人工智能分析如何帮助出版商和内容营销人员

网络分析工具几乎与互联网本身一样古老，最早的工具运行在服务器端，用于监控资源使用情况、访问模式等。如今，分析工具在衡量和解读网络用户行为方面变得越来越强大，从而推动了从零售、出版到房地产等各行各业的数字化转型。自互联网早期以来，分析工具的发展历程中，其应用范围已在多个方面得到扩展：

• 用户和行为数据范围：用户画像、使用 cookie 进行跨会话跟踪、引荐来源、页面心跳、热图、跨设备跟踪、互动质量等。
• 内容数据范围（内容智能）：URL、页面类型（表单、列表、文章、电子商务）、标签、类别、内容中的对象和主题、作者等。
• 收集的可靠性和质量：浏览器 cookie、SDK、WebSocket、跨设备配置文件创建、自定义事件收集和跟踪、电子商务跟踪和 CRM 集成、实时报告等。
• 洞察范围：转化率、目标、受众兴趣、常青内容与新闻内容筛选器、人工智能优化技巧、人工智能异常检测等。

其中，有些是计算机语言、网络浏览器和互联网标准的技术发展的结果，但有些，如内容分析、分类和自动洞察挖掘，只有通过机器学习和人工智能才能实现。.

分析技术在数字出版中的作用

过去二十年来，数字广告在营销支出中所占的份额不断增长。根据一项研究， 伦费斯特数字订阅研究所谷歌的国际广告收入已经超过了报纸的所有收入（包括印刷和在线收入）。这导致了大规模的停刊和裁员，同时也促使数字订阅成为现代新闻机构的主要收入来源。. 随着数字化出版成为新常态，网络分析（特别是出版分析）成为解读覆盖范围、互动度、读者画像以及出版商或潜在广告商在投入资源开展编辑或广告活动之前想要了解的几乎所有读者信息的工具。甚至连是否选择数字订阅付费墙以及内容锁定机制的决策，都需要数据来优化，以最大限度地提高转化率并最大限度地减少读者流失。 研究解释.

人工智能在网络分析中的作用

人工智能（有些人认为这是理所应当的）正处于上升期，其多个应用领域正朝着“过高的期望值”迅速迈进。 炒作周期. 由于人工智能将自身定义为对人类智能的升级或增强，其应用范围可能与人类的想象力一样广泛——从医学到经济学，再到娱乐等等。分析，或者至少是大量数据的可用性（这些数据是在可预测的输入条件和预期输出条件下收集的），是机器学习和人工智能算法赖以构建的燃料。由于分析本质上是对数据进行收集、解释和发现模式，因此它是大多数人工智能应用的关键组成部分。例如，谷歌的搜索结果会根据用户对其搜索结果的准确性和实用性的评价而不断改进，而这种反馈所需的数据正是通过分析用户是否在搜索查询中找到了他们想要的内容而生成的。.

人工智能在出版商分析中的应用

如今，几乎所有拥有一定影响力的出版商都已涉足数字领域，数字订阅正日益成为中大型出版商的重要收入来源。在此背景下，以下列出了数字出版商目前面临的四大挑战，而人工智能分析平台可以帮助他们应对这些挑战，并按主要利益相关者进行了分类：

1. 按兴趣和主题偏好进行受众细分
2. 跨渠道大规模个性化
3. 编辑同行比较、机会识别和优先级排序
4. 高速数据下的异常值检测/洞察发现

现在，这些案例都体现了如何利用数据采取行动，而非我们过去理解的单纯分析，但这正是人工智能引领分析演进的方向——提供可执行的洞察。让我们详细了解一下这些案例。.

按兴趣和主题偏好进行受众细分

对于编辑和受众拓展团队而言，如何根据受众的主题偏好对其进行聚类和查看可能是一个重大挑战——目前这项工作是通过结合年龄、性别等人口统计指标来实现的。 地点 以及会话属性，例如 Facebook 受众、回头客、访问过的政治类别等。一款能够自动为故事添加主题标签并衡量互动质量的分析工具可以简化这项工作，并提供更可靠的基于受众兴趣的细分。.

NativeAI 分析中的受众兴趣树状图

这种分割方法可以用于以下方面：

• 编辑团队可以评估不同群体，从而确定新闻热点话题的优先顺序。
• 了解主题之间的重叠关联性，以提高读者参与度
• 受众拓展团队可以识别相似的受众群体以及最有效的流量来源，从而找到高参与度的读者。
• 数字营销人员可以按互动率而非仅仅按流量来比较营销活动效果。

跨渠道大规模个性化

吸引、互动和留住用户的最佳方式是提供个性化体验，这种体验能够学习用户画像、行为线索和用户明确表达的选择。通过分析可以追踪更多维度，例如互动质量、互动内容的类型和主题、互动渠道、营销活动以及一天中不同时间段使用的设备，从而构建一个高效的个性化引擎，学习每个用户的偏好。成功的个性化需要三个要素：

