选题想破头也想不出怎么办?

2017 年 9 月 29 日 新榜 嘉莉

各位好,欢迎光临第17期“有问有答”栏目~

这是榜哥榜妹为你私人订制的问答栏目,我们会在工作日收集大家的提问(围绕新媒体、内容创业、自媒体人等),由其中一位榜哥榜妹单独作答,问答内容会出现在新榜公众号推文中。


当然,你也可以点名榜哥榜妹,或一些自媒体人来回答!只要问题好,剩下就交给榜哥榜妹啦,是不是很开熏?



提问人  匿名公号汪



问题:我是一个刚入行不久的公号小编,天天为了找选题而焦虑,有时候想破脑袋也找不到一个好选题,榜妹会遇到这种情况吗?你们又是如何解决的?



 回答人  嘉莉

新榜笑点奇怪小组成员


大部分公号汪,都逃不过选题这一关。


记得有人说过,一篇文章的成功80%靠选题。虽然不知道到底是不是占了80%,不过可以确认是,选题真的很重要。


但是,选题难找啊!


尤其对于刚刚入行的小编来说,常态往往是:写稿当天才开始想选题,然后急急忙忙找素材,忙活了几个小时,写出来的文章阅读量却很一般。(此处应有榜妹苦涩的微笑)


 


问题出在哪里?

 

其实多数情况下,一个好选题并不是一拍脑袋就能想出来的,有很多规律和方法论,需要我们去总结发现。

 

1.明确内容定位和用户需求

 

首先,找选题有一个大前提,明确自己的内容定位和用户需求:我们是谁?我们的用户是什么人群?我们能给用户带来什么价值?



以新榜为例,我们是面向自媒体从业者的公众号,选题设置肯定要围绕自媒体人日常面临的需求和痛点,提供关于新媒体运营的话题、观点和方法论。


明确了内容定位和用户画像,确立了选题的大方向后,还要根据数据和反馈来不断优化。


一篇文章推送后,打开率怎么样?分享率呢?用户又是怎么反馈的?收集和分析这些信息,都有助于未来选题的优化。


2.建立资料库

 

很多入行不久的小编,恐怕都像前文提到的那样,当天找选题查资料写推文。可是灵感和时间都是有限的,这种操作模式下,很快就会陷入“选题荒”。

 

每当这时候,总编大人就会教育榜妹:一定要建立资料库!



简单来说,就是平时看到有价值的素材、选题或者有了瞬间的灵感,就赶紧放进资料库,然后每隔一段时间整理一次。


这样做的好处是,一来一旦遭遇“选题荒”,可以从资料库里找灵感;二来遇到热点话题,如果资料库里正好有相应的素材,就可以快速成稿

 

关于资料库的工具,榜妹目前在用的是有道云笔记,印象笔记、石墨文档这些应用也都不错。

 

3.长期选题:栏目+议程设置

 

总得来说,选题主要分为两大类,一类是热点选题,另一类是常规选题。

 

常规选题又包含了栏目和议题的设置。热点不可预估,但一些常规设置却有助于形成用户预期,降低选题难度。

 

栏目设置很好理解,就是在固定的时间推送相对形式固定的内容,比如新榜的“有问有答”和“我爱问榜妹”~



而对于议题设置,可以提前在日历上标注一些营销节点和节日。比如还有一个月就到双十一了,现在就可以提前策划双十一选题。此处应有榜妹精心准备的追热点日历


4.热点选题:寻找第三第四落点

 

每当有热点出现,小编们的心情往往喜忧参半。喜的是总算有了现成的选题,忧的是怎样才能从千千万万篇追热点的文章里脱颖而出?

 

中青报评论员曹林总结了一套方法,那就是:面对热点话题,要不断排除快速闪现的念头,寻找第三第四甚至第五落点。

 

他经常做的事情是,确定某个新闻选题后,立即显现在脑海里的点,马上排除,第二个想到的点,也是如此。



然后继续想,还有哪个评论的角度和落点?直到第三、第四甚至第五个念头出现时,才开始动笔。

 

这样做的好处很明显:读者更愿意看这样的文章,因为他的内容有新鲜感。

 

我们在面对热点选题时,需要尽量避开大家都在写的角度,提供更有稀缺性的内容。


5.多交流,多积累

 

很多时候,那些令人拍案叫绝的选题,往往是在集思广益和日常积累中获得的。

 

比如“GQ实验室”经常出一些脑洞大开的爆文,有很多人好奇,他们源源不断的灵感是怎么来的?

 

在一次采访中,他们的负责人Rocco告诉榜妹,“脑洞”其实靠的是交流和积累。

 

Rocco说,有时候大家在一起吃饭讨论,饭桌上就会有很多选题冒出来。

 

他还强调了积累的重要性:“其实所谓的灵感是源于不断的积累,我的建议是多看书,多看剧和电影。虽然时代在变化,但内在的东西是一样的,我们翻到五年前的杂志,都会发现里面有很多选题是可以参考的。”

 

创作源于生活,培养一颗对世界的好奇心,多观察,多积累,多跟人交流,选题往往会出其不意地来到在你面前。






PS:今天是第17期有问有答啦

这应该也是国庆放假前最后一期

所以大家都有些莫名机冻!

