توضیحاتی درباره فرصت هایی که با استفاده از محتوا به آن دست پیدا میکنیم _ قسمت دوم

کند و کاو داده های موجود

اولین قدم در پروسه ی هر بازاریابی گردآوری و پردازش اطلاعات بدست آمده برای مخاطبین موجود و مخاطبینی که ممکن است در آینده آنها را جذب کنید، می باشد.
این موضوع بسیار مفصلی است که من می توانم بسیار راجع به آن صحبت کنم_ اما این موضوع روی بیشتر از لحاظ سنتی توسط سایتهایی مثل  This and This مورد پژوهش قرار گرفته است.
دومین لینک از آن دو لینک، این قسمت از روند تحقیق را به دو عنصر مهم و اساسی تقسیم کرد که شما باید این تقسیم بندی ها را به کار گیرید تا به این ترتیب مطمئن شوید که درک کاملی از “صحبت کردن” در جستجو دارید.
کمیت روی اعداد تمرکز می کند. تمرکز روی مجموعه ای از داده های بزرگتر و اطلاعات آماری است، به عنوان مخالف ترسیم یک نقاشی بزرگ از مورد پسند قرار گرفتن ها و مخالف بودن های مخاطبین.
کمیت روی کلمات و ترسیم “ثروت” تمرکز می کند در واقع تمرکز آن روی طرز بیان مشتریان شما و توضیح مشکلات آنها، مورد پسند قرار گرفتن ها و مخالف بودنها، خواهد بود. این روش بیشتر مطالعه ی رفتارهای انسانی است تا وضعیت.
این اطلاعات می توانند با منابع وسیع داده های CRMها، لیستهای ایمیل و پستهایی که حاوی دیدگاه مشتریان دیگر می باشد، ترکیب شوند اما جایی که شما به صورت فزاینده موقعیتهای زیادی خواهید داشت عرصه شبکه های اجتماعی می باشد.
Platformهایی مانند Facebook قادر هستند تا به همه ی نام های تجاری موقعیت دستیابی به داده های حجیم با ارزش از بیشتر مخاطبینی که شما فکرش را هم نمی توانید بکنید، بدهند.
آنچه در اینجا تمایل به توضیحش دارم این است که چگونه اقدام به واکشی داده ها از فرم تصاویر با ارزش اشخاصی کنید که ما هم ما هم با آنها گفت و گو داشته ایم و یا بسیاری از آنهایی که قصد جذبشان را داریم.
در این جا یک شبه کوچک وجود دارد که از لحاظ اهمیت چرخه ی پژوهش، میزان بینش شما از مخاطبین به صورت مستقیم با میزان موفقیت محتوای شما متناسب باشد.

ایجاد شخصیت

داده ی شما در میان شخصیت هایی که می سازید متولد می شوند،شما آنها را طراحی می کنید که در در قالب چهره های انسانی روی داده ها قرار بگیرند و آن را در یک شماره کوچک از مجموعه های جالب به اشتراک گذاری شده، گروه بندی می کنید.
بار دیگر بایستی اشاره کنم که در اینجا هدف بیان نحوه ی صحیح مدیریت این پروسه نیست. پستهایی مثل this one و this one بیشتر وارد این جزیئات می شوند- نکته اینجا این است که به این پرداخته شود که هر آنچه در اینجا دارید به شما اجازه ی انجام این کار را می دهد.
ما همچنین یک قالب شخصی رایگان در اینجا ایجاد کرده ایم، که می تواند به ساخت پروسه ی قرار گیری آنها در کنار یکدیگر کمک کرده و این پروسه را آسانتر کند.
هنگامی که آنها را ساختید، به این نتیجه خواهید رسید که هر کدام از شخصیت هایی که دارید نیازهای خیلی متفاوتی از دیدگاه محتوا خواهند داشت.
برای اینکه به شما مثالی را نشان دهم به این پروفایل نگاه کنید:

