大数据是内容营销的翅膀
大数据beat内容高手
《大数据时代》一书记录了亚马逊的软件工程师通过数据挖掘和分析推荐，打败全美最有影响力的书评家的故事。
早些时候，为了推荐图书，亚马逊聘请了一个由20多位书评家和编辑组成的内容团队，负责写书评和推荐新书。他们同时负责把有特色的新书标题通过直觉式组合放在相关的网页上。他们的做法一度使书籍销量猛增，于是被《华尔街日报》称为"全美最有影响力的书评小组"。
亚马逊公司的创始人兼总裁决定根据客户的购买喜好为其推荐具体的书籍。于是，公司的工程师从沉淀的数据中开始挖掘，哪些客户买了些什么书，哪些书客户只浏览却没有购买，客户浏览了多久并且同时购买了哪些图书......这些数据挖掘最终形成了"协同过滤的专利算法"。这一算法连同其他各种行业规则混杂的消费者场景意图模块，可以让推荐变得快如闪电。在对比了计算机生成的内容和评论家创作的内容所创造的销售业绩之后，编辑们不得不服气。于是，这个金光闪闪的书评组被解散了。尽管计算机并不知道为什么喜欢海明威的客户会购买菲茨杰拉德的书，但是这并不重要，重要的是销量。
2012年2月16日，《纽约时报》刊登了查尔斯·杜希格撰写的一篇题为《这些公司是如何知道您的秘密的》（How Companies Learn Your Secrets）的报道。文中介绍了这样一个故事：
一天，一位男性顾客怒气冲冲地来到一家折扣连锁店Target（中文常译为"塔吉特"，为仅次于沃尔玛的全美第二大零售商），向经理投诉。因为该店竟然给他还在读高中的女儿邮寄婴儿服装和孕妇服装的优惠券。
但随后，这位父亲与女儿进一步沟通发现，自己的女儿真的已经怀孕了。于是致电Target并道歉说，他误解商店了，女儿的预产期是8月份。
一家零售商是如何比这位女孩的亲生父亲更早得知其怀孕消息的呢？这里就需要用到"关联规则+预测推荐"技术。
事实上，每位顾客初次到Target刷卡消费时，都会自动获得一个唯一的顾客识别编号（ID）。以后，顾客再次光临Target消费时，计算机系统就会自动记录顾客购买的商品、时间等信息。再加上从其他渠道取得的统计资料，Target便能形成一个庞大的数据库，用于分析顾客的喜好与需求。
有了数据，特别是有了大容量的数据，后面的问题就简单了。Target的数据分析师开发了很多预测模型，其中怀孕预测模型（Pregnancy-prediction Model）就是其中的一个。Target通过分析这位女孩的购买记录------无味湿纸巾和补镁药品，就预测到这位女顾客可能怀孕了。而怀孕了，未来就有可能需要购置婴儿服装和孕妇服装，多么贴心的商店啊！
如果将这些数据跟品牌内容相结合，就不是寄送优惠券那么简单了，还可以通过往女生的手机或者邮箱推送一些关于怀孕的生理和安全知识，那营销的效果自然也会不同凡响。当然，这些数据的使用需要在尊重消费者隐私的前提下。
根据这个故事，此前大家编了一些关于未来大数据串联之后的营销段子，虽然目前看来只是个笑话，但是可以想象在不久的未来，也许段子中的一幕会变成现实。
某必胜客店的电话铃响了，客服人员拿起电话。
客服：必胜客。您好，请问有什么需要我为您服务的？
顾客：你好，我想要一份......
客服：先生，烦请先把您的会员卡号告诉我。
顾客：16846146×××。
客服：陈先生，您好！您住在泉州路一号12楼1205室，您家电话是2624×××，您公司电话是4666×××，您手机号是1391234×××。请问您想用哪一个电话付费？
顾客：你为什么知道我所有的电话号码？
客服：陈先生，因为我们联机到CRM（客户关系管理）系统。
顾客：我想要一个海鲜比萨饼......
