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，內(nèi)容是連接用戶和產(chǎn)品之間的橋梁與紐帶，特別是對(duì)于知識(shí)付費(fèi)型產(chǎn)品或者自媒體平臺(tái)而言，將內(nèi)容比作是平臺(tái)或產(chǎn)品的靈魂和血肉也不為過?？梢?，內(nèi)容對(duì)于產(chǎn)品或平臺(tái)是非常重要的。

一、什么是內(nèi)容運(yùn)營

要給內(nèi)容運(yùn)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(dòng)漫、幻燈片、小程序、歌曲、游戲等等。內(nèi)容運(yùn)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(fèi)需求，與用戶保持溝通和連接，以擴(kuò)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(jià)值。

二、為什么需要用數(shù)據(jù)驅(qū)動(dòng)內(nèi)容運(yùn)營？

傳統(tǒng)的內(nèi)容運(yùn)營一般劃分為五個(gè)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(shí)弱等方面的原因，企業(yè)在內(nèi)容運(yùn)營時(shí)往往不同程度上存在著四個(gè)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(duì)打開率、點(diǎn)擊次數(shù)等效果類數(shù)據(jù)進(jìn)行了收集和分析，而對(duì)用戶消費(fèi)內(nèi)容的行為數(shù)據(jù)沒有給予足夠的重視，缺乏對(duì)用戶內(nèi)容消費(fèi)行為深層次、細(xì)粒度的數(shù)據(jù)的采集，特別是對(duì)于外部平臺(tái)（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(duì)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(duì)用戶畫像并不陌生，但是實(shí)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(jì)分析，缺乏基于行為深度加工后的標(biāo)簽，也缺乏與具體場(chǎng)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(duì)用戶的洞察實(shí)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(yùn)營人員在決定具體的內(nèi)容和表現(xiàn)形式時(shí)，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(shí)，往往會(huì)根據(jù)自身的經(jīng)驗(yàn)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(shí)候可能會(huì)奏效，有時(shí)候可能會(huì)差強(qiáng)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(píng)分模型等數(shù)量化的手段作分析，我們對(duì)內(nèi)容的優(yōu)化處理則會(huì)更有科學(xué)依據(jù)。

4、內(nèi)容推薦不精準(zhǔn)：內(nèi)容運(yùn)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(shí)上，不同的細(xì)分用戶群體會(huì)有不同的內(nèi)容偏好，即使是同屬于同一個(gè)產(chǎn)品的粉絲群，每個(gè)粉絲的偏好也可能有所細(xì)微的差異，每個(gè)內(nèi)容運(yùn)營人員在做內(nèi)容的分發(fā)和傳播時(shí)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(jìn)內(nèi)容的精細(xì)化運(yùn)營，需要在內(nèi)容運(yùn)營方面補(bǔ)齊數(shù)據(jù)采集與分析應(yīng)用能力，在原有內(nèi)容運(yùn)營閉環(huán)的基礎(chǔ)上，引入數(shù)據(jù)運(yùn)營的閉環(huán)作為內(nèi)核，用數(shù)據(jù)運(yùn)營的內(nèi)環(huán)驅(qū)動(dòng)內(nèi)容運(yùn)營的外環(huán)，用數(shù)據(jù)賦能內(nèi)容運(yùn)營，用數(shù)據(jù)提升內(nèi)容運(yùn)營的效率。

三、如何用數(shù)據(jù)驅(qū)動(dòng)內(nèi)容運(yùn)營？

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

1、引入埋點(diǎn)技術(shù)，補(bǔ)齊數(shù)據(jù)采集能力短板

所謂埋點(diǎn)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(yùn)營提供數(shù)據(jù)支撐。引入數(shù)據(jù)埋點(diǎn)技術(shù)，是為了更好的記錄和分析用戶消費(fèi)內(nèi)容時(shí)的行為模式。目前，市面上有三種埋點(diǎn)方法：（1）代碼埋點(diǎn)：所謂代碼埋點(diǎn)就是在需要統(tǒng)計(jì)數(shù)據(jù)的地方植入N行代碼，統(tǒng)計(jì)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(jì)、友盟、TalkingData 等都提供了這一方案。

（2）全埋點(diǎn)：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(dòng)收集用戶的特定行為數(shù)據(jù)，例如頁面瀏覽、元素點(diǎn)擊等行為。

（3）可視化全埋點(diǎn)：是指開發(fā)人員除集成采集 SDK 外，不需要額外去寫埋點(diǎn)代碼，而是由業(yè)務(wù)人員通過訪問分析平臺(tái)的圈選功能來“圈”出需要對(duì)用戶行為進(jìn)行捕捉的控件，并給出事件命名。圈選完畢后，這些配置會(huì)同步到各個(gè)用戶的終端上，由采集 SDK 按照圈選的配置自動(dòng)進(jìn)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(diǎn)。代碼埋點(diǎn)的穩(wěn)定性較高，同時(shí)只有代碼埋點(diǎn)才支持對(duì)于業(yè)務(wù)數(shù)據(jù)進(jìn)行采集上報(bào)，全埋點(diǎn)和可視化全埋點(diǎn)，由于都是程序自動(dòng)化進(jìn)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)。

