2分鍾讀取

如何利用Buzzsumo和IBM Watson分析在幾分鍾內洞察營銷數據

有特色的圖片

想知道如何開始使用人工智能?以我們的營銷人員按需駕駛AI係列為例。

了解更多

利用人工智能,我們在幾分鍾內就從近3500行營銷數據中發現了見解。

多年來,我們一直在嚐試人工智能,我們發現許多人工智能驅動的工具可以與其他數據源和解決方案相結合,以節省時間並提供新的見解。


一種方法是從Buzzsumo,內容營銷情報工具,並對其進行分析IBM沃森分析這是一個人工智能平台。


Buzzsumo擅長在網站和內容頁麵上提供大型數據集。沃森非常擅長從數據中尋找見解。我們假設,對於那些想要更多地了解自己的內容和競爭對手的營銷人員來說,他們可能是一個強大的團隊。


為了了解這將如何發揮作用,我們分析了三個頂級營銷博客-隻有營銷的土地而且的博客-使用這兩個工具。

瘋狂背後的方法


Buzzsumo是一個在線工具,可以顯示任何關鍵字短語的來源最多的共享內容。該工具還允許您比較站點之間的內容性能。


我們輸入了三個營銷博客的網址。Buzzsumo給我們發了一份電子表格,上麵有每篇文章的標題、URL、社交平台分享的數量、作者、字數和鏈接域名的數量。


[注意,我們使用Buzzsumo Pro帳戶許可來訪問和導出完整的數據集。]


我們調查了過去12個月的數據。一旦我們有了數據集,我們就把它上傳到

IBM Watson Analytics是一個基於人工智能的工具,可以分析大型數據集,並為您提供運行探索和預測的能力。不可否認,使用IBM Watson Analytics有一點學習曲線,但一旦你掌握了它,你可以在幾秒鍾內創建可視化。


結果是一個可視化的儀表盤,可以比較從哪個網站分享的內容最多到哪個作者在每個網站上發布的內容最多。我們精心挑選了我們認為最有趣的信息,並將其發布在下麵。


正如你將看到的,人工智能使快速發現洞察變得更加容易,甚至突出了我們可能錯過的數據中的一些關係。


發現的最重要的見解


從一開始,我們就可以快速識別出哪個網站的內容被分享得最多。


Buzzsumo-Watson-Shares-Analysis.png

重要的是,我們可以看到,Marketing Land的內容在各個平台上的份額都是最高的。


然後,我們可以按頻道比較共享是如何疊加的。


Buzzsumo-Watson-Data.png

考慮到Marketing Land在Facebook上的分享份額,這並不奇怪。


Marketing Land在LinkedIn上也遙遙領先。


Buzzsumo-Watson-LinkedIn-Data.png

然而,就Twitter而言,兩股之間的差距顯著縮小。


Buzzsumo-Watson-Analytics-Data.png

我們可以利用這些數據來獲得關於為什麼會出現這種情況的線索。


當我們比較每個網站發布的博客標題數量時,我們立即發現,Marketing Land發布的博客數量遠遠超過其他兩個網站,並且在總份額上也相應領先。


Buzzsumo-Watson-Site-Comparison.png

大量的內容也為Marketing Land贏得了更多的鏈接。


Artificial-Intelligence-Marketing-Data.png

更深入地研究Marketing Land的數據,沃森可以告訴我們,在過去一年中,哪些作者的內容獲得了最多的總份額。(看起來像蒂姆·彼得森@petersontee)、葛森修斯(@amygesenhues)和巴裏·萊文(@xBarryLevine)為該網站帶來了大量流量。


Content-Marketing-Author-Data.png

我們還可以看到哪個月該網站的內容在Facebook等特定渠道上被分享最多。似乎8月份是最受歡迎的月份。


Artificial-Intelligence-Facebook-Data.png

推特(Twitter)和領英(LinkedIn)的股價也是如此,這兩家公司的股價在8月份也表現強勁。


Artificial-Intelligence-Twitter-Data.png
Artificial-Intelligence-LinkedIn-Data-Analysis.png

Marketing Land可能會使用這些數據來確定哪種促銷策略最有效,方法是分離出股票出現最多的時間。競爭對手可能也會這樣做,以確定Marketing Land如何獲得如此多的份額。


這隻是將Buzzsumo和IBM Watson Analytics數據結合在一起所能實現的事情的冰山一角。


要自己嚐試一下,請使用Buzzsumo在這裏然後將數據導入IBM沃森分析


與此同時,我們將分享更多關於Buzzsumo和IBM Watson Analytics數據的實驗,以及其他營銷人工智能工具。


不要錯過一個帖子:今天就訂閱營銷人工智能研究所BETVlCTOR1946伟德

相關的帖子

為什麼數據清理是預測建模成功的必要條件

勞裏罩| 2021年3月23日

幹淨的數據對於預測建模和機器學習的成功至關重要。以下是在審查用於預測模型的數據時需要注意的問題。

為什麼在人工智能時代,營銷人員需要理解預測性和規範性

麥克壞了的| 2017年9月14日

理解預測係統和規定係統是釋放人工智能潛力的關鍵。

分析中的AI用例

麥克壞了的| 2019年10月22日

發現人工智能在營銷分析中的實際用例。

Baidu
map