大数据时代内容营销的数据驱动与赋能策略

方素菊 刘庆振

今天的内容产品与过去存在的一个本质区别就是：随着大数据技术的兴起，当下内容产品无论从生产还是流通，无论其用户体验状况还是其营销带货效果，都有着强有力的客观数据支撑。这也就意味着，尽管表面看上去，内容貌似还是内容，但在本质上，内容产品模型和内容产业生态都已经从过去的经验主义转向了当下的数据主义。

一、用户画像提升精准化程度

在大数据背景下，企业关于用户或消费者的定义，正在从过去的同质化目标市场群体向异质化的目标用户个体转变。过去企业确定目标市场的需求和特征，主要依赖于样本量相对有限的问卷调查或小组访谈，并在此基础上通过几个维度的界定来描述可能的目标市场群体，给所有用户一个较为一致的标准画像。以汽车内容营销为例，在2010年前后，许多车企在新车上市时，将车型的主要目标人群定位为“企业中高层管理人员和私营业主”、“刚踏入社会的新锐青年”等，但这种对于用户群体的素描，事实上无法真正把握每位用户的个性化需求，只不过是在技术和成本双重因素的制约之下，企业不得不采用的权宜之计。事实上，那时候的调研数据，与其说是各大中小企业的决策依据，毋宁说它更像是一种用来为企业已经或即将做出的决策提供合理性或“合法性”的佐证而已，这些数据存在与否、正确与否并不那么绝对重要，大部分决策依靠的是研发、生产或营销活动的经验主义及感知行为。因为，以千百份的样本量来代表千百万的目标用户这件事，无法完全证明这种“代表”是有价值、有效果的。

与之相反，客户在自发驱动下而产生行为留下的大数据则可以为我们提供一个全样本量的用户数据集合，以车辆体验为例，用户使用每个按钮的频次、踩刹车和油门的频次、力度、喜爱听的歌手、广播频道等等，都会沉淀为大数据，通过精确分析和深度挖掘每位不同用户所积累的所有数字足迹，无论是结构化的还是非结构化的，它最终为我们呈现出来的是一个个完全不同于其他用户的全面的、个性化的用户个体画像（图1），有了这个画像，企业就能更加精准地把握每位用户的不同需求。同样的道理，传播平台也可以利用已经获得的大量用户数据勾勒出每个独立的用户在内容消费及其兴趣偏好方面的画像，根据以往的数据推测出不同用户对于不同内容产品的需求程度，并结合不同用户在不同内容场域中购买商品或服务的类别、频率、频次、金额等一系列数据选择在特定内容场中所要推荐的商品或服务。有了即时的数据，企业和平台可以根据用户的实时内容体验数据把握他们稍纵即逝的消费需求，而这种实时的购买需求在传统营销活动中是无法精准捕捉和满足的。根据这种即时调整的用户实时画像，企业就可以动态地调整自身的内容营销策略以便取得最好的转化效果。

图1 汽车用户画像构建流程

二、算法推荐提升个性化程度

基于大数据思维和技术而快速发展的个性化推荐系统和智能化推荐算法是所有网络传播介质近年来高度重视和激烈竞争的一个焦点问题，可以说个性化推荐已经成为营销传播的标配，它早期较多地应用于电商网站，后来快速地在新闻分发、广告投放和内容推荐等领域广泛应用。同样地，在内容营销领域，也离不开优秀的推荐算法，甚至我们可以毫不夸张地强调算法在内容营销活动中的关键作用：谁能够更精准地将内容场景中的商品与用户之间进行完美匹配，谁就能够极大地提升内容营销活动的转化效果。