客服：陈先生，海鲜比萨饼不适合您。
顾客：为什么？
客服：根据您的医疗记录，您的血压和胆固醇都偏高。您可以试试我们的低脂健康比萨饼。
顾客：你怎么知道我会喜欢吃这种口味的？
客服：您上星期一在国家图书馆借了一本《低脂健康食谱》。
顾客：好。那我要一个家庭特大号比萨饼，要付多少钱？
客服：99元，这个足够您一家六口吃了。但您母亲应该少吃，她上个月刚做了心脏搭桥手术，还处在恢复期。
顾客：那可以刷卡吗？
客服：陈先生，对不起。请您付现款，因为您的信用卡已经刷爆了，您现在还欠银行4807元，而且还不包括房贷利息。
顾客：那我先去附近的提款机提款。
客服：陈先生，根据您的记录，您已经超过今日提款限额。
顾客：算了，你们直接把比萨饼送到我家吧，家里有现金。你们多久送到？
客服：大约30分钟。如果您不想等，可以自己骑车来。
顾客：为什么？
客服：根据我们的CRM全球定位系统的车辆行驶自动跟踪系统记录，您登记有一辆车号为SB-748的摩托车，而且目前您正在解放路东段华联商场右侧骑着这辆摩托车。
顾客当即晕倒。
案例 Case
今日头条的崛起
今日头条的创始人张一鸣，是一个"80后"。
就是这个年轻人，利用四年的时间，几乎创造了全球互联网的一个奇迹：他创办的今日头条年均新增1亿多用户，平均每月新增1000多万用户，至2016年10月底已积累6亿用户，占据了中国移动手机的半壁江山。
2016年年底，今日头条发布消息称获得D轮融资10亿美元，公司估值超过120亿美元。这家即将跨入千亿俱乐部的互联网公司成立于2012年，被很多人认为是BAT（百度、阿里巴巴、腾讯三大互联网公司首写字母的缩写）以外的第四极。业内还有一种说法是"互联网下半场，全看TMD（今日头条、美团大众点评、滴滴）"。
2012年8月，今日头条上线。此时，四大门户网站均已推出了自己的新闻客户端产品，其中搜狐、网易新闻客户端的用户规模更是已经接近4000万。相对于这些装备精良的正规军，今日头条就是一个三五个人、七八条枪的"游击队"，前途并不被看好。不过，也正因为它太小，或者它的路数跟几大门户有很大不同，它在夹缝中找到了自己的生存土壤。
与门户网站和传统媒体不一样的是，今日头条一开始并不自己生产内容，只是内容的搬运工。张一鸣说，他的公司没有编辑，只有工程师，他们通过推荐新闻来吸引用户的注意。
传统的新闻门户都有庞大的编辑团队，编辑从每天抓取到的海量新闻中，按照一定的价值判断标准，选择出一些所谓重要的、用户感兴趣的新闻推荐到首页，或者排在靠前的位置。
这种模式固然可行，但并不完美。人工推荐模式的背后所追求的是信息覆盖的广度，只有大家都感兴趣的新闻才能为网站带来足够多的流量。所以，这就意味着一些小众的长尾信息需求无法得到满足。
举个简单的例子，如果一位用户喜欢一支乏人问津的NBA（美国男子职业篮球联赛）弱旅，那他就很难在门户首页上看到这支球队的消息。因为放在首页的永远是那些战绩最好、最炙手可热的球队和球星的消息。
由于张一鸣是做技术出身，因此没有媒体人的惯性思维。他对信息的理解并不执着于新闻。在他的思维中，信息是文字、图片、视频，甚至问答、直播、评论、段子等各种形式的综合体。既然要做信息分发平台，就要让信息所涵盖的各种形式都能在这个平台找到它们的受众群体。今日头条平台上的内容不断往张一鸣理解的"信息"方向丰富。当前受众看到的今日头条，更像是一个杂糅了口水化的知乎、资讯化的微博和娱乐化的新闻资讯平台等多种形式的"怪胎"。
今日头条不仅在机制和理念上跟传统媒体有区别，而且因为它不处在和传统媒体竞争的位置，所以也获得这些媒体的帮助，表现为用户可以通过绑定社交媒体账号的形式登录。一旦绑定你的社交媒体账号，今日头条的推荐引擎就能迅速根据你的账号标签、好友、转发等信息分析出你大致的兴趣爱好，从而向你推荐相应的内容。而且，随着算法的不断进化以及用户使用时长的增加，这种推送也会变得愈发精准。同时，用户还可以把内容非常方便地转发到自己的社交媒体账号上，这样不仅增加了用户的黏性，而且还能形成绝佳的推广渠道。
于是，今日头条就在门户酣战的过程中迅速壮大。等到门户和BAT巨头醒悟的时候，发现它已经尾大不掉，于是开始用各种方法来围剿，比如版权投诉、公关大战（庸俗和色情内容、标题党）、强化自身的推荐功能等。
