本篇文章将通过数据角度、结合我本人的内容体系建立经验，讲述怎么利用数据建立内容体系。
自从订阅号改成信息流模式后，内容制作门槛提高了一大截，对内容输出的要求也随着水涨船高，简单的copy已不再有竞争力。游击式的内容输出模式将缺乏竞争力，并最终在公众号内容的汪洋大海中淘汰出局。
如果没有完整的内容体系支撑，公众号的价值将大打折扣，最终导致投入产出不成正比关系。（最新消息腾讯还在进行订阅号内容模式的A/B测试，有可能改回之前的消息窗口模式。）
无论腾讯是否改回之前的内容呈现方式，也改变不了公众号运营已经由单兵输出阶段进入团队输出阶段。优质的公众号背后必然有全能的运营团队，有完整的内容体系支撑内容输出。
在这个背景下，本篇文章将通过数据角度、结合我本人的内容体系建立经验，讲述怎么利用数据建立内容体系。
先讲一组数字 “1、80%、5”，这组数字我通常叫做“185”组合。这组数字对于公众号运营来说非常重要，知道这组数字背后的含义，意味着你在内容制作上有着不错的水准。
1：表示用户在朋友圈看到一篇文章是否会点进去的时间在1秒之内；
80%：表示一篇文章出现阅读量爆发增长，则阅读量80%来自朋友圈；
5：5个用户在朋友圈分享同一篇文章，则能吸引朋友圈的其他用户点击阅读。
“185”这组数字就像大海中的灯塔一样，为公众号运营指引方向。
我接触过很多公众号运营，在做运营的时候完全凭着感觉在做，这就像农民种地靠天吃饭一样，是不可能有好收成的。
作为公众号运营的你，我想问几个问题：
你知道过去90天写的文章，哪篇文章阅读量最高？这篇阅读量最高的文章和当时的社会热点有什么关联？这篇文章的标题有什么特别之处？这篇文章的选题方向是出自哪里？
哪篇文章在朋友圈最受欢迎，受欢迎的原因是什么？和标题、选题方向、内容组成、文字表达方式都有什么样的关系？
过去90天推送的文章都能分成几类？哪一类的文章吸粉效果最好？哪个时间点推送最合适？
不能回答出这些问题，则说明你还没有运用数据来运营公众号，还在看天吃饭。
下面用具体的公众号举个例子（公众号名字《顶级程序员》），通过一步步具体的数据分析找到建立内容体系的方法。导出的图文数据如下所示：
最近90天推文标题和吸粉的关系如下图所示：
通过图片中哪些标题吸粉效果好，很清楚就能看出来。为了方便演示，我对数据进行一次排序处理，如下所示。
经过排序处理后，标题和吸粉之间的关系有了很清楚的可量化指标，把吸粉效果好的标题提取出来进一步分析讨论。
设立一个吸粉>600的变量，提取出来如下的5个标题，归为一组小样本。
1）flask1.0终于发布，放弃支持Python2.6和Python3.3;
2）你知道Python这五个有趣彩蛋吗？
3）程序员辞职卖卷饼，4天挣了1个月工资，所以我应该改行卖卷饼吗？
4）趣图：测试HTML5可靠方法。
5）送书！AI圣经《深度学习》中文版，来个20本！
对这5个小样本的标题进行分析发现了一些规律：
1）5个标题中都出现了数字；
2）5个标题有4个内容标题，1个活动标题；
3）5个标题中出现程序员专业术语相关的有4个；
4）5个标题进行分类可分为4个和程序员专业知识相关、1个和程序员职业发展相关。
这些规律有什么用呢？能得出什么结论呢？不妨开动你的大脑先思考一下。
公众号输出的内容和目标用户群体是不是保持一致的关系，输出的内容是不是围绕目标用户群体来输出的。可以通过输出的高频词汇来判断这两个问题，如下图所示
举例的公众号目标群体是程序员，从词云图中高频词汇很清晰的看出，输出的内容和程序员的保持一致。
选择标题纬度，对推文阅读量和推文朋友圈阅读量做分析处理，得到的结果如下所示：
提取阅读量最高的5个标题作为样本组。
1）20幅程序员才能看懂的图，看到第三幅我就忍不住哈哈哈哈哈哈！
2）”十问”中兴，你是真（Z）特(T)二(E)啊!
