內(nèi)容是連接用戶和產(chǎn)品之間的橋梁與紐帶，本文講述了內(nèi)容運營的定義、為什么需要用數(shù)據(jù)驅(qū)動內(nèi)容運營以及如何用數(shù)據(jù)來驅(qū)動內(nèi)容運營，與大家分享！

很多互聯(lián)網(wǎng)產(chǎn)品是依賴內(nèi)容的持續(xù)更新來吸引新用戶、維系老用戶的。

特別是對于知識付費型產(chǎn)品或者自媒體平臺而言，將內(nèi)容比作是平臺或產(chǎn)品的靈魂和血肉也不為過。

可見，內(nèi)容對于產(chǎn)品或平臺是非常重要的。

要給內(nèi)容運營下定義，先要清楚內(nèi)容是什么。在不同行業(yè)和領(lǐng)域，內(nèi)容有不同的表現(xiàn)形式。

內(nèi)容可以是H5軟文、音頻、視頻、圖文、動漫、幻燈片、小程序、歌曲、游戲等等。

內(nèi)容運營就是指通過內(nèi)容生產(chǎn)、發(fā)布和傳播，滿足用戶的內(nèi)容消費需求，與用戶保持溝通和連接；以擴大用戶數(shù)（粉絲數(shù)），提升用戶粘性（活躍度），傳遞產(chǎn)品的價值。

一、為什么需要用數(shù)據(jù)驅(qū)動內(nèi)容運營？

傳統(tǒng)的內(nèi)容運營一般劃分為五個環(huán)節(jié)：確定選題、內(nèi)容生產(chǎn)、內(nèi)容審核、內(nèi)容發(fā)布與傳播、效果反饋。

由于人手不夠、技術(shù)支撐不足或者數(shù)據(jù)意識弱等方面的原因，企業(yè)在內(nèi)容運營時往往不同程度上存在著四個方面的不足：

1. 數(shù)據(jù)采集不全面

企業(yè)在完成每次的內(nèi)容分發(fā)和傳播后，往往只對打開率、點擊次數(shù)等效果類數(shù)據(jù)進行了收集和分析，而對用戶消費內(nèi)容的行為數(shù)據(jù)沒有給予足夠的重視。

缺乏對用戶內(nèi)容消費行為深層次、細(xì)粒度的數(shù)據(jù)的采集。特別是對于外部平臺（如某頭條、微博、微信等）上的粉絲行為數(shù)據(jù)的深度采集有缺失。這樣就容易造成對內(nèi)容呈現(xiàn)形式、內(nèi)容改版等方面缺乏全面透徹的分析。

2. 用戶畫像不細(xì)致

現(xiàn)在大部分企業(yè)對用戶畫像并不陌生。

但是實際做出的用戶畫像往往浮于表面，只不過是一些靜態(tài)指標(biāo)（年齡、性別、來源等）的統(tǒng)計分析，缺乏基于行為深度加工后的標(biāo)簽；也缺乏與具體場景存在高關(guān)聯(lián)度的標(biāo)簽；更不用說融合第三方數(shù)據(jù)的標(biāo)簽，對用戶的洞察實際上是不細(xì)致、不全面的。

3. 內(nèi)容優(yōu)化不科學(xué)

企業(yè)的內(nèi)容運營人員在決定具體的內(nèi)容和表現(xiàn)形式時，經(jīng)常遇到需要在幾種方案中做選擇的情況。當(dāng)拿不定主意選擇何種方案時，往往會根據(jù)自身的經(jīng)驗和少數(shù)人拍腦袋的意見來做出選擇。

這種內(nèi)容優(yōu)化的方式有時候可能會奏效，有時候可能會差強人意。如果能結(jié)合用戶的內(nèi)容偏好模型和內(nèi)容質(zhì)量評分模型等數(shù)量化的手段作分析，我們對內(nèi)容的優(yōu)化處理則會更有科學(xué)依據(jù)。

4. 內(nèi)容推薦不精準(zhǔn)

內(nèi)容運營在做內(nèi)容分發(fā)前，通常是“廣而告之”的模式。理所當(dāng)然的認(rèn)為一篇H5軟文可以發(fā)給所有的粉絲，在分發(fā)前沒有做粉絲的再分類，這種內(nèi)容推薦和分發(fā)的模式是比較粗放的。

事實上，不同的細(xì)分用戶群體會有不同的內(nèi)容偏好。

即使是同屬于同一個產(chǎn)品的粉絲群，每個粉絲的偏好也可能有所細(xì)微的差異，每個內(nèi)容運營人員在做內(nèi)容的分發(fā)和傳播時應(yīng)該為合適的用戶匹配合適的內(nèi)容。