在反围剿的过程中，羽翼渐丰的今日头条开始启动平台内容生成计划，成立头条创作空间，邀请非常优秀的自媒体人入驻平台，并且给予这些人各种形式的帮助。为了聚合有创造力的自媒体，今日头条创办了一个针对内容创业者的孵化空间------头条号创作空间，邀请一些已经有一定知名度的自媒体入驻。"今日头条将提供流量扶持，还有创业补贴、融资对接、办公空间、企业服务、创业培训、行业沙龙等综合服务。"2017年8月，知名微博博主爆料说今日头条从知乎挖走了300名认证大号。
2016年，今日头条发布了自己的职能创作机器人xiaomingbot，开始利用人工智能进行内容生产。在奥运期间，这个机器人累计发了400多篇新闻，阅读量超过100万。机器人只用2秒钟的写作时间写出的文章，点击率超过了人写的文章。机器人写作不是仅仅把数字填充到模板上，我们还可以看到列表中会配图片，机器人会自动从图库中选择适合某篇报道的图片。
今日头条的启示
内容成为流量的入口
传统的广告或者搜索营销在移动互联时代已经不那么有效，加上手机的屏幕比PC端要小很多，因此，必须通过吸引人的内容去获取用户的注意力。这一点也可以从BAT的分别布局中看出端倪：阿里系不仅买了很多传统媒体平台，而且开通淘宝头条，同时豪掷10亿元给旗下的UC（优视科技）；腾讯发布"芒种计划"，为自媒体创作人提供12亿元的资助；2017年3月20日，百度宣布取消新闻源制度，转而建立VIP（可变信息处理）站点制度。通俗理解，就是曾经营销至上、不愁流量、等着外界送钱的百度，现在开始主动向优质内容示好，笼络优质自媒体，甚至提出为优质站点服务的概念。
大数据开始对内容的生产和分发产生实质性的影响
普通用户从下载App那一刻开始，就被今日头条"监视"着：点击了哪些内容、一篇文章停留了多长时间、是否看完、是否评论、是否分享和收藏......一旦连接了社交账号，机器还能抓取用户社交内容的关键词甚至社交圈子的兴趣爱好等进行分析。每一个用户打开今日头条所显示的页面，都会被机器抓取，分析其历史阅读数据后为用户推送专属新闻页面。
早在2016年，今日头条就有800个算法工程师、151条训练样本，每天用户请求60亿次，通过两万台机器昼夜不停地计算各种概率进行个性化的推荐和数据积累。
张一鸣在某个论坛上举了个例子：在波士顿遇到一个哈佛的学生，学生问为什么在波士顿能看到长沙的新闻，怎么知道他是长沙人？张一鸣的回答是根据这名学生春节回家的目的地判断他是长沙人。学生问为什么不是所有关于长沙的新闻都能看到，偏偏看到长沙市政府引进人才的新闻？张一鸣说不会给长沙人推荐所有长沙的新闻，而是根据每个人的特点进行推荐，因为在后台的大数据中，很多长沙在外留学的人都点击了这篇新闻，而该学生和那些人类似，因此也将这篇新闻推荐给了他。所谓泛化不仅是你为自己推荐内容，而是人人为人人推荐内容。
大数据基础上个性化推荐成为内容营销的理论基础
今日头条提倡"你关心的才是头条"，将用户思维发挥得很好。在信息爆炸的时代，传统移动客户端的烦琐分类及一成不变的栏目，难以满足不同读者的信息需求。因此，建立在大数据基础上的个性化推荐就成了必然选择。
而要做到个性化推荐，就必须抛弃传统的广告思维，通过制作多种不同风格和个性的内容，来满足消费者的不同喜好，从而做到千人千面。
什么是大数据
实际上，大数据对内容营销的影响远远不止今日头条所展示出来的这些。
大数据可以帮助品牌发现机遇，如新客户、新市场、新规律，回避风险，绕开潜在威胁，分析出隐藏在数据背后的用户行为习惯以及偏好，设计更符合用户需求的产品和服务，可以有助于品牌营销决策的调整与优化。因此，可以说大数据也是驱动内容营销的关键。内容营销需要跟大数据进一步结合，才能焕发出更大的市场潜力。
那么，如何实现"大数据+内容"呢？我们先来看看大数据的"大"。
在互联网出现之前，人类赖以生存的数据大多呈现碎片化和结构化状态，而且因为统计方式以及保密的原因，数据之间难以打通。因此，所有适用的数据相对来说都是小数据。
互联网出现之后，人类一切基于互联网的行为和关系都变成了可以解码的数据。因此，这些混杂的数据构成了一个庞大的数据系统。这个数据系统所收集数据的数量和深度是难以估量的：从领域看，可以包括政治、经济、文化、消费、生活娱乐等领域的数据；从数据属性看，包括场景数据、人文数据、行为数据、关系数据、关联数据等。尤其是移动互联和传感技术的发展，让数据的收集和格式标准化变得更为便捷，也扩展了数据收集的范围和种类。比如人的位移和状态数据、各种心理和生理的数据，这些数据配合场景的监测，让数据的挖掘和想象空间变得更为丰富。一些所谓的猜想性判断，可以通过数据分析变成实验性报告。比如，罗辑思维的脱不花有个理论：如果希望消费者付费阅读或者转发和分享，文章最好不要太长，因为文章会消耗消费者的激素分泌。这种经验性论断到底对不对，目前只能去感觉。但是，通过大数据以及可穿戴设备连接的分析，未来一定可以发现消费者在阅读和接收信息方面的更多意想不到的行为和态度。这就给内容营销者带来更多的关于内容生产、分发以及不同消费者的选择，具有针对性的调整建议等，也会影响内容营销的整体效果。
