1704851450
1704851451
由于很早就树立了“将内容分发到用户常驻的平台，而非吸引用户到自己的平台看内容”的思路，YouTube、脸谱网，推特、Vine（一款视频分享移动应用）等一众平台都成了BuzzFeed的战场。为了更好地理解用户反馈，BuzzFeed追踪收集并汇总了各个平台上的阅读传播和互动数据。比起阅读量、分享量这些结果指标，其更关心内容分发和传播的过程。
1704851452
1704851453
以图10–1为例：如果只看终态数据，那么报表展示给你的无非是一篇内容从不同的平台渠道上获取了多少流量而已（如图10–1左）。但是深究下来，这些流量是如何而来的呢？是通过脸谱网或推特上的分享，还是通过电子邮件的传播？哪些节点带来了更大的辐射量和扩散量？只有深入分析传播路径，才能给出这些问题的答案（如图10–1右）。
1704851454
1704851455
1704851456
1704851457
1704851458
图10–1 数据收集与处理示意图
1704851459
1704851460
不止于结果，BuzzFeed开始探究一篇内容的传播轨迹，开发了一套名为POUND（Process for Optimizing and Understanding Network Diffusion，网络传播优化及理解流程）的系统，通过给同一页面的不同分享追加不同参数的方式，来追溯内容在网络上的传播过程。
1704851461
1704851462
通过这套系统，人们意识到：传播并不是一棵简单的传播树，而是一片密集的传播森林。每一次分享都构成了一棵新树，如果一个人的社交好友很多，那么这个节点的一度关系触达就会很广。如果内容的质量一般，没有引发进一步的传播，那么就会止步为一棵低矮的树；如果内容引发了大量传播，就会变为一棵繁茂的大树。
1704851463
1704851464
因为社交传播对内容的影响力贡献巨大，BuzzFeed在衡量内容价值时，会更看重社交分享所带来的阅读量，并以病毒传播提升系数（Viral Lift）指标来衡量这一过程。
1704851465
1704851466
对粉丝已经超过百万、内容阅读量篇篇超过10万次的自媒体大号来说，这一衡量指标的制定不难理解：如果一篇内容的阅读构成主要来自自己的粉丝，那么就意味着粉丝们更有可能是基于惯性打开的，但是由于内容并没有触及他们的兴奋点、没能引发认同，从而失去了进一步扩散传播的可能，也失去了触达更多潜在粉丝的机会。
1704851467
1704851468
1704851469
1704851470
1704851471
图10–2 BuzzFeed POUND系统截图
1704851472
1704851473
对BuzzFeed而言，在总阅读量相近的情况下，一篇病毒传播提升系数更高的内容，因为收获了更多的社交传播而变得更有价值。有了技术追溯的支持，内容团队才能够总结出不同平台上的内容偏好和病毒传播模式。
1704851474
1704851475
人们往往会夸大BuzzFeed的“内容三扳斧”——清单体、短视频和小测验，却忽视了在这些内容背后更深层次的数据支持。
1704851476
1704851477
降低数据使用门槛
1704851478
1704851479
有扎实的数据基础只是第一步，如果一线的编辑、商业化人员不能运用这些数据，数据收集工作仍然是徒劳的。为了降低数据的使用门槛，BuzzFeed自研了20多款内部数据分析工具，以满足不同部门的数据整理和查看需求。
1704851480
1704851481
对于不熟悉编程语言的员工，能够在其Looker数据平台上以可视化的方式查看不同来源的数据，直观地了解内容的传播轨迹和传播效果。无论是文字编辑、视频编辑，还是业务分析师、商业广告支持人员，BuzzFeed希望员工都能够更清晰地认知到自己的每一项工作所产生的数据反馈，及时了解目标受众到底关心什么、究竟喜欢什么，按需调整自己的工作策略。对数据的重视和应用像基因一样，已经嵌入BuzzFeed的每一个部门。
1704851482
1704851483
除了基础的后验性阅读追溯数据外，BuzzFeed还致力于通过数据优化创作过程本身。比如智能封面图截取工具，能够根据不同平台的特点、画面的清晰度与表意性自动截取（在视频上传后的系统封面候选集合中，也运用了类似的思路）。又如实时热点监控工具，通过监控社交网络的潮流变化，可以及时将当下流行的爆点推送给自己的内容编辑等。
1704851484
1704851485
1704851486
1704851487
1704851488
图10–3 BuzzFeed数据平台
1704851489
1704851490
2016年2月，《快公司》杂志公布了全球最佳创新公司50（Most Innovative Companies 50）榜单，BuzzFeed位列榜首。BuzzFeed以数据驱动媒体的方式或许可以给我们借鉴：内容创作和内容分发可以是数据化的，科技的辅助应用或许能给变革者带来超越其他媒体前辈的机会。
1704851491
1704851492
内容阅读分析
1704851493
1704851494
为了获得持续稳定的内容传播量，我们需要结合平台所提供的数据进行分析，研究其在不同分发平台上的传播特点。在这一节中，我们将其分为一次打开和阅读体验两个部分进行探讨。
1704851495
1704851496
一次打开
1704851497
1704851498
一次打开是指不依赖社交传播和搜索传播所带来的阅读量。对于微博微信等粉丝分发平台，是指粉丝带来的阅读量；对于今日头条、快报等推荐分发平台，是指经由推荐带来的应用内阅读量。
1704851499