在此情況下，為推進內(nèi)容的精細(xì)化運營，需要在內(nèi)容運營方面補齊數(shù)據(jù)采集與分析應(yīng)用能力。

在原有內(nèi)容運營閉環(huán)的基礎(chǔ)上，引入數(shù)據(jù)運營的閉環(huán)作為內(nèi)核；用數(shù)據(jù)運營的內(nèi)環(huán)驅(qū)動內(nèi)容運營的外環(huán)；用數(shù)據(jù)賦能內(nèi)容運營，用數(shù)據(jù)提升內(nèi)容運營的效率。

二、如何用數(shù)據(jù)驅(qū)動內(nèi)容運營？

數(shù)據(jù)化的方法和手段可以滲透到內(nèi)容運營的諸多環(huán)節(jié)，筆者選取了以下六個方面進行闡述：

1. 引入埋點技術(shù)，補齊數(shù)據(jù)采集能力短板

所謂埋點就是在應(yīng)用中植入特定的程序用以收集一些信息，跟蹤用戶使用行為的軌跡數(shù)據(jù)，為后續(xù)產(chǎn)品和運營提供數(shù)據(jù)支撐。引入數(shù)據(jù)埋點技術(shù)，是為了更好的記錄和分析用戶消費內(nèi)容時的行為模式。目前，市面上有三種埋點方法：

1. 代碼埋點：所謂代碼埋點就是在需要統(tǒng)計數(shù)據(jù)的地方植入N行代碼，統(tǒng)計用戶的關(guān)鍵行為。目前，國內(nèi)主要第三方數(shù)據(jù)分析服務(wù)商，如百度統(tǒng)計、友盟、TalkingData 等都提供了這一方案。
2. 全埋點：是指無需應(yīng)用程序開發(fā)工程師寫代碼或者只寫少量的代碼。通過簡單地配置，即可預(yù)先自動收集用戶的特定行為數(shù)據(jù)，例如頁面瀏覽、元素點擊等行為。
3. 可視化全埋點：是指開發(fā)人員除集成采集 SDK 外，不需要額外去寫埋點代碼。而是由業(yè)務(wù)人員通過訪問分析平臺的圈選功能來“圈”出需要對用戶行為進行捕捉的控件，并給出事件命名。圈選完畢后，這些配置會同步到各個用戶的終端上，由采集 SDK 按照圈選的配置自動進行用戶行為數(shù)據(jù)的采集和發(fā)送。

如果想要分析核心的業(yè)務(wù)指標(biāo)，比如 GVM、MMR 等，首推代碼埋點。

代碼埋點的穩(wěn)定性較高，同時只有代碼埋點才支持對于業(yè)務(wù)數(shù)據(jù)進行采集上報。全埋點和可視化全埋點，由于都是程序自動化進行，很難判斷到底什么字段才是金額等重要的業(yè)務(wù)屬性數(shù)據(jù)。

三種埋點技術(shù)各有優(yōu)劣勢，企業(yè)可結(jié)合自身實際進行選擇。如果只需要簡單地查看網(wǎng)站的 PV 和 UV，只需要開啟全埋點即可，但是顯然這樣的分析能力已經(jīng)無法滿足于時代的要求。

可視化全埋點的分析能力介于二者之間，它可以非常精細(xì)的分析交互數(shù)據(jù)的情況，甚至可以對同一個頁面上不同環(huán)節(jié)進行埋點，制作成轉(zhuǎn)化漏斗，但是它又有數(shù)據(jù)不穩(wěn)定的問題。

隨著時間的推移，可視化全埋點的埋點定義可能會因為代碼結(jié)構(gòu)更改而失效，同時可視化全埋點也不支持采集業(yè)務(wù)數(shù)據(jù)。

2. 完善用戶畫像體系

以用戶內(nèi)容消費行為的分析為核心，可從基本屬性、內(nèi)容偏好、內(nèi)容滿足度和行為特征四個維度出發(fā)，建立比較完整的用戶畫像的指標(biāo)體系。

以某融媒體的用戶畫像為例，我們建立了如下圖所示的指標(biāo)體系：

3. 基于用戶分類，識別用戶內(nèi)容偏好

識別用戶的內(nèi)容偏好是我們設(shè)計內(nèi)容和精準(zhǔn)推送內(nèi)容的基礎(chǔ)。

如何識別用戶的內(nèi)容偏好呢？

一般還是要分析用戶對內(nèi)容的消費行為數(shù)據(jù)。分析用戶的內(nèi)容偏好，可以從某方向偏好的消耗時長角度出發(fā)，當(dāng)該方向偏好在用戶使用時長中占比最大時，即可定義該方向為用戶的偏好。

