很多互聯(lián)網產品是依賴內容的持續(xù)更新來吸引新用戶、維系老用戶的，內容是連接用戶和產品之間的橋梁與紐帶，特別是對于知識付費型產品或者自媒體平臺而言，將內容比作是平臺或產品的靈魂和血肉也不為過。可見，內容對于產品或平臺是非常重要的。
一、什么是內容運營
要給內容運營下定義，先要清楚內容是什么。在不同行業(yè)和領域，內容有不同的表現(xiàn)形式。內容可以是H5軟文、音頻、視頻、圖文、動漫、幻燈片、小程序、歌曲、游戲等等。內容運營就是指通過內容生產、發(fā)布和傳播，滿足用戶的內容消費需求，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），傳遞產品的價值。
二、為什么需要用數(shù)據驅動內容運營？
傳統(tǒng)的內容運營一般劃分為五個環(huán)節(jié)：確定選題、內容生產、內容審核、內容發(fā)布與傳播、效果反饋。由于人手不夠、技術支撐不足或者數(shù)據意識弱等方面的原因，企業(yè)在內容運營時往往不同程度上存在著四個方面的不足：
1、數(shù)據采集不全面：企業(yè)在完成每次的內容分發(fā)和傳播后，往往只對打開率、點擊次數(shù)等效果類數(shù)據進行了收集和分析，而對用戶消費內容的行為數(shù)據沒有給予足夠的重視，缺乏對用戶內容消費行為深層次、細粒度的數(shù)據的采集，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)據的深度采集有缺失，這樣就容易造成對內容呈現(xiàn)形式、內容改版等方面缺乏全面透徹的分析。
2、用戶畫像不細致：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（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簽，也缺乏與具體場景存在高關聯(lián)度的標簽，更不用說融合第三方數(shù)據的標簽，對用戶的洞察實際上是不細致、不全面的。
3、內容優(yōu)化不科學：企業(yè)的內容運營人員在決定具體的內容和表現(xiàn)形式時，經常遇到需要在幾種方案中做選擇的情況，當拿不定主意選擇何種方案時，往往會根據自身的經驗和少數(shù)人拍腦袋的意見來做出選擇。這種內容優(yōu)化的方式有時候可能會奏效，有時候可能會差強人意。如果能結合用戶的內容偏好模型和內容質量評分模型等數(shù)量化的手段作分析，我們對內容的優(yōu)化處理則會更有科學依據。
4、內容推薦不精準：內容運營在做內容分發(fā)前，通常是“廣而告之”的模式，理所當然的認為一篇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，這種內容推薦和分發(fā)的模式是比較粗放的。事實上，不同的細分用戶群體會有不同的內容偏好，即使是同屬于同一個產品的粉絲群，每個粉絲的偏好也可能有所細微的差異，每個內容運營人員在做內容的分發(fā)和傳播時應該為合適的用戶匹配合適的內容。
在此情況下，為推進內容的精細化運營，需要在內容運營方面補齊數(shù)據采集與分析應用能力，在原有內容運營閉環(huán)的基礎上，引入數(shù)據運營的閉環(huán)作為內核，用數(shù)據運營的內環(huán)驅動內容運營的外環(huán)，用數(shù)據賦能內容運營，用數(shù)據提升內容運營的效率。
三、如何用數(shù)據驅動內容運營？
數(shù)據化的方法和手段可以滲透到內容運營的諸多環(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，補齊數(shù)據采集能力短板
所謂埋點就是在應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，為后續(xù)產品和運營提供數(shù)據支撐。引入數(shù)據埋點技術，是為了更好的記錄和分析用戶消費內容時的行為模式。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)據的地方植入N行代碼，統(tǒng)計用戶的關鍵行為。目前，國內主要第三方數(shù)據分析服務商，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，即可預先自動收集用戶的特定行為數(shù)據，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)據的采集和發(fā)送。
如果想要分析核心的業(yè)務指標，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)務數(shù)據進行采集上報，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)務屬性數(shù)據。
如上表所述，三種埋點技術各有優(yōu)劣勢，企業(yè)可結合自身實際進行選擇。如果只需要簡單地查看網站的 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無法滿足于時代的要求?？梢暬顸c的分析能力介于二者之間，它可以非常精細的分析交互數(shù)據的情況，甚至可以對同一個頁面上不同環(huán)節(jié)進行埋點，制作成轉化漏斗，但是它又有數(shù)據不穩(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構更改而失效，同時可視化全埋點也不支持采集業(yè)務數(shù)據。
2、完善用戶畫像體系
以用戶內容消費行為的分析為核心，可從基本屬性、內容偏好、內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體系：
3、 基于用戶分類，識別用戶內容偏好
識別用戶的內容偏好是我們設計內容和精準推送內容的基礎。如何識別用戶的內容偏好呢？一般還是要分析用戶對內容的消費行為數(shù)據。分析用戶的內容偏好，可以從某方向偏好的消耗時長角度出發(fā)，當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，根據用戶對內容的瀏覽時長分析，將用戶對某內容的瀏覽時長比重最大的定義為偏好。通過爬取用戶上網行為的記錄，統(tǒng)計其瀏覽各類網站的時長，并對各類網站分別進行分類和標記，抽取各用戶瀏覽時長最長的網站類型作為其內容偏好，最終形成用戶的內容偏好DNA圖譜。
4、用AB測試方法優(yōu)化內容
內容運營人員在設計文案時，往往會設計多個版本作比較，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電務平臺經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)務上的提升。當運營團隊在設計推送消息的文案時，總是會有很多不一樣的想法，內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置對應的變量值。在試驗剛剛開始的時候，選擇了1%的全網流量進行試驗，各版本均分流量。當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，活動結束后再拿到結果就沒有意義了）。結果表明，最好文案比最差文案的點擊率要高出42%。統(tǒng)計顯著性指標的結果也超過了95%，試驗可認定為有效。在活動開始后的第二天，該電商平臺內容運營團隊認可了測試的結果，使用最優(yōu)版本的文案在全網范圍內進行了消息的推送。
5、 實施精準化內容推送
所謂精準化內容推送是指在合適的渠道或觸點，將合適的內容推送給合適的用戶，實際上就是要做到用戶、內容和渠道三者之間的精準適配。
實現(xiàn)內容精準營銷的方式有多種，比如可以基于用戶的內容偏好標簽做匹配，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容運營時，基于身份信息和行為特征將在網用戶分為：娛樂達人、應用達人、精打細算族、消息達人、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容偏好，開展了針對性的內容微營銷，為新潮商務人士推送了都市言情、勵志類書籍，為精打細算族推送了都市言情、經管類、社科類書籍，為消息達人推送了都市言情、玄幻、傳記類書籍。通過細分用戶群加內容標簽方式推送后，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、 構建全面的內容運營效果評估體系
對內容運營效果進行評估時，可以在AARRR模型的基礎上，適當融入用戶行為相關的指標數(shù)據。例如：以某知識付費學習APP產品為例，圍繞用戶獲取、活躍、留存、收入和行為五個維度展開，構建了內容運營效果的評估指標體系。
四、小結
內容持續(xù)維系著產品與用戶之間的關系，內容運營需要我們用心沉下去、精細化的去做。用數(shù)據可以深入了解用戶的內容需求，指導我們進行內容的測試與優(yōu)化，幫助我們開展個性化的精準推送。總之，數(shù)據化的內容運營是提升內容運營效果的有效手段。
文章來源：鳥哥筆記
【轉載說明】 若上述素材出現(xiàn)侵權，請及時聯(lián)系我們刪除及進行處理：[email protected]
