2019-2020新媒体数据化运营分析报告.pptx

,2019-2020新媒体数据化运营分析报告,2019年6月,新媒体运营三大痛点,不知道用户想要看什么？不知道自己问题在哪里？不知道要怎么去做调整？,数据化运营能力构建,数据思维能力,数据工具使用能力,数据化运营 能力构建,怎么去用数据、从哪些维度入手？,具体怎么去操作、实现？,1、不知道用户想要看什么？,（1） 如 何 做 用 户 数 据 画 像 ？ A、如何定位用户基础属性，画像工具的使用B、如何给用户打多级标签，数据裂变的意识（2）如何运用数据来辅助选题？热点分析及一手爆料获取A、如何来做热点挖掘？B、如何挖掘潜在一手信源？（3）如何运用数据来找对标对象？头部大号都在发什么A、新媒体指数的运用B、构建属于自己的定制榜单,2、不知道自己问题在哪里？,（1）数据验证：前期受众定位准不准？运营策略对不对？ A、定量校准B、定性校准（2）数据解读：发现问题、识别风险 A、显性问题B、隐性问题C、识别风险（3）趋势分析：三维数据分析图表制作,3、不知道如何去做调整？,1、内容运营： 爆文的“套路”2、渠道运营：推广的策略3、效果评估：动态跟踪观察,1.1 如何做用户数据画像？,基础属性：性别、年龄、地域、职业、教育背景使用习惯：时间、场景、渠道内容偏好：主题、调性、形式,新媒体运营初始化阶段：内容冷启动,1.1 如何做用户数据画像？,1.1.1 如何定位用户基础属性，画像工具的使用1）百度指数(微指数),1.1 如何做用户数据画像？,1.1.1 如何定位用户基础属性，画像工具的使用1）百度指数(微指数),VS平台受众画像数 据准确性？,1.1 如何做用户数据画像？,1.1.1 如何定位用户基础属性，画像工具的使用1）百度指数(微指数),多向对比,1.1 如何做用户数据画像？,1.1.1 如何定位用户基础属性，画像工具的使用2）清博舆情,选择话题、事件关键词 全网数据采集发布账号聚合 账号标注分析,1.1 如何做用户数据画像？,1.1.1 如何定位用户基础属性，画像工具的使用3）对标对象的用户画像,资料来源：基于粉丝画像的景区情感营销分析 以故宫博物院官方微博为例,1.1 如何做用户数据画像？,1.1.1 如何定位用户基础属性，画像工具的使用4）小样本测试,开放式平台测试,门槛低、试错成本低 标签开放,1.1 如何做用户数据画像？,1.1.1 如何定位用户基础属性，画像工具的使用5）主题社群,QQ：反向搜索 微信：线上活动,1.1 如何做用户数据画像？,标签化能力,基本身份属性,网络传播属性,网络形象属性,行为属性,性别,两微一端传播,情感倾向,公开发表言论,地区,媒体分布占比,年龄段,网页新闻传播,热门观点聚合,公开出席活动,职业身份,活跃媒体,双微传播力,关注用户画像,自媒体账号,心理画像,政治倾向,热门观点聚合,人 名,地 名,机 构 名,商 动业 活,公 动益 活,社 动会 活,政 动治 活,面正 面负,人工标注（工具化）,人工标注（工具化）,舆情&指数,舆情&指数,时间线,诉求分析,行为倾向,1.1.2如何给用户打多级标签，数据裂变的意识标签体系构建（个性化标签体系，落脚到关注的重点，关注议题、活跃度、使用频度、调性偏好、使用场景）人、物、内容的标签化,1.1 如何做用户数据画像？,1.1.2如何给用户打多级标签，数据裂变的意识,发布内容分析、阅读点赞行为分析、交互关系分析、关注群体分析内容阅读偏好付费潜力性格特征政治倾向心理动态,基于有限的数据去做 数据裂变 数据解读,1.1 如何做用户数据画像？,1.