【干货】内容营销该如何进行效果的衡量？看哪个指标最重要？

内容营销的效果是不是玄学？所谓的长期价值有没有公式可以推算？如何量化管理内容写手团队的产能和质量？内容互动指标那么多，哪个最体现内容质量？如果你也对这些问题感兴趣，那么就一起看下去吧~

相比于直接投放信息流，内容营销品效兼具、洞穿心智、长效流通、好处多多，但长期的投放效果和短期的投放成本如何平衡，除了经验是否可以有量化模型，是持续需要研究和优化的课题。

1年前我在知乎上回答了一个问题「内容营销该如何进行效果的衡量？」，1年后重新思考这个问题，本文展开说说，分为理念回顾、Why为什么看、What看什么、Where 从哪看、How 怎么评估几部分（其中Where和How以知乎举例）。

适合读者：决定预算的老板、运营操盘手、内容团队Leader

带来帮助：合理优化内容指标体系（对内容生产提供短期观测指标）、对写手产能效率优化提供量化参考（将写手和投手串联起来）

一、理念回顾

（懒得看理念或者理念已经充分认同的可直接翻到后面How的部分）

2021-11-25我在知乎上的回答「内容营销该如何进行效果的衡量？」，核心是要对内容营销建立独立的考核体系，而非简单的投流逻辑，提供了一个思路性的公式：

内容营销ROI=（内容实时转化率*内容转化客单价*潜在客户系数*时间周期系数）/（内容生产成本+内容流通成本）

• 「内容实时转化率*内容转化客单价」是短期收益，和传统信息流广告一样是可以快速验证的。
• 「潜在客户系数」是指因为内容影响可能产生的延迟转化和流量溢出（即所谓的种草价值，这部分转化会拉长时间周期或产生在电商平台内的自然搜索，参考如何合理评估内容型媒体的种草带货价值等历史文章）
• 「时间生命周期」是指内容生命周期的加成系数，不同媒体会不一样，总得来说长图文＞中视频＞短图文＞短视频；公域媒体＞私域媒体。

公式下的参数需要数据积累建模，即对每篇内容进行一些关键要素的抽取，然后对每篇内容进行数据收集，分短期指标和长期指标。

短期指标包括传播力指标（主要会影响前面提到的内容长期生命周期；可以采用一些和平台内容质量评价的中间指标进行评价，比如内容正向互动互动率如点赞、评论、关注、收藏、转发等）和变现力指标（指达到初步的转化目标，比如下载、加粉、购买等）。

基于以上数据输入通过大量内容的验证后，会得出：

P（内容预期收益）=短期收益+P长期收益=内容投入*f（内容媒介、媒体平台、内容属性、账号属性、转化路径各因素等）

这是顶层逻辑，我知道会比较理想化，因为内容的影响因素太多了，那么接下来说怎么从第一步开始走。

二、Why为什么看

首先是内容社区的特性，不仅社区三杰（知乎、B站、小红书，以后我会经常提社区三杰这个词多说几遍加深印象），包括抖快也都有自己的平台调性。内容质量和是否符合平台氛围直接影响受众感受，即使同一个用户在打开抖音时和打开知乎时的心智模式也是不一样的。

所以做内容营销必须要基于平台甚至基于场景定内容指标，这也会直接影响到内容投放的短期（直接转化）和长期（长尾流量）效果。

其次是流量算法，每个平台的内容池会有不同的分发逻辑，和广告ECPM排序的流量收益最大化原则不同、内容推荐的算法会复杂很多，通常是一套兼顾短期用户兴趣（比如CTR导向）和长期用户兴趣（比如一些协同推荐）的综合公式，否则会造成用户体验风险。

所有平台的内容推荐算法都是黑盒，对于创作者和品牌方来说理念上首先就是要有长期主义精神，「像经营天猫店一样经营知乎内容」，投放初期更关注内容正向互动指标、ROI拉长到中长期去看甚至跨平台去看影响（比如对全平台转化率和自然流量的助力）。

但是理念之下，总还是要有一些执行指标提高效率，这就涉及到看什么。

三、What看什么

看真实的、有价值的用户正向互动（负向互动也看不见……）。

之所以强调真实，因为刷数据是不可取的，一方面有被平台反作弊清洗数据甚至降权、封号的风险，一方面也会破坏内容推荐的算法模型。如果是自投内容，不要作弊。如果是采买达人，也要关注互动数据的真实性（看时间比如互动是否集中爆发、看内容比如评论水不水、看账号比如互动的用户真不真、看价值比如讨论是否和推荐产品相关）。

