從小編看社群經營!擁400萬粉絲的「東森新聞」怎麼做?

在找出績效好的小編之後,我們接著可以進一步分析績效好的小編與其他小編的差異為何?

高績效小編tag使用數量分佈
一般的小編中,文章最後tag(標籤)的數量有多有少,但是績效好的小編文章的tag(標籤)數量一定會有兩個以上。

好壞小編按讚數績效
我們可以發現績效較差的小編總體按讚數大致上低於平均,比較特別的是其在清晨時的發文表現頗佳,可以再進一步探究原因,此外我們也可以建議績效較差的小編在效率不好的時候減少發文。

小編個人績效圖(以B編為例)
我們可以透過小編的個人績效去評估期工作時段的整體表現並提供資訊給小編參考,還可以做些什麼其它分析呢?
我們試著以手邊的資料進行最佳發文人選(以暖聞為例)的分析
- 挑選變數
暖聞變數篩選我們可以從上圖發現,在暖聞這個發文類別中,除了like以外,sad數量位居第二,因此我們挑選sad的資料作為範例。
- 貼文時間分析
貼文時間分析在暖聞的分析中,我們可以發現在星期三的按sad平均值最高。
- 暖文小編分析
暖文小編分析
我們因此近一步分析,發現星期三發暖聞的小編共有7位,其中又以B編跟特務A的文章的平均sad數最高。我們可以從這個案例來看,只要將妥善的題材在最適合的時間給最適合的小編撰寫,則該篇貼文將會有最佳的效益。
綜合以上結果,我們觀察出文章、小編及po文時間之間具有微妙關係。如我們上述例子, 暖聞與sad的情緒成正相關,且又以星期三為巔峰,我們可以發現大家或許星期三需要些正能量,並且整理出B編與特務A在這類型文章的成效最好。透過這些分析,讓對的小編再對的時間傳遞適切的訊息,讓每一篇貼文可以有最大的效應。
另外我們也可以將過去的貼文內容進行文字探勘程序,找出對貼文績效有影響力的關鍵特徵,並且藉由機器學習演算法進行模型的建置,對未來待發佈之貼文進行分析績效的預測,透過這樣的模型協助編輯篩選出具有潛力的文章,可做為將來編輯挑選文章之決策參考。