Pilnīga satura darbplūsma un mērīšana

Ieguvumi:

• Spēja apvienot idejas, ražošanu, kvalitātes kontroli un izplatīšanu vienā atkārtojamā darbplūsmā
• Spēja definēt metriku, kas mēra satura veiktspēju, un analizēt tos ar mākslīgo intelektu
• Spēja izveidot personisku tūlītēju bibliotēku un satura operētājsistēmu

Iepriekšējās vienībās jūs ieguvāt individuālas prasmes no zīmola balss līdz kampaņas tekstam, SEO līdz e-pastam, vizuālā īsa informācija līdz A/B testēšanai un kvalitātes kontrole līdz ētikas robežām. Šajā pēdējā daļā mēs tos apvienojam: mēs izveidosim pilnīgu satura darbplūsmu no idejas līdz publikācijai līdz mērīšanai un pārvaldīšanai. Mērķis ir izveidot atkārtojamu satura operētājsistēmu, nevis nekārtīgas uzvednes: sistēmu, kas katru reizi nesākas no nulles, nodrošina kvalitāti un mācās no veiktspējas. Mēs arī definēsim rādītājus, kas mēra veiktspēju, un analizēsim tos ar mākslīgo intelektu.

Satura operētājsistēma: septiņi posmi

Profesionāla satura plūsma sastāv no septiņiem posmiem; Mākslīgā intelekta un cilvēka loma ir skaidra katrā posmā:

1. Stratēģija un ideja: Mērķis, auditorija, subjekts (cilvēki vada, modelis vairo idejas).
2. Plānošana: Satura kalendārs un īss apraksts (modeļi, cilvēku apstiprinājumi).
3. Ražošana: Teksts/attēls ar zīmola balsi (ģenerē modeli, daudzpakāpju plūsmu).
4. Kvalitātes kontrole: piecu slāņu pārbaude (modelis atbalsta, cilvēks pārbauda).
5. Ētiskā/juridiskā apstiprināšana: privātums, autortiesības, likumdošana (cilvēks izlemj).
6. Apraide un izplatīšana: apraide pielāgota kanāliem (cilvēka laikam).
7. Mērīšana un mācīšanās: metriskā analīze, ieskats nākamajā ciklā (modeļa analīze, cilvēks izlemj).

Tas ir cikls: septītā posma rezultāts (mācības) baro pirmo posmu. Tādējādi saturs uzlabojas ar katru kārtu.

Skatuves

Modeļa loma

vīrieša loma

stratēģija

ideju pavairošana

Virziens un lēmums

Plānošana

Kalendārs/īss melnraksts

Apstiprināšana

Ražošana

Teksta/attēlu izgatavošana

orientācija, atlase

kvalitātes kontrole

iepriekšēja skenēšana

verifikācija

Ētika/juridiskā

Riska marķējums

galīgais lēmums

Raidījums

Kanāla pielāgošana

laika noteikšana

Mērīšana

Datu analīze

Stratēģijas lēmums

Satura metrikas izpratne

Jūs nevarat uzlabot to, ko nemērāt. Galvenie rādītāji, ko mārketinga komandas izseko un ko tie nozīmē:

• Sasniedzamība: to unikālo cilvēku skaits, kuri redzēja saturu.
• Iesaistīšanās līmenis: Sasniedzamā atzīmju Patīk, komentāru un kopīgošanas attiecība.
• Vidējais klikšķu skaits (VKS): klikšķu procentuālā daļa uz vienu seansu.
• Reklāmguvumu līmenis: to cilvēku procentuālā daļa, kuri veic vēlamo darbību (pirkums, reģistrācija).
• Atvēršanas līmenis: e-pastā atvērto ziņu procentuālais daudzums.
• Saglabāšana/atgriešanās: atkārtots lietotājs, atlikušais abonents.

Padoms. Neaizmirstiet par vienu "lielu" rādītāju (piemēram, tikai atzīmju Patīk skaitu). Ja atzīmju Patīk ir daudz, bet konversija ir zema, tas nozīmē, ka saturs piesaista uzmanību, bet nepārdodas. Kopīga metriku lasīšana atklāj patieso stāstu.

Soli pa solim: mācieties no snieguma

1. Apkopojiet neapstrādātus rādītājus. Novietojiet datus pēc izlaišanas vienuviet.
2. Piešķiriet to modelim ar tā kontekstu. Kurš saturs, kurš kanāls, kāds mērķis?
3. Lūdziet izdarīt secinājumus. "Kas mums būtu jāmācās?" un "kas mums būtu jāmaina nākamajam testam?"
4. Pārvērtiet to par hipotēzi. Savienojiet mācīšanos ar nākamā A/B testa hipotēzi.
5. Atjauniniet uzvedņu bibliotēku. Pārvērtiet pieejamo pieeju par veidni.

