小时代人物关系图
最近，很多运营微信公众号、微博或头条号的小伙伴都被这样一个问题困扰着：
为啥我新媒体账号有时推送的阅读量很高，有时却是极低，甚至最高值和最低值之间相差达数十倍之多。如此不稳定，这究竟是为什么呢?
其实，原因很简单—因为运营者们没有很好地给自己运营的新媒体账号进行定位，也不了解他们的粉丝需要什么样的内容，只知道每天推送内容，而不知道什么样的内容是与我们公众号的自身定位相符的，只要是自己觉得好的内容就推-推-推。
这是典型的代替用户去思考其阅读喜好，而不是带有“同理心”的站在用户的立场上去思考问题。
要解决上述问题，就需要我们在新媒体账号建设之初，做好定位工作，避免后续运营中缺乏“同理心”的操作。
下面以微信公众号为例，其他类型的新媒体账号的定位原理差不多，可“依葫芦画瓢”进行迁移复用。
一般来说，对公众号进行定位具有如下重要意义：
有利于选择公众号名称
有利于生产内容，便于我们围绕一个主题去创造或寻找每天推送的素材
便于我们根据主题积累目标粉丝，也就是发展精准用户
便于后期的盈利（大部分公众号的运营都是为了获得盈利），经定位获取的大量精准粉丝可作为广告投放的“筹码”
有利建立清晰的账号形象 ，打造独一无二的公众号品牌
既然微信公众号的定位如此重要，那么我们该如何定位呢？
淡定，笔者这次将抛弃原先“先理论后实操”的写作套路，直接以某个青春文学类微信公众账号的定位作为实操案例，聊聊如何利用数据分析，从0到1的对公众号名称、栏目规划及内容初始化等方面来讲述公众号的定位。
以下是本文的行文脉络，从账号设定背景讲起，关键部分是用户画像信息及阅读偏好的提取，这是后续公众号定位及其内容初始化的根据，大家可以寻找自己感兴趣的部分进行阅读。
本文的行文脉络
1 账号设定背景：做一个青春文学类的微信公众账号
不知道小伙伴们有没有注意，最近这（十）几年青春题材的小说或是电影渐渐多了起来，比如《三重门》、《幻城》、《何以笙萧默》、《微微一笑很倾城》、《匆匆那年》、《致我们终将逝去的青春》等，这些作品的背后是以韩寒、郭敬明、顾漫、九夜茴和辛夷坞为代表的新生代80后作家，他们创作的作品一改之前严肃、深邃的文学之风，代之以浪漫、痛楚、穿越和奇幻。
这些张扬着青春与活力的文学作品不仅长期霸占着小说、文学排行榜，还被改编为各种影视剧，让万千少男少女（下至10来岁的小学生，上至“奔四”的青年白领）沉醉其中，不能自拔，正所谓“引无数青少年男女竞折腰”。
市面上广受好评的青春文学（影视剧）作品
鉴于青春文学如此火热的市场，作为文艺青年的笔者，就以一个青春文学类微信公众账号的创建为例，内容方向上以青春文学类短篇美文、小说连载为主，采用内容原创和作者签约机制相结合的内容生产机制。
根据上面对青春文学的简单描述及笔者个人倾向，笔者可以得到一个关于该微信自媒体的大致规划方向：
公众号内容风格：类似新生代青年作家（如韩寒、郭敬明和李尚龙等8090后作家的写作风格）的行文风格。
目标人群：爱好青春文学的青年学生群体、年轻白领。
值得注意的是，上述规划是基于常识和直观性的判断，还是比较模糊，不够细致的，但这一步很重要—它确定的是公众号定位的“大政方针”，后续的数据分析是在其基础上逐渐缩小定位的“包围圈”。
接下来，笔者将通过数据分析使公众号的定位逐渐明晰，使其能为接下来的公众号名称、栏目规划和内容初始化提供参考。
2 获取目标人群的基本信息
2.1 选择合适的用户信息获取渠道
由于公众号还未建立，因此用户相关数据不能通过直接获取，这里可以通过第三方渠道间接得到。这种第三方渠道要符合2个条件：
目标用户量/粉丝量基本相同，包括年龄、性别、兴趣爱好等；
拥有的用户量/粉丝量足够多，具有代表性。
活跃度较高，所获得的信息具有时效性。
基于此，笔者想到的是自媒体。由于微信的很多数据被腾讯微信团队所垄断，从对微信公众号的分析中得不到有价值的信息，而微博用户活跃度相当高，且数据相对公开。
因此，笔者选择在微博上选取公众号相关性较高的一些微博大号进行分析，选择的依据除了上述3条，还有其他选择标准，如下图所示：
选择合适的微博账号进行用户信息提取
2.2 从微博上间接获取粉丝信息
依据上述筛选条件，笔者选取了新生代8090后作家中的几位具有代表性的作家—韩寒、郭敬明和李尚龙，有人会问了：
他们的文风和调性，有的略显深沉，有的肆意青春，有的是鸡汤喝得醍醐灌顶，看起来文风迥然，综合起来合适吗？
