仅靠志愿者运营,大数据文摘20万粉丝,如何炼成?

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:
大家好,我是汪德诚,大数据文摘的创办人。


对很多朋友来说,我们没有见过面,但是我们并不陌生,因为我们已经通过文摘“交流”2年多了。从2013年7月25日大数据文摘发了第一篇文章后,我们一直专注大数据,每日坚持发布优质文章,从未间断。在这两年间很多朋友给了我们很好的建议和意见,也有读者问我们文摘如何运营、盈利模式、大数据行业及未来的判断。我想通过今天的文章,尽量回答大家的问题,抛砖引玉。


有希望和我交流的朋友可以发邮件到wangdc@bigdatadigest.cn 或加我微信2027671925(这是第二个微信,第一个已经加满好友了)。


选择今天发文,因为上周对于文摘来说是一个值得纪念的日子,2015年8月12日,大数据文摘的读者达到20万,对于很多大V来说,20万并不是很大,因为几十万甚至百万粉丝的公号也有不少,但是20万对于一个只发干货、高度垂直的自媒体来说非常不易。我愿意与大家分享一些经验和教训,此篇文章将覆盖如下内容:


  1. 文摘是个什么组织?现在有多少粉丝?都是什么人关注?

  2. 文摘如何运营?真的完全依靠志愿者在运营吗?

  3. 怎样看“大数据”,是否有泡沫,未来有哪些机会?



大数据文摘的现状

一如既往,保持大数据文摘的风格,只发干货,用数据说话,先看图。所有数据均为文摘后台截图或数据导出后作图,绝无虚假。


订阅用户累计情况

今天,文摘有订阅用户(粉丝)204720人。



从文摘成立(2013-7-25)到现在,文摘涨粉全图




每新增1万读者,所需天数


活跃度(阅读量),每天有多少人在看文摘



上图是近1个月的图文阅读数据,平均每天超过3万人、5万人次在阅读大数据文摘。


谁在读大数据文摘?

文摘的读者到底是什么样的人?我也非常关心,但是微信后台并没有更多数据可以判断,只能看到读者的:昵称、性别、地区、签名,其他信息都无从活动。但有些统计信息还是有参考价值的。


地域信息:北京、广东、上海三地已经聚集了超过43%的读者


性别比例:其中男性占61.43%,女性占30.22%,未知占8.35%


不过评价一个公众账号的定位和读者的质量,要看这个公号什么文章“火”,这能从一定程度上反映读者的喜好,进而判断公众账号的质量。这里我列出了几个有代表性的火爆文章

大数据文摘的运营


文摘的运营完全依靠志愿者,没有任何薪水,所有人都有本职工作,包括我自己。文摘经历了2个阶段,正在象第3阶段迈进。


一个人的文摘

2013年7月~2013年11月


只想做到“力所能及的最好”,分享价值干货给读者,我相信在这个浮躁的时代,只要你用心做,就会有人懂你,欣赏你,甚至加入你的团队。就这样,我一个人做了5个多月,没和任何人说,发了文章也没请别人转发,只想看看文章自身的传播力有多大。经过几个月的测试,效果不错,阅读量、粉丝逐步增加,坚定了我继续做下去的决心。但是我也意识到一个人的精力和视野都是有局限性的,为了能给读者提供更有价值的文章,我需要有更多人加入。


一群人的文摘

2013年11月至今


很多高科技产品、人才都在美国,所以我自然想到翻译优质文章给国内读者。在之前的《大数据文摘及志愿者简介》(给大数据文摘后台回复“志愿者”可得)一文中,我写到“我们是一群对数据充满激情、有能力、愿分享的专业人员。团队成员全部是志愿者,目前已有成员80多人,都是华人,分布在美国、法国、加拿大、德国、芬兰、日本、瑞典、中国,涉及金融、电信、医疗、生物技术、传媒、航空、互联网、IT等行业。”。2015年初我们又成立了医疗、金融、可视化、原点(一个针对创业团队的原创采访栏目)等栏目,均由业内资深从业人员担任栏目主编。


“日不落翻译组”,一个美丽的愿望

但这一过程并非一帆风顺,从一个人做到一群人做,有太多需要沟通、磨合、妥协,也走过很多弯路。比如我们曾希望成立一个“日不落翻译组”,希望我们的翻译志愿者遍布全球各个时区,但是后来发现,这对于科技类媒体是非常困难的,因为大家希望读到最新文章、咨询,而这些信息基本都在美国,其他国家的资讯甚至都不如中国信息来得快,所以尝试之后,发现这个想法并不适合。


志愿者是万能的吗?

