種草 | 小紅書的內(nèi)容營銷邏輯


          Warning: Invalid argument supplied for foreach() in /data/cxweb/www/gupowang.com/public/article/view.html on line 71
          2年前

          我看了數(shù)百篇小紅書內(nèi)容營銷的經(jīng)驗總結(jié)文,發(fā)現(xiàn)似乎沒有人能講清楚小紅書內(nèi)容營銷的邏輯。

          想了下原因,大概是因為內(nèi)容營銷從業(yè)者都沒有UGC平臺的工作經(jīng)驗,所以對UGC產(chǎn)品內(nèi)容分發(fā)機制缺少認知,另一方面,在UGC平臺工作的人,幾乎也不會去做內(nèi)容營銷。因為一個是產(chǎn)品部門的事,另一個是市場部門的事。而我恰好有這兩方面的工作經(jīng)驗,贈人玫瑰,手有余香,于是慷慨寫此文。

          我的工作邏輯依舊是:

          只要掌握了幾條根本邏輯,就能根據(jù)不同的目標,在不同的環(huán)境中,通過少量數(shù)據(jù)驗證,快速找到內(nèi)容營銷的策略。

          小紅書的流量在哪里?

          當你打開小紅書APP,首先看到的板塊,就是內(nèi)容消費最重要的路徑 ,這條路徑通常占據(jù)著整個平臺80%左右的流量,在一些平臺中,甚至?xí)哌_90%以上。小紅書的主要流量來源是“發(fā)現(xiàn)-推薦頁”。

          用戶的其他主要行為是搜索、關(guān)注、同城。這些路徑分配剩下的不到20%流量。

          以下是我預(yù)測的小紅書流量分配圖,供參考

          種草 | 小紅書的內(nèi)容營銷邏輯

          這就解釋了很多大博主的疑問,為何100萬粉絲,有的內(nèi)容只有四五十個贊,我是不是被限流了?

          其實你不是被限流了,只是你的作品數(shù)據(jù)不佳 ,沒有被大規(guī)模推薦,閱讀你這篇作品的人主要都是你的粉絲通過關(guān)注入口點擊的。

          目前微信公眾號商家號的平均粉絲閱讀量是1%,小紅書的粉絲閱讀率會低于1%,預(yù)計在0.1%-0.3%之間,也就是100萬粉的小紅書博主,一篇沒有被推薦的內(nèi)容,來自粉絲的閱讀數(shù)大概就是1000-3000。按照1%的互動率估算,就是獲得10-30的贊藏評。

          小紅書內(nèi)容被推薦的3條核心邏輯

          3個核心邏輯,決定著你的內(nèi)容會不會成為爆款,以及爆款到什么程度。

          打開率,互動率,搜索結(jié)果打開率。

          1、打開率

          由于推薦算法的通常邏輯是,把內(nèi)容推薦給少量用戶,比如1000個左右的用戶,根據(jù)這些用戶打開內(nèi)容的比例,決定是否推薦給更多的用戶,這個比例就是打開率。打開率排名靠前的內(nèi)容被推薦給更多的用戶。

          我們小紅書沒有給出推薦數(shù)(曝光數(shù))數(shù)據(jù),因而我們無從知道打開率。但可以通過其他方式分析出高打開率的作品。

          2、互動率

          當內(nèi)容被推薦到較大人群,如推薦給1萬個用戶的時候,假設(shè)按照平均10%的打開率和1%的互動率,理應(yīng)有10個用戶互動,這時系統(tǒng)就可以判斷這個內(nèi)容是否值得繼續(xù)被更大范圍推薦。

          根據(jù)打開率和互動率數(shù)據(jù),決定是否更大規(guī)模推薦。

          3、搜索結(jié)果打開率

          有些內(nèi)容,在最開始發(fā)布的時候打開率并不高,自然無法獲得較多推薦,但是他們出現(xiàn)在用戶的搜索結(jié)果中時,被用戶點擊的概率較大,則會繼續(xù)被推薦給精準人群,和在搜索結(jié)果中獲得更好的展示位置。

          這就解釋了,為何有的內(nèi)容閱讀量不錯,但是互動率極低。有的內(nèi)容前期沒有閱讀量,但是一段時間后突然爆火。

          小紅書官方曾經(jīng)給出過平均數(shù)據(jù),目前的打開率是11%,互動率是3%。

          種草 | 小紅書的內(nèi)容營銷邏輯

          4、怎么研究點擊率問題呢?

