在内容营销人员的工具包中，所有说服工具中，数据是最强大的之一。
根据一个 康奈尔食品与品牌实验室2014年研究，如果人们通过图表而不是仅阅读文字来了解某种药物，那么人们相信该药物有效的可能性就会增加40％。
看看我在那里做什么？ --
但是数据也很棘手。
可以很容易地看到没有模式的地方，也可以使演示文稿倾斜以阐明自己的观点。如果发生这种情况，即使是无意间，也会破坏您对观众的信任。
因此，明智的内容营销人员如何才能以建立信任而不是削弱信任的方式来学习有效和负责任地使用数据？
要清楚，学会注意和纠正 您在解释和呈现数据时的偏见 可能要花一生。
但幸运的是，有一些准则可以使您保持正确的步伐，因此您可以学习有效和负责任地共享有说服力的数据。
让我们看看其中的四个。
1.质疑来源
如果您要分享研究的结果（或其他人收集的任何类型的数据），那么在与听众分享之前，必须认真考虑您是否信任研究结果。
经常看 WHO 进行了研究或收集了数据， 为什么 可以揭示有关其信誉的重要线索。
如果您引用某项研究并可以访问其全文，请查看其研究方法并使用常识-您认为他们的实验是否测试了他们打算进行的测试？
帮助检查研究可信度的另一种策略是使用 反向链接检查器 看看还有谁引用了这项研究，以及他们对此有何评论。
收集有关您的来源的更多信息，并阅读其他人对此有何评论—更重要的是 WHO 说那些话—可以帮助您决定是否可以信任该信息。
2.明确数据来自何处
如果您要共享别人的数据，那么这很容易。
通常，只需链接到找到数据的源即可。毕竟，您是内容营销商，而不是研究人员，因此不需要MLA样式。
但是，如果您要共享收集的数据怎么办？
也许您是在使用自己的网站数据或社交媒体数据来显示不同营销策略的效果，或者是在客户调查中共享自己的数据。
在这种情况下，考虑数据的局限性很重要。
仅有20条回答的调查可能会发现一些有趣的东西，但是很难从如此少的答案中得出明确的结论。
这并不意味着您无法分享从这些数据中学到的知识；这只是意味着您需要清楚信息仅来自20位受访者。
3.请记住，相关不等于因果关系
这是数据分析的黄金法则，您可能以前也曾听说过。
症结在于：仅仅因为两个趋势似乎相关， 这并不意味着他们是.
这并不意味着关联永远不会有用。
通常，相关可以提示您两个变量之间可能正在发生某些事情。但是，您必须保持开放的可能性，这只是一个巧合。
例如，如果您在一天中的指定时间获得了更多点击量， 某事 恰好影响当时的流量。但是这种关联并不能告诉你 什么。
除非您提出更多问题，否则您不会知道。
在内容营销中引用相关性是完全正确的，但不要犯错误，以确认可能存在或不存在的连接。
4.使用良好的礼节礼节
图表可以成为功能强大的说服工具。
以负责任的方式使用时，与尝试用文本进行解释相比，它们可以使要点变得更快，更清晰。
但是，必须谨慎使用它们。
这些年来，我学到了一些好的经验法则：
把事情简单化
问你自己：
我想传达什么？
然后，消除所有对您的观点没有积极帮助的东西—包括只是多余的元素。
例如，您认为我要用这张图表说明什么？
如果您说“我不知道”，那是一个有效的答案。
该图表中有一些很好的信息，但是作为读者，您不知道我要与之交流的内容。
在下一张图表中，我消除了打开率数据和多余的标签，因此我们可以仅关注一点：电子邮件5的点击率最高。
不要要求您的读者寻找见解— 那是你的工作.
显示数据，这样您的观点就可以立即清楚了。
当心规模
比例尺是使图表误导的最简单方法之一。
最安全的选择是将Y轴从零开始，因为这有助于使所有内容保持透视。
在第一个图表中，电子邮件6看起来很糟糕。
但经过仔细检查…
嘿，Y轴的起点是25％！
有了适当的比例，我们可以看到，是的，电子邮件6的打开率最低，但是并不像第一个比例那样可怕。
使用有意义的标签和颜色
在数据可视化中，每个元素都应具有含义，否则会妨碍您尝试交流的内容。
确保选择不同的标签，样式或颜色时，它们有助于弄清您的观点，而不是多余或无用的。
在第一个图表中，每封电子邮件都是不同的颜色，不仅很难看，而且基本上没有意义。
是的，有六种不同的电子邮件，但是我们已经知道，因为有六个栏—不同的颜色是多余的。
取而代之的是，使用一种强调颜色将注意力吸引到您希望读者关注的地方。
每个人都需要数据素养
数据曾经是科学家和学者的领域。不再。
现在每个人都可以访问比以往更多的数据，数据素养不再是一个小问题。
能够负责任地解释和使用数据可以改善您的内容营销。
而且，当您采取额外的步骤来思考所读取和共享的数据时，您正在尽自己的一份力量来改善我们的社会整体使用数据的方式。
因此，下一次您发现自己引用一项研究或创建一个图表来用于内容营销时，请花一些时间来认真思考数据及其共享方式。
问自己几个关键问题可以帮助您从被动的数据共享者发展成您的听众可以信赖的来源。
本文的评论已关闭。