Vāja uzvedne / spēcīga uzvedne

Vāja uzvedne:

Kā iet ar manu saturu, dodiet padomu.

Spēcīga uzvedne:

Analizējiet tālāk norādītos satura veiktspējas datus un izdariet praktiskus secinājumus.KANĀLS: Instagram. MĒRĶIS: datplūsma uz vietni. DATI (pēdējās 4 ziņas):- Ziņa A (izglītojošs karuselis): sasniedzamība 12 000, iesaiste 6,1%, klikšķi 210 - Ziņa B (produkta reklamēšana): sasniedzamība 9500, iesaiste 2,3%, klikšķi 74- Ziņa C (lietotāja saturs): sasniedzamība 14 200, iesaiste 7,4%, sasniedzamie ziņojumi (5 klikšķi). 21 000, iesaistīšanās 5,0%, klikšķi 280 PIEPRASĪTĀ:1. Kura veida saturs vislabāk atbilst mērķim (datplūsmai)?2. Ko mēs mācāmies no tiem, kuriem ir liela iesaistīšanās, bet maz klikšķu?3. 3 konkrēti, pārbaudāmi ieteikumi nākamajam mēnesim. Nepārsniedziet datus un neapgalvojiet galīgo cēloņsakarību; Vienkārši paļaujieties uz datiem.

trīs mini futrāļi

1. gadījums — sistematizācija palielina ātrumu. Starta mārketinga komanda katru satura daļu veidoja atsevišķi un neregulāri. Viņi standartizēja septiņu soļu plūsmu ar kontrolsarakstu. Satura ražošanas cikls samazinājās no vidēji 6 dienām līdz 2,5 dienām, un noraidītā/pārrakstītā satura rādītājs samazinājās no 30% līdz 9%, jo kvalitātes kontrole tika iebūvēta plūsmā no paša sākuma.

2. gadījums — ar datiem pamatots lēmums. E-komercijas zīmols jautā: "Kas ir labāks, izglītojošs saturs vai produkta saturs?" Viņš nevarēja atrisināt savu strīdu ar intuīciju. Viņi analizēja metriku ar modeli un atklāja, ka izglītojošs saturs palielināja trafiku un produktu saturs palielināja tiešo pārdošanu. Viņi sabalansēja satura kombināciju, pamatojoties uz mērķi; Ikmēneša tīmekļa apmeklējums palielinājās par 18%, pārdošanas apjomi nesamazinājās.

3. gadījums — uzvednes bibliotēka. Satura pārvaldnieks izkaisītās piezīmēs glabāja noderīgas uzvednes. Viņš tos pārvērta par uzvedņu bibliotēku (atkārtoti lietojamu uzvedņu veidņu kolekciju), kas sadalīta kategorijās: zīmola balss, kampaņa, SEO, e-pasts, kvalitātes kontrole. Jaunais komandas dalībnieks sāka ražošanu pēc dienas, nevis pēc nedēļas; Produkcijas kvalitāte ir kļuvusi neatkarīga no indivīda.

Kopējamas veidnes

1. veidne — satura darbību kontrolsaraksts:

Sagatavojot šo saturu publicēšanai, pārbaudiet septiņus posmus:[ ] Stratēģija: vai ir skaidrs mērķis un auditorija?[ ] Plānošana: vai īss apraksts ir pabeigts?[ ] Ražošana: vai tā atbilst zīmola balsij?[ ] Kvalitātes kontrole: vai pieci slāņi ir pazuduši?[ ] Ētika/juridiskie aspekti: vai privātums, autortiesības, noteikumi ir skaidri?[ ] Publikācija: vai ir pareizi izvēlēts kanāls un laika noteikšana? Es mēru panākumus? Uzskaitiet trūkstošos posmus un savu ieteikumu. SATURS: [ielīmēt]

2. veidne — veiktspējas analīze:

[Spēcīga uzvedne augšpusē: ar kanālu, galamērķi, ziņas datiem un pieprasījumu veikt attiecīgus secinājumus.]

3. veidne — mācīšanās pārvēršana hipotēzē:

Tulkojiet šo veiktspējas ieskatu hipotēzē nākamajam A/B testam: INSIGHT: "[...]"Ierosiniet 2 pārbaudāmas hipotēzes formātā "Ja veicam [mainīt], [metrika] palielinās, jo [kāpēc]" un katram norādiet izolējamo mainīgo.

