新闻媒体如何用数据驱动变现？德勤联合谷歌打造最全工作指南

数字化浪潮席卷了社会的方方面面，也重塑了新闻媒体行业。近二十年来，传媒机构的传播方式发生了天翻地覆的改变——如今，只有极少数媒体还仅仅停留在纸质化编辑层面。数字化变革，早已不是一个新鲜话题。

 

然而，如何充分利用数字化平台的优势，更好地观察受众行为，进而吸引更多读者，产生更高收益，却始终是困扰新闻媒体机构的一大难题。近日，德勤与谷歌联手推出了一份指南，试图指导媒体机构充分利用自身平台产生的数据。

 

 

本期全媒派（ID: quanmeipai）编译这份指南的精华内容，为新闻媒体“如何用数据驱动变现”这一问题提供思路。

  

前言：指南使用说明

 

业界访谈：媒体 技术 广告商

 

为了完成这份指南，德勤对来自全球16个国家和地区的50余家新闻媒体机构的80多名从业者进行了访谈。这些机构的业务跨度包括：

 

• 平台类型：数字化媒体、广播媒体、纸媒与数字化融合的媒体
• 机构规模：从年收益6000美元到超过20亿美元不等
• 内容类型：新闻、娱乐
• 盈利模式：广告、订阅

此外，德勤还访问了20多家技术供应商、广告主和广告代理商，来更好地理解数据浪潮究竟如何影响媒体机构的整体生态。

 

 

建立标准：“数据成熟刻度”

 

研究发现，在数据变现这一方面，全球的媒体机构正处在不同的成熟阶段。已经有一些机构对数据应用进行了创新性的努力，力求让用户数据驱动高收益；而另一些机构仍然处在给数据应用“打地基”的努力之中。如果自我定位不明确、对竞争者的情况不了解，将扰乱一家媒体对自身的数据分析能力的认知。

 

为了提供一个客观的视角，德勤创造了“数据成熟刻度”（Data Maturity Scale）这一指标，来帮助媒体机构就自身的数据实力进行一个可量化的精确评估。这一标准产生的分析结果，可以被立刻用来打造“诊断工具”（Diagnostic Tool），进而规划出推进改革的最佳途径，以达到机构发展中与数据相关的短期与长期目标。

 

提出思路：“数据激活构架”

 

不过，仅仅靠“数据成熟刻度”这样一个认知，显然并不足以让新闻媒体机构完全明白如何提高在全球行业中的位置。基于访谈和研究结果，德勤又创立了一个“数据激活构架”（Data Activation Framework），如下图所示：

 

图中显示，以下三个阶段对一家媒体机构的变革非常关键：

 

• 做出战略性选择：在设立机构目标时，做出必要的战略性选择；
• 打好数据“地基”：为了有效激活用户数据的使用，媒体需要打好“数据地基”，这其中包括机构文化与工作方式、技能、技术和数据；
• 关注“用例”：在实践过程中应该根据用户数据，以用例实践、创造价值。在这个维度下，需要关注读者参与度、广告主收益、读者收益。

 

下文将对这三个阶段的具体情况和操作方法进行逐一说明。

 

做出战略性选择

 

商业模式、所处地域、编辑方式……这些都决定了新闻媒体机构应该把数据应用的努力专注在哪一方面。

 

媒体不妨先问问自己以下这些问题：

 

• 我们的愿景是什么？要成为深耕某个专业领域的权威，还是雷打不动地推送每日新闻？在此基础上，如何平衡经济效益和社会影响力？
  

• 我们的覆盖范围有多大？本地、国内、还是国际？要服务于什么类型的读者群体？能提供怎样的传媒产品和服务？
  

• 我们如何脱颖而出？与其他媒体的差异在哪里，是内容的广度和深度？是便捷程度？还是价格？

 

• 为此我们必须具备哪些能力？内容生产、分发能力还是个性化定制？我们要掌握独家技术还是直接套用现成的？

 

• 我们需要什么样的管理体系？如何衡量成绩？KPI（关键业绩指标）该怎么定？应该如何对机构进行管理才能达到目标？

 