我身边的很多朋友,发现志愿者团队居然能做这么大,而且没花一分钱,所以专程来拜访我,甚至从外地过来取经。这里有几点,和大家分享


(1)志愿者成本低:的确志愿者不必支付薪水,但是这里有3点需要考虑清楚

    (a)志愿者为什么来

    打动志愿者靠的是行动而非言语,在调动大家积极性前,你得先做效果并“广为人知”,才有可能有志愿者加入,以文摘的数据看,这些“有能力、愿分享、有时间”的志愿者简直就是凤毛麟角,不足0.5%。


    (b)志愿者来了之后怎样协调

    志愿者来自五湖四海,从未谋面,而且未来有相当一部分人也不会见面。所以,我说文摘志愿者团队是最难管理(或“服务”更准确)的团队,因为大家都是高级知识分子,都在异地,而且不拿薪水,不爽就不发言,随时可以消失。志愿者可以节省成本,但前提是你要花大量时间、投入大量精力打造出一个高价值平台去吸引志愿者,然后还要搭建出一个适合这种分布式的组织结构,使志愿者团队运转起来。自从我做了文摘,2年来,平均下来,每晚睡眠时间不会超过5个小时。


    (c)什么样的人适合志愿者

    我觉得做志愿者和做慈善没有本质的区别,都是不图回报的做有价值的事情,只不过一个捐钱,一个捐时间。所以,就像慈善一样,做志愿者也不是适合每一个人的。前提就是要有东西可捐,而且愿意捐。所以我们希望志愿者是有能力、愿分享且有时间分享的朋友。说来也比较有趣,我们要求志愿者的付出是每周3小时,持续3个月。实际情况是,入群后志愿者会分化成2类,一类志愿者的投入越拉越少,他们觉得不过如此,没什么意思.....最后退出或被清退;而另一类志愿者的投入却越来越多,远超3小时每周,而且都说收获远超想象!为什么?记得有句话特别贴切——大海中,没有航行方向的船,任何风向都是阻力!所以,只要你有目标,很多朋友可以帮上你。文摘就像放大器,如果你是1,通过文摘的平台,你可能变成10;如果你是10,就有希望变成100;但是如果你是0,无论如何,还是0。


(2)志愿者的承诺和效率

首先我会认为,愿意加入志愿者团队的朋友,都有一个美好的愿意奉献的愿望,但是同时也要清楚认识到,这份愿意付出的时间只是TA的一小部分时间,而且可能随时被其他事情挤占。解决办法之一就是“多冗余”设计,希望更多的人加入,但是更多人加入也意味着沟通成本的增加。


(3)志愿者持续性

这是个难题,甚至是个问题。志愿者该持续付出吗?是不是付出一段时间,就应该有所补偿?坦率的说,我也在思考。首先碰到的问题是不符合要求的、长期没有付出的志愿者要不要“劝退”。我的观点很明确,要劝退。因为我们在共同搭建一个公平付出平台,就好像读书会一样,每人都要读书,都要分享,如果有人长期不读只听分享,大家不会同意他继续留在读书会的道理一样。


如何激励?这个小故事,很有启发。国外一位老人,退休后想图个清净,于是就在湖区买了一所房子。住下的前几周倒还太平。可是不久,有几个年轻人开始在附近追逐打闹、踢垃圾桶、且大喊大叫。老人受不了这些噪音,出去对这些年轻人说:”你们玩得真开心。我喜欢热闹,如果你们每天都来这里玩耍,我给你们每人一元钱。“年轻人当然高兴,既玩了还能得钱,何乐而不为呢?于是他们更加卖力地闹将起来。过了两天,老人:愁眉苦脸”地说:“我到现在还没收到养老金,所以,从明天起,每天只能给你们五角钱了。”年轻人虽然显得不太开心,但还是接受了老人的钱。每天下午继续来这里打闹,又过了几天,老人“非常愧疚”地对他们讲“真对不起,通货膨胀使我不得不重新计划我的开支,所以每天只能给你们一毛钱了。”“一毛钱?”一个年轻人脸色发青,“我们才不会为区区一毛钱在这里浪费时间呢,不干了。”从此,老人有了安静悠然的日子。