4. veidne — uzvednes bibliotēkas ģenerators:

Iesakiet man satura uzvednes bibliotēkas ietvaru. Kategorijas: zīmola balss, kampaņa, SEO, sociālie mediji, e-pasts, vizuālais īss apraksts, A/B testēšana, kvalitātes kontrole. Uzskaitiet, kurām 2–3 veidnēm ir jābūt katrai kategorijai un kādas ievades ir jāpieprasa katrai veidnei.

Uzmanību! Interpretējot metriku, modelis var pārsniegt savus datus un apgalvot absolūtu cēloņsakarību (“šis saturs palielināja pārdošanas apjomu par X procentiem”). Korelācija (notiek kopā) un cēloņsakarība (viena izraisa otru) ir atšķirīgas. Jautājiet modelim tikai uz datiem balstītiem secinājumiem; Apšaubiet cēloņsakarības apgalvojumus kā cilvēkus.

Biežas kļūdas

• Nesistemātiska ražošana. Katras sastāvdaļas pagatavošana no jauna ir lēna un nekonsekventa.
• Publicēšana bez mērīšanas. Ja panākumu metrika nav definēta, mācīšanās nebūs.
• Pieturoties pie viena rādītāja. Metrikas jālasa kopā; Patīk nenozīmē pārdošanu.
• Cēloņsakarības lēciens. Kļūdaina korelācija ar cēloņsakarību noved pie nepareiziem lēmumiem.
• Nereģistrē mācības. Ja ieskats nekļūs par veidni, tas tiks aizmirsts kārtu pēc kārtas.

Rezumējot

• Satura veidošana ir cikls: stratēģija, plānošana, ražošana, kvalitātes kontrole, ētikas apstiprināšana, publicēšana, mērīšana.
• Katrā posmā ir skaidra modeļa un cilvēka loma; lēmums un pārbaude pieder cilvēkam.
• Lasiet metriku kopā; Viens skaitlis ir maldinošs.
• Izseciniet darbību no veiktspējas un ģenerējiet jaunas hipotēzes.
• Padariet sistēmu neatkarīgu no personas, pārvēršot to, kas darbojas, par tūlītēju bibliotēku.

Lietojumprogrammas uzdevums

Izveidojiet uzvednes bibliotēkas skeletu savai (vai iedomātai) satura darbībai, izmantojot 4. veidni. Pēc tam sagatavojiet veiktspējas datu paraugus (četras ziņas, reālus vai izdomātus), analizējiet tos, izmantojot 2. veidni, un saņemiet trīs konkrētus ieteikumus. Visbeidzot, tulkojiet ieskatu hipotēzē nākamajam testam ar 3. veidni. Sāciet savu personīgo bibliotēku, apkopojot visas šajā modulī apgūtās veidnes vienā failā. Ilgums: apmēram 30 minūtes.

kontrolsaraksts

• [ ] Savu satura plūsmu es raksturoju kā septiņu posmu sistēmu.
• [ ] Esmu iepriekš noteicis veiksmes rādītāju katram saturam.
• [ ] Es analizēju veiktspējas datus kontekstā.
• [ ] Es kopā izlasīju metriku un apšaubīju viņu apgalvojumus par cēloņsakarību.
• [ ] Iemācīto pārtulkoju jaunās hipotēzēs.
• [ ] Es saglabāju noderīgās uzvednes bibliotēkā.

Moduļa eksāmens

1. Kurš no šiem ir visefektīvākais veids, kā zīmola balsi pārnest uz mākslīgo intelektu?

• A) Balss norādījumu sniegšana ar toņu noteikumiem, teikumu un izteicienu piemēriem, no kuriem jāizvairās ✔
• B) Vienkārši pasakiet modelim "rakstiet saskaņā ar mūsu zīmolu"
• C) Mēģiniet katru reizi citu toni
• D) Kopēt tikai konkurējošo zīmolu tekstus

Apraksts: Zīmola balss nav izteikta abstraktos īpašības vārdos; Modelis rada konsekventu izvadi, kad tas tiek piegādāts, izmantojot sistēmas uzvedni ar "balss ceļvedi", kurā ir konkrēti piemēri, frāzes, no kurām jāizvairās, un toņu noteikumi.

2. Kurš elements kampaņas uzvednē visvairāk paaugstina produkcijas kvalitāti?

• A) Saglabājiet uzvedni pēc iespējas īsāku
• B) Skaidri norādiet mērķauditoriju, kanālu, ieguvumu, toni un formātu ✔
• C) Nerakstot produkta nosaukumu vispār
• D) Viena nosaukuma pieprasīšana

Apraksts: ņemot vērā konteksta informāciju, piemēram, mērķauditoriju, kanālu, produkta priekšrocības, toni un vēlamo formātu, modelis rada atbilstošu un lietojamu tekstu; Īsa uzvedne bez konteksta sniedz vispārīgus rezultātus.