比如，我們在研究電信運營商的用戶閱讀行為偏好時，根據(jù)用戶對內(nèi)容的瀏覽時長分析，將用戶對某內(nèi)容的瀏覽時長比重最大的定義為偏好。

通過爬取用戶上網(wǎng)行為的記錄，統(tǒng)計其瀏覽各類網(wǎng)站的時長。并對各類網(wǎng)站分別進行分類和標(biāo)記，抽取各用戶瀏覽時長最長的網(wǎng)站類型作為其內(nèi)容偏好，最終形成用戶的內(nèi)容偏好DNA圖譜。

4. 用AB測試方法優(yōu)化內(nèi)容

內(nèi)容運營人員在設(shè)計文案時，往往會設(shè)計多個版本作比較，這時候可以采取AB Test的方法幫助選取較優(yōu)的方案。

例如：某食品類B2C電務(wù)平臺經(jīng)常在手機客戶端的通知欄中推送一些商品促銷、購物指南的消息，以此來吸引用戶點擊，從而提高用戶粘性并帶來業(yè)務(wù)上的提升。當(dāng)運營團隊在設(shè)計推送消息的文案時，總是會有很多不一樣的想法，內(nèi)部有時就會提出好幾個版本。此時，可采取AB測試的方法選出一個最優(yōu)的文案。

AB測試采用了全棧API的方案，通過參數(shù)化的方式把推送消息的文案變成一個變量，在控制臺中為各個版本設(shè)置對應(yīng)的變量值。

在試驗剛剛開始的時候，選擇了1%的全網(wǎng)流量進行試驗，各版本均分流量。當(dāng)測試進行了一段時間后，把實驗流量增加到5%。由于消息推送的特殊性，試驗只進行了一天的時間（活動只持續(xù)了一周，活動結(jié)束后再拿到結(jié)果就沒有意義了）。

結(jié)果表明：最好文案比最差文案的點擊率要高出42%。統(tǒng)計顯著性指標(biāo)的結(jié)果也超過了95%，試驗可認(rèn)定為有效。

在活動開始后的第二天，該電商平臺內(nèi)容運營團隊認(rèn)可了測試的結(jié)果，使用最優(yōu)版本的文案在全網(wǎng)范圍內(nèi)進行了消息的推送。

5. 實施精準(zhǔn)化內(nèi)容推送

所謂精準(zhǔn)化內(nèi)容推送是指在合適的渠道或觸點，將合適的內(nèi)容推送給合適的用戶。實際上就是要做到用戶、內(nèi)容和渠道三者之間的精準(zhǔn)適配。

實現(xiàn)內(nèi)容精準(zhǔn)營銷的方式有多種，比如可以基于用戶的內(nèi)容偏好標(biāo)簽做匹配，也可以基于用戶的相似度用協(xié)同過濾算法做推薦，還可以基于內(nèi)容的相似度做推薦。

例如：某省移動公司在開展手機閱讀的內(nèi)容運營時，基于身份信息和行為特征將在網(wǎng)用戶分為：娛樂達(dá)人、應(yīng)用達(dá)人、精打細(xì)算族、消息達(dá)人、純通話人士等類別，并研究了這幾類用戶群的畫像特征和內(nèi)容偏好，開展了針對性的內(nèi)容微營銷。

為新潮商務(wù)人士推送了都市言情、勵志類書籍，為精打細(xì)算族推送了都市言情、經(jīng)管類、社科類書籍；為消息達(dá)人推送了都市言情、玄幻、傳記類書籍。

通過細(xì)分用戶群加內(nèi)容標(biāo)簽方式推送后，用戶人均的閱讀完成率由原來按本推薦時的0.5%提升至3.1%，人均閱讀效果獲得了顯著提升。

6. 構(gòu)建全面的內(nèi)容運營效果評估體系

對內(nèi)容運營效果進行評估時，可以在AARRR模型的基礎(chǔ)上，適當(dāng)融入用戶行為相關(guān)的指標(biāo)數(shù)據(jù)。例如：以某知識付費學(xué)習(xí)APP產(chǎn)品為例，圍繞用戶獲取、活躍、留存、收入和行為五個維度展開，構(gòu)建了內(nèi)容運營效果的評估指標(biāo)體系。

三、小結(jié)

內(nèi)容持續(xù)維系著產(chǎn)品與用戶之間的關(guān)系，內(nèi)容運營需要我們用心沉下去、精細(xì)化的去做。

用數(shù)據(jù)可以深入了解用戶的內(nèi)容需求，指導(dǎo)我們進行內(nèi)容的測試與優(yōu)化，幫助我們開展個性化的精準(zhǔn)推送。

總之，數(shù)據(jù)化的內(nèi)容運營是提升內(nèi)容運營效果的有效手段。

作者：黃小剛，微信公眾號：大數(shù)據(jù)產(chǎn)品設(shè)計與運營

本文由 @黃小剛 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Unsplash，基于CC0協(xié)議