事件起源：David Stillwell,心理学本科专业学习的大卫，在facebook发布了用作性格测试的第 三方小程序：my personality。基于大五人格量表：,六百万用户使用过这款小程序， 其中部分用户用以捐出他们在facebook平台上的行为数据供研究使用。这个数据集截至目前仍供 多为学者使用。,Openness 开放性：你对新的体验有多开放？Conscientiousness 严谨性：你有多追求尽善尽美？Extroversion 外向性：你有多爱好社交？Agreeableness 宜人性：你有多体贴，多容易合作？Neuroticism 神经质：你很容易沮丧吗？,OCEAN,1.1 如何做用户数据画像？,2.科辛斯基的加入：大数据背后的你，或许才是最真实的,科辛斯基：2008年进入剑桥大学心理测量中心攻读博士，这是该领域在世界范 围内最古老的研究中心之一。入学后，Kosinski加入了他同窗David Stillwell的项目组。进一步挖掘了“mypersonality”金矿，在美国国家科学院院刊上发表了极具影响力的文章：n一个是个人性格特质可以用行为数据来预测，通过facebook行为数据（点赞）建立模型，预测用户的性格和性别、性取向，党派等。Lady Gaga 追随者们极有可能是性格外向的人，点赞hellokitty的人则较为神经质。,n一个是基于电子足迹的算法模型比你亲近的人更了解你,Michal Kosinski,2012年，平均凭借一个Facebook用户的68个“赞”，Kosinski模型就能够估计出 他们的肤色（准确率为95%）、性取向（准确率为88%）和党派（民主党或共和党， 准确率为85%），以及他们的智力、宗教信仰，以及酒精、烟草和毒品的使用情况，甚至父母是否离异等。,1.1 如何做用户数据画像？,3.剑桥分析介入，科根，和“this is your digital life”上线,p根据卫报给出的消息称，科根获取用户数据的方式主要分为三步：n第一步，先在Facebook上发布广告，以“有偿心理学研究”为名，用少量金钱为奖励的方式诱导 美国Facebook用户下载这款应用。这款应用要求，只有拥有185名以上的好友的Facebook用户能参 与这项有偿（就能得到5美元）调查。n第二步，在亚马逊旗下网站“Mechanical Turk”和“Qualtrics”上参加问卷调查，在问卷调查 末尾，再请求用户同意该软件查看其Facebook资料。n第三步，在用户点击“同意”之后，这款应用开始搜集用户本人以及用户至少185名好友的资料， 并最终获取了5000万用户数据。p 5000万Facebook的用户数据，接近Facebook美国活跃用户总数的三分之一，美 国选民人数的四分之一。,1.1 如何做用户数据画像？,4.事件变性，走向灰色地带,事件违法部分：科根通过自己的公司GSR，将整个数据集转售于剑桥分析，其用途已不再是学术研究。 该行为违背了facebook的平台协议，也违背了小程序本身和用户之间的协议。,2016年9月，剑桥分析公司的CEO Alexander Nix就曾在 Concordia Summit（迷你版的世界经济论坛）上公开分享大 数据和心理测量学助力选举的秘诀，演讲题目是：The Power of Big Data and Psychographics in the Electoral Process。,1.1 如何做用户数据画像？,n当希拉里克林顿还在严重依赖于历史上首位“社交媒体总统”奥巴马的经验方法时，CA的已经基于测量心理学，在茫茫人 海中寻找到可以通过广告能够被打动人群。,5.大数据+心理学=总统竞选新玩法,Step1：从各种不同的渠道购买了人口数据，如土地登记、汽车数据、购物数据、奖励卡、俱乐部会员、杂志购 买、教会活动数据。假如你想知道犹太妇女们住在哪里，以及她们的电话号码，你可以简单地购买这些信息。Step2：将这些数据和共和党选民名册以及网上数据结合起来，并且计算出五大人格特征轮廓。数字踪迹在处理 器中变成了为现实的人，这些人具有真实的恐惧、需求、兴趣和住所。 “我们描绘了共2.2亿人的性格特征。”Nix说道。“这是我们为Ted Cruz选举活动准备的数据表。”,p据Nix回忆，在特朗普和克林顿的第三次总统辩论之日，特朗普的团队为他的论点测试了175000种不 同的广告语，以便通过Facebook分析找到最合适的版本。p在迈阿密的某个小区，特朗普的竞选活动为居民提供了克林顿基金会在海地地震后赈灾失败的消息， 以阻止他们投票支持希拉里。这是特朗普竞选的一个目标：让潜在的选民，包括摇摆不定的左翼选民、 非裔美国人和年轻女性，远离投票箱，也就是“抑制”他们的投票。,Openness 开放性：你对新的体验有多开放？Conscientiousness 严谨性：你有多追求尽善尽美？Extroversion 外 向 性 ： 你 有 多 爱 好 社 交 ？ Agreeableness 宜人性：你有多体贴，多容易合作？Neuroticism 神经质：你很容易沮丧吗？,中国经济生活大调查（2017-2018） 数据发布之夜首次重磅发布中国美好生活指数。大调查联合清博大数据围绕“获得感、 幸福感、安全感”三个关键词，基于大 数据挖掘技术，对企业开放数据、两微 一端一站等新媒体平台数据、全网舆情 数据等进行全面采集。,央视财经频道中国美好生活指数,大五人格分析,意识形态测算,1.1 如何做用户数据画像？三感测算,1.1 如何做用户数据画像？,移民 大数据,潜在移民群体画像,移民意愿倾向评估,显性数据：关注移民资讯使用移民服务 参与话题讨论 移民机构签到,ID开放标签：,群体社会背景群体身份属性网络行为倾向交互关系网络,移民倾向测算,风险动态测算,性倾向、犯罪可能性、自杀概率的预测分析,1.1 如何做用户数据画像？,1.1.2如何给用户打多级标签，数据裂变的意识数据仿真：细胞裂变数据裂变到一定程度，就可以从一颗小小的细胞进化成一个鲜活的生物体。大数据+人工智能：以假乱真,交互习惯、说话风格、知识背景、语言习惯,1.1 如何做用户数据画像？,1.1.2如何给用户打多级标签，数据裂变的意识,基础数据画像,特征标签画像,数据模型画像,基础数据画像 机器可以直接采集到的 数据,数据模型画像 需要模型计算推演的属性,特征标签画像 需要人工标注和整合的 属性,活跃度、敏感度、敌意度（黑公关溯源）、清朗度、意识形态、网民心态、社 会安全/风险、移民倾向,注册信息、 平台标签,影响力、行业领域、社会角色,1.2 如何运用数据来辅助选题？,1.2.1 如何用数据来做热点挖掘？1）各种“热搜”榜,“学习上B站，吃瓜上知乎”,1.2 如何运用数据来辅助选题？,1.2.1 如何用数据来做热点挖掘？1）各种“热搜”榜,清博“明日头条”,明日综合热点（预测）；实时热点、今日热点、七日热点、民生/娱乐/体育等分类热点。,1.2 如何运用数据来辅助选题？,1.2.1 如何用数据来做热点挖掘？2）热点词云图关键词设定：根据侧重关注的主题领域设定关键词数据采集：全网讨论数据采集，八爪鱼，舆情系统，清博指数分词词频：ROST NAT，tagxedo，NLPIR，Tagul热门关键词提取,新媒体素材内容的获取+新媒体传播数据的获取,1.2 如何运用数据来辅助选题？,清博语义分析,百度Echart,热点挖掘、内容分析、新闻素材、数据新闻Tagxedo,1.2 如何运用数据来辅助选题？