内容|3个杠杆，让内容营销价值放大N倍( 三 ) 业务|数据源|付费|数据|用户

这里还需要提一下，在实际的应用中，BM25 模型会更多，和TF -IDF的差异在于有很多因子可以调节：文章的长短递减参数（文章越长、词频叠加分数递减）、各种经验参数的平滑等等，因此千万不要死杠数值，而是要理解逻辑和积累经验。
2.TextRank算法。想象一下这样的一个段落：「1月20日下午，赵老师与加玮在数字营销方面展开了讨论，赵老师面色红润，讨论得十分开心。这次关于数字营销的讨论结束后，赵老师还给群友发了红包。」如果按照TF – IDF来计算，这段里面提取的重点词是赵老师（出现了3次），其次是讨论（出现3次）。
显而易见，用这两个关键词很难说全面的代表了段落的主题。如果按照TextRank的算法，数字营销将会成为最为关联的关键词。这是因为词频最高的关键词「赵老师」和「讨论」的紧密的上下文中，出现了2次「数字营销」。我们理解这个例子的意思即可，也就是说，如果我们希望“数字营销”的排名分数更高，不仅仅要有比较高的数字营销的词频（IDF值无法控制），还要在其他的主题，比如在例句中是“赵老师”和“讨论”，让这些主题词的词频也比较高，然后将数字营销的词，与“赵老师”这样的词，形成一个上下文关系。

文章插图
【图：tf-idf 和textRank算法在内容SEO化中的应用】
1.我们核心的业务关键词或者需求词，多重复几遍。可以多次充当宾语或者主语，来自然的加强词频，尽管有时候可能看起来有一点啰嗦，但是有用。—— tf idf
2.注意上下文关系，如果一个内容频繁的出现，比如是某次峰会或者沙龙的主题，那我们的核心关键词就要在这个频繁出现的关键词的上下文（词语的前后、句子的前后）中尽可能多出现几次。- textRank
那么这两个算法要如何应用呢？定性的说。
1.我们核心的业务关键词或者需求词，多重复几遍。可以多次充当宾语或者主语，来自然的加强词频，尽管有时候可能看起来有一点啰嗦，但是有用。
2.注意上下文关系，如果一个内容频繁的出现，比如是某次峰会或者沙龙的主题，那我们的核心关键词就要在这个频繁出现的关键词的上下文（词语的前后、句子的前后）中尽可能多出现几次。
定性的部分就到这里了，具体出现几次？哪个位置才算上下文？关键词的分词应该怎么处理？可以在实战中通过积累经验去持续提升。限于时间原因就不展开了。
三、利用社交货币和平台特性
文章插图
第二部分：社交媒体杠杆

社交媒体重点不在”媒体“在“社交”
你让ta分享，考虑过ta分享的动机吗？
如何利用好5种社交货币
如何把内容适配不同的社交平台

我们都知道社交媒体的裂变、分享对于内容的传播有很大的价值。然而我们在执行过程中，往往没有把社交媒体的杠杆用好。比如许多以KA客户为主的市场内容团队，非常重视客户案例，在官网发案例、公众号发案例、知乎发案例、百家号发案例…朋友圈还是发案例。这就是我们只看到了媒体的一面，即“多渠道多平台同步发内容可以让曝光最大化”，但没有看到“社交”的一面。
把“社交媒体”作为内容杠杆放大的重点有两个。第一个是《疯传》里面提到的“社交货币”的概念，它决定了一个内容究竟能走多远：别人会分享它吗？会哪儿，多少次？他的朋友看到了会再次分享吗？如果用一个指标来衡量，在公众号的后台，“分享阅读占比”能否超过30%甚至是50%？