3. Kāpēc, veidojot SEO saturu, meklēšanas nolūks ir svarīgs?

• A) Tikai tāpēc, ka tas palielina vārdu skaitu
• B) Lai virsraksts būtu garāks
• C) Satura saskaņošana ar mērķi, ko lietotājs vēlas sasniegt ar meklēšanu ✔
• D) Lai noteiktu attēlu skaitu

Apraksts: viens un tas pats atslēgvārds var ietvert informatīvu, navigācijas, komerciālu vai darījumu nolūku; Satura atbilstība nolūkam nosaka gan ranžēšanu, gan reklāmguvumu.

4. Kāds mērķis ir pieprasīt platformai specifisku variantu, veidojot ziņu sociālajos saziņas līdzekļos?

• A) Viena teksta ielīmēšana visās platformās
• B) Mainot tikai hashtags skaitu
• C) Saīsiniet tekstu katrā platformā
• D) Teksta pielāgošana katras platformas garuma, toņa un formāta atšķirībām ✔

Apraksts: Katrai platformai ir atšķirīgi rakstzīmju ierobežojumi, toņu gaidas un formāti; Viena un tā paša ziņojuma pārrakstīšana platformai atbilstošā garumā un stilā palielina iesaisti.

5. Kādam ir jābūt pirmā e-pasta galvenajam mērķim e-pasta sveiciena secībā?

• A) Izveidojiet cerības, iepazīstiniet ar zīmolu un sniedziet skaidru nākamo soli ✔
• B) Mēģiniet pārdot visus produktus vienā e-pastā
• C) Vienkārši nosūtiet atlaides kodu un neko citu
• D) Uzrakstiet pēc iespējas garāku tekstu

Apraksts: sveiciena e-pasta mērķis ir izvirzīt cerības, iepazīstināt ar zīmolu un skaidri pateikt nākamo soli; Mēģinot pārdot visu pirmajā e-pastā, samazinās reklāmguvumu skaits.

6. Kāda ir ieteicamā pieeja, veidojot garu emuāra ierakstu ar mākslīgo intelektu?

• A) Sadalīšana skeleta, melnraksta, rediģēšanas un bagātināšanas posmos ✔
• B) 2000 vārdu pieprasīšana vienlaikus ar vienu uzvedni
• C) Izveidojiet tikai nosaukumu un pārējo atstājiet tukšu
• D) Katras rindkopas rakstīšana atsevišķā sarunā bez konteksta

Apraksts. Tā vietā, lai pieprasītu garu saturu uzreiz, vairāku soļu darbplūsma, kas sadalīta tādos posmos kā skelets, uzmetums pa nodaļām, rediģēšana un bagātināšana, uzlabo konsekvenci un kvalitāti.

7. Kas ir vissvarīgākais elements, rakstot vizuālās ražošanas rīku īsus?

• A) Vienkārši sakot "jauks vizuāls"
• B) Norādiet tikai krāsu
• C) Skaidri definējiet priekšmetu, stilu, kompozīciju, krāsu, gaismu un noskaņu ✔
• D) Palieciet pēc iespējas abstraktāki

Apraksts: Laba vizuāla īsziņa; skaidri definē priekšmetu, kompozīciju, stilu, krāsu, apgaismojumu, noskaņu un tehniskās detaļas. Neskaidri pieprasījumi rada neparedzamus rezultātus.

8. Kāds ir svarīgākais noteikums, veidojot variantus A/B testēšanai?

• A) Daudzu elementu maiņa vienlaikus katrā variantā
• B) Viena mainīgā izdalīšana un mainīšana vienlaikus ✔
• C) Variantu ģenerēšana nejauši
• D) tikai divu vārdu tekstu veidošana

Paskaidrojums. Lai tests būtu nozīmīgs, vienlaikus ir jāmaina viens mainīgais (piemēram, tikai nosaukums vai tikai CTA); Pārāk daudzu lietu mainīšana vienlaikus padara rezultātu neinterpretējamu.

