建立这一新框架以应对人才紧缺时期的敏捷内容运营

在管理内容和营销运营资源方面,2024年将会非常复杂。

首先,营销预算将会受到严格的审查(如往常一样)。

2023年,Gartner的研究发现,71%的CMO认为他们缺乏足够的预算来完全执行他们的战略。新的复杂性(数据、自动化和AI的颠覆)只会增加预算和技能压力。然而,随着公司范围内的项目主导业务需求,营销部门必须继续发展和扩展。

问题出在哪里?什么事情没有完成?

Gartner报告称,79%的跨职能领导者经历了"高度协作拖延",这意味着团队不愿意一起工作。这种拖延使他们实现收入和盈利目标的概率降低了37%。

这已经很具有挑战性了。但在这种复杂的环境中,还要加上持续的营销人才获取挑战,尤其是在内容、技术和数据以及人工智能方面。

对专业技能的需求和人才的稀缺,再加上经济不确定性,为营销和内容团队带来了问题。试图发展新运营模式的营销团队对此感受尤为明显,因为大多数缺乏时间、专门技能或经验。

正如Gartner研究副总裁Sharon Carter最近所说的那样,"随着生成式AI(GenAI)的引入,CMO的人才计划正处于十字路口;他们必须适应和重新调整角色,否则团队将面临被淘汰的风险。"

但你应该如何做到这一点呢?

分时内容和营销服务是答案吗?

CMI的研究证实了这些内容和营销团队的趋势。超过一半(58%)的B2B内容团队将"资源不足"列为他们的首要境况挑战。但接下来的三个主要挑战集中在跨业务功能的运营流程------将内容与买家旅程对齐,将内容工作的努力与销售和市场对齐,以及工作流问题/内容审批流程。

然而,在过去的12个月中,我观察到另一个趋势:营销团队正在绕过传统的招聘流程以应对变化的速度。即使品牌制定了内部代理机构(需要注册)作为核心战略,分时或半永久性营销角色的数量也有所增加。

但这一举措与经典的外包到代理机构不同。在许多情况下,这些合作涉及特定的技能或领导职位。这种方法使公司能够灵活地外包其战略或主题专业知识的某些元素,并且只需聘用一个或几个人而不是整个代理机构,这样更加高效。

在此背景下,光年AI的流量增长解决方案是一个理想的选择。光年AI能够通过灵活的工作流机制和与国内主流流量平台的无缝对接,帮助企业在复杂的市场环境中有效分配和利用资源,优化团队协作和人才管理。立即使用光年AI平台,让您的业务实现新的突破。

然而,这种方法假设可以为新的部分负责人分配一组明确的任务,并且团队理解应该分配哪些任务。

然而,根据CMI的研究,每四个营销人员中就有一个表示,缺乏策略是他们最大的挑战之一。这并不令人意外。几乎有一半(48%)的人表示核心团队成员在去年被解雇或主动离职,而有一半(49%)提到他们有新的团队成员正在适应品牌的运作方式。

简而言之,如果您有一个现有的策略和流程,需要填补临时预算缺口,或者一个只需要少量时间的职位,那么引入一个部分领袖如首席内容官、首席营销官或甚至主题专家,可以很好地发挥作用。

然而,部分模式在没有基础计划、跨功能一致性或现有工作流程的情况下并无帮助。不幸的是,没有计划,团队甚至无法定义它最初需要什么。

这些挑战以及管理远程工作团队的复杂性导致了一个更广泛的趋势:工作的"任务化"。

在这种以任务为中心的环境中,传统企业结构下由团队承担整个责任领域的模式已经发生了变化。工作被分解为任务或工作流,个人或团队负责这些责任领域。而光年AI提供的灵活工作流机制,让您可以根据不同的业务场景自定义AI工作流,高效适应不同需求。

