“内容疲劳”不是个新鲜的术语。随着用户注意力资源日渐成为稀缺商品，资讯产品正越来越体会到内容疲劳带来的无力感。
据统计，普通用户平均每天在数字媒体上花费5.9小时，尽管这已经是个不低的数字，但是他们仍然没有足够的时间浏览、参与各种内容。而与此形成对比的是，今年大约有57%的B2C营销机构计划比去年投入更多的内容营销预算。这两种变化意味着对用户的关注和争夺将日益激励。
如何应对用户的内容疲劳？更多的增加与用户的联系？在内容不断垂直细分的背景下，泛泛的通用内容已经丧失了吸引力，建立更细颗粒度的内容捕获更细分的用户群体才是正道。在这里，数据科学可以发挥强大的作用，让运营者更深入的掌握用户需求，提供戳中他们细微痛感的产品。
与用户建立情感联系
用户想要大范围地建立关系并不容易，然而这也是他们的个人需求。84%的受访者表示，被视为一个活生生的人，而不是一个数字，是赢得他们青睐的关键。用户希望品牌成为亲密的朋友，帮助自己下决心做选择，但又不会过分干预。
内容及其相关性是达成这一目标的主要工具，通过这两者运营方可以和用户建立起更亲密的关系。下图是用户对品牌的情感感知温度计，通过满足用户不同的具体情感需求，用户和品牌之间也就有了关系的“冷热”。
了解用户有哪些具体的情感需求，在何时何种场景下需要，以及如何将这些内容进行打包处理，这些都可以通过数据科学来获取。比如通过描述性和预测性分析的数据组合，就可以决定制作生成哪些内容。营销人员可以借数据分析来进行内容策划，以此吸引低价格敏感度的用户、提升品牌忠诚度、获取更高的参与度等。
建立高级细分的品牌用户1对1关系
“引起共鸣”似乎是一个正在被过度使用的流行语，但为了捕捉和维持观众的兴趣，你的确需要明确是在和谁交谈。用户通常以不同的意图接触资讯内容，比如为了获得信息、比较价格等，通过满足他们为何而来的当前需求，可以更好地为下一步更深层更紧密的互动奠定基础。
数据科学能够帮助运营者发现不同用户群体的不同行为模式，通过将零星的个体信息收集整合在一个全面的用户画像里，运营者从而能够根据以下信息明确哪些内容会与特定用户产生共鸣：
1、用户的人口统计学信息；
2、品牌亲和力，例如对品牌的前景预期如何，是否是回头客等；
3、用户行为，例如购买历史、现场互动、对促销的态度等；
除此之外，通过使用Apollo Insights这样的规范分析平台，运营者可以更进一步确定销售漏斗中的内容差距、错过的主题机会和特定的新内容类型。
提供超个性化内容推荐
机器学习作为数据科学的一个子集，可实现前所未有的个性化。尤其是，当更多的数据进入系统时，机器语言驱动的系统将随着他们的数据学习变得更加精确。在当前，人们意识到让渡一些个人隐私能够提升自己获得的服务质量，这些个人数据就越容易从用户手中获取而来。
根据Salesforce的2018年营销状况报告显示，79%的消费者愿意分享个人数据从而参与场景互动；88%的人愿意为了个性化服务而提供个人数据。
最近，瑞士媒体NZZ结束了和谷歌新闻数字计划一起开发的个性化新闻APP的验收测试。基于测验数据，他们增添了几种分法内容的工具：
个性化内容策划。所有基于个人或编辑相关性的新闻流，就像是个人新闻伴侣或者个人化新闻通讯；
基于组的自动化内容管理。例如，以特定的兴趣小组为基础进行内容策划，或者基于特定地理位置；
基于主题的自动化内容管理。自定义内容列表和新闻简报由特定主题生成，这些特定主题又取决于用户的已知首选项；
基于场景的自动化内容管理。例如，在通勤时间段推荐适合该场景的文章。
根据测试数据，84%的被试表示新产品为他们带来了更多好处，其中最重要的是就是读者可以进一步快速访问新内容、更容易发现新内容、设计更加吸引人等。
对于开发者而言，使用个性化对抗内容疲劳的一大优势是，可以更好地提高原有内容的价值，无需再从头开发新产品。Economia媒体公司使用Recombee （一种推荐服务应用程序），为用户提供动态个性化推荐，通过从人工编辑推荐转换到AI推荐，该公司的转换率提升了64％。
内容疲劳是真实存在的，但这并不意味着内容营销不再有效。时至今日，用户依然对个性化服务和个性化内容充满渴求。在大数据时代，借助数据科学，对于内容疲劳我们也许会有了更好的解决方案。
网友评论