不必羡慕什么“技术流”，即使是不懂技术和复杂数学知识的你，照样能成为新媒体运营领域的“增长黑客”！因为创造性思维和强烈的好奇心会给你带来好运的，等到工具、技能和思维三者融会贯通的时候，就会像独孤求败那样——不滞於物，飞花草木皆可伤人，草木竹石均可为剑！

1 成为新媒体运营领域的“增长黑客”

“增长黑客（Growth Hacker）”,这个近几年来风靡中国互联网界的新兴概念，滥觞于美国硅谷互联网创业圈，国内则是由范冰首先引进，他的著作《增长黑客：创业公司的用户与收入增长秘籍》使这个概念深入人心。

结合国内外关于“增长黑客”的表述：“增长黑客”是以数据驱动营销、以市场指导产品，通过技术手段贯彻增长目标的一群人。这就需要他们既了解技术，写得了代码；又能了解人性，能捕捉用户的心理感受和真实需求；最重要的是，他们经常能突发奇想，发挥创意，大开脑洞，以小的投入获取较多的用户和收入。

一言以蔽之，“增长黑客”就是具备各种跨界技能，可以利用各种巧妙的手段以极小的成本获取大量用户，实现最终的收入增加。

“增长黑客”让那些资金不够充裕、前期资源紧缺和初始用户匮乏的初创型互联网初创团队看到了“四两拨千斤”的希望，小投入也能办大事。

“增长黑客”的一个很好的理念，但它在不同的互联网领域有着不同的形态，具体的实现手法也不尽相同，比如在新媒体运营领域。

新媒体是跟随互联网兴起的一个新兴媒体形态，它已经在很大程度上颠覆了以往的纸质刊物、广播及电视等传统媒体，重要性不言而喻。关于它的概念和内涵，笔者不想多说，网上有很多的详细介绍。在这里，笔者认为新媒体最为重要的一个特征是：

人人都可以是信息的生产者，人人也都是信息的传播者。

这意味着无论是谁，包含企业、机构还有个人，都有机会成为这个新媒体时代的成功者。咪蒙、一条、十点读书即是例证。

然而，随着中国的互联网时代进入下半场，新媒体行业也从野蛮生长的时代进入“弱肉强食”的“丛林时代”，常规的新媒体运营手段（包括内容、展现形式及推广方法等）已经很难从用户增长缓慢和收入增长停滞的困境中突围出来。

写到这里，笔者不由得想到儿时看过的动漫——《数码宝贝》中的主人公身边各类可爱的小精灵，在遇到危急情况时会进化，由“成长期”进化到“成熟期”、“完全体”，甚至是“究极体”，适应性和攻击力呈现指数级的提升，足以在危如累卵的逆境中打败强大的敌人，反败为胜。

与此类似，广大新媒体从业者们在这个时候，也需要“进化”，完成华丽的转身——采用精细运作、量化分析的科学手段去进行新媒体运营，以适应这个足以革新我们思维观念的“大数据时代”，而“增长黑客”正是一剂良方。

从前面对“增长黑客”的介绍中，我们可以发现：

“增长黑客”是一个多面手的角色，需要掌握跨领域的知识，其中最为核心的技能即是懂技术、精通数据分析。

然而，技术（码代码、编写程序等）和数据分析（数学知识和BI软件操作等）对于很多做新媒体运营的小伙伴来说，是十分棘手的两样事物：很多从事新媒体运营的小伙伴是正儿八经的文科生毕业，文案和排版方面，他们可以说是“长袖善舞”，但技术和数据分析却可能是他们的“梦魇”。

鉴于这种情形，笔者提倡“人+数据驱动思维+工具”理念——以人为本，从运营者自身的知识结构出发，以数据/量化思维作为方法论，用工具辅助运营，从而做到扬长避短，把自己的精力集中在重要的事情上。

笔者在这里特意收罗了10几款跟数据分析有关的工具，以弥补技术小白和数据分析小白技能上的匮乏，而且掌握它们不需要很懂技术，连数据分析这项技能也能借助它们轻松get。

值得注意的是，本文所要介绍的工具，并不是狭义上的“工具”，如可视化工具、文本分析工具和事件热度趋势/预测分析操作类工具，还包括数据新闻这种广义上的新型信息载体；更为重要的是，他们分别代表着四种思维/观念——重视非结构性数据、科学化预测、信息的具象化呈现以及用数据讲故事，这些“工具”都是为达到、完成或促进新媒体运营效果的有利武器。

如下图所示，以下是本文的行文结构：

新媒体运营的“增长黑客”数据分析工具箱

文本分析的重要性笔者已经在之前的两篇文章中有过论述，详见《数据运营|数据分析中，文本分析远比数值型分析重要！（上）》《在运营中，为什么文本分析远比数值型分析重要？一个实际案例，五点分析（下）》，故本文不做赘述，直奔工具应用的主题。