闫泽华在《内容算法》一书中详细地介绍了内容产品的推荐逻辑和方法，他说：“尽管推荐系统中应用了各种高深的算法、架构，但其基础原理是朴素的：更好地了解待推荐的内容，更好地了解要推荐给的人，从而更高效地完成内容与人之间的对接。断物识人，是一切推荐行为的起点。” 如作者所言，尽管推荐算法和推荐系统看上去高深莫测，但它所要完成地却只有两件事情，一是给所要推荐的内容和所要推荐给的用户进行清晰的内容画像和用户画像，二是实现内容与用户之间的大规模、精准化、高效率和即时化匹配。例如，有了完善的内容画像，我们就可以基于这些数据标签来计算A内容与B内容之间的相似程度，从而将那些与用户已经阅读或观看过的相似内容推荐给他们，以便让这些内容产品有更高的可能性被用户点击和体验。当然，这种推荐方式也饱受诟病，对它最多的批判来自于新闻传播学领域经常讨论的信息茧房困境。其实，信息茧房问题从来就有，只不过人们有意或无意地夸大了它在智能媒体时代造成的负面影响而已。

事实上，任何一家平台都不会仅仅采用一种算法，它们还会不断地借鉴其他推荐算法的逻辑和策略以优化自身当前所采用的主要算法。例如，在根据内容本身的相似性进行推荐之外，大多数平台还会考虑使用用户协同过滤算法，最典型的表现就是“看了A内容的用户还看了B内容”，其基本逻辑是以用户行为特征来对用户与用户之间的相似性进行计算，进而展开推荐活动，这是协同过滤的基本原理。当然，内容营销活动中的推荐还要更复杂一层，推荐算法要完成的最终任务是在最合适的内容场中以最合适的方式和最优化的价格，将最符合用户在这一场景下消费需求的个性化商品和服务推荐给最合适的用户，并且促进他们完成认识、认知、认可直到最后认购的完整转化路径和消费闭环。

三、检核效果提升营销转化率

大数据为内容营销赋能的另一个重要方面就是对于营销活动的效果监测和效果评价变得更加真实、客观和有参考意义。传统传播时代营销活动效果的衡量最大的问题在于没有办法跟踪用户的真实消费行为和转化路径。例如，用户在电视广告轰炸之下对吉普汽车的品牌形象和价值理念都形成了强烈的好感，但是用户的购车需求却发生在一年之后，彼时用户选择购买了一款大众品牌旗下的轿车。这个时候，无论是吉普还是大众都没有办法将用户选择品牌A而没有选择品牌B的行为进行清晰的归因，既不能借此判断吉普的广告没有对用户产生影响，又不能判断大众的广告对用户产生了影响。因为那时候的用户面对的是一个人、货、场与媒介等各个要素几乎完全分离的状态，所有的生活、消费、娱乐、信息获取都发生在线下，除了用户自身仅能在较小程度上记忆自己短期内的行动轨迹和行为路线之外，任何媒体和企业都很难追踪用户的线下路径，因此也就无法真正判断广告活动究竟在多大程度上促进了用户的购买行为。

移动互联网时代最大的不同在于，人、货、场是高度重叠在同一个智能终端上的，媒介场、内容场、社交场、营销场和消费场也同样被压缩在了若干个头部应用中，用户在移动终端不同应用之间相互切换的路径，用户在同一移动应用内的各个功能之间相互切换的路径，用户的内容观看时长，用户点击内容产品中所设置的营销组件状况，以及用户点击之后跳转到落地页面的浏览行为、关注行为和支付行为，都有着完整且清晰的数据呈现。这就使得企业主能够非常清晰地判断内容营销活动中的哪些操作方式是切实有效的，哪些营销策略是无法触动用户并完成转化的。当每一条内容、每一个细节都可以获得真实的数据反馈的时候，营销活动的转化效果就进入到了一个用数据说话的可归因和可建模阶段，而这时候的内容营销就转变成了数据驱动的内容营销，而非经验驱动的内容营销。

结语

在数字媒体时代，绝大多数的内容生产、流通与消费都完成了从物理世界向数字世界的转移，数字化之后的内容产品在各个流程环节都积累下了真实客观的数据，形成了分析内容、改进内容、优化内容、引爆内容的数据基础，从而使内容产品真正具备可看、可分析、可推断、可建模、可复制、可批量生产、可大规模个性化等特性。基于内容数据，大量更符合用户体验需求和企业营销需求的新内容才会不断涌现，并最终改变了移动互联网时代的营销形态和用户形态。