3）昨天一产品经理被围殴，现场惨烈
4）开发12年，整整6百万行代码，史上最烂的开发项目原来长这样……
5）看了《药神》，突然心疼我离开北京的程序员朋友……
对这5个小样本的选题方向进行分析发现了一下规律：
1）5个选题方向出现了2个热点方向、2个程序员工作相关方向、1个程序员趣味方向；
2）2个热点是当时网上的大热点；
3）2个程序员工作相关方向的选题不是单纯的技术而是升级到项目、职场相关的方向；
4）5个选题方向可分为4大类别，选题的方向很广。
这些规律有什么用呢？再用你的大脑思考下。
用这样的方法还可以多维度的深入分析，比如标题、阅读量、朋友圈阅读量、吸粉量、公众号对话阅读量等等多维度多角度分析，从而学会对整个公众号数据如“庖丁解牛”一般的掌握。
这里不再列举其他纬度的数据分析，感兴趣的朋友可以自己动手分析你在运营的公众号。
读到这里的朋友肯定脑海里会冒出如下两个问题：
为什么要建立内容体系？
内容体系建立的目的是什么？
在开头背景中说过，内容输出的门槛正在提高，不建立内容体系将不会有竞争力，优质的公众号都有自己完整的一套内容体系。
内容体系建立是为了流程化的写出吸引用户点击、吸引用户阅读、吸引用户分享打动人心的文章。这样才能保证运营过程中内容输出的稳定性和持续性，从而提升公众号的运营价值。
在上文中，通过分析标题、阅读量、朋友圈阅读量的数据对选题方向寻找了一些规律。找到的规律现在将派上用场，用来建立一棵“选题树”。
把刚刚找到的选题方向，填充到“选题树”中，让它慢慢的成长为一棵参天大树。
（选题树非常庞大，在这里仅用选题树框架做简单示意）
先围绕用户目标群体确定几个大的选题方向，然后围绕选题方向一直向下深挖，直到找到的选题方向可以具体写一篇文章为止。
平时积累或新发现的选题方向则不断补充在选题树中，通过不断的补充让选题树越来越茂盛。当选题树长大到某一阶段，运营需要输出的内容选题都可以在选题树中寻找。
一篇文章能否吸引用户阅读，能否引起传播，选题占了80%。有了选题树，终于可以把虚无缥缈的选题方向通过数据成体系的方式呈现出来。
选题树建立后，根据选题树的选题方向进行内容库的建设。每一个可写选题方向下，要有对应的数十篇素材库，热门的选题方向下，甚至拥有成百上千篇素材。
建立内容库后，对内容库中的文章从下笔角度、文字表达方式、信息密集度、呈现形式等多维度进行数据分析，根据分析的数据结果确定文章的写作角度、文字表达、信息密集度。
内容库经过反复补充后，将会成为一个超级军火库一样，为内容输出提供强有力的武器支持。
选题树、素材库建立后，到了最后一步，对文章的标题进行优化处理。
好的标题一定要在1秒里吸引用户点进去，好的标题对内容的数据有很大的影响。
切忌不要标题党，标题党的文章没有传播性，得不偿失。
下面10个标题是通过数据分析后表现很好的标题，最后提取出来当作小样本。
flask1.0终于发布，放弃支持Python2.6和Python3.3;
你知道Python这五个有趣彩蛋吗？
程序员辞职卖卷饼，4天挣了1个月工资，所以我应该改行卖卷饼吗？
趣图：测试HTML5可靠方法。
送书！AI圣经《深度学习》中文版，来个20本！
20幅程序员才能看懂的图，看到第三幅我就忍不住哈哈哈哈哈哈！
“十问”中兴，你是真（Z）特(T)二(E)啊!
昨天一产品经理被围殴，现场惨烈
开发12年，整整6百万行代码，史上最烂的开发项目原来长这样……
看了《药神》，突然心疼我离开北京的程序员朋友……
现在对这10个标题进行总结会发现以下结论：
借助社会热点，凸显文章方向；
标题中善于利用数字吸引用户的注意；
利用人的好奇心在标题中设置悬念；
通过制造矛盾、引进强烈的对比强化标题张力；
标题表达出鲜明的主观态度和情绪；
多种效果的组合使用。
针对标题优化，通过数据分析进行归纳总结，会不断发现很多相似的套路和小技巧。把这些小套路、小技巧利用到实践中反复验证，最后不断总结加以利用。
在这里主要学会利用数据来优化标题，形成一套完整的标题优化方法，从而提升文章的打开率。
在建立选题树、标题优化的过程中，用到了“归因法”。在进行归因的时候，一定要进行正确的归因，这样得出来的结论才有参考性。
现在验证一下标题的归因结论是否具有实用性！
找了另一相同用户群体的公众号文章标题来验证。
刚刚，阿里开源了一项重磅炸弹，终结程序员“中年危机”；（阅读量：10万+）
这份程序员的简历刷爆了五月的朋友圈；（阅读量：10万+）
刚刚，阿里公开600页技术图，程序员看完少走10年弯路；（阅读量：10万+）
程序员揭秘：左右脑刷爆朋友圈的真实内幕；（阅读量10万+）
痛心！中兴程序员跳楼始末：或成其公司内部矛盾牺牲品；（阅读量：98358）
通过对这5个标题的分析和对比，发现其标题中的规律和标题归因结论完全一致。
这5个高阅读量标题也满足以下结论：
借助社会热点，凸显文章方向；
标题中善于利用数字吸引用户的注意；
利用人的好奇心在标题中设置悬念；
通过制造矛盾、引进强烈的对比强化标题张力；
标题表达出鲜明的主观态度和情绪；
多种效果的组合使用。
那还等什么，赶紧把标题的归因结论大胆的运用到实践中。运用的时候不要生搬硬跑，而要举一反三，利用标题归因结论，进行反复的实践，并不断地迭代，最终形成自己的方法。
选题树、内容库、标题优化这三大部分完成后，内容体系框架就建设完成了。在框架里面不断的验证、不断的迭代，内容体系将会发挥出巨大的能量。
1. 学会利用数据分析问题；
利用数据分析标题和吸粉之间的关系；
利用数据分析内容和目标用户群体的关系；
利用数据分析选题方向和阅读量、朋友圈阅读量的关系；
2. 利用数据建立公众号内容体系；
通过多维度多角度数据分析建立选题树；
利用数据建立内容库；
通过数据进行标题优化。
后记：
古人有云“善战者善器者也”，在运营中一定要善于利用工具来达到目的。
1、文中用到的图文数据表来自壹伴插件数据导出功能；
2、文中用到的数据分析及处理来自BDP数据分析工具。
作者：老漂，微信公众号：老漂运营笔记
本文由 @老漂 原创发布于人人都是产品经理。未经许可，禁止转载
题图来自 Pexels ，基于 CC0 协议
给作者打赏，鼓励TA抓紧创作！6人打赏