不同媒体的内容互动价值公式不一样，比如曾经流传的一个很古老的B站视频权重公式：

视频权重=硬币*0.4+收藏*0.3+弹幕*0.4+评论*0.4+播放*0.25+点赞*0.4+分享*0.6最新视频(一天内发布)提权【总值*1.5】

查了下这个公式据说是2019年泄露的，大概率已经过时了。所以不用在意每个参数，逻辑上是要说明影响一个内容权重的互动因素很多（这里还没体现负向互动的减分影响）、而且影响力不同（平台会基于策略导向随时调整）。

今年看到的小红书的玩法里也有关于推送逻辑的说明，可以看到权重上关注＞转发、评论＞点赞、收藏，推测出平台更看重建立用户与达人之间的联系（毕竟私域更好变现，如直播）和重互动（社区内讨论的价值＞简单的认同）。

这里想补充两个点，首先不同场景也可能公式不一样。比如推荐场景通常更关注点击率、搜索场景更关注相关性，具体体现在什么指标就要测了。

其次不同类型的互动背后的意义不一样。比如收藏更多意味着「干货、有用」、点赞更多意味着「认同、支持」，前者偏价值层面、后者偏情绪层面。

在群响看过侵尘文化创始人林尘老师的一篇「小红书2021操盘实录」的分享，里面也提到「在小红书上，我们关注的所有数据维度，我们建议只看收藏」。

这两段特别精辟，也是我认同不止在小红书有效的观点，截图分享，完整的请阅读全文。

四、Where从哪看

以知乎为例，首先可以从创作中心看整体和单篇内容的数据，这里能看到具体每篇内容的阅读、点赞、评论、手册、喜欢数据和时间趋势。推荐从PC端看，因为可以导出Excel方便分析。

这是我的后台截图，也不是啥大V就示意下。

假如我们定义一个指标叫赞藏比，即赞同量/收藏量。你去知乎里看不同的PU（就是KOL），会发现有的号赞同多、有的号收藏多，这也和这个答主的内容风格有关。高赞的答主起号很快、懂得把握用户情绪，而高藏的答主是平台长期主义的宝藏、提供高质量内容的长期储备。

我就不举例了，免得得罪人。个人经验上，特别干货型的内容，收藏是点赞的3倍左右，也就是赞藏比大约在30%左右。而高赞的内容，赞藏比可以高到几倍几十倍，会特别飘，因为很多来自情绪认同（但是内容本身没有收藏价值）。

还拿我自己举例，高赞内容里赞藏比低的都是干货型，比如「跑步初学者应该注意哪些问题？」、「到冬天了，跑步还方便吗?」、「长期跑步如何保护膝盖？」等，这都是我前几年工作闲的时候作为一个热衷分享的跑步答主翻译整理或原创总结的万字长文。积累了几年，一直还有新的赞、藏增长，平均赞藏比就是30%左右。

而赞藏比高的几篇，全部是几百字左右的短回答，很多是上热榜的热点型问题，所以给我的回答带来高赞的是背后的情绪价值。比如外交事件背后是爱国、马拉松事故背后是同情、女排夺冠背后是自豪等等。

选择写高赞还是高藏内容，并没有唯一答案，取决于你最想要的是什么。

其次是吐司平台（tools.zhihu.com），如果投放知+，可以看到每个投放订单（即每条内容）的数据分析，除了投放侧（CPM、CPC、插件CPC）、转化侧（主要看插件曝光率和插件点击率）还有互动数据（评论率、赞同率、收藏率、分享率）。分享数据是刚才创作者中心里也没有的，这里能看到。

五、How怎么评估

如前所述，这些指标背后的价值不同、又影响着内容的长期效果，那重点看哪个？

这里我做过大样本的数据分析，但是我只放文字结论，以免过于关注数字本身。更多是分享思路、大家可以基于自己的账户和内容去统计验证（因为个案偏差肯定还是比较大的），结论上我个人认为是合理的。

首先是针对TOP客户的大样本量内容做过个案分析，当时的结论是如果按单篇内容的累计消耗（投放了多少预算）评估整体效果（投手肯定是基于不同订单的效果分配和调整预算，所以虽然看不到直接的后端GMV推算ROI、但消耗是可置信的结果），那么与消耗的相关性：