          (1)我們可以讓手機斷網(wǎng),然后打開小紅書,發(fā)現(xiàn)小紅書的發(fā)現(xiàn)頁顯示內(nèi)容為空。

          (2)保持小紅書發(fā)現(xiàn)頁,重新聯(lián)網(wǎng),小紅書發(fā)現(xiàn)頁加載數(shù)據(jù)。

          (3)再次讓手機斷網(wǎng),向下滑屏。

          發(fā)現(xiàn)小紅書一次推送的內(nèi)容是10條。

          其中1條0贊內(nèi)容,1條低于10贊的內(nèi)容,3條10-100贊的內(nèi)容,5條100贊以上的內(nèi)容。

          重復(fù)刷新后斷網(wǎng)。

          2條0贊的內(nèi)容,1條低于10贊的內(nèi)容,2條10-100贊的內(nèi)容,5條100贊以上的內(nèi)容。

          反復(fù)如此操作可以得出內(nèi)容分布規(guī)律。

          對于10條內(nèi)容,考察這10條內(nèi)容的點擊率,這10條內(nèi)容的每條平均點擊率應(yīng)該是10%,由于5條是爆款內(nèi)容,點擊率可能在10%左右,2條正在增長的內(nèi)容,點擊率應(yīng)該明顯高于10%,剩下的3條低贊內(nèi)容,可能有兩條點擊率處于1%-5%,那么你的這條內(nèi)容點擊率起碼得達到13%,甚至要達到20%,才能再點擊率這一關(guān)引爆。

          與10條內(nèi)容PK,你的內(nèi)容點擊率如果連11%都沒有,那必然無法被繼續(xù)推薦。

          通過一些方式,可以提前測試內(nèi)容的點擊率水平。

          比如,在公眾號時代,有的大V,就通過在500人粉絲群投放多個標題進行投票來測試哪個標題更好。

          5、怎么研究互動率問題呢?

          有的人認為,不同的互動類型權(quán)重不一樣,比如CES=點贊數(shù)(1 分)+收藏數(shù)(1 分)+評論數(shù)(4 分)+關(guān)注數(shù)(8分)

          這個理論不一定正確,如果按照這個理論,大博主的內(nèi)容會有明顯優(yōu)勢,然而,很多幾十萬粉幾百萬分大博主的很多內(nèi)容數(shù)據(jù)表現(xiàn)很平淡。

          由于小紅書的發(fā)現(xiàn)頁中會推薦自己關(guān)注的博主的內(nèi)容,我傾向于認為,高粘度的粉絲,對提高點擊率和互動率有幫助,從而對提升內(nèi)容閱讀數(shù)有幫助。

          所以,幾年前的隨便找人互粉的思路,隨便找人點贊互動的思路,應(yīng)該會失效。

          這些小伎倆會干擾小紅書內(nèi)容推薦的效率,并且平臺方很容易優(yōu)化這方面的算法。

          小紅書的發(fā)現(xiàn)頁,除了會推薦自己關(guān)注的博主的內(nèi)容,還會推薦同城(附近)的內(nèi)容。所以這兩個角度提升打開率和互動率的思路有探索空間。

          下圖為對網(wǎng)上某個博主的互動率數(shù)據(jù)做了下整理

          6、怎么研究搜索結(jié)果打開率問題呢?

          我們站在搜索用戶的立場思考問題,用戶在帶著某種需求搜索關(guān)鍵詞,在搜索結(jié)果中尋找最符合自己需要的內(nèi)容打開閱讀,在閱讀有些內(nèi)容的時候產(chǎn)生想互動的欲望。

          關(guān)鍵詞搜索結(jié)果會顯示的內(nèi)容:標題+正文的共計前22個字,頭圖,昵稱,點贊數(shù)。和發(fā)現(xiàn)頁推送的區(qū)別在于發(fā)現(xiàn)頁的內(nèi)容只顯示標題不顯示正文。

          搜索結(jié)果的顯示是爆款內(nèi)容夾雜近期內(nèi)容夾雜以往冷門內(nèi)容。

          搜索結(jié)果中關(guān)鍵詞必須在前22個字里,最好關(guān)鍵詞靠前。

          搜索的人群更加精準,應(yīng)該為這些精準人群提供精準的內(nèi)容促進他們的打開和互動。

          小紅書如何給不同的用戶推送不同的內(nèi)容?

          一般UGC平臺會根據(jù)用戶的行為數(shù)據(jù)、用戶的基本特征數(shù)據(jù)、用戶的關(guān)系數(shù)據(jù)等來推薦內(nèi)容。

          行為數(shù)據(jù)主要為搜索行為、瀏覽行為、贊藏評轉(zhuǎn)粉等互動行為、標簽及話題偏好。

          用戶基本特征是性別,年齡,地理位置,手機型號,學(xué)校公司等身份信息。

          關(guān)系數(shù)據(jù)是你所粉的的閱讀內(nèi)容,贊藏評內(nèi)容等。

          一個新用戶,在小紅書對你了解甚少的情況下,小紅書會引導(dǎo)用戶選擇感興趣的頻道,推薦博主,根據(jù)感興趣的頻道、感興趣的博主、性別、地理位置、年齡、學(xué)校公司等信息來推薦可能匹配的內(nèi)容。

