چگونه محتوای خود را زیر ذره‌بین ببریم؟

شاید این‌ روزها که به سرعت هم در حال گذر هستند، وجود یک دیتاساینتیست یا به زبان خودمان دانشمند داده در شرکت یا استارت آپ شما ضروری نباشد، یا استخدام فردی با این تخصص برای سازمان توجیه اقتصادی نداشته باشد. اما اگر به بازاریابی محتوایی روی آوردید، قطعا نبود کسی برای تجزیه و تحلیل محتوا ، پیشرفت شما را با مشکل روبرو خواهد کرد.

متخصصی که توانایی گفتن «من می‌دانم» به جای «من فکر می‌کنم» دارد.

چرا تجزیه و تحلیل محتوا توانایی «من می‌دانم» به ما می‌دهد؟

تحلیل محتوا

وقتی می‌گوییم تجزیه و تحلیل محتوا توانایی «من می‌دانم» به ما می‌دهد یعنی اینکه، اطلاعات دقیقی از سرگذشت محتواهای تولید شده پس از انتشارشان و سرنوشت محتواهایی که در آینده تولید خواهند شد در اختیار ما می‌گذارد.

تحلیل محتوا به بازاریابان محتوایی قدرت پیش‌بینی می‌دهد و پیش‌بینی باعث افزایش قدرت تصمیم گیری صحیح و به‌موقع می‌شود.

قدرت پیش‌بینیِ یک بازاریاب محتوایی، سه مزیت اساسی دارد:

  • به کسانی که در سود و ضرر یک کسب و کار شریک هستند، آسودگی خاطر بیشتری می‌دهد.
  • به رضایت هر چه بیشتر مشتریان می‌انجامد.
  • احترام همکاران و مدیران شرکت یا استارت آپ را، نسبت به حرفه بازاریابی محتوایی، افزایش می‌دهد.

به لطف بازاریابی محتوایی، بازاریابی دارد از یک واحدی که برای کسب و کارها هزینه می‌تراشد، به یک کانون سود تبدیل می‌شود. تجزیه و تحلیل محتوا ، بخش مهمی از تبدیل بازاریابی به کانون سودآوری است.

شیوه‌های مختلف تجزیه و تحلیل محتوا

به عنوان یک تحلیلگر محتوا، بهتر است به سه نوع از تحلیل اهمیت بدهید:

  • توصیفی (Descriptive)
  • پیشگویانه (Predictive)
  • تجویزی (Prescriptive)

تحلیل توصیفی محتوا

تحلیلهای توصیفی شبیه تحلیلهای گوگل آنالیتیکس هستند که یک صحنه از آنچه اتفاق افتاده، پیش روی ما قرار می دهند. این کار مثل نگاه کردن به آینه دید به عقب ماشین است.

تحلیل محتوای توصیفی

متریک های مختلفی برای توصیف نتایج وجود دارند. آشنا شدن با آن‌ها نقطه شروع خوبی برای به دست آوردن مهارت تجزیه و تحلیل محتوا است. برای همین، بعضی از مهم‌ترین متریک‌ها همراه با توضیحات در پایین فهرست شده‌اند.

۱) بانس ریت: بانس ریت که به آن نرخ پرش هم گفته می‌شود. درصدی از بازدیدکنندگان هستند که هنگام بازدید از یک صفحه سایت، بدون تعامل با قسمت‌های دیگر سایت، آن را ترک می‌کنند.

۲) هزینه‌ی جذب مشتری (CAC): یا هزینه جذب مشتری. به کل هزینه‌هایی که برای جذب یک مشتری جدید انجام شده گفته می شود. گوگل آنالیتیکس، نرخ پرش را به شما می دهد. اما برای محاسبه CAC، کل هزینه‌های بازاریابی در یک مدت زمان مشخص را بر تعداد مشتریان به دست آمده، تقسیم کنید.