这些问题是机构发展的起始点。忽略了这些，盲目推进变革，媒体机构可能会针对错误的靶子做无用功。一个最常见的错误就是，某家媒体费力地解决了对另一家公司而言十分关键的问题，却忽略了自己的目标和定位。例如，当消费者对于为新闻付费的意愿普遍低迷时，一家发展迅速的市场化新闻机构却试图打造一个会员优先的订阅模式——这不啻于南辕北辙。

 

在战略层面做出正确的选择，对自身的发展轨迹有清晰的认知，媒体机构才能为数字化变革及相关措施定好基调。

打好数据“地基”

 

要让用户数据驱动价值变现，媒体机构无疑需要与数据相关的核心技术。例如，根据读者行为投放广告的前提是有一个可靠的数据供应链——虽然这个逻辑再明显不过，但事实是，媒体机构即使愿意出钱购买先进的数据应用程序，也很难打下数据策略的基础。

 

要解决这一问题，打好数据的“地基”，可以从以下四个方面入手：

 

团队文化与协作方式

 

一个良好的文化氛围决定了新闻媒体机构在数据方面的能动性，可以激活数据在团队整体战略中的作用，鼓励大家基于数据来进行决策，并打造出一个跨职能的协作机制。

 

1、明确自家的数据策略

 

大多数媒体对自己的数据策略并不清楚，但对于领导者来说，能清晰地阐述出自家机构为什么使用、如何使用数据，是非常重要的。以下有3个例子，不妨比较一下，我们听到时会有怎样不同的感受：

 

• 我们只用数据来获取信息，并不是数据驱动型的机构。

• 我们是一家重度使用数据的公司，所有员工都有数据导向的业绩指标。 

• 作为一个带着“读者至上”理念的媒体，数据是一个让我们更好地了解和服务读者的工具。

 

2、机构的领导者应重视和鼓励数据使用

 

大多数新闻机构的领导天然地对数据缺乏敏感，而他们却是数据的相关投资、跨职能支持与策略制定的关键人物。如果缺少高层支持，数据团队将很难为机构赋能。

 

建议想要成为“数据驱动型”的媒体高层：

• 多听听团队的建议；

• 想要达到一个跨职能目标时，观察它如何影响着不同等级和部门的员工，这可以帮你充分了解机构面临的数据挑战；

• 对深刻理解并运用数据的员工，要放大其数据优势。

 

建议想要激发高层兴趣的数据经理：

• 记录数据应用所要达到的目标，并证明它的重要性，打消部分领导或组织其他成员对“数据优先权”的固有偏见；

• 将相关因素搁置，模拟数据应用对机构盈利的整体影响——逐渐起步，一旦通过先例取信于高层，就有机会进一步提出转型方案。

 

 

 3、加强合作与跨职能协作

 

（1）设定KPI,让团队更有凝聚力

万能的目标设定与激励方式是不存在的，不过顶尖的机构常常根据明确的指标来设定组织的首要目标。

以下试举三例：

• 一家靠订阅量盈利的机构，会把每一位订阅者的页面阅读数据（Page views per Subscriber）单独列出来——为了将其用户习惯挖掘到极致；

• 一家旨在扩大社会影响力的机构，会把独立页面访问数据（Unique Page views）单独列出来——为了发现是否有更多的读者了解媒体的世界观；

• 一家进行病毒营销的机构，会把社交点击量（Social Clicks）和总点击量进行对比——为了评估不同内容的社交分享度。

（2）打消壁垒，让员工团结

 

长期来看，设立绩效考核标准、实施激励措施十分必要。但在短期之内，有时也需要使一些“蛮力”。

 

美国一家顶尖的新闻机构注意到，当高层加入团队且打消个体壁垒时，转变就开始了——高层会设立团队目标，并有计划地组织跨职能会议，而这将为组织培养一种合作对话的习惯。当然，在这个过程中，纪律性很重要。

 

（3）建立跨职能协作机制

 

• 让数据和技术这两个团队协作，夯实数据“地基”，以抓取数据进行营销和用户细分的工作。

• 制作“读者参与程度”仪表盘，让编辑部门了解内容表现，让营销部门基于读者行为设计营销策略，让数据部门负责设计和管理数据系统。
  

• 制定数据管理规定。它需要包含相关的法律、公共关系、人力资源和产品设计等方面的考虑。

 

 4、鼓励试验性举措

 

