通过数据分析，如何挖掘出优质的内容营销故事？

通过数据分析挖掘业务背后的故事是内容营销人员可以使用的最优质的方式之一，通过数据分析帮助内容营销人员建立专业知识，培养信任等。

但对于数据分析的新手来说，找到数据背后故事的过程可能做起来会遇到比较多的困难；你从哪里得到这些数据？当你有它时，你会怎么做？你如何发现有趣的数据分析故事的见解？

一、如何找到好的数据故事

好的数据故事不仅来自数据，它们实际上隐藏在数据关系中。

当开始进行数据分析时，你可以看到每个数据点与另一个数据点的关系；看到（或没有看到）的数据分析模式有助于揭示存在什么样的故事，了解要寻找哪种类型的数据关系有助于你更快地找到这些故事。

接下来我就给大家介绍如何找到好的数据故事该怎么去做：

1. 第一步：从好数据开始

你所使用的数据应始终来自可信的来源，并且不带任何外部因素的影响；最好是使用自己内部收集到的数据，这样特别有可信度，因为它完全独特和原创。

记住一点：好的数据故事一定从好的数据开始。

2. 第二步：整理数据

大多数时候，基础性的数据分析一般是处理来自Excel的静态数据，当然除此之外还有很多别的数据形式。

注意：数据格式取决于拥有哪种数据，因此让我们谈谈不同类型的数据。

这些数据是时间上的一个点吗？

例如，如果有来自2020年调查的数据，将在列中包含调查问题，并在行中包含答案。

是否有多个时间段只有一个观察？

例如，如果您有1990-2019年苹果股价的数据，该格式将有年份在行，在列中有变量或股价；注意：如果年份和变量切换，没什么大不了的。Excel有一个功能，你可以粘贴“转换”值。这将切换数据的行和列。

如果数据在一个时间段内有多个观察结果怎么办？

假设您有一个数据库，其中包含1990-2019年多个国家的信息；这些数据在行中仍将有年份，但每列将指定该特定年份的观察结果；在本示例中，将有一个“国家”变量，该变量标识数据所指的国家。

识别缺失的值或不良数据。

这些会使你成为一个不那么可信的来源，因为你的统计数据会是错误的；做一个目视检查，以确保数据点有意义；例如，如果数据集测量了人类的体重，那么某人体重为2000斤的数据有意义吗？清除大量丢失数据的行。

查找数据中的异常值。

这些数据点似乎不属于预期范围。异常值通常会被我们觉得厌烦，但它们也可以提供有趣的故事和见解；例如，如果我们预计所有县的销售额都会下降，那么一个县的销售额飙升将是一个异常值。

3. 第三步：可视化数据

当我们在这个阶段谈论数据可视化时，我们不是在谈论您的设计师创造的美丽数据可视化。

这只是让你真正“看到”数据的工具（这就是为什么我们如此喜欢数据可视化——这是我们大脑理解我们在看什么的简单方法）；从技术上讲，这一阶段被称为探索性数据分析。

1）突出要可视化的数据

2）点击“插入”进“图表”

从“图表”编辑器中，可以单击“图表类型”选项卡，使用推荐的图表或选择自己的图表；“自定义”选项卡允许重命名标题和轴、更改颜色或增加字体大小等操作。

请记住，不同类型的数据最好用某些类型的图表表示。

关于图表选用可以看我往期的几篇文章：

搞定这10个基础图表，就能进行简单的数据可视化设计

数据可视化设计师必备的图表规范指南

第四步：检查数据关系

通常一开始我们会经常以检查人际关系来寻找故事的有趣部分。但是当你利用可视化并根据关系进行数据分析时，你将开始看到数据的行为模式，这些行为模式将引导你朝着正确的方向前进。

但首先，你需要了解寻找什么样的关系。

5种类型的数据关系：

有许多不同的数据关系，但我们将涵盖最常见的前5名。这些最有可能适用于手头的数据，并将帮助你开始了解可能想在其他数据集中探索的其他内容。

当你深入研究这些时，考虑一下你的发现可能支持哪些类型的有趣角度：

• 数据分析结果是支持还是反驳了我的假设？
• 数据分析结果是否揭穿了一个广泛持有的想法吗？
• 数据是增、减、还是平线？
• 数据显示组之间有什么不同吗？
• 指标或变量的前10个（或后10个）观察结果是什么？