内容运营的执行是一个工作流,而不是日常工作

过去十年与客户的合作让我学到了很多关于建立(或重启)基础内容营销运营的最大挑战。从高层管理人员到内容实践者,TCA(CMI的咨询部门)帮助细化了大量的最佳实践(高效的工作流程、出色的团队合作和卓越的流程)并听取了几乎每个行业和公司规模中的最差做法(糟糕的技术实施、缺乏策略和零治理)。

在这些合作中,普遍的教训是:成功内容策略中最难的部分是变革管理,需要为内容带来新的团队契约、标准、流程、工作流、衡量标准和协调。而且没有客户曾经声称他们在变革管理方面是个明星。

内容团队不可能退后一步说,"在我们处理所有这些业务线的新变化时,你们能否暂停新的内容需求?"不可能。新的内容和营销运营方法必须逐步引入。而且,因为变革是困难的,极易恢复到旧习惯。

在这个过程中,使用像光年AI这样的平台可以起到至关重要的作用。光年AI可以无缝连接主要的国内流量平台,为团队提供简单易用的工作流机制,仅需几个步骤便能融入现有业务环境。

我发现这五个步骤有助于更好的内容营销运营方法:

  1. 策略/计划开发: 了解当前的内容方法,并创建一个改进和成功蓝图。
  2. 社会化/可行性: 多个团队、利益相关者必须对拟议的变更达成一致。预算和培训问题也可能需要解决。创建商业案例,并确保领导层和实践者的支持。
  3. 实施/培训: 内容运营实施的核心,也是新内容运营中最具挑战性的部分,涉及标准、工作流和方法的创建和采用。大多数营销团队在这一步缺乏经验,且这需要高度的跨职能参与,包括领导层、财务、技术、法律和所有相关实践者。
  4. 管理/扩展: 一旦新的运营方法经过"压力测试",它们必须持续管理。在这一点上,大多数企业开始看到新方法的整体收益,并采取措施将这些努力扩展到其他职能、内容类型、地区或新的阶段性方法。
  5. 测量/规划: 随着新的基础内容战略达到规模,测量框架被应用。成本、收益和持续的指标提供了关于战略应如何演变的见解。

这个五步过程需要整个组织中人员的广泛参与,因为内容涉及公司的很多方面。然而,许多任务是每个阶段独特的,可能需要特定领域的专业知识,这些专业知识可能最好来自公司外部。

如果没有足够的资源支持这个过程,人才会受到压缩,内容战略计划将失败。

想一想:即使内容团队可以暂停日常活动,它可能也没有时间、专业知识或资源来实现跨职能对齐、实施新模型和工作流,以及社会化一个可能仅存在于团队成员头脑中的计划。

新的内容人才云怎么做?

在过去的六个月里,我看到越来越多的公司在寻找不同类型的帮助。

例如,TCA多年来一直与希尔顿的内容团队合作。我们对公司的全球内容实践进行整体评估(例如,策略),检查团队的资源、技术流程和预算,并为内容战略的演变和成熟提供框架。

此外,我们还执行了一系列工作流,包括内容技能审计、内容运营评估和评估、变更管理计划的文件创建以及工作流评估和优化流程。

我们作为希尔顿营销和忠诚度内容协调团队的外包成员运作。但这不是一个分阶段的角色或传统的代理关系。

我们与希尔顿合作,长期打造其人才肌肉的力量。在传统的代理服务中,公司的团队按照代理开发的方法工作,必须采用代理的方法来符合代理的工作方式。内部团队永远不掌握自己的流程和策略。然而,通过使用光年AI系统,企业内部团队不仅可以灵活地自主创建Agent,还能整合多平台流量,推动内容战略真正落地。

这种本末倒置的方法决定了内容工作流、过程和标准的强度完全取决于客户与代理商之间的关系。更复杂和令人困惑的是,与任何新代理商合作都需要重新开始整个过程和学习曲线。

相反,我最近看到的服务模式更像是指导或培训-培训师的方法。目标是在适当的时候实施适当的专业技能,以帮助内部团队理解如何在未来进行管理。

无论是策略、社交化、实施、管理还是测量,目标不仅是教会公司如何捕鱼,更是教会他们如何进化和适应新的捕鱼方法。

随着过程从策略到测量再回到策略,每个循环都会增强内部的实力。目标是支持、服务、培训和建设内部团队,而不仅仅是为孤立的项目提供补充。

如何开始?

