添加小蓉回復“H5”，即可獲得H5案例

作者丨陳維賢

來源丨運營研究社（ID: U_quan）

 

昨天，微信報告終于在千呼萬喚中發布，結果只是小范圍的引爆，還有很多用戶一臉懵逼找不到生成報告的入口。

 

聯想到前兩天，「2018 支付寶年賬單」霸占朋友圈，還在知乎熱榜榜首停留了好幾天，為什么同樣是大廠的年終盤點，傳播效果差這么多？

 

2018 支付寶年度賬單

 

2018微信年度數據報告

 

每到年末歲初，朋友圈里的各種年度盤點、榜單、報告可以說是滿天飛。

 

用戶早已見怪不怪，卻依然興奮期待，不等到這些盤點 H5 出來，這個年仿佛跨不過去。

 

盡管有微信、支付寶、網易云“三座大山”在前，還是有越來越多的 App 和平臺加入年終盤點大軍，想要一戰成名。

 

我不禁思考，為什么年終盤點類 H5 具有如此強的生命力和傳播性？

 

作為運營，又該如何去策劃一個盤點類 H5 呢？今天，我們來聊聊年終盤點策劃那些事兒。

 

 

什么是盤點型 H5

 

盤點型 H5 的本質還是對內容的盤點，只是運營同學將盤點得到的精華內容以 H5 的形式來展現。按照盤點的邏輯，可以分為兩大類：內容型盤點 H5  VS  數據型盤點H5。

 

為了大家能夠更好地理解，我為每種類型篩選了優秀案例來進行說明。

 

 

1）內容型

 

內容型盤點 H5 與年度大事件盤點文章類似，可能以某個領域或主題切入，展現過去一年與其相關的大事件，比如娛樂圈畫傳、年度影單、年度十大關鍵詞等。

 

 

網易新聞《2018娛樂圈畫傳》

     

 

知乎《2018年度影單》

 

當然，在搶奪用戶注意力的今天，僅僅讓用戶“看”已經不能滿足運營同學的野心，于是有一些內容型的 H5 還加入了互動：

 

 

騰訊新聞《18秒破解年度表情》

     

 

界面新聞《你會用哪張照片標記2018年？》

 

此外，內容型中還有特殊的一類：時間型盤點。即按照時間軸的模式，線性地展示過去一段時間內某品牌或產品的大事記。

 

由于內容本身缺乏驚喜性，且與用戶聯系的程度低，時間型盤點目前已經不太常見。

 

可口可樂《分享快樂128年》

 

 

2）數據型

 

數據型盤點常見于工具型 App，通過回顧用戶數據，展示用戶這一年的“活動軌跡”或“消費軌跡”。

 

由于用戶價值高、用戶愿意出于炫耀等心理自愿轉發分享，這一類盤點 H5 容易產生刷屏爆款。

 

 

瑞幸咖啡《2018，陪你走過的那些“藍”忘時刻》

 

 

豆瓣《2018豆瓣書影音報告》

 

運營同學在動手策劃年終盤點型 H5 之前，可以先思考自己的產品適合用哪一類型的盤點邏輯，在這個過程中需要考慮以下幾個因素：

 

① 如何體現產品／品牌特色

② 數據是否能夠獲取

③ 競品是怎樣盤點的

④ 用戶是否會感興趣

 

 

 

數據型盤點的 3 種類型

 

從這幾年朋友圈刷屏的情況來看，數據型盤點邏輯是傳播度最廣的，比如《2018 支付寶年賬單》和網易云音樂的《2018 年度聽歌報告》等。

 

數據型盤點 H5 還可以進一步細分為報告型數據、用戶型數據和產品型數據三種類型。

 

① 報告型數據盤點 H5 

 

就是將行業報告做成 H5 的形式，往往跟報告一樣有大量圖表和分析。比如說，騰訊視頻發布的《關于 Z 世代用戶行為的真相》就很典型。

 

 

報告型數據 / 騰訊視頻《關于 Z 世代用戶行為的真相》

 

② 用戶型數據盤點 H5

 

把跟用戶（也就是“我”）相關的數據整合并進行展示。比如說，雖然沒有刷屏，但是做得也不錯的QQ 音樂《你的 2018 音樂記憶》。

 

用戶型數據 / QQ 音樂《你的 2018 音樂記憶》

 

③ 產品型數據盤點 H5

 

展示產品自身的數據表現，作用主要是品牌傳播。比如說《華為 2016 年報摘要》展示的就是華為在 2016 年取得的成績。

 

 

產品型數據 / 《華為 2016 年報摘要》

 

這三種數據類型可以混合使用，比如昨天的《2018 騰訊數據報告》就混合了 3 種類型：用戶數據和智慧生活是產品數據，人群表情包用戶習慣是報告數據，最后的“與微信同行 n 天”是用戶型。

 

 

《2018 騰訊數據報告》中的產品型數據盤點

 

 

左報告型數據盤點 ，右用戶型數據盤點

 

在三種數據類型中，用戶型數據盤點是最容易引起用戶分享的。背后的原因也很好推測，用戶都喜歡分享跟自身相關的內容，用戶型數據盤點 H5 往往能能滿足用戶炫耀的需求，能讓用戶主動轉發。

 

 

用戶型數據盤點 H5 易忽視的坑

 

接下來，給大家講一個做用戶型數據盤點 H5 很容易忽視的坑，那就是，用戶數據并不是產品自帶的！

 

