1703855920
程序化购买的第一步是先搭建和打通三个方面的数据——广告主、流量平台和流量媒体；第二步是根据广告主以及专业平台对消费人群的画像判断建立测试性的投放策略，包括投放人群的年龄、性别、收入、工作、区域、爱好、既往购买习惯等，然后设定投放的时间和平台；第三步是放出根据同一类型的消费者设计的内容和物料，通过一段时间的数据收集和策略子项的调整及优化，找到适合不同人群的最好投放策略以及创意内容。
1703855921
1703855922
大数据和内容营销
1703855923
1703855924
对大数据进行收集、挖掘、分析和整理等，可以从宏观、中观和微观等不同的维度助力企业的内容营销。
1703855925
1703855926
宏观层面的内容分发
1703855927
1703855928
面对互联网媒体资源在数量上的快速增长和种类上的多样化，大数据通过受众分析，帮助企业主找出目标受众，然后对投放的内容、时间、形式等进行预判与调配。这就类似上文提到的今日头条的个性化和泛化推送。在阿里巴巴，这叫“粉丝爆炸”；在品友，这叫“族群标签”。反正不管怎么称呼，其实质还是一样的。
1703855929
1703855930
做生意最难的是如何在客户首次购买之前与之建立联系。因为，一旦客户购买了商家的商品或服务，便已经知道客户的情况，可以进行沟通。相比之下，如何找到潜在用户就显得很重要。相对于已经成为客户的人群规模（一家中型电商每月可能有上万客户），还没有成为客户的人群规模（线上有几亿规模的客户）是非常庞大的。从上亿潜在客户中找到最忠实的消费者人群，这个过程的效率和成本就成为商家制胜的关键。
1703855931
1703855932
通常，成为某商家客户的人群具有一定的共性。例如，都是“哈韩”女大学生或者都是近期购房的人，抑或都是在意体重的人等。这些共性往往在商家已有的客户中已经有所显现。这些消费者的各种属性和行为与全部消费者的差异就能突出这些共性特点。利用这些共性，通过比较全网消费者与已有消费者客户之间在这些行为上的相似程度，就可以在真正的消费行为发生之前找到潜在目标客户。也就是说，把全网消费者和商家已购消费者之间的关联可能性进行精准排序，通过给一小部分忠实用户人群进行定性和贴标签，系统就可以给出最像这群人的前1万人、前10万人、前100万人，然后个性化推送已经测试过的这部分人可能喜欢的内容。
1703855933
1703855934
中观层面的语义分析
1703855935
1703855936
从内容营销的真谛看，真正有引爆力的内容创造并不总是天才的灵感，而是有严密的内在逻辑可循。在做技术的人看来，内容的产出有一个很基础的工作——前期测试。当你不知道什么样的内容能够打动用户时，可以先做小规模测试——在动用核武器之前先打两颗子弹，进行小规模投放看看其相关转化率如何。
1703855937
1703855938
这些数据的积累对内容创造是有指导作用的，而技术可以解决甄选方案的难题。确定一个好的内容、好的时间点、好的平台有多重维度要考量：用哪个标题？主打哪个图片？选择哪个区域？要素越多，定位越精准。但产生的组合数量会呈几何级增长。在没有大数据之前，只能靠操作者的经验。但是，有了大数据的帮助，这些判断会变得更为简单和有效。
1703855939
1703855940
另外，和粉丝互动是内容运营的一个重要工作。在互动过程中创作和产生的内容不仅具有针对性，而且能够未雨绸缪、防患于未然，尤其是在消费者有负面情绪或评价的情况下。与此同时，针对全网或某一平台的语义和情绪分析，还能够为族群的内容创作进行提前判断和准备，甚至可能成为是否以及要如何在内容层面进行应对的一个依据。比如，在微博平台上，现在已经有相对成熟的、针对单一品牌或词汇的句法和情绪分析技术。
1703855941
1703855942
大数据语义分析的完整技术链条：网络抓取、正文提取、中英文分词、词性标注、实体抽取、词频统计、关键词提取、语义信息抽取、文本分类、情感分析、语义深度扩展、繁简编码转换、自动注音、文本聚类等。
1703855943
1703855944
案例 Case
1703855945
1703855946
案例1 健康领域的语义分析
1703855947
1703855948
来自宾夕法尼亚州立大学的生物学家马赛尔·沙拉特和软件工程师沙先克·坎杜拉斯通过分析微博发现，人们对于疫苗的态度与他们实际注射预防流感药物的可能呈现相关性。更为重要的是，他们利用推特用户中谁和谁相关的元数据进行了进一步的调查，发现未接种疫苗的子人群也可能存在。
1703855949
1703855950
2011年《科学》杂志上的一项研究显示，来自世界不同文化背景的人们每天、每周的心情都遵循着相似的模式。这项研究是通过对84个国家240万人的5.09亿微博数据进行了两年的跟踪和分析得出的。
1703855951
1703855952
随着人工智能和深度学习理论的发展，这种关于语义和情绪的分析在国内的应用也越来越普遍，几乎每个平台都可以通过观察用户对某一条内容的评论、收藏，甚至根据阅读的停留时间长短等因素，分析用户对某类话题的兴趣度，判断并记忆读者的兴趣点，并根据用户兴趣度调整推荐信息。
1703855953
1703855954
案例2 海尔微博的语义分析
1703855955
1703855956
在一品内容官的某次线上社群分享中，海尔新媒体的总监张妍分享了“二代魔镜”在网络上重生的故事，这个故事的内容已经记录在序言中对海尔新媒体项目负责人沈方俊先生的访谈中。
1703855957
1703855958
当时，细心的学员提到一个核心问题：引爆的那条微博和微博数据前后两天的点赞评论的数据相差很大，那么多的数据是如何做到同时第一层有效转发的，是用户传播的吗？
1703855959
1703855960
1703855961
1703855962
1703855963
海尔智能“魔镜”亮相CES及《星球大战》中登场的机器人博文
1703855964
1703855965
1703855966
1703855967
1703855968
海尔智能“魔镜”亮相CES及《星球大战》中登场的机器人博文
1703855969