          • 當用戶有了瀏覽了一些帖子,并對一些帖子產(chǎn)生了互動時,小紅書就可以總結(jié)用戶的瀏覽偏好,互動偏好,感興趣的標簽或話題,來推薦內(nèi)容。

          • 當用戶使用搜索后,小紅書就可以推薦與用戶搜索關(guān)鍵詞及用戶查看搜索結(jié)果相關(guān)聯(lián)的內(nèi)容。

          • 當用戶關(guān)注了博主,小紅書就可以根據(jù)用戶的關(guān)注偏好,關(guān)注的博主的優(yōu)秀內(nèi)容,來推薦內(nèi)容。

          • 當用戶收藏點贊了博主的內(nèi)容,小紅書以后可能會給推薦這個博主的其他優(yōu)秀內(nèi)容。

          用幾乎0粉0關(guān)注的較新賬號測試搜索關(guān)鍵詞,有的關(guān)鍵詞在搜索后的數(shù)小時,發(fā)現(xiàn)頁推薦相關(guān)內(nèi)容占比甚至能達到25%。

          用約100個粉絲100個關(guān)注發(fā)了幾十條內(nèi)容有不少搜索行為的老賬號測試搜索關(guān)鍵詞,關(guān)鍵詞在搜索后的數(shù)小時,發(fā)現(xiàn)頁推薦內(nèi)容占比依然有10%左右。

          小紅書對于用戶搜索行為的反應(yīng)很明顯。

          讀者對其他角度進行進一步研究,將能總結(jié)出其他規(guī)律。

          怎么做針對小紅書的內(nèi)容營銷戰(zhàn)略?

          了解了以上三個維度的邏輯,就能夠為我們制定小紅書的內(nèi)容營銷戰(zhàn)略提供基本依據(jù)了。

          通過一個模擬案例,我想啟發(fā)讀者產(chǎn)生思考。

          舉例,現(xiàn)在要為一個年銷售額10億的消費品的一個目標1億年銷售額新品做小紅書的內(nèi)容營銷,該產(chǎn)品單價約100元。經(jīng)過調(diào)研發(fā)現(xiàn),50%的目標人群在購買時會參考意見,小紅書為排名第一的意見參考來源。

          該產(chǎn)品毛利潤率只有60%,ROI需要達到1.67的盈虧線以上,投放方能持續(xù)。

          如果按照一般的打法,找粉絲量10萬以上的頭部博主做種草。假設(shè)某博主粉絲量50萬,來自粉絲的流量5000,內(nèi)容被推薦帶來的流量均值預(yù)計20000,互動數(shù)約800,內(nèi)容帶貨轉(zhuǎn)化率為3%,則帶來銷售額為75000元。該博主報價合作價3萬。按照這個理想數(shù)據(jù),ROI為2.5。然而考慮該產(chǎn)品平均15%的退貨率,在考慮轉(zhuǎn)化率不足3%,在考慮平均流量偏低。則這種投放策略可能微利,甚至可能面臨虧損。

          現(xiàn)在我決定采用另一種內(nèi)容營銷戰(zhàn)略 。

          小紅書有20%的爆款內(nèi)容為粉絲量低于100的素人創(chuàng)造的內(nèi)容,該產(chǎn)品50%的購買時來自關(guān)鍵詞主動搜索。我建立一個3人內(nèi)容投放團隊,投放3000條素人內(nèi)容,覆蓋該產(chǎn)品的3個主要關(guān)鍵詞,使得每個關(guān)鍵詞的頭部搜索結(jié)果20%的份額為該產(chǎn)品。素人內(nèi)容的爆款率達到5%,單條爆款的閱讀量平均為10000,長尾搜索流量能夠再增加20%即每條爆款內(nèi)容又有2000的搜索流量。主動搜索流量的購買轉(zhuǎn)化率為3%,被動閱讀的購買轉(zhuǎn)化率為1%。每條素人內(nèi)容的平均創(chuàng)作成本為200元,投放團隊的半年維護費用為20萬元。計算得帶來銷售額150萬(被動閱讀)+90萬(主動搜索),ROI=3。ROI高于第一種方式,且這種策略的估算,調(diào)低了購買轉(zhuǎn)化率,調(diào)高了素人內(nèi)容的平均創(chuàng)作成本。

          在這種改進策略中,在流量投放方向上,依據(jù)的是(1)小紅書的流量來源,進行流量優(yōu)化。我主要關(guān)注小紅書的搜索流量+推薦流量,而忽略了粉絲流量,從而明顯降低內(nèi)容投放的平均報價,通過打造內(nèi)容團隊提升爆款率,來獲得與頭部腰部博主投放相當?shù)牧髁俊亩鴮崿F(xiàn)獲得同樣規(guī)模的流量的情況下,ROI明顯提升的目標。

          在內(nèi)容優(yōu)化上,依據(jù)的是(2)小紅書內(nèi)容被推薦的3條核心邏輯,進行內(nèi)容優(yōu)化。

          在內(nèi)容布局上,則是根據(jù)(3)小紅書內(nèi)容推送規(guī)則,來安排用戶看到的投放內(nèi)容分布。

          如何評價小紅書達人數(shù)據(jù)?