14 年底“支付寶 10 年賬單”刷爆朋友圈，當時我在貼吧做內容運營，也曾經想在貼吧做一個類似的用戶型數據盤點。

 

我列了一些用戶基本數據，包括“何時加入，關注了幾個吧、發了多少貼、獲得了多少贊”等，興奮的跑到數據組提數據需求，結果數據不全，只能獲取到用戶的近 4 年數據，計劃夭折。

 

所以在此給做新項目的小伙伴提一個建議，在給產品做數據統計部署時，記得統計下基本的用戶畫像，這樣每年想用畫像做傳播時，就不會像我一樣“巧婦難為無米之炊”了。

 

有的小伙伴可能想問，我的用戶數據沒有那么完整，但是我也想做用戶型數據盤點，是不是只能放棄？

 

其實，如果 H5 本身對數據的要求并不精準，只需要粗略的數據的話，可以通過用戶提交的數據，加上一些產品特定的算法，也同樣可以為用戶產生專屬的數據報告，進而獲得比較好的傳播效果。

 

比如說，懂球帝《和頂級球星比工資》，就是一個典型的“不精準”的用戶型盤點 H5，輸入個人月薪，即可跟球星比買房、買車所花的時間等。

 

懂球帝《和頂級球星比工資》

 

報告型 H5 的傳播效果也不錯，排在用戶型數據之后。它在數據獲取上也更加多樣化，除了產品數據外，還可以通過用戶調研，參考其他文獻等方式。

 

最后，產品型數據，基本屬于品牌層面的傳播，能夠刷爆朋友圈的概率非常少，除非是類似微信、淘寶、支付寶、QQ、貼吧、百度這些品牌，已經成為一種 IP 的產品報告才有傳播的希望，因為除了內業從業者之外，用戶沒使用過你的產品基本上不會關心你的產品數據。

 

根據傳播效果將這 3 種類型的 H5 的排名為：用戶型數據盤點>報告型數據盤點 >產品型數據盤點

 

 

 

如何做好數據型盤點H5

 

了解了數據型盤點 H5 的類型之后，下一步就是如何做優秀的數據型盤點 H5 了。我從這些刷爆朋友圈的盤點型 H5 中的，剖析出了一些可以供我們在做年終盤點時復用的經驗。

 

1）內容挖掘

 

這里的內容挖掘重點指的是數據的挖掘，它是數據盤點型 H5 的原始參考數據。在這個環節，需要挖掘哪些類型的數據屬于要運營做出決策的，具體來說可以包含以下幾類數據。

 

① 用戶基本數據

 

星座、年齡、性別、注冊時間、所在地、感情狀況、收入、行業、使用產品次數、產品使用峰值等具有產品特色的用戶基礎數據。

 

② 互動數據

 

發貼、評論、回復、點贊、搜索量、關注量、地理位置簽到、打卡、購買等具有產品特色的互動數據。

 

③ 產品數據

 

男女比例、用戶總量及增長、地理分布、功能使用時長、DAU/MAU、關鍵詞出現頻率、交易量及增長、移動端/PC端在用戶與收益上的對比，等具有產品特色的互動數據。

 

2）內容整合

 

在第一階段挖掘到的數據是散亂的，沒有具體的主題。

 

所以需要運營從這些數據中發現規律，策劃出能夠引起用戶興趣的數據主題，然后根據的主題確定一些有意思的維度來支撐它，同時將挖掘到的數據盡可能的分配到這些維度中。

 

這里以《2018 支付寶年賬單》和網易云音樂的《2018 年度聽歌報告》為例。

 

支付寶年度賬單的數據維度有整體消費數據、餓了么數據、線下支付數據、出行數據、環保數據、公益數據等維度，包含以下核心數據：

 

 

網易云音樂的年度聽歌報告維度有基本數據、心情數據、愛好數據、消費數據等，包含以下核心數據：  

 

 

3）內容包裝

 

內容包裝主要是指數據的包裝，目前常見的包裝有最高、比例、累加、平均、趨勢、分布、對比、擬物。

 

當然也有數據本身就非常有意義不需要包裝的，比如誰是你第一個加為好友的用戶。這里不做贅述，總的來說有一個原則：呈現最有意思的數據給用戶。

 

4）內容傳播

 

數據挖掘好了，整合與包裝也完成了，就可以開始傳播了嗎？并非如此。

 

還需要檢查各個頁面的關鍵路徑數據統計是否完成埋點，做好頁面各個模塊流量監測，根據數據分析做專題內容實時調整。

 

在內容觸達用戶層面，運營主要負責的是站內推廣（首頁、push、EDM、短信、彈窗），基本上好玩的用戶型數據盤點都會引起站內用戶的自發的參與傳播。

 

 

 

總結

 

互聯網企業和傳統企業的最大優勢在于用戶的行為都可以被精準記錄，擁有海量的數據。

 

也正是基于這樣的優勢，互聯網產品可以在每一年的尾聲發布用戶行為數據盤點來做傳播，往往也都能夠達到刷屏朋友圈的效果。

 

希望各位運營小伙伴都能夠做一個非常贊的年終盤點案例。

 

 

 

END

 

 

本文轉載自公眾號運營研究社，一個讓運營人快速崛起的公眾號，你所關心的運營問題，這里都有答案。微信號：U_quan。

 

 

 

———— / END / ————

作者：陳維賢 | 來源：運營研究社

編輯：善小闌