如上表所述，三種埋點(diǎn)技術(shù)各有優(yōu)劣勢(shì)，企業(yè)可結(jié)合自身實(shí)際進(jìn)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(diǎn)即可，但是顯然這樣的分析能力已經(jīng)無法滿足于時(shí)代的要求?？梢暬顸c(diǎn)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(duì)同一個(gè)頁面上不同環(huán)節(jié)進(jìn)行埋點(diǎn)，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(shí)間的推移，可視化全埋點(diǎn)的埋點(diǎn)定義可能會(huì)因?yàn)榇a結(jié)構(gòu)更改而失效，同時(shí)可視化全埋點(diǎn)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(fèi)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(gè)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(shí)別用戶內(nèi)容偏好

識(shí)別用戶的內(nèi)容偏好是我們?cè)O(shè)計(jì)內(nèi)容和精準(zhǔn)推送內(nèi)容的基礎(chǔ)。如何識(shí)別用戶的內(nèi)容偏好呢？一般還是要分析用戶對(duì)內(nèi)容的消費(fèi)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(shí)長角度出發(fā)，當(dāng)該方向偏好在用戶使用時(shí)長中占比最大時(shí)，即可定義該方向?yàn)橛脩舻钠谩?/p>

比如，我們?cè)谘芯侩娦胚\(yùn)營商的用戶閱讀行為偏好時(shí)，根據(jù)用戶對(duì)內(nèi)容的瀏覽時(shí)長分析，將用戶對(duì)某內(nèi)容的瀏覽時(shí)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(jì)其瀏覽各類網(wǎng)站的時(shí)長，并對(duì)各類網(wǎng)站分別進(jìn)行分類和標(biāo)記，抽取各用戶瀏覽時(shí)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(cè)試方法優(yōu)化內(nèi)容

內(nèi)容運(yùn)營人員在設(shè)計(jì)文案時(shí)，往往會(huì)設(shè)計(jì)多個(gè)版本作比較，這時(shí)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(tái)經(jīng)常在手機(jī)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(diǎn)擊，從而提高用戶粘性并帶來業(yè)務(wù)上的提升。當(dāng)運(yùn)營團(tuán)隊(duì)在設(shè)計(jì)推送消息的文案時(shí)，總是會(huì)有很多不一樣的想法，內(nèi)部有時(shí)就會(huì)提出好幾個(gè)版本。此時(shí)，可采取AB測(cè)試的方法選出一個(gè)最優(yōu)的文案。

AB測(cè)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(gè)變量，在控制臺(tái)中為各個(gè)版本設(shè)置對(duì)應(yīng)的變量值。在試驗(yàn)剛剛開始的時(shí)候，選擇了1%的全網(wǎng)流量進(jìn)行試驗(yàn)，各版本均分流量。當(dāng)測(cè)試進(jìn)行了一段時(shí)間后，把實(shí)驗(yàn)流量增加到5%。由于消息推送的特殊性，試驗(yàn)只進(jìn)行了一天的時(shí)間（活動(dòng)只持續(xù)了一周，活動(dòng)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(diǎn)擊率要高出42%。統(tǒng)計(jì)顯著性指標(biāo)的結(jié)果也超過了95%，試驗(yàn)可認(rèn)定為有效。在活動(dòng)開始后的第二天，該電商平臺(tái)內(nèi)容運(yùn)營團(tuán)隊(duì)認(rèn)可了測(cè)試的結(jié)果，使用最優(yōu)版本的文案在全網(wǎng)范圍內(nèi)進(jìn)行了消息的推送。

5、 實(shí)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(diǎn)，將合適的內(nèi)容推送給合適的用戶，實(shí)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(shí)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(dòng)公司在開展手機(jī)閱讀的內(nèi)容運(yùn)營時(shí)，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(duì)性的內(nèi)容微營銷，為新潮商務(wù)人士推送了都市言情、勵(lì)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(shí)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(yùn)營效果評(píng)估體系

對(duì)內(nèi)容運(yùn)營效果進(jìn)行評(píng)估時(shí)，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(shí)付費(fèi)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(gè)維度展開，構(gòu)建了內(nèi)容運(yùn)營效果的評(píng)估指標(biāo)體系。

四、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(yùn)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(jìn)行內(nèi)容的測(cè)試與優(yōu)化，幫助我們開展個(gè)性化的精準(zhǔn)推送?？傊瑪?shù)據(jù)化的內(nèi)容運(yùn)營是提升內(nèi)容運(yùn)營效果的有效手段。

-END-