通过数据分析，如何挖掘出优质的内容营销故事？.docVIP

通过数据分析，如何挖掘出优质的内容营销故事？ / 通过数据分析挖掘业务背后的故事是内容营销人员可以使用的最优质的方式之一，通过数据分析帮助内容营销人员建立专业知识，培养信任等。 但对于数据分析的新手来说，找到数据背后故事的过程可能做起来会遇到比较多的困难；你从哪里得到这些数据？当你有它时，你会怎么做？你如何发现有趣的数据分析故事的见解？ 一、如何找到好的数据故事 好的数据故事不仅来自数据，它们实际上隐藏在数据关系中。 当开始进行数据分析时，你可以看到每个数据点与另一个数据点的关系；看到（或没有看到）的数据分析模式有助于揭示存在什么样的故事，了解要寻找哪种类型的数据关系有助于你更快地找到这些故事。 接下来我就给大家介绍如何找到好的数据故事该怎么去做： 1. 第一步：从好数据开始 你所使用的数据应始终来自可信的来源，并且不带任何外部因素的影响；最好是使用自己内部收集到的数据，这样特别有可信度，因为它完全独特和原创。 记住一点：好的数据故事一定从好的数据开始。 2. 第二步：整理数据 大多数时候，基础性的数据分析一般是处理来自Excel的静态数据，当然除此之外还有很多别的数据形式。 注意：数据格式取决于拥有哪种数据，因此让我们谈谈不同类型的数据。 这些数据是时间上的一个点吗？ 例如，如果有来自2020年调查的数据，将在列中包含调查问题，并在行中包含答案。 是否有多个时间段只有一个观察？ 例如，如果您有1990-2019年苹果股价的数据，该格式将有年份在行，在列中有变量或股价；注意：如果年份和变量切换，没什么大不了的。Excel有一个功能，你可以粘贴“转换”值。这将切换数据的行和列。 如果数据在一个时间段内有多个观察结果怎么办？ 假设您有一个数据库，其中包含1990-2019年多个国家的信息；这些数据在行中仍将有年份，但每列将指定该特定年份的观察结果；在本示例中，将有一个“国家”变量，该变量标识数据所指的国家。 识别缺失的值或不良数据。 这些会使你成为一个不那么可信的来源，因为你的统计数据会是错误的；做一个目视检查，以确保数据点有意义；例如，如果数据集测量了人类的体重，那么某人体重为2000斤的数据有意义吗？清除大量丢失数据的行。 查找数据中的异常值。 这些数据点似乎不属于预期范围。异常值通常会被我们觉得厌烦，但它们也可以提供有趣的故事和见解；例如，如果我们预计所有县的销售额都会下降，那么一个县的销售额飙升将是一个异常值。 3. 第三步：可视化数据 当我们在这个阶段谈论数据可视化时，我们不是在谈论您的设计师创造的美丽数据可视化。 这只是让你真正“看到”数据的工具（这就是为什么我们如此喜欢数据可视化——这是我们大脑理解我们在看什么的简单方法）；从技术上讲，这一阶段被称为探索性数据分析。 1）突出要可视化的数据 2）点击“插入”进“图表” 从“图表”编辑器中，可以单击“图表类型”选项卡，使用推荐的图表或选择自己的图表；“自定义”选项卡允许重命名标题和轴、更改颜色或增加字体大小等操作。 请记住，不同类型的数据最好用某些类型的图表表示。 关于图表选用可以看我往期的几篇文章： 搞定这10个基础图表，就能进行简单的数据可视化设计 数据可视化设计师必备的图表规范指南 第四步：检查数据关系 通常一开始我们会经常以检查人际关系来寻找故事的有趣部分。但是当你利用可视化并根据关系进行数据分析时，你将开始看到数据的行为模式，这些行为模式将引导你朝着正确的方向前进。 但首先，你需要了解寻找什么样的关系。 5种类型的数据关系： 有许多不同的数据关系，但我们将涵盖最常见的前5名。这些最有可能适用于手头的数据，并将帮助你开始了解可能想在其他数据集中探索的其他内容。 当你深入研究这些时，考虑一下你的发现可能支持哪些类型的有趣角度： 数据分析结果是支持还是反驳了我的假设？ 数据分析结果是否揭穿了一个广泛持有的想法吗？ 数据是增、减、还是平线？ 数据显示组之间有什么不同吗？ 指标或变量的前10个（或后10个）观察结果是什么？ 关系1：相关性 这是具有两个或多个变量的数据，可能证明彼此之间存在正相关或负相关。 正：一个变量的增加导致另一个变量的增加。 负：一个变量的增加导致另一个变量的减少。 常见图表类型： 散射情节。 带有拟合线的散射图。 相关性的强度由相关系数衡量，一种流行的测量方法是使用相关性系数，范围从-1到1，这衡量了散点图中点与直线的相似程度。 相关系数为1，表示存在完美的正相关系数； 相关系数为-1，表示存在完美的负相关； 相关系数为0，表示没有相关性。 这里有一个带有合适线条的散点图，显示了不同国家人均国内生产总值和可口可乐价格之间的关系。 这条线表明存在一种积极的关系。这意味着随着人均国内生产总值的增加，可乐的价格也会上涨；通过目视检查，我们可以看