根据数据分析，怎样挖掘出优质的内容营销故事？

编者按：在企业中，数据分析对业务人员非常重要，通过数据分析可以帮助相关人员挖掘需求；良好的数据分析可以清楚地让我们看到我们想要表达的数据，提高工作效率；作者分享了如何在数据分析中挖掘高质量的内容营销故事。 通过数据分析挖掘业务背后的故事是内容营销人员可以使用的最佳方式之一，帮助内容营销人员建立专业知识，培养信任。 但对于数据分析的新手来说，在数据背后找到故事的过程可能会遇到更多的困难；你从哪里得到这些数据？当你拥有它时，你会怎么做？你如何找到有趣的数据分析故事？ 一、如何找到好的数据故事 好的数据故事不仅来自数据，还隐藏在数据关系中。 当你开始数据分析时，你可以看到每个数据点与另一个数据点之间的关系；看到（或未看到）的数据分析模式有助于揭示什么样的故事，找到什么样的数据关系有助于你更快地找到这些故事。 接下来，我将向您介绍如何找到好的数据故事： 1. 第一步:从好数据开始: 您使用的数据应始终来自可信源，不受任何外部因素的影响；最好使用内部收集的数据，因为它完全独特和原创。 记住：好的数据故事必须从好的数据开始。 2. 第二步:整理数据 大多数时候，基础数据分析通常来自处理Excel当然，静态数据还有很多其他形式的数据。 注：数据格式取决于数据的种类，所以让我们谈谈不同类型的数据。 这些数据是时间点吗？ 例如，如果有来自2020年调查的数据，调查问题和答案将包含在列中。 多个时间段只有一个观察吗？ 例如，如果您有1990-2019年苹果股价的数据，该格式将有一年，列出变量或股价；注：如果年份和变量切换，没什么大不了的。Excel有一个功能，可以粘贴转换值。这将切换数据的行和列。 若数据在一段时间内有多个观察结果怎么办？ 假设你有一个包含1990-2019年多个国家信息的数据库；这些数据仍将有一年，但每个列将指定特定年份的观察结果；在这个例子中，将有一个国家变量，指的是变量识别数据。 识别缺失的值或不良数据。 这些会你成为一个不那么可信的来源，因为你的统计数据是错误的；做一个视觉检查，以确保数据点有意义；例如，如果数据集测量人类的体重，那么体重2000公斤的数据有意义吗？清除大量丢失的数据。 在数据中找到异常值。 这些数据点似乎不在预期范围内。我们通常对异常值感到厌烦，但它们也可以提供有趣的故事和观点；例如，如果我们预计所有县的销售额都会下降，那么一个县的销售额飙升将是一个异常值。 3. 第三步：可视化数据 当我们在这个阶段谈论数据可视化时，我们不会谈论你的设计师创造的美丽数据可视化。 这只是一个让你真正看到数据的工具（这就是为什么我们如此喜欢数据可视化——这是我们大脑理解我们在看什么的简单方法）；从技术上讲，这一阶段被称为探索性数据分析。 1)突出可视化数据 2)点击插入进入图表 从图表编辑器中，单击图表类型选项卡，使用推荐的图表或选择自己的图表；自定义选项卡允许重命名标题和轴，更改颜色或增加字体大小。 请记住，不同类型的数据最好用某些类型的图表来表示。 关于图表选择，请参阅我以前的文章： 对于这10个基本图表，可以进行简单的数据可视化设计 数据可视化设计师必备的图表规范指南 第四步：检查数据关系 通常一开始，我们经常通过检查人际关系来寻找故事的有趣部分。但当你使用可视化和根据关系进行数据分析时，你会开始看到数据的行为模式，这将引导你朝着正确的方向前进。 但首先，你需要知道找到什么样的关系。 五种数据关系： 有许多不同的数据关系，但我们将覆盖最常见的前五名。这些数据最有可能适用于手头的数据，并将帮助您开始其他可能想要集中在其他数据上的内容。 当你深入研究这些时，考虑你的发现可能支持哪些有趣的角度： 数据分析的结果是支持还是反驳了我的假设？ 数据分析结果是否揭示了广泛持有的想法？ 数据是增减还是平线？ 数据显示组有什么区别吗？ 前10个(或后10个)的观察结果是什么？ 关系1：相关性 有两个或多个变量的数据可能证明彼此之间存在正相关或负相关。 