          小紅書這類內(nèi)容平臺的種草,一個難點是轉(zhuǎn)化數(shù)據(jù)難以評價。投放的流量到底帶來了多少銷量呢?

          無法直接得出轉(zhuǎn)化率數(shù)據(jù),是很多品牌不敢內(nèi)容種草的主要原因,而如果通過提供鏈接,向品牌渠道店鋪導(dǎo)流等方式,只能監(jiān)測到一部分轉(zhuǎn)化效果,這種結(jié)果又容易被同事挑戰(zhàn)。

          內(nèi)容種草這件事,常常面臨行業(yè)認知還停留在10+年以前的市場總監(jiān)和CMO的質(zhì)疑,面臨不懂行的同事的輕視。

          • 同一個平臺的同一種模式,轉(zhuǎn)化率的差距并不大,可以通過小樣本的轉(zhuǎn)化率測試得出策略的平均轉(zhuǎn)化率。

          • 主流的內(nèi)容平臺的閱讀轉(zhuǎn)化率趨于一致,只要能夠測算真正讀了這個內(nèi)容的人數(shù),取這個平臺的轉(zhuǎn)化率平均值,或者取所有平臺的轉(zhuǎn)化率平均值,大約在1%,就可以大致估算出投放效果。

          微信公眾號的真實閱讀量是最準確的,一段時間內(nèi),一篇文章,無論同一個用戶讀了多少次,都只計算一次閱讀量。微博的閱讀量則更類似于曝光量,只要這篇內(nèi)容出現(xiàn)在用戶的信息流中,不管用戶看沒看,閱讀量都計算了一次。所以微博我們看到的數(shù)據(jù)動不動就是千萬閱讀,億級閱讀。B站的播放量是看同一個用戶一段時間內(nèi),加載完該視頻一定比例才算一次閱讀,基本可理解為1次播放量就是實實在在的一個用戶閱讀。小紅書的閱讀數(shù)通常也較真實。

          如果擔心閱讀數(shù)造假,可以再根據(jù)互動數(shù)估算。一般平臺的互動數(shù)比例大概在閱讀數(shù)的1%-3%這個區(qū)間。明顯超過這個區(qū)間,則可能數(shù)據(jù)不真實。當然,很厲害的內(nèi)容,閱讀數(shù)會明顯超過這個區(qū)間。

          通過運用以上邏輯,如何達到漲粉的目標?如何生產(chǎn)爆款內(nèi)容?如何因地制宜制定內(nèi)容種草的策略?由于本文篇幅所限,以后有機會進一步討論。

          總結(jié)一下本文

          小紅書的流量來源最核心的就兩個:推薦流和搜索結(jié)果。圍繞最核心的流量來源,能夠讓你的內(nèi)容營銷策略更有效。

          小紅書內(nèi)容推薦的邏輯主要就三個:高打開率,高互動率,高搜索打得開率。滿足任意一點,你能通過素人號生產(chǎn)閱讀量1萬-10萬的爆款內(nèi)容。滿足任意兩點,你能生產(chǎn)出10萬-數(shù)百萬級爆款內(nèi)容。

          小紅書給用戶推薦的內(nèi)容依據(jù)主要就三個 :根據(jù)用戶的基本特征分類,根據(jù)用戶的搜索及互動等行為,根據(jù)用戶的關(guān)系。抓住任何一點布局內(nèi)容,都能形成一套獨特內(nèi)容營銷打法,都可以高效抓住你的目標人群,形成相對優(yōu)勢的輿論,從而促進用戶下單。

          小紅書的種草數(shù)據(jù)怎么評估 :讓老板看看本文,不要死死抱著銷售量數(shù)據(jù),內(nèi)容種草的核心就是追求閱讀數(shù),根據(jù)閱讀數(shù)估算轉(zhuǎn)化率給預(yù)算,按照我的保守估計數(shù)據(jù)思路,你不會虧。

          收藏

          {{favCount}}

          個人收藏

          投稿請戳這里!投稿
          0

          次分享

          文章評論(0)

          {{ user.nickname }}
          發(fā)表評論
          登錄 進行評論
          加載更多 正在加載中... 沒有更多了