本篇文章将通过数据角度、结合我本人的内容体系建立经验，讲述怎么利用数据建立内容体系。
自从订阅号改成信息流模式后，内容制作门槛提高了一大截，对内容输出的要求也随着水涨船高，简单的copy已不再有竞争力。游击式的内容输出模式将缺乏竞争力，并最终在公众号内容的汪洋大海中淘汰出局。
如果没有完整的内容体系支撑，公众号的价值将大打折扣，最终导致投入产出不成正比关系。（最新消息腾讯还在进行订阅号内容模式的A/B测试，有可能改回之前的消息窗口模式。）
无论腾讯是否改回之前的内容呈现方式，也改变不了公众号运营已经由单兵输出阶段进入团队输出阶段。优质的公众号背后必然有全能的运营团队，有完整的内容体系支撑内容输出。
在这个背景下，本篇文章将通过数据角度、结合我本人的内容体系建立经验，讲述怎么利用数据建立内容体系。
先讲一组数字 “1、80%、5”，这组数字我通常叫做“185”组合。这组数字对于公众号运营来说非常重要，知道这组数字背后的含义，意味着你在内容制作上有着不错的水准。
“185”这组数字就像大海中的灯塔一样，为公众号运营指引方向。
我接触过很多公众号运营，在做运营的时候完全凭着感觉在做，这就像农民种地靠天吃饭一样，是不可能有好收成的。
作为公众号运营的你，我想问几个问题：
不能回答出这些问题，则说明你还没有运用数据来运营公众号，还在看天吃饭。
一、想要通过数据驱动建立内容体系，首先要学会利用数据分析问题
下面用具体的公众号举个例子（公众号名字《顶级程序员》），通过一步步具体的数据分析找到建立内容体系的方法。导出的图文数据如下所示：
1. 利用数据分析标题和吸粉之间的关系
最近90天推文标题和吸粉的关系如下图所示：
通过图片中哪些标题吸粉效果好，很清楚就能看出来。为了方便演示，我对数据进行一次排序处理，如下所示。
经过排序处理后，标题和吸粉之间的关系有了很清楚的可量化指标，把吸粉效果好的标题提取出来进一步分析讨论。
设立一个吸粉>600的变量，提取出来如下的5个标题，归为一组小样本。
1）flask1.0终于发布，放弃支持Python2.6和Python3.3;
2）你知道Python这五个有趣彩蛋吗？
3）程序员辞职卖卷饼，4天挣了1个月工资，所以我应该改行卖卷饼吗？
4）趣图：测试HTML5可靠方法。
5）送书！AI圣经《深度学习》中文版，来个20本！
对这5个小样本的标题进行分析发现了一些规律：
1）5个标题中都出现了数字；
2）5个标题有4个内容标题，1个活动标题；
3）5个标题中出现程序员专业术语相关的有4个；
4）5个标题进行分类可分为4个和程序员专业知识相关、1个和程序员职业发展相关。
这些规律有什么用呢？能得出什么结论呢？不妨开动你的大脑先思考一下。
2. 利用数据分析内容和目标用户群体的关系
公众号输出的内容和目标用户群体是不是保持一致的关系，输出的内容是不是围绕目标用户群体来输出的。可以通过输出的高频词汇来判断这两个问题，如下图所示
举例的公众号目标群体是程序员，从词云图中高频词汇很清晰的看出，输出的内容和程序员的保持一致。
3. 利用数据分析选题方向和阅读量、朋友圈阅读量的关系
选择标题纬度，对推文阅读量和推文朋友圈阅读量做分析处理，得到的结果如下所示：
提取阅读量最高的5个标题作为样本组。
1）20幅程序员才能看懂的图，看到第三幅我就忍不住哈哈哈哈哈哈！
2）”十问”中兴，你是真（Z）特(T)二(E)啊!
3）昨天一产品经理被围殴，现场惨烈
4）开发12年，整整6百万行代码，史上最烂的开发项目原来长这样……
5）看了《药神》，突然心疼我离开北京的程序员朋友……
对这5个小样本的选题方向进行分析发现了一下规律：
1）5个选题方向出现了2个热点方向、2个程序员工作相关方向、1个程序员趣味方向；
2）2个热点是当时网上的大热点；
3）2个程序员工作相关方向的选题不是单纯的技术而是升级到项目、职场相关的方向；
4）5个选题方向可分为4大类别，选题的方向很广。
这些规律有什么用呢？再用你的大脑思考下。
用这样的方法还可以多维度的深入分析，比如标题、阅读量、朋友圈阅读量、吸粉量、公众号对话阅读量等等多维度多角度分析，从而学会对整个公众号数据如“庖丁解牛”一般的掌握。
这里不再列举其他纬度的数据分析，感兴趣的朋友可以自己动手分析你在运营的公众号。
二、学会了公众号数据分析后，建立内容体系就是顺水推舟的事
读到这里的朋友肯定脑海里会冒出如下两个问题：
在开头背景中说过，内容输出的门槛正在提高，不建立内容体系将不会有竞争力，优质的公众号都有自己完整的一套内容体系。
内容体系建立是为了流程化的写出吸引用户点击、吸引用户阅读、吸引用户分享打动人心的文章。这样才能保证运营过程中内容输出的稳定性和持续性，从而提升公众号的运营价值。
1. 建立内容体系第一步：通过多维度多角度数据分析建立选题树
在上文中，通过分析标题、阅读量、朋友圈阅读量的数据对选题方向寻找了一些规律。找到的规律现在将派上用场，用来建立一棵“选题树
