌生。

　　然而，实际的用户画像往往浮于表面。它们只是一些静态指标（年龄、性别、来源等）的统计分析。他们缺乏基于行为深度加工的标签；它们也缺乏与特定场景高度相关的标签。; 别说整合了第三方数据标签，对用户的洞察其实并不细致全面。

　　3. 内容优化不科学

　　企业的内容运营商在决定具体的内容和表现形式时，经常会遇到需要在多个选项中进行选择的情况。在犹豫不决时，他们往往会根据自己的经验和少数人的意见做出选择。

　　这种内容优化的方法有时可能奏效，有时可能不尽人意。如果我们能够结合用户的内容偏好模型和内容质量评分模型等量化方法进行分析，我们对内容的优化将更加科学。

　　4. 内容推荐不准确

　　在内容分发之前，内容运营通常采用“广播”模式。很自然地认为一个H5广告可以发给所有粉丝，分发前不做粉丝重新分类。这种内容推荐和分发模式比较广泛。

　　事实上，不同的细分用户群体会有不同的内容偏好。

　　即使是同一个产品的粉丝群体，每个粉丝的喜好也可能略有不同。在分发和传播内容时，每个内容运营商都应该为合适的用户匹配合适的内容。

　　在这种情况下，为了推动内容的精细化运营，需要在内容运营中补充数据采集和分析应用能力。

　　在原有内容操作闭环的基础上，引入数据操作闭环为核心；数据操作的内循环用于驱动内容操作的外循环；以数据赋能内容运营，以数据提升内容运营效率。

　　二、如何用数据驱动内容运营？

　　基于数据的方法和手段可以渗透到内容运营的许多方面。笔者选取以下六个方面进行阐述：

　　1. 引入埋点技术，弥补数据采集能力不足

　　所谓埋点，就是在应用中植入特定的程序，采集

一些信息，追踪用户使用行为的轨迹数据，为后续的产品和运营提供数据支持。数据嵌入技术的引入是为了更好地记录和分析用户在消费内容时的行为模式。目前市场上的埋点方法有以下三种：

　　代码埋点：所谓代码埋点，就是在需要统计数据的地方植入N行代码，统计用户的关键行为。目前国内主要的第三方数据分析服务商，如百度统计、友盟、TalkingData等都提供了该解决方案。全埋点：意味着没有应用开发工程师需要编写代码或只需要编写少量代码。通过简单的配置，您可以提前自动采集

用户特定的行为数据，如页面浏览、元素点击等行为。所有嵌入点的可视化：意味着除了集成的采集SDK，开发者不需要编写额外的嵌入点代码。而是业务人员可以“圈子” 需要通过访问分析平台的圈选功能来捕捉用户行为的控件，并给出事件名称。圈选完成后，这些配置会同步到每个用户的终端，采集SDK会根据圈选配置自动采集并发送用户行为数据。

　　如果要分析核心业务指标，如GVM、MMR等，第一步就是埋代码。

　　代码埋点稳定性高，只有代码埋点支持业务数据的采集和上报。全埋点和可视化全埋点都是自动化程序，很难判断哪个字段是金额等重要的业务属性数据。

　　三种埋地技术各有优缺点，企业可根据自身实际情况进行选择。如果只需要简单的查看网站的PV和UV，只需要开启全埋点，但是这样的分析能力显然已经不能满足时代的要求了。

　　可视化全埋点的分析能力介于两者之间。它可以非常精细地分析交互数据情况，甚至可以将同一页面上不同链接的点埋起来，做成一个转化漏斗，但是它有数据的不稳定性。问题。

　　随着时间的推移，可视化全埋点的埋点定义可能会因为代码结构的变化而失效，并且可视化全埋点不支持业务数据的采集。

　　2. 完善用户画像系统

　　以对用户内容消费行为的分析为核心，我们可以从基本属性、内容偏好、内容满意度、行为特征四个维度入手，建立较为完善的用户画像指标体系。

　　以某财经媒体的用户画像为例，我们建立了如下图所示的指标体系：

　　3. 根据用户分类识别用户内容偏好

　　识别用户的内容偏好是我们进行内容设计和准确交付的基础。

　　如何识别用户的内容偏好？

　　一般需要分析用户对内容的消费行为数据。分析用户的内容偏好可以基于某个方向偏好的时间消耗。当方向偏好占用户使用时间的比例最大时，可以将方向定义为用户的偏好。

　　例如，我们在研究电信运营商用户的阅读行为偏好时，在分析用户对内容的浏览时间的基础上，将某内容所占比例最大的用户的浏览时间定义为偏好。

　　通过抓取用户的上网行为记录，统计在各个网站上的停留时间。并对各类网站分别进行分类标记，提取每个用户浏览时间最长的网站类型作为其内容偏好，最终形成用户的内容偏好DNA图谱。

　　4. 用AB测试方法优化内容

　　内容运营商在设计文案时，往往会设计多个版本进行对比。这时，可以使用AB Test方法来帮助选择更好的解决方案。

　　例如，某食品B2C电商平台往往会在手机客户端的通知栏中推送一些产品促销和导购消息，以吸引用户点击，从而增加用户粘性，带来业务提升。运营团队在设计推送消息的副本时，总会有很多不同的想法，有时内部会提出几个版本。此时，可以使用 AB 测试来选择最佳副本。

　　AB测试采用全栈API方案，通过参数化将推送消息的文本转化为变量，并在控制台为每个版本设置对应的变量值。

　　测试开始时，选择1%的网络流量进行测试，每个版本均分流量。测试进行一段时间后，实验流量增加到5%。由于新闻推送的特殊性，实验只持续了一天（活动只持续了一周，活动结束后得出结果没有意义）。

　　结果表明，最佳副本的点击率比最差的副本高 42%。统计显着性指标的结果也超过95%，可以认为测试是有效的。

　　活动结束后的第二天，电商平台的内容运营团队就通过了测试结果，并用最好的文案在全网推送了消息。

　　5. 实现精准内容推送

　　所谓精准内容推送，是指通过合适的渠道或接触点，将合适的内容推送给合适的用户。其实就是实现用户、内容、渠道之间的精准适配。

　　实现内容精准营销的方式有很多，比如基于用户的内容偏好标签进行匹配，或者使用协同过滤算法基于用户相似度进行推荐，或者基于内容相似度进行推荐。

　　例如，某省某移动公司在开展手机阅读内容运营时，根据身份信息和行为特征，将在线用户分为：娱乐达人、应用达人、精打细算的人、新闻达人、纯来电者，等研究了这些类型的用户群体的*敏*感*词*特征和内容偏好，并进行了针对性的内容微营销。

　　我们为时尚商务人士推出都市言情励志书籍，为精打细算人士推出都市言情、经济与管理书籍和社会科学书籍；以及面向新闻专家的都市浪漫、奇幻和传记书籍。

　　细分用户群并添加内容标签后，用户人均阅读完成率从本次推荐时的0.5%提升至3.1%，人均阅读效果达到显着改善。

　　6. 构建全面的内容运营效果评价体系

　　在评估内容运营的效果时，可以在AARRR模型的基础上，适当加入与用户行为相关的指标数据。例如：以一款知识付费学习APP产品为例，从用户获取、活跃度、留存、收入、行为五个维度展开，构建内容运营效果评价指标体系。

　　三、总结

　　内容持续维系着产品与用户之间的关系，内容运营需要我们用心、用心去做。

　　数据可用于深入了解用户的内容需求，指导我们进行内容测试和优化，帮助我们进行个性化精准推送。

　　总之，基于数据的内容运营是提高内容运营效率的有效手段。