,1.2 如何运用数据来辅助选题？,1.2.1 如何用数据来做热点挖掘？3）热点自动聚类,热点捕捉,新闻热点捕捉：基于海量 网络和社交媒体新闻数据， 发现新闻线索,把握最热、最新、敏感话题,信息整合聚焦,1.2 如何运用数据来辅助选题？,据来做热点挖掘？,1.2.1 如何用数,选题研判提供每日新闻热点素材,2017年3月，清博与人民日报合作为两会 提供新媒体数据,2016年3月，清博与央视合作，推出数据 新闻，在央视四套“我有问题问总理”两会 栏目播出,1.2 如何运用数据来辅助选题？,清博舆情联合人民智库工作室共同发布：,市,医疗税务,楼 教育儿童,分享经济扶,供给侧改革贫,宗教,0500100015002000250030003500,0,50,100,150,200,1.2.1 如何用数据来做热点挖掘？250,微博（万条）,微信（万篇）,1.2 如何运用数据来辅助选题？,1.2.1 如何用数据来做热点挖掘？4）大热点VS小热点,大热点：全民关注 爆文小热点：圈层关注 垂直用户“一次性”爆点：突发热门“月经式”爆点：隔期集中式爆发，如“逃离大城市”“从前车马 慢”“平权运动”“智商税”,用户标签,1.2 如何运用数据来辅助选题？,435个众议员100个参议员美国反华群体,最新动态 关注焦点 采取动作 风险研判,1.2.1 如何用数据来做热点挖掘？5）朋友圈&好友圈打造高价值密度信息筛选,国家/地区,A,人物,B,机构组织,C,政治主张,D,情绪表达,E,质疑奥巴马、希拉里应对中国问题的能力,中美贸易逆差是最大的国家安全隐患中国对美国就业和商业市场带来巨大影响,美国向中国借的大量外债将导致美国破产,中国GDP、出口、工程建设高增长、高效率,舆论博弈战中关键人物分析川普本人及其推特互粉对象的数据研究,时间区间：2009.5.4-2016.12.15；数据分析时间2016.12.16；剔除部分遗失数据，共分析14014条川普推文数据；整合推文发布日期、时间、内容、点赞、转发、评论、内容来源等数据；选取部分转赞用户作为活跃用户，对其身份背景信息（推特）进行采集。,交互关系,F,中美贸易战的“讯号”,1.2 如何运用数据来辅助选题？,1.2 如何运用数据来辅助选题？,“特朗普极有可能成为像里根一样的伟大总统，但是对于中美关系来说，他和他的团队，很快会给中国带来一场噩梦。”,成功预测中美贸易战：杨其静，中国人民大学教授2016.11特朗普当选，中国面临巨大挑战吴旭，美国亚利桑那州立大学教授2016.11特朗普逆袭，是不流血的“政变”与“造反”,全部结论几乎都在今天得到了验证,1.2 如何运用数据来辅助选题？,1.2.2 如何挖掘潜在一手信源？,部分资料来源于：宋建华如何顺利找到并说服采访对象新闻与写作,突发事件（爆炸、车祸、坍塌、火灾、矿难、泥石流、地震）,1.2 如何运用数据来辅助选题？,1.2.2 如何挖掘潜在一手信源？“万能”的朋友圈舆情系统传播溯源：首发追溯,1.2 如何运用数据来辅助选题？,从选题到素材包,素材包+自定义模板,自定义搜索集成素材包 个性化套用模板编辑 一键矩阵式发布,1.3 如何运用数据来找对标对象？,1.3.1 新媒体指数的运用？,gsdata/,新媒体的数据化运营,五大 原则,1、客观性100%客观传播数据， 避免主观判断干扰,2、可操作性全网公开数据 机器可采集,4、全面性多维度评价,3、重要性传播力驱动，重度关联，避免刷量,5、透明性指标、权重、算法公开透明， 传播力得分可追溯校验,1.3 如何运用数据来找对标对象？,1.3.1 新媒体指数？