软文采集系统(为什么需要用数据来驱动内容运营？清楚内容是什么)

　　软文采集系统(为什么需要用数据来驱动内容运营？清楚内容是什么)

　　内容是用户与产品之间的桥梁和纽带。本文介绍了内容运营的定义，为什么要使用数据来驱动内容运营以及如何使用数据来驱动内容运营，分享给大家！

　　许多互联网产品依靠内容的不断更新来吸引新用户，维护老用户。

　　尤其是知识类产品或者自媒体平台，把内容比作平台或者产品的灵魂和肉体一点也不为过。

　　可见，对于一个产品或平台来说，内容是非常重要的。

　　要定义内容操作，首先要了解什么是内容。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、图文、*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，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、为什么需要数据驱动的内容运营？

　　传统内容运营一般分为选题、内容制作、内容审核、内容发布传播、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. 数据采集 不完整

　　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、点击量等效果数据，而对用户消费内容的行为数据关注不够。

　　缺乏关于用户内容消费行为的 采集 深度、细粒度的数据。尤其是外部平台（如头条、微博、微信等）的粉丝行为数据深度采集缺失。这样，很容易造成对内容呈现形式和内容修订的分析不够全面透彻。

　　2. 用户画像不详

　　现在大多数公司对用户画像并不陌生。

　　但实际的用户画像往往是肤浅的，只是对一些静态指标（年龄、性别、来源等）的统计分析，缺乏基于行为深加工的标签；以及缺乏与特定场景高度相关的标签；且不说收录第三方数据的标签，对用户的洞察其实并不详尽和全面。

　　3. 内容优化不科学

　　企业的内容运营商在确定具体的表达内容和形式时，往往会遇到需要在多种方案中进行选择的情况。当你犹豫不决时，你往往会根据自己的经验和少数人的意见做出选择。

　　这种类型的内容优化有时可能有效，有时可能无效。如果能结合用户内容偏好模型、内容质量评分模型等量化方法进行分析，我们对内容的优化就会有更科学的依据。

　　4. 内容推荐不准确

　　内容运营通常是内容分发之前的“广播”模式。一个H5软文可以分发给所有粉丝是理所当然的，分发前没有粉丝重新分类。这种内容推荐和分发的模式比较广泛。

　　事实上，不同的用户群会有不同的内容偏好。

　　即使是属于同一种产品的粉丝，每个粉丝的喜好也可能略有不同。每个内容运营商在分发和传播内容时都应该为正确的用户匹配正确的内容。

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

　　在原有内容运营闭环的基础上，引入数据运营闭环为核心；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？

　　数据化的方法和手段可以渗透到内容运营的很多方面。笔者选取以下六个方面进行阐述：

　　1.引入埋点技术补数据采集能力短板

　　所谓埋点，就是在应用中植入特定的程序，采集一些信息，跟踪用户行为的轨迹数据，为后续的产品和运营提供数据支撑。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。目前市面上的埋点方式有以下三种：

　　代码嵌入：所谓代码嵌入，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，均提供此解决方案。全埋：表示应用开发工程师无需编写代码或只需少量代码。通过简单的配置，可以提前自动采集用户特定的行为数据，例如页面浏览、元素点击等。可视化全嵌入：意味着开发者除了集成采集 SDK外，不需要编写额外的嵌入代码。反而是业务人员“圈” 需要通过访问分析平台的圈选功能来捕捉用户行为并给出事件名称的控件。圈圈完成后，这些配置会同步到每个用户的终端，采集 SDK会自动采集根据圈圈的配置发送用户行为数据。

　　如果要分析核心业务指标，比如GVM、MMR等，代码嵌入是首选。

　　代码嵌入的稳定性比较高，只有代码嵌入支持采集上报业务数据。全嵌入和全嵌入的可视化，因为流程是自动化的，很难确定哪些字段是金额等重要的业务属性数据。

　　三种掩埋技术各有优缺点，企业可以根据自己的实际情况进行选择。如果只需要简单查看网站的PV和UV，只需要开启全埋点，但显然这样的分析能力已经不能满足时代的要求了。

　　视觉全嵌入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的情况，甚至可以将不同的链接埋在同一个页面上，做一个转化漏斗，但是数据不稳定。问题。

　　随着时间的推移，视觉全嵌入点的嵌入点定义可能会因为代码结构的变化而失效，并且视觉全嵌入点不支持采集业务数据。

　　2. 完善用户画像系统

　　以用户内容消费行为分析为核心，从基本属性、内容偏好、内容满意度和行为特征四个维度建立起较为完整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设计内容和精准推送内容的基础。

　　如何识别用户内容偏好？

　　一般来说，用户对内容的消费行为数据还是需要分析的。分析用户的内容偏好，可以从某个方向偏好的消费时间的角度入手。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偏好。

　　例如，当我们研究电信运营商的用户阅读行为偏好时，根据用户对内容的浏览时间分析，用户对某一内容的浏览时间作为偏好的比例最大。

　　通过抓取用户的上网行为记录，我们可以统计他们浏览各类网站的时间。我们对网站的每一种类型进行分类标记，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。

　　4. 使用 AB 测试优化内容

　　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 来帮助选择更好的解决方案。

　　比如某食品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、导购等新闻，吸引用户点击，从而增加用户粘性，提升业务。运营团队在设计推送消息的副本时，总是有很多不同的想法，有时内部会提出几个版本。此时，可以使用 AB 测试方法来选择最佳副本。

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

　　测试开始时，选择全网流量的1%进行测试，流量平均分配到各个版本。当测试运行一段时间后，将实验流量增加到 5%。由于消息推送的特殊性，实验只持续了一天（活动只持续了一周，活动结束后得到结果将毫无意义）。

　　结果显示，最佳副本的点击率比最差副本高 42%。具有统计学意义的结果也超过了 95%，可以认为该试验是有效的。

　　活动开始后的第二天，电商平台内容运营团队对测试结果进行了审核，并利用副本的最佳版本在全网推送消息。

　　5. 实现内容精准推送

　　所谓精准内容推送，是指在正确的渠道或接触点将正确的内容推送给正确的用户。其实就是实现用户、内容、渠道的精准适配。

　　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匹配、基于用户相似度的协同过滤算法推荐、基于内容相似度的推荐等。

　　例如：在进行手机阅读的内容运营时，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、纯来电达人等类别，并研究这些类别。基于相似用户群体的画像特征和内容偏好，开展有针对性的内容微营销。

　　为时尚商务人士推送都市言情励志书籍，为精打细算的人推送都市言情、经济与管理、社科类书籍；为新闻专家准备的都市浪漫、奇幻和传记书籍。

　　通过细分用户群和添加内容标签进行推送后，用户人均阅读完成率由本次推荐时的0.5%提升至3.1%，人均阅读效果得到了显着改善。

　　6. 构建完善的内容运营效果评价体系

　　在评估内容运营效果时，在AARRR模型的基础上，可以适当整合与用户行为相关的指标数据。例如，以某付费知识学习APP产品为例，围绕用户获取、活跃、留存、收入和行为五个维度，构建内容运营效果的评价指标体系。

　　三、总结

　　内容持续维系产品与用户的关系，内容运营需要我们用心细化。

　　利用数据，我们可以深入了解用户的内容需求，指导我们对内容进行测试和优化，帮助我们进行个性化的精准推送。

　　总之，数字内容运营是提高内容运营效果的有效手段。