正:一个变量的增加导致另一个变量的增加。 负:一个变量的增加导致另一个变量的减少。 常见图表类型： 散射情节。 带拟合线的散射图。 相关性的强度由相关系数来衡量，一种流行的测量方法是使用从-1到1的相关系数来衡量散点图中点与直线的相似性。 相关系数为1，表示正相关系数完美； 相关系数为-1，表示完美的负相关； 相关系数为0，表示无相关性。 这条合适的散点图显示了不同国家人均国内生产总值与可口可乐价格的关系。 这条线显示了一种积极的关系。这意味着随着国内人均生产总值的增加，可乐价格也会上涨；通过视觉检查，我们可以看到这些点并不完美，所以我们可以说相关性只是适度的。 关系2：趋势 无论增减，都要在数据中找到显著的趋势。 常见图表类型： 条形图； 线图； 例如，您可以在一个月内查看网站每天获得多少页面浏览量，以确定一周内哪一天产生最多流量。 关系3：分布 这显示了数据分布，通常围绕着一个中心值。分布对于了解特定变量的最小值、最大值、平均值、中位数和范围非常有用。通过查看平均值和最终值，可以了解数据的形状。 常见图表类型： 方形图：例如，您可以根据客户在一年内为您的公司创造的收入进行分组；通过这种方式，您可以户的平均支出和客户可能预期的支出范围。 关系4：异常值 这是任何异常或超出常规的数据。 常见图表类型： 散点情节：远离趋势区域的点显示。 直方图：直方图尾部显示数据中是否有许多异常值。 条形图：任何异常高或低的值。 例如，我们期望看到的直方图的趋势是，第一组和最后一组的客户较少。但这张直方图向我们展示了一个异常值；事实上，许多客户花费了51000-55000-尽管我们预计会更少，但调查为什么这个群体中有这么多客户非常有趣。 关系5：比较和排名 比较：这是对子类量化值的简单比较。 常见图表类型： 条形图:比较数据的方法有很多。这些集合的子类别可以比较或查看。 例如，可以查看不同颜色的数据CTA按钮点击率。哪个点击率更高，为什么？ 排名：这显示了两个或多个值在相对大小上的比较。 比如哪种类型的内容页面浏览量最高？排名有助于轻松比较页面产生的流量。 如何将洞察力转化为数据故事？ 一旦你认为你找到了你的故事，请遵循以下提示，以确保你能有效地讲述它。 1. 知道你在为谁写作 有效的数据叙事并不意味着你想讲什么故事，这意味着你找到一个对读者感兴趣的故事。 考虑： 这相关吗？ 是解决问题还是拓展知识？ 他们以前听过这个故事吗？ 有时，你有一个故事可以告诉多个（或更大）观众；如果你有数据，通过数据分析找到最有趣的故事角度，内容营销最重要的工作是将负责任的数据转化为易于消化的故事。 以人们理解的方式与他们交谈，并提供尽可能多的故事场景。 2. 创造强大的叙事 数据故事要直观易懂。不要给人们提供图表，也不要让他们找到洞察力，知道如何构建一个有效易懂的数据叙事。 注：数据可以是强大的；它也可以被操纵、误解和扭曲。确保你在讲整个故事；有时，人们对数据故事有想法，并试图追溯他们的数据；如果数据不存在，故事就不存在。 3. 根据最佳数据可视化效果进行设计 数据可视化不仅仅是可视化数据；它还增强了吸引力、理解力和保留性；确保您的数据故事以最佳的数据可视化形式显示，并确保设计师以最优化、最准确的形式呈现。 关于数据可视化设计，也可以看看我之前的文章: 一个成功而有价值的数据可视化应该注意这25项技能 学习这六点，教你制作高效、有吸引力的数据可视化 用数据讲故事并不总是容易的，但总是值得的。 最后，我想提醒你，你练习得越多，你得到的就越好；只要你有更多的机会展示你的技能，你就会发现数据分析背后的故事可以转化为高质量的营销内容。 本文由 @那些事情的数据可视化 原创，未经许可，禁止转载 特别说明：本网站的主要目的是收集与互联网运营相关的干货知识，为运营伙伴提供便利。本网站收集的公共内容来自互联网或用户的贡献，这并不意味着本网站同意其观点，也不对网站内容的真实性负责。如有侵权行为，请联系网站管理员删除，。