你们国庆都打算干什么呢?

不如一起在评论区吹牛逼啊~


另外如果你有什么想问的,

欢迎留言(#有问有答#+你的问题

或者添加我们的微信(榜妹小药丸:banggebangmei)


另外,大家对这个栏目还有什么建议

也不用给面子地告诉我们吧


也期待大家在文末留言,给出更有趣、实用的答案,

我们会不定期挑选答题网友,给你送一本精美书籍噢

顺便附上最近几期的链接~供大家参考~


第16期:天天掉粉,我的公众号还有救吗

第15期:如何防抄袭防洗稿?原创作者心里苦呀!

第14期:刚入行的新媒体编辑,如何快速了解行业

第13期:占平台99%的小号怎么跨过温饱线活下去

第12期:失去活跃的朋友圈和公众号,微信靠什么连接一切?

第11期:稿子写不出来的时候你们会干啥?


登录查看更多
0

相关内容

自媒体(外文名:We Media)又称“公民媒体”或“个人媒体”,是指私人化、平民化、普泛化、自主化的传播者,以现代化、电子化的手段,向不特定的大多数或者特定的单个人传递规范性及非规范性信息的新媒体的总称。自媒体平台包括:博客、微博、微信、百度官方贴吧、论坛/BBS等网络社区。
专知会员服务
146+阅读 · 2020年6月15日
商业数据分析,39页ppt
专知会员服务
160+阅读 · 2020年6月2日
【清华大学】图随机神经网络,Graph Random Neural Networks
专知会员服务
155+阅读 · 2020年5月26日
《迁移学习简明手册》,93页pdf
专知会员服务
134+阅读 · 2019年12月9日
可解释推荐:综述与新视角
专知会员服务
111+阅读 · 2019年10月13日
周志华教授:如何做研究与写论文?
专知会员服务
154+阅读 · 2019年10月9日
清华大学两名博士生被开除:你不吃学习的苦,就要吃生活的苦
机器学习算法与Python学习
25+阅读 · 2019年9月16日
为什么所有人都报了这个虐人到哭的训练营?!
人工智能头条
5+阅读 · 2019年5月15日
一万小时贫穷定律
互联网er的早读课
5+阅读 · 2018年8月22日
通俗易懂,互联网的常见推荐算法
架构师之路
6+阅读 · 2018年4月17日
NLP选题:6大研究方向助你开启科研之路
论智
4+阅读 · 2018年3月6日
思路+步骤+方法,三步教你如何快速构建用户画像
京东用户画像揭秘:原来买iPhone X的是这么些人
R语言中文社区
10+阅读 · 2017年9月14日
你以为自己真的了解用户画像?其实猫腻可多了
THU数据派
8+阅读 · 2017年7月12日
已删除
Arxiv
32+阅读 · 2020年3月23日
Self-Attention Graph Pooling
Arxiv
5+阅读 · 2019年4月17日
Few-shot Learning: A Survey
Arxiv
362+阅读 · 2019年4月10日
Arxiv
4+阅读 · 2019年2月8日
Hierarchical Deep Multiagent Reinforcement Learning
Arxiv
8+阅读 · 2018年9月25日
Arxiv
11+阅读 · 2018年4月25日
VIP会员
相关VIP内容
专知会员服务
146+阅读 · 2020年6月15日
商业数据分析,39页ppt
专知会员服务
160+阅读 · 2020年6月2日
【清华大学】图随机神经网络,Graph Random Neural Networks
专知会员服务
155+阅读 · 2020年5月26日
《迁移学习简明手册》,93页pdf
专知会员服务
134+阅读 · 2019年12月9日
可解释推荐:综述与新视角
专知会员服务
111+阅读 · 2019年10月13日
周志华教授:如何做研究与写论文?
专知会员服务
154+阅读 · 2019年10月9日
相关资讯
清华大学两名博士生被开除:你不吃学习的苦,就要吃生活的苦
机器学习算法与Python学习
25+阅读 · 2019年9月16日
为什么所有人都报了这个虐人到哭的训练营?!
人工智能头条
5+阅读 · 2019年5月15日
一万小时贫穷定律
互联网er的早读课
5+阅读 · 2018年8月22日
通俗易懂,互联网的常见推荐算法
架构师之路
6+阅读 · 2018年4月17日
NLP选题:6大研究方向助你开启科研之路
论智
4+阅读 · 2018年3月6日
思路+步骤+方法,三步教你如何快速构建用户画像
京东用户画像揭秘:原来买iPhone X的是这么些人
R语言中文社区
10+阅读 · 2017年9月14日
你以为自己真的了解用户画像?其实猫腻可多了
THU数据派
8+阅读 · 2017年7月12日
相关论文
已删除
Arxiv
32+阅读 · 2020年3月23日
Self-Attention Graph Pooling
Arxiv
5+阅读 · 2019年4月17日
Few-shot Learning: A Survey
Arxiv
362+阅读 · 2019年4月10日
Arxiv
4+阅读 · 2019年2月8日
Hierarchical Deep Multiagent Reinforcement Learning
Arxiv
8+阅读 · 2018年9月25日
Arxiv
11+阅读 · 2018年4月25日
Top
微信扫码咨询专知VIP会员