9. Kāds ir svarīgākais solis, kas jāveic pirms ar mākslīgo intelektu veidota mārketinga teksta publicēšanas?

• A) Tieša publicēšana, jo modelis vienmēr ir pareizs
• B) Vienkārši meklēju pareizrakstības kļūdas
• C) Atkārtoti saīsinot tekstu ar mākslīgo intelektu un publicējot
• D) Cilvēks pārbauda precizitāti, pretenziju un zīmola saderību ✔

Paskaidrojums. Modelis var radīt nepareizu statistiku, neesošas funkcijas vai paziņojumus, kas ir pretrunā zīmola vērtībām; tāpēc cilvēka apstiprinājums un kvalitātes/zīmola drošības kontrole ir obligāta.

10. Kāds ir vispiemērotākais piesardzības pasākums pret “halucināciju” (safabricētas informācijas) risku mārketinga saturā?

• A) Pieprasīt un pārbaudīt, lai iegūtu konkrētus apgalvojumus un skaitļus tikai no pārbaudītiem avotiem ✔
• B) Izmantojot visu modeļa radīto statistiku tādu, kāds tas ir
• C) Saturā neliekot nekādus skaitļus
• D) Sakot modelim būt radošākam

Informācijas atklāšana: modelis var radīt nepamatotu statistiku vai apgalvojumus par produktu. Pieprasot komandai izgūt konkrētus skaitļus, līdzekļus un apgalvojumus tikai no pārbaudītiem avotiem, ko nodrošina komanda, un pārbaudot rezultātu, tiek samazināts risks.

11. Kāda ir pareizā pieeja, ievadot klienta personas datus vai uzņēmuma konfidenciālo informāciju mākslīgā intelekta uzvednē?

• A) Visu neapstrādāto klientu datu ielīmēšana tieši, lai iegūtu ātrus rezultātus
• B) Datu anonimizācija vai neievadīšana un rīka privātuma politikas pārbaude saskaņā ar noteikumiem ✔
• C) Pietiek tikai izdzēst vārdus un dalīties ar visu pārējo
• D) Konfidencialitāte nav svarīga, modelis neuzglabā datus

Paskaidrojums: personas un konfidenciālos datus nevajadzētu ievadīt vispār vai padarīt anonimizētus; Turklāt rīka datu apstrādes un uzglabāšanas politikai ir jāatbilst uzņēmuma privātuma noteikumiem.

12. Kas jādara, lai samazinātu “maldinošas reklāmas” risku, veidojot reklāmas kopiju?

• A) Pārspīlētu solījumu pievienošana, lai palielinātu reklāmguvumu
• B) Visur lietot frāzi “labākais”, lai būtu pārliecinošāks par konkurentiem
• C) Izvairīšanās no nepierādāmiem apgalvojumiem un katra konkrēta apgalvojuma pamatošana ar pārbaudāmu avotu ✔
• D) Pārvietojiet apgalvojumus uz zemsvītras piezīmēm mazā fontā

Paskaidrojums: ir jāizvairās no nepierādāmiem vai nelikumīgiem apgalvojumiem, piemēram, "labākais", "garantēti rezultāti", "zinātniski pierādīts"; Katram faktu apgalvojumam jābūt pamatotam ar pārbaudāmu avotu.

13. Kas ir pareizi, veidojot virsrakstus un meta aprakstus SEO saturā?

• A) Meta apraksta papildināšana ar atslēgvārdu atkārtošanos (atslēgvārdu pildīšana)
• B) Atstājot meta aprakstu pilnīgi tukšu
• C) Uzrakstiet aprakstu, kas ietver atslēgvārdu dabiski, mudina veikt klikšķus un nepārsniedz garuma ierobežojumu ✔
• D) vienāda meta apraksta ievietošana katrā lapā

Apraksts: Meta apraksts ir kopsavilkums, kas parādās meklēšanas rezultātos; tajā ir dabiski jāietver mērķa atslēgvārds, jāveicina klikšķu skaits un jāiekļaujas ieteicamā garuma ierobežojumā (aptuveni 150–160 rakstzīmes).

14. Kāda ir visprecīzākā pieeja, analizējot satura veiktspēju ar mākslīgo intelektu?

• A) Pieprasīt vispārīgu padomu modelim, nekad nedaloties ar metriku
• B) Modelei tiek rādīts tikai saturs, kas patīk
• C) Pieprasīt tikai bezmaksas kopsavilkumu no modeļa.
• D) Sniedziet neapstrādātu metriku kontekstā un lūdziet ieteikumus nākamajai testēšanai ✔

Apraksts. Sniedzot modelim neapstrādātu metriku (piemēram, atvēršanas līmeni, vidējo klikšķu skaitu, reklāmguvumu) ar kontekstu un jautājot “kas mums būtu jāapgūst un kas jāmaina nākamajā pārbaudē?” pamato interpretāciju uz skaitliskiem pierādījumiem un uzlabo darbplūsmu.