非内容型产品如何做内容运营:核心在于内容的呈现和推荐

4 评论 10923 浏览 74 收藏 15 分钟

内容呈现和内容推荐便是非内容型产品常规的两个内容运营手段。而无论是哪一种,其最终目的无非就是:降低用户的决策成本,减少用户的决策时间,提高用户的转化率。

大家都知道,内容运营是互联网运营的一个重要组成部分。但在大部分人的认知中,习惯性地把内容运营只是理解成PGC、UGC或者是新媒体运营。前两者的载体是内容型产品,后者则是内容分发渠道,这其实也可以算是一种变相的内容型产品。

那么,难道只有这类主打内容的产品才需要内容运营吗?

在回答这个问题之前,我们先来看另一个问题。什么是内容?内容可以是文字、图片(集),也可以是(短)视频,可以说所有包含信息的东西都是内容。而所有的产品都会有这三者中的个别或者所有,那么既然有内容自然也就需要内容运营。

基于内容运营手段的不同,笔者习惯笼统地将互联网产品分为内容型产品和非内容型产品。今天,我们就来聊聊非内容型产品该如何运营。

1. 非内容型产品做内容运营的必要性

也许有读者会有疑问,为什么笔者不选择内容型产品来探讨内容运营,偏偏要选不那么搭边的非内容型产品来分析。这是因为就目前市面上的产品来看,非内容型产品占了其中很大的一部分。这也就意味着这类内容运营人才的需求正与日俱增,所以我们有必要好好地探讨下其常规的内容运营思路。

1.1 非内容型产品的市场用户规模

我们先来看下当前内容型产品和非内容型产品的用户规模情况,毕竟有对比才有话语权嘛。

“知乎”月活情况

上图是目前在UGC领域做得比较出色的“知乎”的月活情况,其2月的活跃用户数在1000万以上,在二级领域“知识类社区”中的市场渗透率达到了10%。

资讯类app二月用活top5

资讯类产品基本上可以算是典型的PGC了。上图中二月用活最高的腾讯新闻有1.5个亿的用活,第三的天天快报则是6000万。其实这个也可以看出互联网产品典型的头部效应,赢家通吃。至于今日头条,笔者觉得其OGC(Occupationally-generated Content,职业生产内容)属性远远强于其他几个资讯类产品,已经很难算是PGC。

看完内容型产品的用活规模,我们再来看非内容型产品。

移动购物app二月用户top5

综合旅游预定app二月用活top5

【PS:以上数据均来自“易观千帆”】

笔者选了移动购物和综合旅游预定这两个领域的app作为非内容行产品的代表,原因在于这类产品需要通过合理合适的信息展现刺激用户转化付费,其对内容运营的要求更高。毕竟这类产品如若不能让用户付费买单实现盈利,其也就失去了存在的价值。

从面两张图我们不难看出:仅是这两个领域其头部产品的用户规模便已经和PGC和UGC类的头部产品在同等档位了,其中淘宝二月用活近3亿,去哪儿二月用活也有2亿出头。这也意味着非内容型产品用户规模的可观,当然有些读者可能会说,用户规模大是一回事,对运营的需求量大是一回事,但这不一定意味着这类产品需要专业的内容运营。

所以,接下来我们就来聊聊,这类产品内容运营的必要性。

1.2 非内容型产品做内容运营的两个“不得不”

当下的互联网时代,不止不像当年那样拿份PPT就可以路演拿投资,也不像当年一样你把一件商品随随便便放在网上就有用户趋之若鹜,轻而易举造就出一大批月入数十上百万的个人卖家。

  1. 同质化产品的日趋严重,使得复制一款产品的难度越来越低,各款同类app在产品层面上的功能体验也几近相同。这时候就不得不依靠内容运营,来get用户关心的点,降低用户的决策成本,提高用户的转化概率;
  2. 信息爆炸,用户时间愈发的碎片,我们不得不靠内容这一最让用户沉浸其中的手段来占有用户更多的时间。毕竟不是所有的产品都能像微信小程序一样有勇气让用户即用即走的。

可以说,这两个“不得不”决定了企业对这一类内容运营人才的需求度,而用户规模则是决定了市场的需求量。这两者共同促成了非内容型产品内容运营的必要性。

2. 非内容性产品的两个常规内容运营手段

那么对于这类产品又该如何进行内容运营呢?其实笔者在之前的分享中不止一次的探讨过这个问题,今天算是对之前零散的知识点一个系统的整理吧。

非内容型产品的内容运营手段,可以简单地概括为内容呈现和内容推荐。这两者对于平台类的产品来说,在促进用户转化上是仅次于活动引爆的有效手段;而且还具有相比活动引爆,效果更持久、稳定的优势。

2.1 内容呈现

所谓内容呈现,其实就是将用户最关心的信息以专门的方式简单明了的传递给用户,让其一目了然。

在这个过程中,运营人员所需要注意的有以下几点:

  1. 基于产品定位
  2. 明确用户痛点需求
  3. 信息标签或是维度化

可以说产品定位本身在一定程度上也决定了用户的痛点到底是什么,而标签(维度)化的形式便是最简单最一目了然的手段。

我们以外卖产品饿了么为例。

图片来自饿了app

首先作为饿了么这种外卖预订平台,其对自身产品的定位可以概括为:为用户方便地提供多样、美味、安全的食物。所以其用户群体关心的痛点无非就是:方便、好吃、实惠、有保障这几点了。

那么饿了么又是如何以标签化的形式将这些信息展现出来呢?

  • 方便:呈现商家与用户的距离、平均配送时间
  • 好吃:呈现图片、月售单数、用户评分
  • 实惠:呈现“减”、“新”等优惠标签和人均价位
  • 有保障:品类老字号冠以“品牌”标签

饿了么就是通过将这些用户最关心的信息以标签化的形式呈现在列表页,使用户无需进入详情页即可对意向商家有大致的了解。

而除了这种标签化的形式,还有一种内容呈现便是信息的维度化。维度化,通俗的讲其实就是产品的“筛选”功能。一个个筛选项,就是产品信息的一个个维度。

图片来自携程网

就像携程的酒店预订为例,预订酒店的用户最关注的的信息主要就是:地理位置、价格、酒店硬件、档次这几类。携程便基于这几个用户痛点,将筛选的维度定在了:位置(商圈、交通枢纽、行政区等)、价格、星级、特色等这么几类。

另外还有一种信息的维度化,那就是分类模块的设计,比如像下图京东的各分类模块。

图片来自京东app

分类模块的设计逻辑也是基于产品定位和用户需求,将产品信息维度化呈现给用户。在此便不做过多赘述了。

2.2 内容推荐

如果说内容呈现只是将内容传达给用户,在一定程度上减轻用户的决策成本,那么内容推荐可以说是“直接”帮用户做决定了。

相对于内容呈现的“静态”,内容推荐显得给家的“动态”,我们现在常说的“个性化推荐”便是典型的“内容推荐”。

一般来说,内容推荐主要可以分为两种,一种是类似于头条这种基于内容的推荐(虽说头条属于内容型产品,但其基于内容的推荐模式比较为大家熟悉,便以此为例了)。

比如说我作为头条的新用户,它会给我推送一些新闻。当我初次点击了娱乐类新闻。其后台算法便会认为我比较偏好这类新闻,后期在给我推荐的内容中便会加大娱乐新闻的权重。它推得越多,我看得越多;我看得越多,它推得越多。长此以往,恶性循环,最后我可能想看其他的经济新闻、体育新闻都无从下手了,因为可能满屏地推荐都是娱乐新闻。

这么说虽说有点夸张,但使用户被推荐的内容日趋狭窄这确实是基于内容推荐的一大弊端。

第二种则是基于用户的推荐,在这里亚马逊算是当之无愧的第一。

其算法逻辑是:比如我是用户A,你是用户B,我们都在亚马逊购买了母婴类产品;而你除了母婴类产品还购买了儿童图书。基于我俩都是母婴类产品的购买者,他们后台就会判断我是否也同你一样会对儿童图书感兴趣。作为测试,它会给我推送儿童图书类产品,如果我碰巧也购买了他它所推荐的。那么它就有理由认为:母婴类产品的用户和儿童图书类用户有一定的关联性。从而对其他购买母婴类产品的用户也推荐儿童图书,通过精准推荐提高转化率。当然,实际算法中不可能只通过你我二人的数据样本就如此草率地做出判断,但逻辑是这么个逻辑。

显而易见,基于用户的推荐逻辑其算法难度远远高于基于内容的推荐。毕竟后者只要根据单个用户的过往习惯做出判定即可,而前者需要实现多名用户间的信息联动。这也是为什么现在大部分的产品基本都是以基于内容型推荐模式为主的原因了。

优秀的运营不仅需要知道用户要什么,还应该替他们做决定。就像产品经理要把用户当白痴一样,运营亦然,在绝大部分情况下用户都是很懒,不喜欢动脑子的。

试想一下,如果你某次想买个电子产品玩玩,但偏偏你又是此类产品的门外汉。面对一大堆产品参数不知所云,这时候你在难以决策的情况下是不是就有很大可能索性不买了,或者找朋友推荐。而朋友有可能会给你介绍其他渠道,那么对于平台来说,你这个用户就流失了。

而如果平台有个合理的内容呈现推荐机制,明确的告诉你这个电子产品正式你要的,结果又会如何呢?

更甚者:它在这个推荐产品旁边再附带个看上去性价比明显劣于推荐产品的配产品。这种情况下,是不是更有可能让你快速做出它所期望的决策。

这里其实就引申出了另一个内容运营的敲门——比较是加速用户决策的利器。

综上所述,内容呈现和内容推荐便是非内容型产品常规的两个内容运营手段了。而无论是哪一种,其最终目的无非就是:降低用户的决策成本,减少用户的决策时间,提高用户的转化率。

#专栏作家#

糖涩尔,人人都是产品经理专栏作家,微信公众号:弈呓(ID:YiYi_TANG7980)

本文原创发布于人人都是产品经理。未经许可,禁止转载。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 去哪儿的2月月活是2千万不是2亿,和淘宝整整差一个量级。且2月是春运期间,春节对电商和旅游平台的影响应该是不一样的。

    来自香港 回复
    1. 抱歉,失误打错了,谢谢指出哈。不过去哪儿用活是综合旅游领域纬度的规模哈,不和电商领域产生比较关系。

      回复
  2. 第二个的算法是协同过滤算法,有兴趣的同学可以搜搜这块的文章

    来自上海 回复
    1. 👍

      回复