,1.0,2.0,3.0,4.0,5.0,6.0,7.0,8.0,9.0,10.0,11.0,11.5,12.0,13.0,2014.10.28内部测试,2014.11.10指标项、算法,2014.11.11,算法调整,2014.11.18权重调整,2017.7.1指标项调整,WCI迭代路径微信传播指数WCI（We-chat Communication Index）从2014年10月开发以来，目前已经迭代到了13.0版本版本迭代轨迹,1.3 如何运用数据来找对标对象？,WCI（13.0）,整体传播力O（30%）,篇均传播力A（30%）,头条传播力H（30%）,峰值传播力P（10%）,日均阅读数R/d（85%）,日均点赞数Z/d(（15%）,篇均阅读数R/n（85%）,篇均点赞数Z/n（15%）,头条（日均）阅读数Rt/d（85%）,头条（日均）点赞数Zt/d（15%）,最高阅读数R max（85%）,最高点赞数Zmax（15%）,O=85%*ln（R/d+1）+15%*ln（10*Z/d+1）,A=85%*ln（R/n+1）+15%ln（10*Z/n+1）,H=85%*ln（Rt/d+1）+15%*ln（10*Zt/d+1）,P=85%*ln（Rmax+1）+15%*ln（10*Zmax+1）,1.3 如何运用数据来找对标对象？,质量数量单纯靠提升发布强度、增加数据，而不对应地去提升内容质量，很可能会降低你的排名新媒体运营下半场，鼓励小而精、做出自己特色的账号,重视原发内容权重设置上更偏向于原发内容,做好定位，有的放矢“小而精”OR“大而全”？,1.3 如何运用数据来找对标对象？,GDT（国民总时间）,GDP（国民生产总值）,一个国家(或地区)所有常住单 位在一定时期内生产的全部 最终产品和服务价值的总和,需求端：从GDP（国民生产总值）到GDT（国民总时间）,Gross Domestic Product,Gross Domestic Time谁能最大限度去占领用户时间， 谁就能成为最大流量入口,耗时减压型流量增压型,1.看排名，对工作的肯定，满足自身荣耀,2.了解自身及他人数据，进行比较。,1.3 如何运用数据来找对标对象？,3.树立行业（圈子）影响力,新闻传播学研通过高校榜单，吸引了上百所高校的同 学关注，形成了一定的行业影响力。最终引起当地共 青团的关注，吸纳参与团组织活动宣传。,4.政府及公司新媒体绩效评估,5.连接资源，拓展更多合作,成都商报在自身发榜的基础上，联合全川20多个地市共同发榜，从而形成连接，建设本地新媒体合作联盟。,1.3 如何运用数据来找对标对象？,6.热门文章榜，用数据做推荐,7.分析自身数据变化趋势，提高运营,8.转载取证,1.3 如何运用数据来找对标对象？,1.3 如何运用数据来找对标对象？,1.3.2 构建属于自己的定制榜单,2、不知道自己问题在哪里？,2.1 数据验证：前期受众定位准不准？运营策略对不对？后台数据分析：定性验证&定量验证,VS,新媒体粉丝画像,原始受众定位,微信公众号用户属性分析,性别,语言,省份,城市,终端,机型,2、不知道自己问题在哪里？,2.1 数据验证：前期受众定位准不准？运营策略对不对？,后台数据分析,以图文阅读小时报为例，分析图文推送的合理时间图文阅读人数为UV，次数为PVUV与PV与用户的吸引程度及复读率相关分享和收藏体现图文的质量度,在有限的用户范围内得到的认可程度,2、不知道自己问题在哪里？,2.1 数据验证：前期受众定位准不准？运营策略对不对？,全部图文-小时报,热力图,参考：运营喵是怎样炼成的实战分析报告3：新媒体运营数据分析这样做,用户的来源渠道分析,微信粉丝来源渠道分析,公众号搜索,扫描二维码,图文页右上角菜单,图文页内公众号名称,名片分享,支付后关注,其他合计,2、不知道自己问题在哪里？