ما در اینجا سه بخش بسیار مبهم از مخاطبین را می توانیم ببینیم و به سرعت به این نتیجه خواهیم رسید که هر کدام از آنها دنبال تجربه ای متفاوت از نام تجاری شما هستند.
به عنوان مثال “Maturing Spender” را در نظر بگیرید. در اینجا یک مثال فرضی از برند بانک در نظر گرفته ایم که به راحتی می توانیم متوجه بشویم که نه تنها او نیاز به محتوایی متفاوت دارد بلکه در واقع او به وسیله ی رویکردی متفاوت از پروسه ی خرید نیز در وضعیت “activated” قرار دارد.
زمانی که خریدار سنتی پروسه ای از آگاهی، پژوهش، ارزیابی و خرید را دنبال می کند، یک نوع جدید از رفتار خرید تحت شبکه های اجتماعی، جامه ی عمل به خود می پوشاند.
در دنیای امروزی شاهد این هستیم که مشتریان به سمت خریدهای تحریک کننده ای که به وسیله ی شبکه های اجتماعی به اشتراک گذاشته شده اند، کشانده می شوند. آنها پستهایی را در شبکه های اجتماعی خود می بینند و تمایل به خرید پیدا می کنند و بلافاصله ( و حداقل در چند روز) ، مخصوصاَ اگر محدودیتی برای تخفیفات گذاشته شده باشد، اقدام به خرید خواهند کرد.
بیتر این کشش با فرهنگ “از دست دادنی” فزاینده ی ما بیشتر می شود و باعث می شوند که به پروسه ی خرید سرعت ببخشند.
شما می توانید این مسئله و سایر بینش های کشش داده را از شخصیت ها یاد بگیرید و ما پیشنهاد می کنیم که از قالب شخصیت خوب استفاده کنید، سپس جزئیات توضیحی بیشتری را اضافه کنید و به هر یک  “رنگ”  اختصاص دهید به این ترتیب هرکسی می تواند به راحتی تشخیص بدهد که این نوشته متعلق به چه کسی است.
تطبیق کاراکترها با شخصیتهای مشهور هم می تواند خوب باشد، در صورت امکان با این کار می تواند سطح شناخت را در سراسر سازمان بسیار راحت تر گسترش می دهد.
به شما این امکان داده شده است که خیلی کارها انجام دهید، مثلاً :

• ایجاد یک نوع تمرکز خاص روی مشتری
• امکان ایجاد و دفاع از تصمیمات تیمی
• ایجاد یکدلی با مشتریان

در نهایت، هرچند همه ی اینها برای این منظور طراحی شده اند که به شما اطمینان بدهند که شناخت بهتری از کسانی که قصد دارید با  آنها ارتباط داشته باشید، دارید و شما می توانید با اجرای یک نقشه و طرح یکسری سوالها نیازهای فردی آنها را کشف کنید.
اگر قصد دارید که تا عمق این قضیه پیش بروید پس شدیداً به شما پیشنهاد می شود، پستی که Mike King در سال 2014 در سایت Moz منتشر کرد را مطالعه کنید.

کلیدواژه ی جدید پژوهش – شخصیت

موفقیت واقعی شما زمانی است که سوالات خاص مخاطبین خود را بدانید و مرحله ی بعد استفاده کردن از این اطلاعات چند شاخه پروسه ی شخصیت شناسی در فاز بعدی یعنی: کلمه ی کلیدی پژوهشی است.
برای انجام این کار، بریم با هم به مثال زوج خوشحالی که در عکس بالا می بنید؛ بپردازیم و ببینیم که در برند بانک فرضی همه چیز چگونه پیش می رود.
اولین قدم ، جمع آوری یک لیست از ابزارهایی است که می توانند به ما در واکشی کلمات کلیدی وابسته کمک کنند. در اینجا اولین ابزارهایی که ما استفاده کردیم موجود است:
1. SEMRush
2. Soovle
3. Keyword Tool IO
4. Google Autocomplete
5. Forum searches
ابزارهای خیلی زیادی وجود دارند که می توانند کمک کنند، اما خیلی آسان باعث پیچیده شدن پروسه ی داده می شوند، بنابراین ما تمایل داریم که این ابزارها را تاحد امکان محدود کرده و روی آنهایی تمرکز کنیم که دست یابی به مزایای آنها سریعتر اتفاق می افتد.
قبل از اینکه وارد پروسه ی داده کاوی شویم، با یک گروه طوفان مغزی شروع و با تعداد خیلی زیادی از سوالات اولیه اقدام به کار کردیم.
برخی از سوالات احتمالی که ممکن است برای زوج خوشحالمان مطرح شود، شامل:
به هر گرونامه چه مقدار وام تعلق می گیرد؟
چگونه می توانم یک خانه بخرم؟
در حساب سپرده ی خود چه مبلغی باید داشته باشم تا بتوانم یک خانه بخرم؟
کدام یک از انواع سپرده گذاری های معمول بهتر است؟
در اینجا می توانم از framework به عنوان نقطه ی شروع جسجتوی کلمه ی کلیدی استفاده کنم و در واقع اینجا بهترین جای شروع در اولین ابزار ما به حساب می آید.