笔者认为，他们的作品广受好评是因为其中的元素（张扬不羁、疼痛温暖和热血励志等元素）很受市场欢迎，将其杂糅在一起，可以以一种新的青春文学派别呈现，算是微创新。同时，青春文学的阅读细分人群较多，不可能一种风格吃透整个粉丝群体，需要使本公众号具有“反脆弱”的自适应能力，需要在建立之初就拥有多种风格的基因。
选取他们微博上近期发布的单条微博进行分析，单条微博选取条件及操作参见《当数据分析遭遇心理动力学：用户深层次的情感需求浮出水面》。如下图所示：
对李尚龙、郭敬明和韩寒发布的单条微博进行分析
分析结果中的粉丝性别、粉丝年龄、粉丝地域和粉丝兴趣标签，是我们需要重点“照顾”几个分析维度。具体的分析结果如下：
对韩寒单条微博分析的结果
对郭敬明单条微博分析的结果
对李尚龙单条微博分析的结果
2.3 目标人群的“画像”信息提取
（1）目标人群的年龄分析
3位作家单条微博对应粉丝年龄分布
从上图可以看出，韩寒、郭敬明和李尚龙的微博粉丝的年龄段主要集中在“19-24岁”这个区间，这是“第一集团“，而“第二集团”是“25-34岁”这个年龄段区间，而韩寒的粉丝年龄段“第一集团“和”第二集团“人群相差无几，不过这也好解释，他的文风犀利但有深度，有自己的人生哲学（对比《后会无期》与《小时代》系列、《你只是看起来很努力》即可知）俘获广大80后粉丝有关。
综上所述，该公众号主要面向人群是19-24岁这个年龄段的人群，次要人群为25-34岁，据一般常识判断，粉丝群体应涵盖学生群体（高中生、大学生）、白领群体。
（2）目标人群的性别分析
3位作家单条微博对应的粉丝性别分布
据上图可知，几位作家对应的粉丝群体的性别主要以女性为主，尤其是郭敬明和李尚龙的粉丝群体女性占比极大，分别达到90%和75%上下，造成这种情况的原因如上分析。
综上所述，该公众号面向的人群主要是女性群体，加上年龄特征，即女青年。
（3）目标人群的地域分析
3位作家单条微博对应的粉丝地域分布
关于粉丝地域分布，笔者是想找出几位作家人群的共性分布区域，缩小地域范围，在几个区域进行集中发力，到时可以着力找当地的畅销文学、事件、人物等内容素材信息，打造粉丝群体喜闻乐见的文章；抑或找到当地有影响力的自媒体进行推广和互推；后期盈利变现也能有的放矢。
上面可以看出，上海、北京、广东三地的粉丝较多（当然也不排除这里的互联网发达，网民较多…），这里可以作为主攻区域。
（4）粉丝的兴趣图谱及情感需求分析
这部分需要对上述3条微博的互动粉丝的兴趣标签进行整理，并利用C++ensydiam模型进行分析，详细步骤可以参考《当数据分析遭遇心理动力学：用户深层次的情感需求浮出水面（万字长文，附实例分析）》。
将三条微博的粉丝兴趣标签进行优先级赋值和归并计算，找出得分较高的前10个兴趣标签：
对粉丝兴趣标签进行处理
由此，我们可以得到公众号目标人群的10个最重要的特征，关于它的用户，笔者将在后面提到。
再经处理，得到如下“兴趣-行为动机”对应表和最终的3类主要情感需求象限。
3条微博粉丝的“兴趣-行为动机”对应表
目标人群的情感需求在Censydiam动机分析模型中的反映
由上述分析可知，公众号的粉丝的情感需求在Censydiam消费动机分析模型主要对应模型中的3个象限，即“享乐/释放”、“舒适/安全”和“个性/独特”。这三类情感需求象限其实对应的是三类不同的粉丝群体，所以在后续的公众号定位及栏目规划时需要兼顾三者的差异性需求。
好了，通过间接手段，我们获取了目标人群的用户画像，了解了他们的基本特征，这对我们进行公众号的内容规划、风格调性和粉丝获取渠道都很有帮助。
然而，对于微信公众号的定位来说，仅有上述信息是不够的，因为我们还需要确认目标人群的阅读偏好，知道哪些内容是他们喜闻乐见的，据此可以“投其所好”。
3 获取粉丝的阅读偏好信息
该部分的目的在于获取目标人群的阅读喜好，了解他们喜好什么风格的文章，里面包含哪些意象/元素（帅哥、虐恋还是各种关于青春的东西），涉及到哪些关键词，这样便于栏目规划、菜单设置及后续的内容（伪）原创和采集。
总之，这一步是为内容输出奠定框架和找准发力方向。
为此，我们需要进行文本挖掘，笔者采用了网络内容分析法进行分析，从中提取粉丝的阅读偏好相关信息，对应的工具是Tagxedo和Netdraw。
3.1 语料提取
进行网络内容分析的第一步是采集精准、高质量的文本分析语料，需要找到符合上述用户特征的文本数据。
为此，笔者采用大数据文本采集及分析工具（新浪微舆情）进行文本数据采集和部分数据的分析。采集时间段是2016-6-1~2016-10-13，数据来源为全网。