۳) نرخ تبدیل (CR): درصدی از افرادی که هدف مورد نظر ما را انجام داده اند. که می‌تواند کلیک کردن بر روی یک لینک خاص باشد یا دانلود یک فایل، پر کردن یک فرم یا خرید و… .

۴) نرخ کلیک (CTR): به درصد افرادی که بر روی یک لینک، دکمه، بنر و… کلیک می‌کنند گفته می‌شود. اگر تعداد کل کلیک های یک تبلیغ را بر تعداد دفعات نمایش آن تبلیغ تقسیم کنیم، CTR به دست می‌آید.

۵) نرخ حفظ مشتری: تعداد مشتریانی که تعامل خود را در یک مدت مشخص (مثلاً دو ماه) با برند ادامه داده اند.

تحلیل پیش‌گویانه‌ی محتوا

تحلیل محتوای پیش‌گویانه

در این نوع تحلیل، نتایج علاوه بر داده‌های گذشته، به داده‌های جاری هم بستگی دارد. شبیه اپلیکیشن های ناوبری که بر روی خودرو نصب می‌شوند و بهترین مسیر رسیدن خودرو را پیش‌بینی می‌کنند.

طبیعتاً برای انجام چنین تحلیل‌هایی نیاز به استفاده از الگوریتم های داده‌کاوی، پردازش ابری و کدهای برنامه‌نویسی است.

به عنوان مثال، اگر با توجه به آمار و ارقامی که از تعداد کلیک‌ها، کامنت‌ها، اشتراک‌گذاری‌ها و… که قبلا برای هر کدام از محتواها به دست آورده‌ایم. برنامه‌ای بنویسیم که این آمار و ارقام را پردازش کند و محتواها را براساس میزان درگیر کردن مخاطب به سه دسته با رنگ‌های سبز، زرد و قرمز تقسیم کند. می‌توانیم بفهمیم که چه محتواهایی بوده‌اند که بیشترین جذابیت را برای مخاطبان داشته‌اند.
یا اینکه، برنامه‌ با پردازش متن عنوان‌ محتواها، مشخص کند چه عنوان‌هایی توجه خوانندگان بیشتری را جلب کرده است.

اگر به چنین برنامه‌هایی علاوه بر داده‌های گذشته، داده‌های جاری (مثلا مطالب و پست‌هایی که روزانه تولید می‌کنیم) را هم به عنوان ورودی‌های جدید اضافه کنیم، شبیه به سیستم ناوبری خودروها داده‌ها بی‌درنگ پردازش می‌شوند و نتایج به شکل گرافیکی در قالب نمودار به نمایش در می‌آیند.

تحلیل تجویزی محتوا

این مورد، در‌ واقع فراتر از چیزی است که امروزه بازاریاب های محتوایی انجام می‌دهند. اما در اینجا آورده می‌شود تا به بازاریابان محتوایی دید از آینده بدهد. اینکه دنیای تجزیه و تحلیل محتوا به چه سمت و سویی خواهد رفت.

تجزیه تحلیل پیش گویانه

اگر به یاد داشته باشید، تحلیل توصیفی به شما می‌گفت چه اتفاقی افتاده. تحلیل پیشگویانه می‌گفت چه اتفاقی برای چند لحظه بعد خواهد افتاد. اما تحلیل تجویزی به شما می‌گوید: باید چه کاری انجام دهید تا اتفاقی که می‌خواهید بیفتد.

اگر بخواهم مثال‌های قبلی را پیگیری کنم. همان‌طور که آینه دید به عقب خودرو، شبیه تحلیل توصیفی، و اپلیکیشن ناوبری خودرو شبیه تحلیل پیشگویانه بود. اتومبیل های خودران را می‌توان به عنوان مثالی از تحلیل تجویزی دانست. این خودروها علاوه بر توصیف و پیشگویی مسیر، شما را تا مقصد می رسانند.

