如何做好邮件推送渠道的学术内容传播？

编辑导语：为了解决让目标用户“看到内容”这个问题，我们会通过如邮件推送这样的传播方法来链接用户与内容。为了解决让目标学者用户“看到学术内容”这个问题，为什么要做学术内容传播，为什么要选用邮箱渠道传播内容，阅读文章，探究答案吧。

一、为什么要做学术内容传播

本文的学术内容特指学术论文。科研研究人员通常会以论文为载体体现自己的学术成果，并向各期刊社投稿。其他学者可能会在这个期刊社的纸质杂志上、官网上、其他第三方平台例如知网、百度学术等平台上、又或者是通过他人推荐分享等方式看到这篇学术论文。某个投稿作者的论文被其他更多学者发现的过程就是我们这里提到的学术内容传播。

为什么要做学术内容传播，是为了解决让目标学者用户“看到学术内容”这个问题。

不管是在投稿作者角度还是在期刊社的角度，投稿的论文被其他学者阅读、引用的频次都影响着投稿作者个人或者期刊的影响力，因此，在期刊社接受作者的论文后，通常会通过刊登纸质杂志、发表到官网或者是通过其他传播方式来对论文进行宣传，目的就是希望论文被更多地发现与引用，从而提高自身的影响力和水平。

二、为什么选用邮件渠道传播内容

传统纸刊发行满足不了学术内容传播的需求，于是催生了新传播方式。例如通过期刊官网、第三方平台（知网、万方等）、邮件等渠道来传播学术内容以提升期刊影响力。

本文针对邮件推送渠道详细探讨。通过邮件渠道传播学术内容，是指把学术论文通过发邮件的形式发送到高相关度学者的邮箱。

为什么会选用邮件传播渠道，是因为我们作为SaaS服务提供商在为客户服务时， 邮件渠道是较好的能触达用户的渠道 。

首先，我们作为SaaS服务提供商，目前没有具有权威性的面向C端学者用户的文献平台（如知网），作为吸引学者的载体，而选用邮件渠道，仅仅一个邮箱就能链接文献与学者。

其次，对于学者来说，通过邮件查看学术内容的用户习惯已被培养。对一些知名度不高、影响力不大的期刊，文献的宣传更是没有门路，而邮件推送的方式就能有效触达期刊编辑部关注的学者。

发送邮件时，只需要知道学者的邮箱，就能帮助客户（编辑部）把文献传播到相关的学者，从而实现精准的个性化推送。而其他方式的传播，例如平台类的文献网站等，都需要先建立有影响力的平台并引流学者到平台来。

在通过邮件推送来传播学术内容时，难点在如何找到相关学者，即如何构建本次推送的用户群体。

三、如何构建邮件传播的用户群体

为了在每次邮件推送时能找到高度相关的学者，首先，我们搭建了学者库，然后，再从学者库中筛选相关学者进行推送。

学者库存储了学者用户的各类信息，学者信息主要包括基础信息和行为信息：

• 基础信息是静态的，是描述学者基本属性的数据，例如学者姓名、邮箱、单位、研究方向、学术成果等。
• 行为信息是动态的，是用户产生操作行为后记录下来的，如打开过邮件、阅读过文章等。

学者库是所有学者的集合，每次推送的学者都是学者库的子集。在做邮件推送时，就是对学者库中存储的这些学者信息进行分析，从而找到编辑部关注的学者，给他们推送学术文献。

1. 构建传播学者库

(1) 为什么要构建学者库？

数据是企业的资产。

学者库数据包括学者基本信息数据，以及学者行为数据。

扩大学者基本信息数据量，可以简单理解为要扩大学者库的学者数量。

这就像PGC音乐图书类产品中总要不断扩大版权库、UGC类总在激励创作者生产更多的优质内容。客户在选择邮件推送服务时，学者储备量是他们考虑的重要因素，学者覆盖范围广才更有可能带来高质量的传播效果。