关系1：相关性

这是具有两个或多个变量的数据，可能证明彼此之间存在正相关或负相关。

• 正：一个变量的增加导致另一个变量的增加。
• 负：一个变量的增加导致另一个变量的减少。

常见图表类型：

• 散射情节。
• 带有拟合线的散射图。

相关性的强度由相关系数衡量，一种流行的测量方法是使用相关性系数，范围从-1到1，这衡量了散点图中点与直线的相似程度。

• 相关系数为1，表示存在完美的正相关系数；
• 相关系数为-1，表示存在完美的负相关；
• 相关系数为0，表示没有相关性。

这里有一个带有合适线条的散点图，显示了不同国家人均国内生产总值和可口可乐价格之间的关系。

这条线表明存在一种积极的关系。这意味着随着人均国内生产总值的增加，可乐的价格也会上涨；通过目视检查，我们可以看到这些点不是完美的线条，因此我们可以说相关性只有适度强。

关系2：趋势

在数据中查找显著的趋势，无论增加还是减少。

常见图表类型：

• 条形图；
• 线图；

例如，你可能会查看的网站一个月内每天获得多少页面浏览量，以确定一周中哪些天产生最多流量。

关系3：分布

这显示了数据分布，通常围绕一个中心值。分布对于理解特定变量的最小值、最大值、平均值、中位数和范围非常有用，查看分布可以通过查看平均值和最终值来了解数据的形状。

常见图表类型：

直方图：例如，你可以根据客户在一年内为你的公司创造的收入来分组；通过这种方式，可以查看平均客户的支出，以及客户可能预计的支出范围。

关系4：异常值

这是任何异常或超出常规的数据。

常见图表类型：

• 散点情节：由情节上远离趋势区域的点显示。
• 直方图：直方图的尾部显示数据中是否有许多异常值。
• 条形图：任何异常高或低的值。

例如，我们期望看到的直方图的趋势是，第一组和最后一组的客户更少。但这张直方图向我们展示了一个异常值；实际上，有很多客户花费了51000——55000——尽管我们预计会更少，调查一下为什么那个群体中有这么多客户会很有趣。

关系5：比较和排名

比较：这是对子类别的量化值的简单比较。

常见图表类型：

条形图：有很多方法可以比较数据。可以比较集合或查看这些集合中的子类别。

例如，可能会查看数据，比较不同颜色的CTA按钮的点击率。哪个点击率更高，为什么？

排名：这显示了两个或多个值在相对大小上的比较。

例如，哪种类型的内容页面浏览量最高？排名可以帮助轻松比较页面产生的流量。

二、如何将洞察转化为数据故事？

一旦你认为你找到了你的故事，请遵循以下提示，以确保你有效地讲述了它。

1. 知道你在为谁而写

有效的数据叙事并不意味着你想要讲什么故事，这意味着你找到一个对要读它的人感兴趣的故事。

考虑：

• 这相关吗？
• 是解决问题还是拓展他们的知识？
• 他们以前听过这个故事吗？

有时，你有一个故事可以告诉多个（或更大的）受众；如果你有数据，通过数据分析找到最有趣的故事角度，将负责的数据转化为易于消化的故事是内容营销最重要的工作。

以人们理解的方式与他们交谈，并提供尽可能多的故事场景。

2. 打造一个强有力的叙事

数据故事应该直观且易于理解。不要给人们提供图表，但也不要让他们寻找洞察力，了解如何构建一个有效且易于理解的数据叙事。

注意：数据可以是强大的；也可以被操纵、误解和歪曲。确保你正在讲述整个故事；有时，人们对数据故事有想法，并试图追溯性地让他们的数据适合这种叙述；如果数据不存在，故事就不存在。

3. 根据最佳数据可视化效果进行设计

数据可视化不仅仅是可视化数据；它还增强吸引力、理解力和保留力；确保你的数据故事能够使用最佳的数据可视化形式展现出来，并确保设计师以最优化、最准确的形式呈现它。

关于数据可视化设计也可以看我之前的几篇文章：

一个成功而有价值的数据可视化应该注意这25点技巧

学会这6点，教你制作高效且吸引人的数据可视化

用数据讲故事并不总是容易的，但这总是值得的。

最后想提醒大家，练习得越多，你会得到越好；只要留意更多展示你技能的机会，你会发现数据分析背后的故事都可以转化为优质的营销内容。

本文作者 @数据可视化那些事

版权声明

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！