在机构内打造一个敢于尝试的文化。这也许与媒体那种“打出草稿-编辑修改-反复完善-印刷出版”的天然流程相违背，但对打造数字化环境十分重要。

 

顶尖的新闻媒体机构不只收集和分析用户数据，它们还生产数据，并通过执行新的策略和方案来不断试验，包括设计用户体验、测试标题与版式、广告、定价或促销等。这些数据可以呈现一些真实的反馈，用以指导机构的某些决策。

 

人才与技能

 

数字化变革要求特定的技能，包括一些高端技术，因此媒体机构必须发掘和培养他们所需要的数据人才。打造一个适宜数据人才的稳定的工作环境，才能在进行与数据相关的决策时，听到最有价值的信息。

 

1、确定组织需要的技能

 

寻找人才，从最基础的发问开始：一个数据从业者需要做什么？

 

一个“数据团队”很难定义，因为数据工作的角色有很多种：数字化经理分析师、用户专家、云工程师……这个列表还可以拉得更长。简单来说，一家媒体机构需要重点考虑的四个数据工作岗位包括：

 

• 架构者（Architects）

这些高技能工程师负责数据资源的后终端技术，规划平台产生的数据该如何输入、定位、转换和保存在机构的技术体系里。工种与职能：架构、网络安全、平台和数据工程、开发、云运营等。

• 数据洞察者（Insight Generators）

当架构者关心数据流通的管道时，数据洞察者更关注数据本身，对它们进行组织、管理和分析，让一个既定的商业目标变得可使用、可操作。工种与职能：参与度分析、销售与市场分析、商业智能支持、数据供应链等。

 

• 业务沟通者（Business Translators）

他们是促进数据应用的业务领导者，是架构者、数据洞察者和机构内其他成员之间的催化剂。沟通者确保数据团队建造的是满足业务需求的产品，且该产品能够对其他业务有所启发。工种与职能：数据合作伙伴管理、业务运营、业务拓展等。

 

• 数据管理者（Data Governors）

数据管理者负责处理消费者数据与业务相关的法律和安全风险。他们厘清制度性规则，并将此应用到数据体系的设计、建立和维系之中。工种与职能：隐私、政策合规、安全保障等。

2、将团队融入商业活动的整体架构

 

如何使数据团队融入机构的整体框架之中？有以下三个通用的途径：

• 中心化（Centralized）：建立一个简单的、中心化的数据团队，组织各部门共享该团队。

• 去中心化（Decentralized）：数据工作者分散到不同的团队，例如营销部、编辑部，具体问题具体分析。

• 融合化（Hybrid）：让中心团队推进一些重大项目，其他团队服务于日常的商业需求，并把信息反馈给中心团队。

 

3、吸引匹配的人才，与第三方打通合作

 

许多因素，包括品牌声誉、地理位置以及数据成熟度，都会影响到一家公司能否吸引人才。一些顶级公司分享了它们的经验：

 

• 清晰提出重视数据的价值主张：一些人可能会冲着机构的创新潜力去应聘，另一些人则可能会被从头打造数据运营体系的挑战所吸引。

• 对价值的吸引力：设立最有吸引力的岗位来招徕数据人才。为此，媒体机构需要明确：数据将如何助力整体目标，并维系组织的日常运转。

• 创造数据友好的文化：和其他人一样，数据从业者会被组织文化所吸引。仅仅把数据视为运营支持功能的机构，很难吸引顶尖的数据人才。另外，出于招聘难度和经济条件考虑，媒体机构可以通过第三方来雇佣人才，如高校、智库、派遣机构、咨询公司、系统集成商等。

 

技术革新

 

采取正确的技术手段，把数据应用嵌入到核心业务中——这是非常基础的数据策略。要利用好数据相关技术，媒体机构需要注意以下四点：

 

1、创建自助工具

自助工具能让业务团队拥有独立获取数据的渠道，而无须依赖数据团队。此外，团队更有可能发现新的业务机会，还将节约更多的时间。

 

2、自主开发or直接购买？

这个问题的关键在于，机构是否有人力和财力资源来进行内部的技术开发项目。如果这个技术是核心的，尽量自己开发；否则，直接买定制版。

 

  

3、技术工具箱

 