,2.1 数据验证：前期受众定位准不准？运营策略对不对？,互推、非微信渠道推广微信公众号中文名称搜索微信公众号英文微信号搜索二维码在哪？如文末二维码,微信使用不熟练,一般未看完文章，被公号名称、文章主题等吸引,粉丝粘性高、文章质量高、口碑好,被动专注,其他渠道的引流关注,2、不知道自己问题在哪里？,2.1 数据验证：前期受众定位准不准？运营策略对不对？,活跃度&关注话题分析,埋点：设置关键词回复，调取相关文章、材料、资源活跃度分析：趋势分析话题分析：主题受欢迎程度,2、不知道自己问题在哪里？,2.1 数据验证：前期受众定位准不准？运营策略对不对？,热门主题分析,绝对数值的变化,2、不知道自己问题在哪里？,2.2数据解读：发现问题、识别风险显性问题,Eg：传播数据表现稳定，但 排名一直在下滑？各项数据一直在衰减，但排 名却不降反升？,整个行业领域的 整体情况对比,各项数据指标之 间的内部关联,榜单：更直观地 去发现问题,粉丝数没变，但阅读数一直 下滑？打开率低阅读数没变，粉丝数下降的 比较严重？不够聚焦,没有合适的对标对象，不能及 时发现不足？排名低，发布强度不够？内容 质量不行？用户交互不够？,隐性问题,相对数值的变化,2、不知道自己问题在哪里？,隐性问题,相对数值的变化,2、不知道自己问题在哪里？,来源：运营研究社你做的数据分析未必是真的！,局部数据构成,动态数据变化,数据杂质,造假数据识别,以动态视角观察数据周期内变化如：次日留存率、五天留存率、十天留存率,关注数据整体变化&数据具体构成如：粉丝数在下降？到底是哪部分粉丝下降了？男粉丝？女粉丝？本地粉丝？外地粉丝？ 中老年粉丝？年轻粉丝？新粉丝？老粉丝？,APP领域：“421”规则：如果要让APP 的日活超过100万，那么日留存率应该 大于40%，周留存率应该大于20%，月 留存率至少要10%。,2、不知道自己问题在哪里？,2、不知道自己问题在哪里？,打开率=粉丝的阅读人数/总的阅读人数，打开率越高，粉 丝的活跃性越好点赞率=点赞数/阅度数，在一定程度上可以对粉丝引导， 比如热点文章中加上“同意的请点赞”增加点赞率，从数 据上可验证。点赞率是第一层的文章质量的反应指标。评论率=评论数/阅读数，评论区的留言互动性要特别关注，70%左右的用户会出于好奇心关注评论，比较对一件事情 大家的观点差异。评论率反映文章的质量话题性。收藏率=收藏数/阅读数。收藏是深层次的文章质量指标。 收藏率高代表文章对用户的价值也很高。,参考：运营喵是怎样炼成的实战分析报告3：新媒体运营数据分析这样做,转化率分析：哪个环节出了问题？文章内容质量,推广效果转发率=转发数/阅读数。用户转发，代表文章 切合了自身的利益，与自己的身份相符且有认 同感，当然也有少数情况是利益引导使然，如 转发可免费得礼品等。,一次转化率=公众号打开人数/累计关注人数二 次转化率=从朋友圈打开人数/累计关注人数,2.3 趋势分析：三维数据分析图表制作,3、不知道如何去做调整？,微信“爆文”标题以14-28字之间的中长标题为主 其中尤以19字、22字标题最为常见。,字数小于10及大于38的标题虽然不多，但其传播效果具有较强波动性 体现出短标题及超长标题在传播效果上的风险性,1篇文章=3.1 内容运营： 爆文的“套路”50个选题+四级采访+5h互动情绪模拟写作+100个标题+5000人投票+10000字针对文章的数据分析报告标题中最常见标点符号：！ ! !360篇10万+的“爆文”标题中，感叹号共出现325次，360篇微信阅读量10万+的“爆文”标题字符数与BAI指数关系图,平均次,其中7,每篇标题出现感叹号0.92个标题感叹号使用次数,为2,次及以上,3.1 内容运营： 爆文的“套路”,最容易传播的主题：（1）亲子类。（2）地域类。（3）食品安全类。（4）治安类。,接近性：身边事、日常情，较近的心理距离与地理距离。 耸动性：唤起受众恐惧与紧张心理，以刺激阅读及传播。,63.7%的阅读量10万+的“爆文”字数在500字以内字数过千的“爆文”不到3%,3.1 内容运营： 爆文的“套路”,读图时代：图片数量越多，传播效果越好？,TOP20的“爆文”中有11篇的图片数量超过10张，6篇的 图片数量超过20张，比例均大于322篇“爆文”总体的分 布情况。可见在微信内容传播当中，更多的图片数量往往可能带来更好的传播效果,以文字、图片、视频三者为主，有时会辅以表格的形式。以图文结合最为普遍。322篇“爆文”当中图文结合的有225篇，占比达到83.70%。,3.1 内容运营： 数据生产力,机器人新闻占领地球！年产新闻10亿篇从数据分析和展现平台到机器新闻自动生成平台接收并解读所有数据格式，叙述性包装与润色借助云服务、通过API、JSON、XML、Twitter、Email等渠道实时推送文章下一步：更具个性特色的内容和更广泛的新闻领域渗透,中国地震台网撰写一篇地震报道只需25秒，今日头条发布一条体育资讯 只需2秒，南方都市报编写一则春运文章只需1秒，腾讯生产图文结 合的稿件只需0.5秒.从25秒、2秒、1秒到0.5秒，新闻媒体的写作速度没有最快，只有更快！2009年，美国棒球大联盟首次使用智能机器人StatsMonkey完成比赛稿 件的撰写，2015年起，全球掀起机器人写稿的热潮。,今日头条“张小明”,腾讯 “Dream Writer”,新华社 “快笔小新”,3.1 内容运营： 数据生产力,第五届世界互联网大会上，新华社和搜狗联合开发的“人工智能新闻主播”正式亮相,AI主播以中国新闻主 播邱浩为原型， 只要 将文本输入系统， 它 就能随时工作， 并且 一直工作下去。,3.1 内容运营： 数据生产力,舆情报告、传播分析报告自动生成,3.1 内容运营： 数据生产力,党政公文辅助生成,3.1 内容运营： 数据生产力,2018年,2009年,2015年,2016年,100人16000份160份/年,50人4000份80份/年,30人1200份40份/年,10人300份30份/年,人工+机器,3.1 内容运营： 数据生产力,在别人已经有的文章基础上进行的创作和修改，转而成为自己的文章，让搜索以为是原创,伪原创,伪原创收益要低于原创的30%份额,直接导入已有文章进行编辑，改变部 分素材，生成新的“原创文章”,数据来源：自媒体时代下，原创内容与伪原创的区别，2016-11-16，5118/toutiao/n/zmtsdxycnrywycdob,3.2 渠道运营：推广的策略,65812444人次/24小时覆盖人次总和/时间跨度#蛛网式爆发传播#1、从名人大V到草根阶层的网状扩散2、以名人账号为中心的接力传播,铁粉：维系粘性大V ：强化连接路人：引流转化黑子：公关应对,亲疏度友好度,3.3 效果评估：动态跟踪观察,阅读数预测,3.3 效果评估：动态跟踪观察,微信数据造假风暴来袭：谁在裸泳？