学者行为数据是学者收到推送邮件后的一系列阅读、操作等行为数据。这些数据和学者基本信息一起，来丰富学者画像，以为下次推送时提供决策支持。

行为数据有很多，如关于阅读文章行为，我们记录了历史推送以来，每个学者阅读过的文献的领域/主题，以此作为衡量学者关注/兴趣领域的因素之一，下次再做推送时，若某个学者的关注/兴趣领域与本次文献的领域/主题相似，该学者则是我们考虑推送的重点目标对象。

举个例子，某次推送的文献主题是“医学免疫学”，若某个学者阅读过的文章的关键词包含“医学免疫学”，那么该学者则是本次推送要考虑的目标对象。因为文献的关键词通常概括说明了文献主题，学者在众多文献列表中曾经阅读过某篇文献，一定程度说明了学者对该主题的兴趣，因此后续再推送相关主题，该学者有很大可能性关注。

这些学者数据丰富了学者画像，在推送时就是根据学者和内容的匹配度，来决定每次推送内容的学者群。因此，学者信息的多少和推送效果的好坏是强关联的，学者信息数据是产品服务的竞争力之一。

数据复用以快速提供服务。

作为SaaS服务提供商，面向的客户很多，推送的任务也会很多。推送时需要为每个任务准备学者，而准备学者是需要一定周期的。

在没有学者库（即学者储备）的情况下，推送的学者都需要采集。采集之前，要对本次内容进行分析，以发现一些采集学者的线索。例如，会分析本期文献作者的机构，以及这些作者发表文献的其他期刊，再以这些机构和期刊为线索去采集该机构下的学者或该期刊的其他作者。文献、作者、期刊、机构之间错综复杂的关联使得分析后的线索源（也就是地址）常常都是千位数，这些都需要一个个列出来后安排采集。

当期刊变多，多线索源的采集，就会导致服务进程很慢。

但若有自己的学者库，就能快速提供服务了。

快速提供服务是指对后续推送提供快速支持。为某个期刊客户提供推送服务后，后续可能会有相同研究领域的期刊客户要推送邮件给该学者。因此我们把每次推送过的学者及其行为都存储进入学者库，这些都是后续相同领域文献推送时的可复用数据，而非等到有新的推送任务时再临时采集学者。

从另一个角度来说，快速服务也是指对其他产线能提供快速支持。推送只是完整产品线的一个环节，其他环节，例如编辑部对学者征稿的邀约、对审稿专家的邀请等，这些也会用到学者资源。如果在推送时，就把已有的数据建立成学者库，就更能体现数据的资产化及价值。

(2) 如何进行学者库的数据积累？

在第一次推送时，没有任何学者数据，也没有学者库，学者库的数据是如何积累起来的呢？

初始数据来源于我们为客户提供的产品价值。

学者库最原始的学者数据以我们为客户提供的邮件传播产品服务为线索获得。邮件传播作为一种文献传播服务产品提供给客户时，我们为客户带来的价值是通过对该刊物/文献的画像分析并采集相关学者，再发送邮件来吸引学者阅读、引用等一系列关注。

从分析文献到匹配学者，这期间获得的数据，包括期刊之间引用引证关系数据、期刊发文机构信息、引用引证机构信息、关键词/共现词信息、学者基本信息尤其是学者邮箱等数据都是我们提供给客户的产品价值，其中学者相关信息则是学者库最初始的数据来源。

在这个基础上，学者打开邮件阅读文章等一系列行为数据也被记录，这些数据都在不断补充进学者库。

除了每次为客户提供服务时获取到的数据能作为学者库的资源，另外，其他产线，如投稿平台学者投稿时提交的数据，又或者其他第三方平台的公开数据采集都是后续学者库数据的补充。