SEMRush

SEMRush طراحی شده تا برای آنهایی که با ابزار آشنایی ندارند، ارزیابی صحیح رقبا را آسان تر کند و موقعیتهایی را با اتصال به جستجوی داده به مشتریان عرضه خواهد کرد. در این مثال ما از این ابزار جهت نمود بیشتر کلمات کلیدی طولانی مربوط به آن موقعیت بر اساس سوالهایی که بالا عنوان شد که ممکن است برای این زوج پیش بیاید، استفاده خواهیم کرد.
برای روشن ساختن کلمات کلیدی وابسته به موقعیت اولین سوال خود را در جایی شبیه به آنچه در تصویر پایین نمایش داده شده است، نوشتیم:

و در نهایت یک عدد که نشان دهنده ی تعداد اصلاحات وابسته به سوال ما بود را نشان داد، به این ترتیب:

همان طور که می بینید، این ابزار اطلاعات خیلی زیادی از دیدگاه محتوا را در اختیار ما قرار می دهد تا به این ترتیب این امکان برای ما فراهم باشد که در مورد موضوع این خیلی مهم به طور پیوسته و بدون به کار بردن موضوعات همسان، اقدام به نوشتن کنیم.
هرکدام از این عبارات می توانند به صورت عمیق تر به وسیله ی کلیک روی هر کدام از آنها مورد تجزیه و تحلیل قرار بگیرند. آنها همچنین یک لیست اضافی از هر کدام از عبارات وابسته به آنها نیز ایجاد می کنند.

Soolve

مرحله ی بعد استفاده از این ابزار به شدت کم ارزش برای کاوش داده هایی است که کاربر به جستجوی آنها پرداخته است. این ابزار به شما این امکان را می دهد که اصطلاحات معمول جستجو را از سایتهایی مثل YouTube، Yahoo، Bing، Answers.com و Wikipedia گردآوری کنید.
نتیجه چیزی شبیه به آنچه در تصویر پایین نمایش داده شده است؛ می باشد. ممکن است که خیلی ظاهر خوبی نداشته باشد ولی در وقت شما صرفه جویی کرده و این امکان را به شما می دهد که نتایج را در یک فایل CSV ذخیره و دانلود کنید.

Google Autocomplete / KeywordTool.io

چندین راه برای تلنگر زدن به Google Autocompele data وجود دارد و با یک API موجود چندین ابزار برای استفاده ی بهتر از آن وجود دارد. ابزاری که در حال حاضر مورد علاقه ی من می باشد KeywordTool.io می باشد، که واقعاً API متعلق به خودش را دارد و داده هایی را که از Google، Youtube، Bing و Apple App Store بدست می آورد را واکاوی می کند.
ارزش واقعی آن در نحوه ی استخراج داده، پیشنهاد داده ها در قالب حرف و یا عدد و ایجاد هزاران محدوده ای است که پتانسیل گسترش محتوا را دارند، می باشد. داده ی App Store به صورت خاص مورد استفاده قرار می گیرد، همانطور که معمولاً شاهد هستید اصلاح قابل توجهی در رفتار جستجو در اینجا صورت گرفته است و نتیجه ی پاسخ به سوالات خیلی خاص است.
یک مثال خیلی خوب می تواند این باشد: ” چگونه متوجه شویم که وام به ما تعلق می گیرد یا نه؟” این درواقع یک اصطلاح است که احتمالاً استخراج آن از ابزارهایی مثل Google Autocomplete به تنهایی دشوار است.