原标题:通过数据分析,怎样发掘出优质的内容营销故事? 编辑导语:在企业里,对于业务职员来说,数据分析黑白常紧张的,通过数据分析可以资助相干职员发掘需求;一个好的数据分析可以清晰的让我们瞥见想要表达的数据,进步工作服从;本文作者分享了关于数据分析中怎么发掘优质的内容营销故事,我们一起来看一下。
通过数据分析发掘业务背后的故事是内容营销职员可以利用的最优质的方式之一,通过数据分析资助内容营销职员创建专业知识,造就信托等。 但对于数据分析的新手来说,找到数据背后故事的过程大概做起来会碰到比力多的困难;你从那里得到这些数据?当你有它时,你会怎么做?你怎样发现风趣的数据分析故事的看法? 一、怎样找到好的数据故事 好的数据故事不但来自数据,它们现实上隐蔽在数据关系中。 当开始举行数据分析时,你可以看到每个数据点与另一个数据点的关系;看到(或没有看到)的数据分析模式有助于展现存在什么样的故事,相识要探求哪种范例的数据关系有助于你更快地找到这些故事。 接下来我就给各人先容怎样找到好的数据故事该怎么去做: 1. 第一步:从好数据开始 你所利用的数据应始终来自可信的泉源,而且不带任何外部因素的影响;最好是利用本身内部网络到的数据,如许特殊有可信度,由于它完全独特和原创。 记着一点:好的数据故事肯定从好的数据开始。 2. 第二步:整理数据 大多数时间,底子性的数据分析一样平常是处置惩罚来自Excel的静态数据,固然除此之外另有许多别的数据情势。 留意:数据格式取决于拥有哪种数据,因此让我们谈谈差别范例的数据。 这些数据是时间上的一个点吗? 比方,假如有来自2020年观察的数据,将在列中包罗调盘问题,并在行中包罗答案。 是否有多个时间段只有一个观察? 比方,假如您有1990-2019年苹果股价的数据,该格式将有年份在行,在列中有变量或股价;留意:假如年份和变量切换,没什么大不了的。Excel有一个功能,你可以粘贴“转换”值。这将切换数据的行和列。 假如数据在一个时间段内有多个观察效果怎么办? 假设您有一个数据库,此中包罗1990-2019年多个国家的信息;这些数据在行中仍将有年份,但每列将指定该特定年份的观察效果;在本示例中,将有一个“国家”变量,该变量标识数据所指的国家。 辨认缺失的值或不良数据。 这些会使你成为一个不那么可信的泉源,由于你的统计数据会是错误的;做一个目视查抄,以确保数据点故意义;比方,假如数据集丈量了人类的体重,那么或人体重为2000斤的数据故意义吗?扫除大量丢失数据的行。 查找数据中的非常值。 这些数据点好像不属于预期范围。非常值通常会被我们以为讨厌,但它们也可以提供风趣的故事和看法;比方,假如我们预计全部县的贩卖额都会降落,那么一个县的贩卖额飙升将是一个非常值。 3. 第三步:可视化数据 当我们在这个阶段评论数据可视化时,我们不是在评论您的计划师创造的漂亮数据可视化。 这只是让你真正“看到”数据的工具(这就是为什么我们云云喜好数据可视化——这是我们大脑明白我们在看什么的简朴方法);从技能上讲,这一阶段被称为探索性数据分析。 1)突出要可视化的数据
2)点击“插入”进“图表”
从“图表”编辑器中,可以单击“图表范例”选项卡,利用保举的图表或选择本身的图表;“自界说”选项卡答应重定名标题和轴、更改颜色或增长字体巨细等操纵。 请记着,差别范例的数据最好用某些范例的图表表现。 关于图表选用可以看我往期的几篇文章: 第四步:查抄数据关系 通常一开始我们会常常以查抄人际关系来探求故事的风趣部门。但是当你使用可视化并根据关系举行数据分析时,你将开始看到数据的举动模式,这些举动模式将引导你朝着精确的方向进步。 但起首,你必要相识探求什么样的关系。 5种范例的数据关系: 有很多差别的数据关系,但我们将涵盖最常见的前5名。这些最有大概实用于手头的数据,并将资助你开始相识大概想在其他数据会合探索的其他内容。 当你深入研究这些时,思量一下你的发现大概支持哪些范例的风趣角度: - 数据分析效果是支持照旧反驳了我的假设?
- 数据分析效果是否戳穿了一个广泛持有的想法吗?
- 数据是增、减、照旧平线?