学者库的海量数据不但可以为后续推送提供支持，还可以给其他产线如审稿邀请提供服务。

2. 学者筛选

学者筛选，是指为每次论文推送从学者库中选择一部分更为精准的学者推送。

每次推送密切相关的学者数量都是有限的，若选择太多人数，部分相关度不够高的学者会带来流量资源的浪费，并且过多邮件还会导致被当成垃圾邮件等问题。

所以，从节约成本提高质量的角度出发，我们要筛选出相关度最高的一批学者来推送。

学者筛选可以从领域相关的角度，也可以从关注指标的角度来入手。

从领域相关的角度，指的是找出与本次推送论文研究领域类似的学者。

如何定义或确定论文的主题和学者的研究方向有较强的相关性？

首先，可以以期刊论文的基本信息为线索来筛选。从期刊的角度，期刊通常会有所属的中信所分类（一种期刊常用的标准分类），可以筛选出该中信所分类下其他刊的学者；从期刊论文的角度，可以从论文的引用文献来找到引用引证文献的作者作为推送目标学者；从发文作者机构的角度，可以找到论文作者的同机构学者，以及引用引证机构的学者。

其次，是对论文主题的再次分析。一般从关键词、共现词、分类号，以及摘要中观点的分析，来总结出本期论文的研究领域词，再去匹配具有相同研究领域词的学者。

从关注指标的角度，是以结果为导向，来筛选学者以保证达到预期效果。

比如推送时，客户更关注打开邮件和阅读文章学者的绝对数量，那我们会尽可能筛选更多的学者数量。如果客户更关注邮件打开率及文章的点击率，一方面要尽可能提高文章主题和学者研究领域的相关度，如可以提高引用引证的阈值，或找到高发文机构，另一方面则是要关注历史推送时学者的表现，可以通过历史数据筛选部分高打开率和点击率的学者作为目标推送学者。

四、衡量传播效果的数据指标

每推送完一次，都需要向客户反馈本次的传播效果，而衡量传播效果是需要通过一系列的数据指标的。

常用的数据指标有邮件打开量、邮件打开率、文献点击量、文献点击量等。

邮件打开量是指本次推送后，邮件被阅读的人数。阅读邮件的人数越多，表示带来的曝光量越大。邮件打开率是指阅读邮件的人数/推送成功的人数。这是一个比值，打开率越高，表示推送的精准度越高。

类似的，文献点击量是指文献被阅读的人数，文献点击率是指阅读文献的人数/推送成功的人数。

在选取指标来衡量效果时，要结合以下两个要点来考虑。

数据指标要从产品定位和价值出发。

即便是同类型的产品，其定位也是有差异的。例如做邮件推送服务的产品，有些产品的卖点是推送学者足够精准，他们推送服务按次收费，每次推送的邮件总数固定，那么匹配的学者足够精准就能带来不错的邮件打开率，因此他们将邮件打开率作为传播效果的指标。

而有些产品的卖点是覆盖范围广，他们包月或包年收费，每次推送邮件数量较多，这种情况，他们就会以每次推送邮件打开的绝对数量为关键指标来衡量。所以在指定数据指标时，要结合产品定位和价值来选取。

除了关注客户关切指标也要关注自身企业指标。

能否把客户关切指标做好关系到客户是否选用该产品从而签约的问题，因此做好客户关切指标是必要的。

但是另一方面，也要指定企业自身的数据指标，这些指标通常是有利于提升效率节约成本，从另一个角度来说，也可以引导客户关注某些和企业自身数据指标相关的指标。

还是以推送产品为例，可能客户关注的指标是阅读邮件的用户数量，这就需要保证每次推送的邮件数量要足够多，但是每次发送的数量多，可能被退信或是垃圾邮件，而且发送数量多对企业来讲成本也会更高。

这种情况下，我们就需要关注企业自身的数据指标，如推送一定数量的前提下，打开率是多少。也就是在这种情况下，如果产品能做到精准匹配学者，可以将数据指标定为打开率。

五、总结

为了解决让目标用户“看到内容”这个问题，我们会通过如邮件推送这样的传播方法来链接用户与内容。

在内容确定的情况下，做传播的重要环节是要找准这次传播的目标对象。通常我们会构建自己的用户群，再根据每次推动内容的不同，指定策略来精准筛选用户。

最后还要对传播效果做评价。评价传播效果的数据指标要从产品定位和价值触发，除了关注客户关切的数据指标，企业自身的数据指标也需要关注。

 

本文由 @相与 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议