在本次调研中，超过50%的媒体机构表示，在数字化之路上，“如何采取合适的技术手段”是他们面临的瓶颈。以下这个技术工具列表，能帮助媒体们更好地起步：

 

• 数据管理平台（DMP）

• 用户关系管理系统（CRM）

• 报告和网络分析工具

• 数仓/数据湖（Data Lake）

• 消费者数据平台（CDP）

• 内容管理系统（CMS）

• 云计算

 

4、让技术更上一层楼

在行业内，不仅头部机构在不断进行技术创新，许多中腰部公司也在努力突破，加强数据的处理和分析能力。

机构应该关注人工智能与机器学习，它们能为公司提供丰富的、预测性的洞察，经过训练的模型，其洞察能力也会不断提升。

 

数据：分类、价值与管理

 

管理第一方数据资源，并不断扩充体量，对提升媒体机构的竞争力十分重要。此外，机构还要考虑数据与正确的管理实践相结合，让数据的运用更加规范、顺畅。机构应该注意以下三点：

 

1、理解不同类型的数据

• 第一方数据：直接从读者处获得的数据，如订阅数据；

• 第二方数据：其他主体产生的第一方数据，并非从自己的读者群获得；

• 第三方数据：机构从外部渠道（如生产数据的平台和网站）购买得来。

2、把用户数据分门别类

 

媒体机构可以把直接或间接获取的数据分成以下四类：

 

• 账号：登陆用户数据和交易数据，例如姓名、邮箱地址、地址、交易记录；

• 位置：在线地址和用户在使用app时的行为，例如IP地址、手机设备定位；

• 浏览行为：读者的行为，例如浏览时长、浏览内容、浏览频率、如何浏览网页；

• 用户画像：从其他渠道获取的数据，可以帮助媒体机构加深对读者的画像认知，例如人口特征、社交媒体活动和访问的其他网络地址。

 

3、驱动数据的价值

 

• 创造：所有新闻媒体机构自己创造的都是第一方数据，而成功的机构都能打造自己的用户数据库。他们还会主动地通过直接调查或试验性的营销研究来吸引读者，收集更多的数据。

• 来源：不同机构对外部数据的依赖程度不同。大多数顶尖媒体都注重发掘自己的数据能力，以降低对外依赖，也避免了与用户隐私条款的冲突。

• 分析：在数据中识别出读者细分群体的模式。数据的收集和获取过程越强大，就能进行越具体的分类和分析。

• 销售：与广告主成功建立可靠关系的媒体机构，能够用A/B测试来证明其数据表现，并且能帮助广告主挖掘更多公司级的业务机会。

 

解锁三重用例

提升参与/增强联结/扩大营收

 

在数据的实际应用过程中，媒体机构可能会面临重重的困难：数据团队与编辑团队的矛盾、数据主动权流失、组织结构固化等等。为了解决以上问题，这份指南从提升读者参与度、增强与读者的直接付费关系、从广告主处获得营收三个方面给出相关用例，以期提升数据驱动变现的效果。

 

提升读者参与度

 

1、内容策划

 

（1） 管理内容标签：

媒体内容的数据分析，依靠的是识别内容关键特征的“元数据”标签。确保内容标记过程完备且足够精细，并且能够决定将如何管理这些数据。

（2）数据部和编辑部共同设立目标：

厘清数据在完成编辑任务中的角色。

 

（3）测试流程：

设计内容分析流程，并将其作为内容策划的一部分。应该将用户反馈纳入编辑策划中。为数据助力的决策建立保障机制，决定谁为最终的决策负责。

（4）工具开发与报道工作协同开展：

理清前端新闻编辑室的需求，将其转化成不同优先层级的技术目标。

（5）反复测试、不断完善：

对潜在用户进行测试，在开始大规模的应用之前，获得早期的反馈非常重要。

2、再循环

 

为读者提供个性化的内容推荐，尽量使其在阅读完一篇文章后继续跳转阅读。

（1）设立目标：

通过内容推荐，媒体想要达到什么效果？靠广告营收的新闻媒体机构，最常见的目标是增加读者的浏览时长；相比之下，通过订阅来盈利的媒体，可能倾向于优先推荐能把免费用户转化为付费用户的内容。

