当前位置:首页 > 运营推广

如何用数据分析,搞定新媒体运营的定位和内容初始化?

时间:2019-06-28 18:43:23来源:运营推广作者:seo实验室小编阅读:77次「手机版」
 

小时代人物关系图

最近,很多运营微信公众号、微博头条号的小伙伴都被这样一个问题困扰着:

为啥我新媒体账号有时推送的阅读量很高,有时却是极低,甚至最高值和最低值之间相差达数十倍之多。如此不稳定,这究竟是为什么呢?

其实,原因很简单—因为运营者们没有很好地给自己运营的新媒体账号进行定位,也不了解他们的粉丝需要什么样内容,只知道每天推送内容,而不知道什么样的内容是与我们公众号的自身定位相符的,只要是自己觉得好的内容就推-推-推。

这是典型的代替用户去思考其阅读喜好,而不是带有“同理心”的站在用户的立场上去思考问题。

要解决上述问题,就需要我们在新媒体账号建设之初,做好定位工作,避免后续运营中缺乏“同理心”的操作。

下面以微信公众号为例,其他类型的新媒体账号的定位原理差不多,可“依葫芦画瓢”进行迁移复用。

一般来说,对公众号进行定位具有如下重要意义:

有利于选择公众号名称

有利于生产内容,便于我们围绕一个主题去创造或寻找每天推送的素材

便于我们根据主题积累目标粉丝,也就是发展精准用户

便于后期的盈利(大部分公众号的运营都是为了获得盈利),经定位获取的大量精准粉丝可作为广告投放的“筹码”

有利建立清晰的账号形象 ,打造独一无二的公众号品牌

既然微信公众号的定位如此重要,那么我们该如何定位呢?

淡定,笔者这次将抛弃原先“先理论后实操”的写作套路,直接以某个青春文学类微信公众账号的定位作为实操案例,聊聊如何利用数据分析,从0到1的对公众号名称、栏目规划及内容初始化等方面来讲述公众号的定位。

以下是本文的行文脉络,从账号设定背景讲起,关键部分是用户画像信息阅读偏好的提取,这是后续公众号定位及其内容初始化的根据,大家可以寻找自己感兴趣的部分进行阅读。

本文的行文脉络

1 账号设定背景:做一个青春文学类的微信公众账号

不知道小伙伴们有没有注意,最近这(十)几年青春题材的小说或是电影渐渐多了起来,比如《三重门》、《幻城》、《何以笙萧默》、《微微一笑很倾城》、《匆匆那年》、《致我们终将逝去的青春》等,这些作品的背后是以韩寒、郭敬明、顾漫、九夜茴和辛夷坞为代表的新生代80后作家,他们创作的作品一改之前严肃、深邃的文学之风,代之以浪漫、痛楚、穿越和奇幻。

这些张扬着青春与活力的文学作品不仅长期霸占着小说、文学排行榜,还被改编为各种影视剧,让万千少男少女(下至10来岁的小学生,上至“奔四”的青年白领)沉醉其中,不能自拔,正所谓“引无数青少年男女竞折腰”。

市面上广受好评的青春文学(影视剧)作品

鉴于青春文学如此火热的市场,作为文艺青年的笔者,就以一个青春文学类微信公众账号的创建为例,内容方向上以青春文学类短篇美文、小说连载为主,采用内容原创和作者签约机制相结合的内容生产机制。

根据上面对青春文学的简单描述及笔者个人倾向,笔者可以得到一个关于该微信自媒体的大致规划方向:

公众号内容风格:类似新生代青年作家(如韩寒、郭敬明和李尚龙等8090后作家的写作风格)的行文风格。

目标人群:爱好青春文学的青年学生群体、年轻白领。

值得注意的是,上述规划是基于常识和直观性的判断,还是比较模糊,不够细致的,但这一步很重要—它确定的是公众号定位的“大政方针”,后续的数据分析是在其基础上逐渐缩小定位的“包围圈”。