NLPIR，即“自然语言处理与信息检索共享平台”的英文缩写， 打开该网址，即可进入主界面——“语义分析系统”，顾名思义，它是一个在线的中文语义分析工具，因为非商业化，它对处理文本的篇幅大小也有限制，只能处理3000字，可以给热衷于文本分析的小伙伴过过瘾，但要想用于商业目的，那只能呵呵了。

NLPIR在线系统的首页

上图中间部分的11个圆圈即是该系统的所有功能，但其中有几个只是挂出来，目前还未实现，结合新媒体运营工作中的实际需求，笔者只介绍其中几个比较有实用价值的功能模块。

以下以《<你的名字。>破5.5亿元日媒：和中国联手有钱赚》这则新闻作为测试文本，笔者来给大家介绍下这个系统中的实体抽取、词频统计、文本分类、情感分析和关键词提取这5个比较有实用价值、且准确度较高的功能模块。

2.1.1 实体抽取

NLPIR中的“实体抽取”功能模块可以智能识别出测试文本中出现的人名、地名、机构名、媒体、作者及文章的主题关键词，这是对语言规律的深入理解和科学预测，它提炼出的词语不需要在词典库中事先存在。

实体抽取的图表效果支持力导向图和弦图这两种形式，如下图所示：

测试文本“实体抽取”的2种呈现形式

上图中，从“文本”这个一级类目中，分别分出了“关键词”、“地名”、“时间”这3个二级类目，由此能大致判断出测试文本中包含的事件元素，如主题是关于电影的，涉及国家（地区）间的对比，还有纵向时间维度的分析，一些关键词能让我们把握文章中重要的词句。

2.1.2 词频统计

在一份给定的文件里，词频（term frequency，TF）指的是某一个给定的词语在该文件中出现的次数。

在文本分析中，词频统计是较为常规的、同时也是最为重要的一个环节，它用来评估一个词对于一个文件或者一个语料库中的一个领域文件集的重要程度。

NLPIR只展示了名词、动词、形容词这3种开放词类，这个3个此类也是一段文本中最为重要的3个部分：

名词介绍文章中的各个主体，能让我们知道文本描述的对象是谁；

动词表征各个主体的动作和行为，能让我们知道关于主体发生了什么；

而形容词则能描述主体及动作/行为的特征，能让我们知道主体及其行为/动作的性质、状态、特征或属性。

NLPIR的词频统计只展示了上述词类的Top 10结果，以折线图和条形图的形式进行展现。看了下面的词频分类展示，联想文章标题，我们很自然地了解到《你的名字。》这部电影在市场上获得了不错的业绩，引发中日媒体的广泛报道和关注……

测试文本的词频统计呈现

2.1.3 文本分类

NLPIR“文本分类”部分目前所展示的类别只是新闻的政治、经济、军事、交通等，分类有待扩展和细化。

NLPIR深度文本分类，可以用于新闻分类、简历分类、邮件分类、办公文档分类、区域分类等诸多方面。此外，它还可以实现文本过滤，能够从大量文本中快速识别和过滤出符合特殊要求的信息，可应用于品牌报道监测、垃圾信息屏蔽、敏感信息审查等领域。

然而，从测试的效果来看，这个功能模块的分析效果还不甚准确，它没有“娱乐”这一分类，但起码也应该划入“其他”这一类中。

测试文本的文本分类结果呈现

2.1.4 情感分析

NLPIR的“情感分析”提供两种模式：全文的情感判别（左图）与指定对象的情感判别（右图）。

大类上，“情感分析”部分分为“正（面）”和“负（面）”这两大类情感，这是内层；在外层，两个大类又分为“乐”、“好”、“怒”、“哀”、“惧”、“恶”、“惊”7中细分的情感，这也就是大家常说的“七情六欲”中的“七情”。

目前正负面的判断已经较为成熟，但鉴于汉语的博大精深和词汇语义（用法）的波谲多变（反讽、贬义褒用、语境变化等），细分情绪的判断准确度还值得观察。

观察上面测试文本的情感分析效果图，再比对原始文本，这个判断大致上是准确的，但负面的部分应该比实际的占比小，尤其是“恶”这个部分——笔者并未发现有出现厌恶的语句和词汇。

2.1.5 关键词提取

这里的关键词提取和前面的词频统计有一定的联系，但二者的算法（实现方法）是不一样的：

词频统计：词频统计的是一个词在文章中出现次数，出现的次数越多一般越重要；

关键词提取：关键词提取则是依据TF-IDF（term frequency-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频-inverse document frequency，词频