（2）设计操作性强的内容标签：

有效的标签能够方便编辑在内容管理系统进行操作，还能增强内容规划、优化广告效果，且有助于提升订阅量。

（3）建立细分和推荐规则：

通过识别相关内容来定义推荐规则，根据分析用户的特定行为，不断提高个性化程度。一个完善的数据收集和管理方法十分关键。

（4） 测试和改进：

不断执行A/B测试，来完善推荐机制中的假设，优化用户体验。

3、读者体验

 

通过改进产品设计，如样式与导航，以提供更好的用户体验，以提升参与度和付费倾向。

 

（1） 设计内容模块：

和编辑团队合作进行内容策划，考虑的模块包括标题、缩略图、视频预览、书面内容和广告位置等。基于用户体验，通过跨平台的UX/UI设计决策，在你的内容管理系统创造不同种类的内容板块。

（2）发布模块，分析趋势：

组建一个实时监测团队来观察读者的参与度，如点击率、滚动时长或者停留时长，以完善未来的设计规划。

 

（3）为读者量身定制：

通过用户细分，把媒体的内容板块分层测试，会给读者更好的定制化体验。

（4）测试、学习和完善：

优化读者体验是一个迭代反复的过程。想有效地做到这一点，需要一系列工具来帮机构做出改变并评估影响，也需要领导层的鼓励与支持。

 

加强与读者的直接付费关系

 

1、关注订阅价格和促销

 

媒体机构应注意观察用户行为，以确定订阅价格和促销决策，包括价格点、折扣、付费计量方式等等，提高整体转化率，扩大从单个订阅者获得的收入。以下是五个步骤：

 

（1）收集用户数据

帮助了解订阅者和非订阅者的行为模式，了解他们订阅以及续订的原因。

 

（2）建立用户细分，注意以下关键点

共同特征，例如收入、地理位置、性别、兴趣、职业；

典型行为，例如内容参与、访问频率、时段、折扣；

长期订阅者的行为的特征，例如订阅类型。

（3）分析用户细分，并进行测试

监测不同细分用户的行为模式，来留住现有的用户，吸引新的用户。

（4）确定定价策略

定价不是唯一的，需要依据你的战略选择来决定。有的是统一收费制，也有动态的订阅价格。无论选择何种方式，都应该针对细分用户进行测试，以验证假设，从而优化总体收入。

（5）持续测试、学习和调整

完成以上步骤后，应该更频繁地进行测试，以得出更多观察结果，驱动更高的订阅收益。

2、重视用户的终身价值

 

媒体机构可以根据用户数据，通过用户与该媒体建立的所有关系，来整体评估这名用户的价值，以做出商业决策——而不是基于某一点观察的临时决定。

 

（1）将用户数据结构化

提升数据收集和管理能力，使自己成为一个可信任的、时效性强的独立信源。

（2）定义用户的价值驱动力

价值驱动力常和用户的付费能力或广告相关，具体来说，包括订阅价格和广告曝光次数。对这些价值驱动力的分析，可以确定一个用户的终身价值，以此制订利润最大化的方案。

（3）分析用户行为

追踪描述用户行为的数据，以理解他们各项行为，如订阅、续订或退订等。用户行为分析结果将会影响各项决策。

 

（4）建立用户支持举措

对各个细分建立相应的用户支持计划，针对不同情况作出特定反应。关于这一点，最前沿的案例是利用机器学习发现新的订阅行为模式，并根据相应的计划进行应对。

 

3、促进收益多样化

 

发展面向读者的非核心产品与服务。顶尖新闻媒体机构通常会举办活动、发展电子商务和附属产业、建立会员制等等。以下四步可以帮助你开源收入：

 

（1）分析用户，制定策略

可以基于用户的阅读兴趣，挖掘不同垂直品类（如科技、娱乐、汽车）的用户行为，或者参与度高的用户行为模式。这些用户可能会希望与媒体有进一步的互动。

 

（2）建立、测试想法

将跨职能团队聚到一起，探讨用户潜在需求，以挖掘新的业务机会。通过焦点小组、问卷或其他直接的调查方式来测试想法。

 

（3）搭建最简可行产品

在对新概念进行测试后，搭建最简可行产品，投入小规模测试。更多关于“最简可行产品”的知识点，可阅读全媒派往期文章：从「黄金圈」到「最简可行」：弥补核心业务，媒体多样化产品探索启示录。