五类数据应用
中国拥有严格意义上的大数据公司，比较科学的说法还是BAT巨头建立的体系王国。三个巨头不仅在数据的类型上各有千秋，对数据的重视程度也都非同一般。
阿里巴巴把数据作为未来的一种战略，并且在不同层面进行布局。马云更是在不同场合声称：未来，大数据会变成最为重要的生产资料。除了收据收集外，阿里巴巴还在数据分析层面抢占云计算制高点。马云也曾说云服务会成为基础设施。
可以说，阿里巴巴整个体系所积累的消费数据覆盖之广、累积之深，全球没有任何一家公司和机构能与之相比。我们买东西后，阿里巴巴能够轻而易举地得到我们的购物行为和浏览数据，通过云计算分析后，进行精准的行为预测，然后进行商品信息推送。
比如，一个人上淘宝搜索"空气净化器"这个关键词的次数是行为数据里最高的，阿里巴巴分析出来之后，预测此人就是喜欢这个种类的商品，然后挑一些爆款的进行推荐。
腾讯在大数据领域，拥有社交数据、消费数据、游戏数据等，但很少有技术很强的人将其做成报告，更不会像百度、阿里巴巴那样主动包装宣传这些技术强人。但是，腾讯大数据的运用，却一直在进行。
其中，分析社交数据是腾讯最擅长的。它可以通过大数据分析得知你的社会关系、性格禀赋、兴趣爱好、隐私绯闻，甚至生理周期和心理缺陷都尽在其中。
游戏数据和消费数据两者之间是互通的。因为，腾讯的消费数据大多来自游戏与增值服务。腾讯游戏的收入十分暴利，游戏迷们愿意付出高昂的费用来购买虚拟道具，以此满足自己的虚荣心。
腾讯大数据的运用主要是为了完善自身。它了解用户的性格禀赋、兴趣爱好、隐私绯闻甚至生理周期，通过分析这些数据得出结果预测，根据这样的结果预测做出的产品怎么会不受欢迎？事实上，腾讯游戏的开发以及一些产品的改进，也正是基于这些数据分析进行的。
百度最强的是基于搜索的各种数据，这是百度竞价排名、百度专区、百度联盟等各种百度产品的基础。当用户的搜索行为被记录下来后，再使用搜索功能时就会出现一些相关内容的广告。同时，百度搭配的百度地图数据，也在另外的层面展示和积累用户的线下行为数据。这些数据结合LBS（基于位置的服务）的推送技术、二维码技术等，将会给营销带来革命性的变化。在春节期间，百度根据百度地图绘制的春运迁徙图，确实令人相当震撼。
大数据和传统广告
在传统营销中，大数据对于内容的影响主要体现在所谓的"精准营销"上，尤其是最近几年比较火的程序化购买。程序化购买讲究"品效合一"，能够解决传统广告的一个痛点------"我知道我的广告费有一半被浪费了，但遗憾的是，我不知道哪一半被浪费了。"而线上的程序化购买在某种意义上能到达广告的理想投放状态，那就是在最恰当的时间、最恰当的情景下，将最恰当的内容推送给最合适的人。
线上程序化购买达到的理想投放状态
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。
大数据和内容营销
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。
宏观层面的内容分发
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。
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。
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。
中观层面的语义分析
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。
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。
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。
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。
案例 Case
