教你十招搞定内容营销关键原则_数据分析师
在谷歌的实验室中,数百名有着博士学位的数学家在为钻研搜索引擎和算法,试图寻找能让大家都关注、喜欢的内容和提升用户体验的有效途径,他们在寻找优质内容,和产生优秀内容的原因。
内容是搜索引擎和社交网络所构建的信息网络的血脉与基石。不论你是专注于社会化媒体、搜索引擎优化还是互联网营销,构建属于你自己的内容营销策略与系统都是非常必要的。
内容营销的演变伴随着整个社交媒体的变化而逐步转变。精明的社交媒体的营销者不再打算继续做扎克伯格手上的玩物,他们开始意识到他们不能一味地追随Facebook和社区的脚步,真正有含金量的内容才是关键。
把握在线内容的导向和趋势,结合优质内容创作并策划才是走向未来的关键。不再单打独斗,将内容营销的DNA植入销售和运营,让注意力引导到正确的方向。接下来,我们仔细看看内容营销的十大关键原则。
好内容是关键。不过,说起来简单,执行起来却并不容易。创作令人难忘的内容没法信手拈来,但是有迹可循。在《Made to Stick》这本书中,作者介绍了创作优质内容的六大原则:
·简单直观
·令人意外
·具体细节
·可信可靠
·饱含情绪
·故事完整
如果你能基于这些原则来创作和修改内容,至少能让你的内容更上一层楼,为接下来的营销打好坚实的基础。
再不喜欢标题党,你也得承认这是一个必然的趋势。在过去,人们不得不通过购买图书和报刊杂志来获取内容,一般而言,自己花钱买的内容再难看也要忍着读完。
但是在社交网络上并不是这样,免费的内容到处都是,如果你的标题够不够炫酷、不够抢眼、不够抓人、不够走心、不够炸裂,那么必然会读者忽略被用户抛弃。
实际稍纵即逝,每一个文字的时间窗口都非常短暂,稍纵即逝的时机是对每一个标题的严苛考验,不论是在Facebook、Twitter还是在微博和微信,皆是如此。
如果不能让每篇文字都成为经典的内容,至少你可以做一个称职的“标题党”。
成功的企业了解他们的客户是谁,明白问题在哪里,掌握用户的痛点。这也是内容的创造者和营销者需要具备的素质,内容需要围绕着给用户提供解决方案/问题答案来打造,迎合用户的需求,戳中他们内心深处的欲望、需求,击中他们内心最柔软最痛苦的地方。
内容就是你的食材,你就是站在案板前的首席厨师。鞋合适不合适,脚最清楚,所以你需要让自己成为一只敏锐的脚,每次都问问自己,“这是不是用户想要知道的?”“他们会不会为此而着迷?”。如果对于你的内容所探讨的主题极为熟悉,热衷于这个行业,那么你会很清楚这些问题的答案。
时间就是金钱,谁的时间都不够用。在这样的社会中,信息爆炸,数据满天飞,大家获取信息的关键已经从“看什么”变成了“不看什么”。所以,清晰的内容结构能够让读者更顺畅地获取信息,良好的内容结构通常符合下面的特征:
·短句
·短段落
·副标题
·提纲要点
·列表
所以,请千万不要用夹缠不清的长句挑战用户的底线。
你需要让你的内容“流动起来”。它需要像液体一样灵活,基于社交网络的属性来设计和构建, 通过分享不断提升生命力。社会化营销是一场战争,从内容页的网页设计到分享按钮的布置,从用户评论到社交媒体上的文案,每一个细节都要慎重考虑。让社交分享按钮尽量清晰方便,但是又不会过于突兀,或者喧宾夺主。
即使著名的纽约时报的网页版,同样有着这样的错误。
搜索引擎优化几乎是中国的网络营销者必备的技能。抓住关键词,了解搜索引擎的抓取内容机制,确保你的内容很容易被搜索引擎发现。如果你的内容发布在诸如Wordpress这样的博客网站上,借助系统内置的关键词功能;如果是在微博、Twitter上,尽量在内容上加上热门的标签和话题,提高曝光度。
下图的截图展示了名为Yoast的工具如何帮助网站进行搜索引擎优化:
这个工具可以让你的博客能被搜索引擎“看到”。
不论是企业还是个人,在网络和社交媒体上都具有品牌属性,在这个内容为王的时代,应该让品牌发声。虽然有的看起来略显粗糙、冒险或者保守,但是它们确实存在,所以作为内容营销者,应该有品牌意识,并且将品牌的基因诸如内容营销中。
如何令品牌“发声”呢?诸如可口可乐这样的品牌,通常会让内容和他们的品牌目标相“匹配”、“一致”,这也就是“发声”。看看红牛的内容营销,你就很容易明白了。
其实个人品牌的品牌营销也是遵循相似的规律。看看这篇“7 Tips to Finding your Writing Voice”,这里会告诉你具体的做法。
文字的力量不容小觑,但是视觉内容能够更直接地冲击用户,这也是为什么日本的年轻人更愿意接受漫画而不愿阅读文字,每年世界范围内视频内容的分享的分发都翻着倍地增长。
以不同格式呈现相同的内容。
值得注意的是,多媒体媒介中,所涉及到的感官越多,内容的保留率越高。下面是Edgar Dale 的“学习金字塔”,这幅图也正好证明了这一点。
来源: National Training Laboratories, Bethel, Maine
创建并发布视频、播客、视频和信息图,这还仅仅只是一个开始。别忘了还有用户喜欢阅读,你还可以将你的内容制作成为epub电子书和PDF文档。
在国外,你除了搞定传统的Facebook和Twitter之外,Instagram、Pinterest、Tumblr、Youtube也都是必须覆盖到的。同理在中国,你拥有微博和微信公众号还不够,在移动端,头条、陌陌、优酷、B站都是相当不错社交媒体平台。
在不同的社交网络上展示内容。
坚持不懈地在多个平台上稳定均匀地分发内容,能够同你的用户建立信任,增长品牌知名度。
没有目标的内容是浪费时间的金钱,也是对品牌的极大浪费。内容营销的目标应该包括获取用户的联系方式(邮件、微博、微信、电话),点赞,转发和分享,销售产品和服务。你需要将你内容的读者转化为你的产品和服务的购买者或者用户。“以转化率为中心的设计”应该是你进行内容设计的核心思想。从设计和心理学的角度,你需要关注七个方面:
设计:
·封装模式
·对比度和色彩
·方向引导
·留白
心理学:
·紧迫性和稀缺性
·先试用再购买
·社会认同
接下来的案例展示了这些因素是如何被融入进去的:
内容营销的这十大原则看起来很空泛,但是结合那些成功的案例来看,你会很快明白它们的价值所在。祝你成功。
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 7 Pandas分组聚合 分组聚合(group by)顾名思义就是分2步: 先分组:根据某列数据的值进行 ...
2024-11-25数据分析需要学习的内容非常广泛,涵盖了从理论知识到实际技能的多个方面。以下是数据分析所需学习的主要内容: 数学和统计学 ...
2024-11-24数据分析师需要具备一系列多方面的技能和能力,以应对复杂的数据分析任务和业务需求。以下是数据分析师所需的主要能力: 统计 ...
2024-11-24数据分析师需要学习的课程内容非常广泛,涵盖了从基础理论到实际应用的多个方面。以下是根据我搜索到的资料整理出的数据分析师需 ...
2024-11-24《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21