مثال واقعی آن در بازاریابی ماشین واتسون است. ماشین هوشمند واتسون محتواهای مختلفی را به عنوان ورودی می‌گیرد. و بعد از تحلیل آن‌ها، به شما دستورالعمل هایی تجویز می‌کند تا در بازاریابی محتوایی خود موفقتر عمل کنید.

ذهنیت لازم برای تبدیل شدن به یک تحلیلگر محتوا

مدل ذهنی تحلیلگران محتوا، شبیه دانشمندان داده است. آن‌ها از سه جنبه با محتوا برخورد می‌کنند.

۱) قادر به طراحی استراتژی محتوا

در طراحی محتوا باید دنبال مدل های پیشبینانه باشیم. چهار متریک زیر به طراحی یک مدل پیشبینانه برای محتوا کمک می‌کنند:

  • تعیین حجم بازار: این متریک حجم بازار محصول یا سرویس شما را نشان می‌دهد که برای طراحی محتوا دید خوبی می‌دهد. مثلاً اگر قرار است برای یک کتاب فروشی آنلاین طراحی محتوا کنیم. برآورد تعداد کتاب خوان‌هایی که خرید آنلاین انجام می‌دهند، حجم بازار ما را مشخص می‌کند.
  • بخش بندی بازار: بعد از تعیین حجم بازار، باید جامعه مخاطب خود را به چند دسته از مشتریان (با رفتارها و نیازهای یکسان) تقسیم کنیم.
  • ایجاد تقاضا: بر یکی از بخش‌هایی که در بخش بندی بازار مشخص شده است، تمرکز کنیم. برای آگاه سازی آن‌ها و ترغیب شان به استفاده از محصول یا خدمت و تبدیل آن‌ها به مشتریان راغب.
  • امتیازبندی مشتریان راغب: روشی برای دسته بندی مشتریان راغب و مشخص کردن میزان رغبت هرکدام و داشتن برنامه‌های خاص برای هر دسته.

۲) تحمل و توانایی آزمون و خطا

دانشمندان داده با یک فرضیه شروع می‌کنند و سپس آن را تست می‌کنند. به عنوان مثال آزمون های A/B نمونه خوبی برای تست فرضیه هاست. لینکداین با این روش متوجه شد که واژه «راهنما» از «کتاب الکترونیکی» بهتر است. یا «ثبت نام» بیشتر از «عضویت» کلیک می‌شود.

۳) توانایی اندازه‌گیری نتایج

با الگوریتم ها و کدهایی که نحوه تعامل مخاطبان با محتوا را می‌سنجند می‌توان به دید خوبی از آنچه اتفاق افتاده رسید. به عنوان مثال، یک مورد بسیار ابتدایی به کوتاه‌کننده‌ی لینک‌ها مربوط است. اگر به جای لینک‌های بلندی که از سایت‌تان در شبکه‌های اجتماعی به اشتراک می‌گذارید از سرویس‌هایی که لینک‌ها را کوتاه می‌کنند استفاده کنید، می‌توانید آمار خوبی از تعداد کلیک‌ها و نوع دستگاه‌های استفاده شده یا مکان جغرافیایی کلیک کنندگان به دست آورید.

اگر ذهنیت و مهارت های مناسب برای تجزیه و تحلیل محتوا را به دست آورید. دیگر کمتر نیاز دارید هنگام صحبت با کارفرما، مدیران یا همکاران خود از لفظ «من فکر می‌کنم» استفاده کنید. درعوض، با استفاده از لفظ «من می‌دانم»، اشراف خود بر اتفاقاتی که در حوزه محتوا درجریان است را نشان می‌دهید. و می‌توانید به مدیران و همکاران‌تان در تصمیم سازی به شکل موثرتری کمک کنید. یا اینکه به کارفرما آسودگی خاطر بیشتری بدهید.


این مطلب را با دوستان خود به اشتراک بگذارید

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *