通過數據分析，如何挖掘出優質的內容營銷故事？

通過數據分析挖掘業務背後的故事是內容營銷人員可以使用的最優質的方式之一，通過數據分析幫助內容營銷人員建立專業知識，培養信任等。

但對於數據分析的新手來説，找到數據背後故事的過程可能做起來會遇到比較多的困難；你從哪裏得到這些數據？當你有它時，你會怎麼做？你如何發現有趣的數據分析故事的見解？

一、如何找到好的數據故事

好的數據故事不僅來自數據，它們實際上隱藏在數據關係中。

當開始進行數據分析時，你可以看到每個數據點與另一個數據點的關係；看到（或沒有看到）的數據分析模式有助於揭示存在什麼樣的故事，瞭解要尋找哪種類型的數據關係有助於你更快地找到這些故事。

接下來我就給大家介紹如何找到好的數據故事該怎麼去做：

1. 第一步：從好數據開始

你所使用的數據應始終來自可信的來源，並且不帶任何外部因素的影響；最好是使用自己內部收集到的數據，這樣特別有可信度，因為它完全獨特和原創。

記住一點：好的數據故事一定從好的數據開始。

2. 第二步：整理數據

大多數時候，基礎性的數據分析一般是處理來自Excel的靜態數據，當然除此之外還有很多別的數據形式。

注意：數據格式取決於擁有哪種數據，因此讓我們談談不同類型的數據。

這些數據是時間上的一個點嗎？

例如，如果有來自2020年調查的數據，將在列中包含調查問題，並在行中包含答案。

是否有多個時間段只有一個觀察？

例如，如果您有1990-2019年蘋果股價的數據，該格式將有年份在行，在列中有變量或股價；注意：如果年份和變量切換，沒什麼大不了的。Excel有一個功能，你可以粘貼“轉換”值。這將切換數據的行和列。

如果數據在一個時間段內有多個觀察結果怎麼辦？

假設您有一個數據庫，其中包含1990-2019年多個國家的信息；這些數據在行中仍將有年份，但每列將指定該特定年份的觀察結果；在本示例中，將有一個“國家”變量，該變量標識數據所指的國家。

識別缺失的值或不良數據。

這些會使你成為一個不那麼可信的來源，因為你的統計數據會是錯誤的；做一個目視檢查，以確保數據點有意義；例如，如果數據集測量了人類的體重，那麼某人體重為2000斤的數據有意義嗎？清除大量丟失數據的行。

查找數據中的異常值。

這些數據點似乎不屬於預期範圍。異常值通常會被我們覺得厭煩，但它們也可以提供有趣的故事和見解；例如，如果我們預計所有縣的銷售額都會下降，那麼一個縣的銷售額飆升將是一個異常值。

3. 第三步：可視化數據

當我們在這個階段談論數據可視化時，我們不是在談論您的設計師創造的美麗數據可視化。

這只是讓你真正“看到”數據的工具（這就是為什麼我們如此喜歡數據可視化——這是我們大腦理解我們在看什麼的簡單方法）；從技術上講，這一階段被稱為探索性數據分析。

1）突出要可視化的數據

2）點擊“插入”進“圖表”

從“圖表”編輯器中，可以單擊“圖表類型”選項卡，使用推薦的圖表或選擇自己的圖表；“自定義”選項卡允許重命名標題和軸、更改顏色或增加字體大小等操作。

請記住，不同類型的數據最好用某些類型的圖表表示。

關於圖表選用可以看我往期的幾篇文章：

搞定這10個基礎圖表，就能進行簡單的數據可視化設計

數據可視化設計師必備的圖表規範指南

第四步：檢查數據關係

通常一開始我們會經常以檢查人際關係來尋找故事的有趣部分。但是當你利用可視化並根據關係進行數據分析時，你將開始看到數據的行為模式，這些行為模式將引導你朝着正確的方向前進。

但首先，你需要了解尋找什麼樣的關係。

5種類型的數據關係：

有許多不同的數據關係，但我們將涵蓋最常見的前5名。這些最有可能適用於手頭的數據，並將幫助你開始瞭解可能想在其他數據集中探索的其他內容。

當你深入研究這些時，考慮一下你的發現可能支持哪些類型的有趣角度：

• 數據分析結果是支持還是反駁了我的假設？
• 數據分析結果是否揭穿了一個廣泛持有的想法嗎？
• 數據是增、減、還是平線？
• 數據顯示組之間有什麼不同嗎？
• 指標或變量的前10個（或後10個）觀察結果是什麼？

關係1：相關性

這是具有兩個或多個變量的數據，可能證明彼此之間存在正相關或負相關。

• 正：一個變量的增加導致另一個變量的增加。
• 負：一個變量的增加導致另一個變量的減少。

常見圖表類型：

相關性的強度由相關係數衡量，一種流行的測量方法是使用相關性係數，範圍從-1到1，這衡量了散點圖中點與直線的相似程度。

• 相關係數為1，表示存在完美的正相關係數；
• 相關係數為-1，表示存在完美的負相關；
• 相關係數為0，表示沒有相關性。

這裏有一個帶有合適線條的散點圖，顯示了不同國家人均國內生產總值和可口可樂價格之間的關係。

這條線表明存在一種積極的關係。這意味着隨着人均國內生產總值的增加，可樂的價格也會上漲；通過目視檢查，我們可以看到這些點不是完美的線條，因此我們可以説相關性只有適度強。

關係2：趨勢

在數據中查找顯著的趨勢，無論增加還是減少。

常見圖表類型：

例如，你可能會查看的網站一個月內每天獲得多少頁面瀏覽量，以確定一週中哪些天產生最多流量。

關係3：分佈

這顯示了數據分佈，通常圍繞一箇中心值。分佈對於理解特定變量的最小值、最大值、平均值、中位數和範圍非常有用，查看分佈可以通過查看平均值和最終值來了解數據的形狀。

常見圖表類型：

直方圖：例如，你可以根據客户在一年內為你的公司創造的收入來分組；通過這種方式，可以查看平均客户的支出，以及客户可能預計的支出範圍。

關係4：異常值

這是任何異常或超出常規的數據。

常見圖表類型：

• 散點情節：由情節上遠離趨勢區域的點顯示。
• 直方圖：直方圖的尾部顯示數據中是否有許多異常值。
• 條形圖：任何異常高或低的值。

例如，我們期望看到的直方圖的趨勢是，第一組和最後一組的客户更少。但這張直方圖向我們展示了一個異常值；實際上，有很多客户花費了51000——55000——儘管我們預計會更少，調查一下為什麼那個羣體中有這麼多客户會很有趣。

關係5：比較和排名

比較：這是對子類別的量化值的簡單比較。

常見圖表類型：

條形圖：有很多方法可以比較數據。可以比較集合或查看這些集合中的子類別。

例如，可能會查看數據，比較不同顏色的CTA按鈕的點擊率。哪個點擊率更高，為什麼？

排名：這顯示了兩個或多個值在相對大小上的比較。

例如，哪種類型的內容頁面瀏覽量最高？排名可以幫助輕鬆比較頁面產生的流量。

二、如何將洞察轉化為數據故事？

一旦你認為你找到了你的故事，請遵循以下提示，以確保你有效地講述了它。

1. 知道你在為誰而寫

有效的數據敍事並不意味着你想要講什麼故事，這意味着你找到一個對要讀它的人感興趣的故事。

考慮：

• 這相關嗎？
• 是解決問題還是拓展他們的知識？
• 他們以前聽過這個故事嗎？

有時，你有一個故事可以告訴多個（或更大的）受眾；如果你有數據，通過數據分析找到最有趣的故事角度，將負責的數據轉化為易於消化的故事是內容營銷最重要的工作。

以人們理解的方式與他們交談，並提供儘可能多的故事場景。

2. 打造一個強有力的敍事

數據故事應該直觀且易於理解。不要給人們提供圖表，但也不要讓他們尋找洞察力，瞭解如何構建一個有效且易於理解的數據敍事。

注意：數據可以是強大的；也可以被操縱、誤解和歪曲。確保你正在講述整個故事；有時，人們對數據故事有想法，並試圖追溯性地讓他們的數據適合這種敍述；如果數據不存在，故事就不存在。

3. 根據最佳數據可視化效果進行設計

數據可視化不僅僅是可視化數據；它還增強吸引力、理解力和保留力；確保你的數據故事能夠使用最佳的數據可視化形式展現出來，並確保設計師以最優化、最準確的形式呈現它。

關於數據可視化設計也可以看我之前的幾篇文章：

一個成功而有價值的數據可視化應該注意這25點技巧

學會這6點，教你製作高效且吸引人的數據可視化

用數據講故事並不總是容易的，但這總是值得的。

最後想提醒大家，練習得越多，你會得到越好；只要留意更多展示你技能的機會，你會發現數據分析背後的故事都可以轉化為優質的營銷內容。

本文由 @數據可視化那些事 原創發佈於人人都是產品經理，未經許可，禁止轉載

題圖來自 unsplash，基於 CC0 協議