1. 用户属性集合
2. 转换路径记录
3. 转化成功跟踪

利用这些数据点，可以训练机器学习模型来识别模式，并为每位用户提供定制化的体验。事实上，个性化新闻阅读器应用，例如…… Flipboard News360 正是填补了这一空白，它提供特定主题的个性化新闻体验。对于每月拥有数百万用户的数字出版物而言，完全基于用户明确选择和人工智能分析来实现个性化体验可能是一项艰巨的挑战，而 News360 可以弥合这一差距。人工智能驱动的个性化引擎可用于：

• 内容推荐，以提高内容再传播率和受众留存率
• 培养读者，使其转化为新闻简报订阅或付费订阅用户
• 预测每个用户的转化可能性并映射自定义计量付费墙
• 选择合适的渠道和时间发布这些警报——通过电子邮件、推送通知、网页弹窗、横幅广告等。.

在 NativeAI，我们目前能够量化用户参与度并识别受众兴趣，并且正在开发内容推荐功能。这个领域蕴藏着许多令人兴奋的可能性，我们渴望帮助出版商利用这些数据来丰富他们的个性化引擎。（声明：我目前就职于 News360，并且……） NativeAI 出版商分析 本文中提到的平台由 News360 开发）

编辑同行比较、机会识别和优先级排序

如前所述，基于自然语言处理 (NLP) 的分析平台可以按主题对内容进行分类，并在分类体系中构建相关主题的层级结构。此类平台还能提供内容洞察，因为它们包含了内容智能平台的所有功能。这使得编辑能够将自身的内容组合与竞争对手进行比较，从而发现差距或机遇，并巩固竞争优势。此外，识别能够带来最高参与度的主题，也有助于编辑团队优化报告资源的优先级排序。

与竞争对手出版商的内容组合比较

以下是一些对编辑团队也可能很重要的衍生应用：

• 衡量高价值主题的发布速度并与竞争对手进行比较，因为不同出版商发布的同一主题的文章可以被标记并自动分组。
• 按作者、主题和发布商自定义标签筛选的互动和流量报告
• 在发布前，利用自然语言处理技术自动为发布商内容管理系统 (CMS) 中的文章添加标签。
• 标题优化和点击率预测
• 内容类型/格式评估——常青内容与新闻、图片与信息图与视频。.

按作者筛选的分析报告

高速数据下的异常值检测/洞察发现

对于数据驱动型公司而言，无论是在媒体行业还是内容营销领域，最大的挑战之一就是如何从海量数据中及时挖掘洞察，并据此采取行动，从而对营销活动或执行产生显著影响。换句话说，分析需要实时提供可操作的洞察，而不是事后诸葛亮，为下一次营销活动提供参考。构建包含数据仓库、收集模型、过滤、存储和处理的数据管道需要投入大量精力，但如果输出结果能够立即产生显著影响，那么这些投入就是值得的。人工智能可以简化这项目前需要人工干预的任务，它能够识别用户行为、流量甚至内容中的异常情况。此类应用包括：

• 推广活动诊断与优化——例如，您可以收到提醒，告知付费 Facebook 广告活动可能带来高流量但互动率低于正常水平。

• 推广建议——某篇文章或视频可能在某个规模较大的受众群体中表现出色。人工智能推荐系统可以提示受众拓展团队将其推广给特定的目标受众，以最大限度地扩大覆盖范围。如果与程序化广告投放相结合，效果会更佳。
• 病毒式传播指数预警——内容分析可以评估文章或视频的病毒式传播指数，并根据其在发布后第一小时内的表现，提供确保病毒式传播的洞察。

未来前景光明，但我们现在能用什么呢？

虽然其中很多应用都极具潜力，能够简化我们的编辑和受众拓展工作，但我们显然也需要一些立竿见影的效果。以下是一些您可以立即使用的AI应用：

• Google Intelligence 面板，您可以获取有关网站流量异常情况的提醒，该面板会自动提炼并分享洞察信息。
• 您甚至可以向 Google Intelligence 提问，例如，用简单的英语询问“我们的新读者来自哪些地区？”，以获取报告和分析。
• 针对您的 AdWords 广告系列的优化
• Phrasee创建和优化电子邮件和社交媒体营销文案
• NativeAI 的内容组合分析
• Sailthru 实现了大规模的订阅邮件个性化

人工智能、机器学习在分析领域的应用前景无限广阔，我认为我们正处于蓬勃发展的边缘。NativeAI 正在积极探索这些可能性，并致力于将其中一些方案转化为数字出版商的现实解决方案。我们很高兴看到分析、订阅优化和个性化领域的众多同行也在努力解决相关挑战，并对这个行业日新月异的创新速度感到欣喜。.