,9.28：刷量工具崩坏，数据造假浮出水面 造假风暴瞬间引爆舆论场,清博杀,疑似造假账号发掘异常概率预判分钟级监测,在这里,数据造假识别,3.3 效果评估：动态跟踪观察,3.3 效果评估：动态跟踪观察,异常账号,超级大号,一般账号,基于历史数据跟踪的异常账号发掘,共产党员：罗州仁青：28岁大学生村官倒在抗洪一线,海尔：站在“魔镜”前的人| Hi人物,某企业账号1：产品软文,某企业账号2：软文,48h内不同文章的净增长 （ 10min基准）：,一般文章：阅读数净增长随时间增加整体呈下降趋势， 传播中有若干小高峰；,数据造假：净增衰减趋势不明显，传播生命周期短,共产党员：罗州仁青：28岁大学生村官倒在抗洪一线,海尔：站在“魔镜”前的人| Hi人物,某企业账号1：产品软文,某企业账号2：软文,对72h内累计阅读数变化进行监测（ 10min基准）,以min为基准，文章阅读数增长一般呈现曲线状变化阅读数折线状变化疑似“问题账号”,3.3 效果评估：动态跟踪观察,3.3 效果评估：动态跟踪观察,正常情况下，发布首日文章阅读数完成80%，次日12%，然后不断 衰减第4日才开始基本不再增长,基于分钟级监测的数据打假对1万篇文章连续7天的阅读量进行监测 发现：,3.3 效果评估：动态跟踪观察,基于历史数据追踪的“陷坑”账号发掘,六成大号阅读数下降超过200个账号降幅大于90% 部分账号阅读降幅达99.9%，,3.3 效果评估：动态跟踪观察,疑似造假账号中，自媒体占比近88%，尤其是营销、公关类公号成为“重灾区”,自媒体,企业号,媒媒体体号号,政政务务号号,87.76%1238个,5.82%83个,4.48%64个,2.94%42个,自媒体账号占比达88%，成造假重灾区,梨视频周榜,B站周榜,视频新媒体影响力评估,全媒体传播力评价,行业标签,地域标签,3.3 效果评估：动态跟踪观察,内容质量,创投指数传播,力,用户规模,流量,商业模式,增长 率,知识产权,媒体推广,转化率,ARPU,管理因素,退出因素,一级指标二级指标,来源,内容因素（U1）内容质量（U11）微博、微信点赞总量、APP评分内容维护（U12）更新频率、观测期内阅读量变化版权风险（U13）侵权删除频率、相关负面报道数量传播因素（U2）传播范围（U21）平均转发量、平均阅读量、日均PV（Page Views, 页面浏览量） 渠道覆盖（U22）多平台覆盖数量、更新频率媒体推广（U23）新闻报道量、加入联盟数量市场因素（U3）市场规模（U31）微博粉丝量、微信平均阅读量/平均打开率、视频订阅量 市场增长（U32） 粉丝量增量、阅读增量、点赞增量、订阅增量、PV增量管理因素（U4） 管理者知名度（U41）任职或获奖信息、相关新闻报道量,业务能力（U42）,原创率、超1,0万阅读量文章数量、门户置顶或推荐,数量,3.3 效果评估：动态跟踪观察,3.3 效果评估：动态跟踪观察,清朗指数,正能量信息传播被删帖的内容地域、平台清朗度对比,删帖日报，支持查看 最近半个月内数据,删文数量,删文阅读数统计,删文原因分布,被删文章留存天数,删文账号数量,删文位置分布,删文原因走势,删文账号影响力,新媒体运营下半场：多平台达到时代,3000万,（14万+政务微信公众号）,月活3.76亿（15万+政务微博）,头条号、百家号、企鹅号、大鱼号,直播,现实社会,微博,微信,客户端,短视频,渠道碎片化内容碎片化场景碎片化,线上到线下传统与新兴现实与虚拟,规模效应凸显流量聚合成本增加内容转化价值提升,碎片化,融合化,增值化,融媒体时代，渠道资源碎片化、增值化，多平台到达成为必然趋势，野蛮生长注意力经济,千万级PGC新媒体账号50万+政务新媒体账号,抖音、快手、梨视频,新媒体大数据红利发掘,智能化、自动化、傻瓜化、精准化，数据闭环构建与红利释放数据思维能力+数据工具使用能力媒介大数据所带来的行业红利,A,数据规模,B,数据粒度,C,数据模型,D,数据产品,E,数据红利,多平台跨渠道,Li,。,。,谢谢观看THANKS,飞7,