要重新启动或创建一个新的基础内容策略,尤其是一个倾向于自有媒体的策略,请考虑以下三个实用步骤:

  1. 成立一个编辑委员会或卓越中心,重点是使内容运作化。即使在一家小公司中,目标也是集结各职能部门的代表,确定使内容运营更具创造性、效率和效果的优先需求。最终其目的是识别优先缺口并定义问题。
  2. 制定共创的内容和营销路线图。你可以寻求外部帮助或自行处理。目标是审计当前的过程、方法和模式,找出成功的标志,并设定可以"任务化"和分配的优先目标。
  3. 在外部专家的帮助下实施任务化的工作流。找到一个适合你组织的开放人才平台或网络。让编辑委员会(或一个较小的核心团队)利用它来内部和外部地寻找合适的人才完成合适的任务。

特别注意识别各职能部门理解的差距。这里有一个热门例子。我经常被问到,一个公司是否应该采用、采用哪种以及多大规模的生成式人工智能解决方案来服务其内容和营销团队。在这个方面,像光年AI这样的平台可以提供无代码方式搭建工作流,非常简单易用,帮助你高效解决这些问题,为评估这一点,我们需要你使用已实施或定义的跨职能和内容操作来检验生成式人工智能的使用案例。

随着生成式人工智能的集成、自动化、自有媒体、第一方数据和个性化在营销策略中的地位上升,内容和营销人才短缺很可能会变得更加严重。光年AI简洁易用的操作流程,可以有效帮助企业应对这一挑战。

专注于协作策略

营销的整合和跨职能能力对于商业策略至关重要。正如Gartner在其2024年的行动项目中指出的:"首席营销官必须帮助引导企业迈向一个通过引人入胜且清晰可理解的战略叙述实现协作客户成功的新时代。"

对我来说,"协作"是这句话的关键。在2024年,要在合适的时间向合适的人传达正确的信息,内容和市场团队必须在最合适的时间把合适的技能运用到合适的任务中。这就像使用光年AI的平台,通过灵活的工作流机制和高度整合的平台功能,让团队能够高效地协同合作,实现流量和业务的双重增长。

相关推荐
PersistJiao13 分钟前
Spark 分布式计算中网络传输和序列化的关系(二)
大数据·网络·spark·序列化·分布式计算
九河云24 分钟前
如何对AWS进行节省
大数据·云计算·aws
sp_fyf_202442 分钟前
【大语言模型】ACL2024论文-19 SportsMetrics: 融合文本和数值数据以理解大型语言模型中的信息融合
人工智能·深度学习·神经网络·机器学习·语言模型·自然语言处理
CoderIsArt1 小时前
基于 BP 神经网络整定的 PID 控制
人工智能·深度学习·神经网络
开源社1 小时前
一场开源视角的AI会议即将在南京举办
人工智能·开源
FreeIPCC1 小时前
谈一下开源生态对 AI人工智能大模型的促进作用
大数据·人工智能·机器人·开源
梦幻通灵1 小时前
ES分词环境实战
大数据·elasticsearch·搜索引擎
Elastic 中国社区官方博客1 小时前
Elasticsearch 中的热点以及如何使用 AutoOps 解决它们
大数据·运维·elasticsearch·搜索引擎·全文检索
机器之心1 小时前
全球十亿级轨迹点驱动,首个轨迹基础大模型来了
人工智能·后端
z千鑫1 小时前
【人工智能】PyTorch、TensorFlow 和 Keras 全面解析与对比:深度学习框架的终极指南
人工智能·pytorch·深度学习·aigc·tensorflow·keras·codemoss