输入“青春文学”进行全网文本数据采集和分析
这段时间全网关于“青春文学”的信息量分布情况，如下图所示：
全网关于“青春文学”的信息量分布
将这些文本数据导出到本地，形成excel格式文件，再按“青春文学”文本数据在上述传播渠道中所占的比重进行相应分层随机抽样，并进行同比例的人工随机抽样校准（看抽取的样本有没有问题，有的话及时剔除，再进行补充），最终得到1526条文本数据，如下图所示：
经抽样得到的最终分析文本数据
3.2 词频分析
经过系统处理，从这些定性语料中抽取出若干关键词形成词云，可以获得这些语料的初步印象，有一个直观的判断，见下图：
定性语料形成的关键词云
从上述关键词词云中，能直观的看到“爱情”、“故事”、“关系纠葛”（他们、你的、她们、她的、我们）、“青春”这些关键词，由此在直观上可以对公众号的内容运营方向有一个“朦胧”的感觉。
不过，这还不够细致，我们还需要进行更为深入的分析。
将语料中最为重要的150个关键词（按词频和权重）进行提取，下载到本地，然后基于对“青春文学”背景知识的了解，进行人工的词汇定性分类（见颜色标注），如下表显示：
从语料中提取出的150个重要关键词
从上述关键词表中，可以得出以下几类主题：
爱情（爱情、美好、爱上、遇见、幸福、火花、感情等）
校园（青春、学校、校园、高中、大学、同学、学院等）
美女（单纯、公主、可爱、萝莉、美丽、美女、妹妹、妹子、女生、女主角、最美等）
帅哥/美男（大人、高富帅、哥哥、老公、美男、帅哥、帅气、王子、阳光等）
拜金（千金、小姐、霸道、霸气、贵族、总裁等）
亲情（父亲、孩子、家族、母亲、亲情、兄弟等）
这些主题及其下辖关键词可以作为公众号的内容规划方向，或者是具体文章中需要体现的重要元素，当然笔者在进行公众号内容规划时会留其精华，对其“糟粕“内容进行剔除或重构，只生产优质内容。
接下来，笔者将对上述关键词及其主题进行语义网络分析，揭示出这些主题及其关键词之间错综复杂的关系，为将来的内容运营找到足以有吸引力的情节架构和写作套路。
3.3 语义网络分析
在对本案例进行语义网络分析之前，先科普下它的概念，因为直接进行分析的话，大家理解起来会有点困难，给大家的阅读带来障碍。
所以，暂且听笔者唠叨一下它的原理，对于下面的实例分析和今后的“迁移应用”大有裨益。
（1）语义网络分析和（词频）共现分析的原理
语义网络分析，原本是NLP（自然语言理解）及CS（认知科学领域）研究中的一个概念，用来表达复杂的概念及其之间的相互关系，是一个有向图（有起止方向），其顶点表示概念，而边则表示这些概念间的语义关系，从而形成一个由节点和连线构成的语义网络描述图。
笔者在这里提及的语义网络是基于共现分析原理。共现分析的方法论基础之一是心理学的邻近联系法则（是指曾经在一起感受过的对象往往在想象中也联系在一起,以致于想起它们中的某一个的时候,其他的对象也会以曾经同时出现时的顺序想起），因而它是一种将各种文本数据/信息中的共现信息定量化的分析方法, 以揭示信息的内容关联和特征项所隐含的寓意。
比如，在一段文本中，共同出现的特征项（以词汇的形式出现，如人名、地名、物品名、各类形容词、副词等）之间一定存在着某种关联，关联程度可用共现频次来测度。
比如，在小说中的几个人物及其相关词汇（姓名、动作和情感描述等）多次共同出现在小说的各个章节（及其段落），可以反映如下事实：
这几个人物存在着一定的人际关系（或好或坏）；
共同出现的频次越高，说明这几个人物之间的人际关系的强度越高，关联程度越大；
文本数据中共同出现的多个关键词在内容属性上具有较强的相关性；
相关阅读
与C端产品竞品分析相比，B端产品做竞品分析有哪些注意点？与C端产品竞品分析相比，我们在做B端产品竞品分析时有数据来源有限、公开信息
2.14情人节马上要到了，估计很多店铺或平台都已经在准备情人节相关的活动了（或者有些手快的活动页面在年前都已经做完了吧），那么今天我
今天的内容量很多也很实用，建议大家耐心阅读完后收藏备用呐～不知道大家发现没有，就是随着技能工具的增多，我们现在的设计形式越来越多
Kano模型是东京理工大学教授狩野纪昭(Noriaki Kano)发明的对用户需求分析、分类和需求优先级排序的模型。kano模型以分析用户需求
Sosreport是RHEL / CentOS上的一个命令，它会收集系统配置和你linux机器上的诊断信息，如正在运行的内核版本、加载的模块和系统和服