案例1 健康领域的语义分析
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。
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。
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。
案例2 海尔微博的语义分析
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。
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？
海尔智能"魔镜"亮相CES及《星球大战》中登场的机器人博文
海尔智能"魔镜"亮相CES及《星球大战》中登场的机器人博文
当时张妍女士回答说："这一方面得益于产品所具有的黑科技特性，另一方面也借了美国国际消费类电子产品展览会的舆论东风。更重要的是，根据前期对于海尔官方微博粉丝的了解和分析，那条简单的微博文案其实是精心撰写的，可谓字字珠玑。
快闪开给大家造成画面感和紧迫感。'我厂智慧浴室'的'我厂'就是一个自我调侃，反衬魔镜的科技感。我们还\@哔哩哔哩弹幕网（B站），就是借助B站（国内最大的年轻人潮流文化娱乐社区）的粉丝影响力。同时，最后的话题'魔镜告诉本宝宝谁是网红'善用表情的感染力和善用二次元的场域语言让这条微博更易传播。
这条微博会引爆还因为在引爆前期我们进行过充分的评估。我们评估它的不同渠道属性和时间段，以及在国际消费类电子产品展览会上整个相关关键词的提及量和它的动态变化，然后通过用户活跃度的分析和传播势能图谱选择了本次文案。
我们发布的时间是上午九点到十点半，这是微博早高峰的时间，而美国的国际消费类电子产品展览会是那个时段的舆论热点。当时，我们用新媒体联盟------75个媒体大号同时在第一时间发力，还有微博内容的个性化、趣味化的引导交互配合。另外还有很重要的一点，这是黑科技产品，它符合海尔粉丝的调性。海尔粉丝就是二次元的、高质量的、易传播的，粉丝的二次元属性与产品调性契合。还有就是海尔品牌，因为网友对海尔的所有关注都汇集在官方微博，这也是它形成引爆的一个因素。
微博上午活跃峰值是在十二点钟左右。如果我们选择十二点发布的话，它就会很快迎来一个活跃度的衰减，所以我们必须测算好它的传播时间及引爆的窗口期。最后，这条微博是在九点半左右发布的，正好是活跃度的井喷时间。
国际消费类电子产品展览会是一个国际性的会展，我们有一些粉丝可能不知道。但是，它其实是一个很著名的会展，能对我们整个魔镜新生的品牌和产品知名度起到提升的作用。所以，我们都必须借势。
此外，还有基于用户位置的内容推荐，包括推送所处位置的相关信息，或是根据用户手机所处不同位置的时长来判断用户对某地信息的需求量。随着搜索、阅读使用时长的增加，算法的不断演进，抓取分析愈到位，推荐精确度就愈高，也愈能契合用户的需求。毋庸置疑，大数据基础上的个性化信息推荐，正在成为一种新的行业热点。"
微观层面的内容发布
数据的相关性不仅可以直接提升销量，也可以把数据通过不同形式的包装，变成企业内容营销的素材，从而提升企业的专业形象。
可视化的数据模型
过去那种纯粹的数据或者大段文字性的数据、即使是整天和数字打交道的会计看着也会头疼。现在基于数据可视化的探索和实践，让数据本身变得鲜活起来。比如，阿里巴巴旗下的DT财经（第一财经与阿里巴巴合力打造的数据财经新媒体），就是通过对各种财经数据进行模型性分析，简明清晰地揭示数据之间的关系。而且这种相关性的分析，还可以增加阅读的趣味性。
数据新闻的生产过程
数据榜单
新榜通过排列组合微信公众账号的阅读量来显示公众账号的活力，因此，不仅催生了一家盈利的公司，而且成为公众账号持续输出的内容。腾讯企鹅智库也依赖整个腾讯帝国的大数据资源，发布一些可以公开的数据报告，比如基于微信的用户行为分析等，一方面提升了品牌的知名度和美誉度，另一方面也让生态体内的各类玩家都能够更好地利用平台去获利，从而增强平台的活力与黏性，树立品牌的权威性和透明度。
成为故事的来源
在《大数据告诉你，如何在魔都捕获一只活的高富帅》一文中，通过运用上海市的区域房价模型、高端写字楼模型、高学历群体移动模型等，交叉测算出高富帅可能出现的区域和场所，并且有针对性地给了一些幽默的建议。这类文章的故事性非常强，而且视角独特，成为内容营销的上佳之选。
魔都捕获高富帅