4、继续测试、学习、调整

在新产品或新服务初次运行后，持续地调整改进，利用现有数据信息，来优化各项策略的制定与执行。

扩大广告收入

 

1、基于读者的广告

 

基于背景和行为数据，给读者推送最合适的广告。媒体机构可以通过以下几点吸引能带来高利润的群体：

 

（1）收集数据：

整合一手数据，为数据整合和管理设定目标。引入DMP和第三方供应商，填补数据空缺，从而拥有相对完整的数据集。

（2）建立用户细分：

基于人口特征、内容兴趣和流量来源等进行细分。增加用户登录的比例，将有助于提高数据的准确性和完整性。

（3）阐明细分市场的价值：

广告销售和市场营销团队需要知晓这些细分用户的价值所在，明确他们的独特性，为广告主提供决策支持。

（4） 强化细分市场的价值：

了解广告主的战略重点，以及他们对目标受众的需求点。根据用户行为，推测细分用户兴趣、衡量用户价值。这些洞察将有助于转化出高价值用户。

 

（5）推出广告活动：

强化目标用户群体与相应的广告产品、内容策划之间的联系。通过不同的广告形式以及一系列的A/B测试，持续改进活动的执行，并输出报告，以帮助广告主进一步优化策略。 

2、广告定价策略

 

通过理解不同用户对广告商的价值，应用数据，使广告销售团队在每一个销售渠道、每一个单元的收益上都产出最多的价值。

 

（1）收集数据：

与上一小节类似，具体为整合一手数据，为数据整合和管理设定目标。引入DMP和第三方供应商，填补数据空缺，从而拥有相对完整的数据集。

 

（2）建立用户细分：

与上一小节类似，具体为基于人口特征、内容兴趣和流量来源等进行细分。增加用户登录的比例，将有助于提高数据的准确性和完整性。

 

（3）分析用户表现：

利用参与度测量和活动分析工具来衡量广告表现。通过向广告主展示相关数据，以证明高影响力细分群体的价值和实力，以此评估该细分市场的广告定价。

 

（4）收集销售情报：

基于细分价值、广告形式等，与销售团队合作定价。这将有助于利用用户数据来支持商务谈判。例如，在实验更高级的广告形式之前，你应该证明基于类似细分、类似活动获得了数据提升。

 

（5）持续调整价格水平：

分析读者终身价值，以定义所有细分市场的价值范围。对内结合内部业绩、读者价值分析和需求预测，对外结合市场动态和细分更新，来调整定价。

 

3、管理广告库存

 

利用读者参与度的数据来预测存货量，并打通直接销售、私人交易和开放式拍卖之间的渠道，将广告收益最大化。

 

（1）使库存预测匹配其他数据：

通过跨团队沟通，打通内容策划、参与度测量和库存预测团队的数据。有时，直接销售团队无法卖出溢价库存的阻碍之一，仅仅是他们不了解还有多少库存可以供应。

（2）加强对参与度数据的预测：

利用参与度测量工具，更好地了解不同细分的习惯和行为，并将其作为库存预测的重要依据。通过分析，可能发现最有价值的目标群体消费内容的时机和方式——这将使你更好地把控产品和服务质量。

（3）分析渠道表现：

盘点不同渠道，比如：每个渠道销售多少库存？库存价格是多少？分析库存，尤其是那些比预期更高或更低价售卖出的库存。

（4）重新审视渠道组合：

思考一下，你的渠道组合方式有意义吗？可能有某些渠道对于特定的广告类型表现良好；也可以考虑基于定价策略引入新的渠道。

 

（5）监测表现：

需要接入不同的数据源来进行数据监测。领先的机构已经建立了自动的监测体系，以评估和调整渠道组合方式。定价策略（包括渠道组合）应该定期回顾。

 

数据，以超乎想象的方式反映着用户行为和商业逻辑。在数据化浪潮之中，新闻与媒体机构得以运用自身平台的力量，形成对读者行为的深刻洞察——这在过去是完全不可想象的。

 

通过运用这份指南中的操作方案，媒体机构通过数据驱动变现将成为可能。近二十年来迅速发展的数字化转型，或许已经开启了一个充满想象力的未来。