接下来,笔者将通过数据分析使公众号的定位逐渐明晰,使其能为接下来的公众号名称、栏目规划和内容初始化提供参考。

2 获取目标人群的基本信息

2.1 选择合适的用户信息获取渠道

由于公众号还未建立,因此用户相关数据不能通过直接获取,这里可以通过第三方渠道间接得到。这种第三方渠道要符合2个条件:

目标用户量/粉丝量基本相同,包括年龄、性别、兴趣爱好等;

拥有的用户量/粉丝量足够多,具有代表性。

活跃度较高,所获得的信息具有时效性。

基于此,笔者想到的是自媒体。由于微信的很多数据被腾讯微信团队所垄断,从对微信公众号的分析中得不到有价值的信息,而微博用户活跃度相当高,且数据相对公开。

因此,笔者选择在微博上选取公众号相关性较高的一些微博大号进行分析,选择的依据除了上述3条,还有其他选择标准,如下图所示:

选择合适的微博账号进行用户信息提取

2.2 从微博上间接获取粉丝信息

依据上述筛选条件,笔者选取了新生代8090后作家中的几位具有代表性的作家—韩寒、郭敬明和李尚龙,有人会问了:

他们的文风和调性,有的略显深沉,有的肆意青春,有的是鸡汤喝得醍醐灌顶,看起来文风迥然,综合起来合适吗?

笔者认为,他们的作品广受好评是因为其中的元素(张扬不羁、疼痛温暖和热血励志等元素)很受市场欢迎,将其杂糅在一起,可以以一种新的青春文学派别呈现,算是微创新。同时,青春文学的阅读细分人群较多,不可能一种风格吃透整个粉丝群体,需要使本公众号具有“反脆弱”的自适应能力,需要在建立之初就拥有多种风格的基因。

选取他们微博上近期发布的单条微博进行分析,单条微博选取条件及操作参见《当数据分析遭遇心理动力学:用户深层次的情感需求浮出水面》。如下图所示:

对李尚龙、郭敬明和韩寒发布的单条微博进行分析

分析结果中的粉丝性别、粉丝年龄、粉丝地域和粉丝兴趣标签,是我们需要重点“照顾”几个分析维度。具体的分析结果如下:

对韩寒单条微博分析的结果

对郭敬明单条微博分析的结果

对李尚龙单条微博分析的结果

2.3 目标人群的“画像”信息提取

(1)目标人群的年龄分析

3位作家单条微博对应粉丝年龄分布

从上图可以看出,韩寒、郭敬明和李尚龙的微博粉丝的年龄段主要集中在“19-24岁”这个区间,这是“第一集团“,而“第二集团”是“25-34岁”这个年龄段区间,而韩寒的粉丝年龄段“第一集团“和”第二集团“人群相差无几,不过这也好解释,他的文风犀利但有深度,有自己的人生哲学(对比《后会无期》与《小时代》系列、《你只是看起来很努力》即可知)俘获广大80后粉丝有关。

综上所述,该公众号主要面向人群是19-24岁这个年龄段的人群,次要人群为25-34岁,据一般常识判断,粉丝群体应涵盖学生群体(高中生、大学生)、白领群体。

(2)目标人群的性别分析

3位作家单条微博对应的粉丝性别分布

据上图可知,几位作家对应的粉丝群体的性别主要以女性为主,尤其是郭敬明和李尚龙的粉丝群体女性占比极大,分别达到90%和75%上下,造成这种情况的原因如上分析。

综上所述,该公众号面向的人群主要是女性群体,加上年龄特征,即女青年。

(3)目标人群的地域分析

3位作家单条微博对应的粉丝地域分布

关于粉丝地域分布,笔者是想找出几位作家人群的共性分布区域,缩小地域范围,在几个区域进行集中发力,到时可以着力找当地的畅销文学、事件、人物等内容素材信息,打造粉丝群体喜闻乐见的文章;抑或找到当地有影响力的自媒体进行推广和互推;后期盈利变现也能有的放矢。