- 数据表现组之间有什么差别吗?
- 指标或变量的前10个(或后10个)观察效果是什么?
关系1:相干性 这是具有两个或多个变量的数据,大概证实相互之间存在正相干或负相干。 - 正:一个变量的增长导致另一个变量的增长。
- 负:一个变量的增长导致另一个变量的淘汰。
常见图表范例: 相干性的强度由相干系数权衡,一种盛行的丈量方法是利用相干性系数,范围从-1到1,这权衡了散点图中点与直线的相似水平。 - 相干系数为1,表现存在完善的正相干系数;
- 相干系数为-1,表现存在完善的负相干;
- 相干系数为0,表现没有相干性。
这里有一个带有符合线条的散点图,表现了差别国家人均国内生产总值和适口可乐代价之间的关系。
这条线表明存在一种积极的关系。这意味着随着人均国内生产总值的增长,可乐的代价也会上涨;通过目视查抄,我们可以看到这些点不是完善的线条,因此我们可以说相干性只有适度强。 关系2:趋势 在数据中查找明显的趋势,无论增长照旧淘汰。 常见图表范例: 比方,你大概会检察的网站一个月内天天得到多少页面欣赏量,以确定一周中哪些天产生最多流量。
关系3:分布 这表现了数据分布,通常围绕一个中央值。分布对于明白特定变量的最小值、最大值、均匀值、中位数和范围非常有效,检察分布可以通过检察均匀值和终极值来相识数据的外形。 常见图表范例: 直方图:比方,你可以根据客户在一年内为你的公司创造的收入来分组;通过这种方式,可以检察均匀客户的付出,以及客户大概预计的付出范围。
关系4:非常值 这是任何非常或超出通例的数据。 常见图表范例: - 散点情节:由情节上阔别趋势地区的点表现。
- 直方图:直方图的尾部表现数据中是否有很多非常值。
- 条形图:任何非常高或低的值。
比方,我们盼望看到的直方图的趋势是,第一组和末了一组的客户更少。但这张直方图向我们展示了一个非常值;现实上,有许多客户耗费了51000——55000——只管我们预计会更少,观察一下为什么谁人群体中有这么多客户会很风趣。
关系5:比力和排名 比力:这是对子种别的量化值的简朴比力。 常见图表范例: 条形图:有许多方法可以比力数据。可以比力聚集或检察这些聚集中的子种别。 比方,大概会检察数据,比力差别颜色的CTA按钮的点击率。哪个点击率更高,为什么?
排名:这表现了两个或多个值在相对巨细上的比力。 比方,哪种范例的内容页面欣赏量最高?排名可以资助轻松比力页面产生的流量。
二、怎样将洞察转化为数据故事? 一旦你以为你找到了你的故事,请遵照以下提示,以确保你有用地报告了它。 1. 知道你在为谁而写 有用的数据叙事并不意味着你想要讲什么故事,这意味着你找到一个对要读它的人感爱好的故事。 思量: - 这相干吗?
- 是办理题目照旧拓展他们的知识?
- 他们从前听过这个故事吗?
偶然,你有一个故事可以告诉多个(或更大的)受众;假如你有数据,通过数据分析找到最风趣的故事角度,将负责的数据转化为易于消化的故事是内容营销最紧张的工作。 以人们明白的方式与他们攀谈,并提供尽大概多的故事场景。 2. 打造一个强有力的叙事 数据故事应该直观且易于明白。不要给人们提供图表,但也不要让他们探求洞察力,相识怎样构建一个有用且易于明白的数据叙事。 留意:数据可以是强盛的;也可以被利用、误解和歪曲。确保你正在报告整个故事;偶然,人们对数据故事有想法,并试图追溯性地让他们的数据得当这种叙述;假如数据不存在,故事就不存在。 3. 根据最佳数据可视化结果举行计划 数据可视化不但仅是可视化数据;它还加强吸引力、明白力和保存力;确保你的数据故事可以或许利用最佳的数据可视化情势显现出来,并确保计划师以最优化、最正确的情势出现它。 关于数据可视化计划也可以看我之前的几篇文章: 用数据讲故事并不总是轻易的,但这总是值得的。 末了想提示各人,训练得越多,你会得到越好;只要注意更多展示你技能的时机,你会发现数据分析背后的故事都可以转化为优质的营销内容。 本文由 @数据可视化那些事 原创发布于大家都是产物司理,未经允许,克制转载 题图来自 unsplash,基于 CC0 协议返回搜狐,检察更多 责任编辑: |