收藏率＞插件点击率＞点赞率，而用户完读率呈现微弱的负相关。

• 收藏率代表着干货程度，对内容质量「获得感」有着很强的相关性。知乎是个冷静场，不是短视频、直播那种冲动场，所以能让用户收藏下来想想的内容综合转化力也更强。
• 而插件点击率代表着导流的效率，是最直接的短期指标，很多优化师投放时就是实时看插件点击成本、隔日核对后端ROI，所以插件点击率也会影响到预算分配。
• 点赞率的相关性并不高，因为商业内容的目的不是要获得内容本身的认同而是内容推荐的产品或服务的认同，所以要么影响了心智（收藏）、要么影响了行为（点插件）更有价值，只影响情绪（赞同）是价值相对较低的。
• 完读率这个指标，就像短视频的完播率、直播的用户停留时长一样，似乎代表着用户的沉浸感，但影响完读率的最大因素其实是内容长度，内容越长完读率越低（这和用户耐心有关，很好理解）。从内容质量来说长内容整体比短内容好，所以完读率高并不代表好内容、可能就是单纯地一滑就看完了……完读率低也不代表差内容，可能是还没看完就成功把用户转化了（跳到私域场景或者电商平台了）。

扩大到更大范围的样本量，排掉完读率指标，依旧看与内容消耗的相关性系数，出现了一个非常有趣的相关性排序：

• 高相关性排序：插件点击率、喜欢率、收藏率（数值差距不大）
• 低相关性排序：点赞率（和经验接近，依然是那个神奇的比例，相关性只有收藏率的1/3左右）、分享率很低（基本可忽略，可能是商业内容的分享行为太少了）
• 负相关性：内容点击率。

内容点击率负相关这个很好理解，点击率特别高有两种可能，一种是选题人群非常泛、导致转化不精准；另一种是标题过于窄众垂直、导致流量场景都在搜索、所以点击率看起来高实际没有推荐流量。所以内容点击率并不是越高越好，而是合理区间最好。我之前给过一个经验值是电商内容5~8%是合理区间，太低跑不动、太高人群太泛；教育等长决策行业相对再低1~3%、和赛道受众宽窄有关。

这里多说一句，因为知+是按阅读付费，所以点击率不是越高越好。但如果是按曝光付费的产品，点击率当然是越高越好了，阅读内容的价值肯定比曝光标题的价值高，所以选择不同的资源也要搭配不同的标题、导语、头图这些内容策略。

另一个有趣的点是「喜欢」，这个互动既不是赞同也不是收藏，之前做个案分析时没关注。猜测是可能喜欢恰恰对于C端用户来说是一个无压力的正向互动（点赞是会出现在动态流里的、收藏则可以通过主页看到）、对于B端商家来说也不太会有人去优化这个数字（因为不外显、对内容权重影响也不大，另外再次强调不要刷任何数据！！！处罚虽迟但到），所以更真实吧。

我又看了互动指标间的相关性，与短期实时指标「插件点击率」相关性最高的是收藏率和分享率、其他指标都是负相关。因为喜欢指标的结论互斥、分享指标的低样本量，唯一和长期指标（消耗）、短期指标（插件点击）都呈现出高度正相关性的指标就是预期内的——「收藏率」。

分大行业来看也是如此，结论如下就不赘述解释了：

• 教育行业与消耗高相关的是喜欢、收藏、点赞，负相关的是内容点击；与插件点击率高相关的是收藏、分享，负相关的是点赞——所以唯一双正相关的就是「收藏」
• 电商行业与消耗高相关的是收藏，其次是插件点击，负相关的是内容点击；与插件点击率高相关的是收藏，负相关的是内容点击和点赞——所以唯一双正相关的也是「收藏」

社区三杰的共性再次体现——收藏率是高度体现内容质量的，即使是商业内容也一样（本身也是社区内容的一部分）。

说明：

1. 相关性计算：采用的是Excel的CORREL函数（所以只看相关性排序、数值不重要）
2. 数据局限性：只有商业分发数据，不含自然流量数据，缺乏后端ROI数据
3. 导向局限性：大部分是效果导向的内容，针对PR需求的内容更需要交付搜索收录等结果、PU回答更需要交付人设背书，不能简单量化衡量；

由于不同行业甚至不同品类的数据差异很大（尤其体现在内容点击率和插件点击率上），同行业对标比跨行业数据对标的意义更大，大盘数据参考需求可以找媒体运营申请支持。

以上量化指标体系，后续我会基于实战继续分享。

作者：北京袁超；公众号：互联网营销袁超

本文由@互联网营销袁超 授权发布于运营派，未经许可，禁止转载。

题图来自 Unsplash，基于CC0协议