上面可以看出,上海北京、广东三地的粉丝较多(当然也不排除这里的互联网发达,网民较多…),这里可以作为主攻区域。

(4)粉丝的兴趣图谱及情感需求分析

这部分需要对上述3条微博的互动粉丝的兴趣标签进行整理,并利用C++ensydiam模型进行分析,详细步骤可以参考当数据分析遭遇心理动力学:用户深层次的情感需求浮出水面(万字长文,附实例分析)》。

将三条微博的粉丝兴趣标签进行优先级赋值和归并计算,找出得分较高的前10个兴趣标签:

对粉丝兴趣标签进行处理

由此,我们可以得到公众号目标人群的10个最重要的特征,关于它的用户,笔者将在后面提到。

再经处理,得到如下“兴趣-行为动机”对应表和最终的3类主要情感需求象限

3条微博粉丝的“兴趣-行为动机”对应表

目标人群的情感需求在Censydiam动机分析模型中的反映

由上述分析可知,公众号的粉丝的情感需求在Censydiam消费动机分析模型主要对应模型中的3个象限,即“享乐/释放”、“舒适/安全”和“个性/独特”。这三类情感需求象限其实对应的是三类不同的粉丝群体,所以在后续的公众号定位及栏目规划时需要兼顾三者的差异性需求。

好了,通过间接手段,我们获取了目标人群的用户画像,了解了他们的基本特征,这对我们进行公众号的内容规划、风格调性和粉丝获取渠道都很有帮助。

然而,对于微信公众号的定位来说,仅有上述信息是不够的,因为我们还需要确认目标人群的阅读偏好,知道哪些内容是他们喜闻乐见的,据此可以“投其所好”。

3 获取粉丝的阅读偏好信息

该部分的目的在于获取目标人群的阅读喜好,了解他们喜好什么风格的文章,里面包含哪些意象/元素(帅哥、虐恋还是各种关于青春的东西),涉及到哪些关键词,这样便于栏目规划、菜单设置及后续的内容(伪)原创和采集。

总之,这一步是为内容输出奠定框架和找准发力方向。

为此,我们需要进行文本挖掘,笔者采用了网络内容分析法进行分析,从中提取粉丝的阅读偏好相关信息,对应的工具TagxedoNetdraw。

3.1 语料提取

进行网络内容分析的第一步是采集精准、高质量文本分析语料,需要找到符合上述用户特征的文本数据。

为此,笔者采用大数据文本采集及分析工具(新浪微舆情)进行文本数据采集和部分数据的分析。采集时间段是2016-6-1~2016-10-13,数据来源为全网。

输入“青春文学”进行全网文本数据采集和分析

这段时间全网关于“青春文学”的信息量分布情况,如下图所示:

全网关于“青春文学”的信息量分布

将这些文本数据导出到本地,形成excel格式文件,再按“青春文学”文本数据在上述传播渠道中所占的比重进行相应分层随机抽样,并进行同比例的人工随机抽样校准(看抽取的样本有没有问题,有的话及时剔除,再进行补充),最终得到1526条文本数据,如下图所示:

经抽样得到的最终分析文本数据

3.2 词频分析

经过系统处理,从这些定性语料中抽取出若干关键词形成词云,可以获得这些语料的初步印象,有一个直观的判断,见下图:

定性语料形成的关键词云

从上述关键词词云中,能直观的看到“爱情”、“故事”、“关系纠葛”(他们、你的、她们、她的、我们)、“青春”这些关键词,由此在直观上可以对公众号的内容运营方向有一个“朦胧”的感觉。

不过,这还不够细致,我们还需要进行更为深入的分析。

将语料中最为重要的150个关键词(按词频和权重)进行提取,下载到本地,然后基于对“青春文学”背景知识的了解,进行人工的词汇定性分类(见颜色标注),如下表显示:

从语料中提取出的150个重要关键词

从上述关键词表中,可以得出以下几类主题:

爱情(爱情、美好、爱上、遇见、幸福、火花、感情等)

校园(青春、学校、校园、高中、大学、同学、学院等)

美女(单纯、公主、可爱、萝莉、美丽、美女、妹妹、妹子、女生、女主角、最美等)

帅哥/美男(大人、高富帅、哥哥、老公、美男、帅哥、帅气、王子、阳光等)

拜金(千金、小姐、霸道、霸气、贵族、总裁等)

亲情(父亲、孩子、家族、母亲、亲情、兄弟等)

这些主题及其下辖关键词可以作为公众号的内容规划方向,或者是具体文章中需要体现的重要元素,当然笔者在进行公众号内容规划时会留其精华,对其“糟粕“内容进行剔除或重构,只生产优质内容。

接下来,笔者将对上述关键词及其主题进行语义网络分析,揭示出这些主题及其关键词之间错综复杂的关系,为将来的内容运营找到足以有吸引力的情节架构写作套路

3.3 语义网络分析

在对本案例进行语义网络分析之前,先科普下它的概念,因为直接进行分析的话,大家理解起来会有点困难,给大家的阅读带来障碍。

所以,暂且听笔者唠叨一下它的原理,对于下面的实例分析和今后的“迁移应用”大有裨益。

(1)语义网络分析和(词频)共现分析的原理

语义网络分析,原本是NLP(自然语言理解)及CS(认知科学领域)研究中的一个概念,用来表达复杂的概念及其之间的相互关系,是一个有向图(有起止方向),其顶点表示概念,而边则表示这些概念间的语义关系,从而形成一个由节点和连线构成的语义网络描述图。

笔者在这里提及的语义网络是基于共现分析原理。共现分析的方法论基础之一是心理学邻近联系法则(是指曾经在一起感受过的对象往往在想象中也联系在一起,以致于想起它们中的某一个的时候,其他的对象也会以曾经同时出现时的顺序想起),因而它是一种将各种文本数据/信息中的共现信息定量化的分析方法, 以揭示信息的内容关联和特征项所隐含的寓意。

比如,在一段文本中,共同出现的特征项(以词汇的形式出现,如人名、地名、物品名、各类形容词、副词等)之间一定存在着某种关联,关联程度可用共现频次来测度。

比如,在小说中的几个人物及其相关词汇(姓名、动作和情感描述等)多次共同出现在小说的各个章节(及其段落),可以反映如下事实:

这几个人物存在着一定的人际关系(或好或坏);

共同出现的频次越高,说明这几个人物之间的人际关系的强度越高,关联程度越大;

文本数据中共同出现的多个关键词在内容属性上具有较强的相关性;

相关阅读

B端产品竞品分析:如何用低成本方法获取更多信息?

与C端产品竞品分析相比,B端产品做竞品分析有哪些注意点?与C端产品竞品分析相比,我们在做B端产品竞品分析时有数据来源有限、公开信息

三步,教你搞定情人节活动专题页设计及玩法!

2.14情人节马上要到了,估计很多店铺或平台都已经在准备情人节相关的活动了(或者有些手快的活动页面在年前都已经做完了吧),那么今天我

100种方法,教你搞定手绘专题页设计!

今天的内容量很多也很实用,建议大家耐心阅读完后收藏备用呐~不知道大家发现没有,就是随着技能工具的增多,我们现在的设计形式越来越多

如何用Kano模型量化用户需求?

Kano模型是东京理工大学教授狩野纪昭(Noriaki Kano)发明的对用户需求分析、分类和需求优先级排序的模型。kano模型以分析用户需求

如何用sosreport在Linux上创建诊断报告

Sosreport是RHEL / CentOS上的一个命令,它会收集系统配置和你linux机器上的诊断信息,如正在运行的内核版本、加载的模块和系统和服

分享到:

栏目导航

推荐阅读

热门阅读