“內容疲勞”不是個新鮮的術語。隨著用戶注意力資源日漸成為稀缺商品，資訊產品正越來越體會到內容疲勞帶來的無力感。

據統計，普通用戶平均每天在數字媒體上花費5. 9 小時，盡管這已經是個不低的數字，但是他們仍然沒有足夠的時間瀏覽、參與各種內容。而與此形成對比的是，今年大約有57%的B2C營銷機構計劃比去年投入更多的內容營銷預算。這兩種變化意味著對用戶的關注和爭奪將日益激勵。

如何應對用戶的內容疲勞?更多的增加與用戶的聯系?在內容不斷垂直細分的背景下，泛泛的通用內容已經喪失了吸引力，建立更細顆粒度的內容捕獲更細分的用戶群體才是正道。在這里，數據科學可以發揮強大的作用，讓運營者更深入的掌握用戶需求，提供戳中他們細微痛感的產品。
本期全媒派(ID：quanmeipai)為你獻上新鮮出爐的手冊指南，就此告別內容填鴨，和用戶手牽手愉快玩耍。
與用戶建立情感聯系
用戶想要大范圍地建立關系并不容易，然而這也是他們的個人需求。84%的受訪者表示，被視為一個活生生的人，而不是一個數字，是贏得他們青睞的關鍵。用戶希望品牌成為親密的朋友，幫助自己下決心做選擇，但又不會過分干預。
內容及其相關性是達成這一目標的主要工具，通過這兩者運營方可以和用戶建立起更親密的關系。下圖是用戶對品牌的情感感知溫度計，通過滿足用戶不同的具體情感需求，用戶和品牌之間也就有了關系的“冷熱”。
了解用戶有哪些具體的情感需求，在何時何種場景下需要，以及如何將這些內容進行打包處理，這些都可以通過數據科學來獲取。比如通過描述性和預測性分析的數據組合，就可以決定制作生成哪些內容。營銷人員可以借數據分析來進行內容策劃，以此吸引低價格敏感度的用戶、提升品牌忠誠度、獲取更高的參與度等。
建立高級細分的品牌用戶 1 對 1 關系
“引起共鳴”似乎是一個正在被過度使用的流行語，但為了捕捉和維持觀眾的興趣，你的確需要明確是在和誰交談。用戶通常以不同的意圖接觸資訊內容，比如為了獲得信息、比較價格等，通過滿足他們為何而來的當前需求，可以更好地為下一步更深層更緊密的互動奠定基礎。
數據科學能夠幫助運營者發現不同用戶群體的不同行為模式，通過將零星的個體信息收集整合在一個全面的用戶畫像里，運營者從而能夠根據以下信息明確哪些內容會與特定用戶產生共鳴：
1、用戶的人口統計學信息;
2、品牌親和力，例如對品牌的前景預期如何，是否是回頭客等;
3、用戶行為，例如購買歷史、現場互動、對促銷的態度等;
除此之外，通過使用Apollo Insights這樣的規范分析平臺，運營者可以更進一步確定銷售漏斗中的內容差距、錯過的主題機會和特定的新內容類型。
提供超個性化內容推薦
機器學習作為數據科學的一個子集，可實現前所未有的個性化。尤其是，當更多的數據進入系統時，機器語言驅動的系統將隨著他們的數據學習變得更加精確。在當前，人們意識到讓渡一些個人隱私能夠提升自己獲得的服務質量，這些個人數據就越容易從用戶手中獲取而來。
根據Salesforce的 2018 年營銷狀況報告顯示，79%的消費者愿意分享個人數據從而參與場景互動;88%的人愿意為了個性化服務而提供個人數據。
最近，瑞士媒體NZZ結束了和谷歌新聞數字計劃一起開發的個性化新聞APP的驗收測試。基于測驗數據，他們增添了幾種分法內容的工具：

個性化內容策劃。所有基于個人或編輯相關性的新聞流，就像是個人新聞伴侶或者個人化新聞通訊;

基于組的自動化內容管理。例如，以特定的興趣小組為基礎進行內容策劃，或者基于特定地理位置;

基于主題的自動化內容管理。自定義內容列表和新聞簡報由特定主題生成，這些特定主題又取決于用戶的已知首選項;

基于場景的自動化內容管理。例如，在通勤時間段推薦適合該場景的文章。

根據測試數據，84%的被試表示新產品為他們帶來了更多好處，其中最重要的是就是讀者可以進一步快速訪問新內容、更容易發現新內容、設計更加吸引人等。
對于開發者而言，使用個性化對抗內容疲勞的一大優勢是，可以更好地提高原有內容的價值，無需再從頭開發新產品。Economia媒體公司使用Recombee (一種推薦服務應用程序)，為用戶提供動態個性化推薦，通過從人工編輯推薦轉換到AI推薦，該公司的轉換率提升了64%。
內容疲勞是真實存在的，但這并不意味著內容營銷不再有效。時至今日，用戶依然對個性化服務和個性化內容充滿渴求。在大數據時代，借助數據科學，對于內容疲勞我們也許會有了更好的解決方案。