这是金钱的副作用,会让我们不再单纯的享受自己的付出,一旦将“兴趣”与“金钱”挂钩,这就非常危险。


大数据文摘的未来


从“一个人的文摘”到“一群人的文摘”,未来,要做成“大家的文摘”,我希望将文摘做成一个更加开放的平台,彼此付出,彼此收获。


首先,因为我认为,“数据分析”行业值得投入。随着电子设备的增加,数据采集手段更加丰富,科技的发展使得数据的存储、计算、网络带宽的性价比越来越高,所以未来数据一定是越来越多。大数据与传统数据的区别是什么?我认为,从分析角度看,大数据是高级的数据分析,只是分析的对象变了,之前做的是结构化数据,是在单一系统、行业内,而现在数据的形态、维度、速度发生了巨大的变化,因此对数据的存储、分析、展现提出了更高的要求。“大数据”一词可能过热,很多媒体在报道时,已经变成了逢数据必加“大”,这确实有些误导,不过权当“数据思维”的引导罢了。一个新事物出现时,大都会有泡沫出现,透过现象看到本质,才能做出正确判断。


其次,我更认为“大数据文摘”是值得投入的。记得电影“道士下山”中,师傅对即将下山的小道士说“不择手段非英豪,不改初衷真英雄”。我们真心希望为中国的“普及数据思维,传播数据文化”出一份力,也欢迎同样有能力、愿分享的朋友加入!



原文发布时间为:2015-08-17

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号


相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
5月前
|
数据可视化 前端开发 大数据
商场智能导视系统深度解析,AR与大数据融合创新商业运营模式
**商场智能导视系统提升购物体验:** 通过三维电子地图、AR导航、AR营销、VR全景导购及可视化数据,解决顾客寻路困扰,增强店铺曝光,简化招商流程,优化商场管理,借助科技创新驱动顾客满意度、品牌曝光度及运营效率的全面提升。
138 0
商场智能导视系统深度解析,AR与大数据融合创新商业运营模式
|
7月前
|
存储 数据采集 算法
大数据平台治理——运营的角度看数仓
大数据平台治理——运营的角度看数仓
63 0
|
数据采集 安全 大数据
大数据数据采集的数据来源的第三方服务数据之第三方平台的运营数据
大数据已经成为数字时代最重要的资源之一,而数据采集则是大数据处理的第一步。在实际应用中,大多数企业都需要采集来自不同来源和渠道的数据,这些数据会在后续分析中被用于决策和预测。
212 0
|
人工智能 自然语言处理 大数据
王炸!微软发布Visual ChatGPT:视觉模型加持ChatGPT实现丝滑聊天 大数据文摘
王炸!微软发布Visual ChatGPT:视觉模型加持ChatGPT实现丝滑聊天 大数据文摘
160 0
|
算法 大数据
《聚星台—客户运营核心大数据 与算法技术》电子版地址
聚星台—客户运营核心大数据 与算法技术
94 0
《聚星台—客户运营核心大数据 与算法技术》电子版地址
|
分布式计算 算法 数据挖掘
基于Maxcompute搭建汽车网精细化运营系统
精细化运营是将渠道、用户行为等维度的数据分析与企业的发展阶段相结合,为用户开展有针对性的营销活动,以达到操作目标。这个操作目标可以吸引更多的新用户,提高用户保留率,提高核心业务环节的转化率。总之,从流量的角度来看,精细化操作是为了使流量价值最大化。
183 0
基于Maxcompute搭建汽车网精细化运营系统
|
大数据
《开源大数据治理体系构建—助力游戏行业数据化运营》电子版地址
开源大数据治理体系构建—助力游戏行业数据化运营
101 0
《开源大数据治理体系构建—助力游戏行业数据化运营》电子版地址
|
机器学习/深度学习 存储 分布式计算
飞天大数据平台助力轻松筹数字化运营
本文讲述了轻松筹是如何利用阿里云大数据平台搭建低成本的数据中台,实现数据化运营。数据中台支撑了轻松筹丰富的运营活动,通过智能化的手段,为用户和企业创造了价值。
6892 0
|
SQL 分布式计算 运维
MaxCompute 助力衣二三构建智能化运营工具
本文由衣二三CTO程异丁为大家讲解了如何基于MaxCompute构建智能化运营工具。 衣二三作为亚洲最大的共享时装平台,MaxCompute是如何帮助它解决数据提取速度慢、数据口径差异等问题呢?程异丁通过衣二三数据体系架构,从用户运营应用、商品运营应用以及算法推荐系统三方面给大家剖析了MaxCompute是如何助力衣二三构建智能化运营工具的。
1839 0
MaxCompute 助力衣二三构建智能化运营工具
|
机器学习/深度学习 分布式计算 监控
【云栖号案例 | 医疗健康】美甲帮通过数加搭建大数据平台 针对百万用户的精细运营
美甲帮希望更好的提升客户使用体验,为业务赋能,提升业务洞察能力。通过数加平台业务更敏捷、智能、具洞察力,快速响应新业务的数据及分析需求。
【云栖号案例 | 医疗健康】美甲帮通过数加搭建大数据平台 针对百万用户的精细运营
下一篇
DataWorks