如何政治正確地黑咪蒙?!

扣上如此吹牛逼的標題又會有人說我標題黨了,不管怎樣,今天想給大家提供一個新的阿基米德支點來黑咪蒙。

首先咪蒙是誰?

一個擁有500萬粉絲的公眾號大V,一個永遠都能掐中粉絲G點,每篇文章都是100w+閱讀量的超級寫手,一個一篇軟文能賣50萬人民幣的公司老闆。

咪蒙的文章為什麼吸引人?

都是套路!

第1個套路:製造意想不到的反轉,提高文章打開率

她的 標題 都是這樣的:

拋出一個大家習以為常的現象 > 用直白甚至粗魯的語言製造反轉

《女追男隔層紗?這種屁話你也信!》

《看到直男癌言論,我的髒話不夠用了》

《什麼門當戶對,不就是愛得不夠》

《生活不只有詩和遠方,還有傻逼甲方》

《矮子們快來幸災樂禍!原來長得高也很凄慘啊!》

《老子努力奮鬥,就是為了包養一個男人》

《我能想到最性感的畫面,就是你跪鍵盤的樣子》

還有很多就不一一列舉了。

第2個套路:製造男人與女人的對立,吸引人讀下去

我是怎麼得出這個結論的呢?

首先出於好奇,我爬取了咪蒙 113篇文章的標題,對標題進行分詞,並用馮氏風格展現出來:

發現有 3類詞 出現的頻率最高!

男人、男生、男朋友、男孩 這4個詞佔比最高,達到 20%。

女人、女孩、女生、女神、少女 這5個詞佔比第二高,達到 10%。

婚姻、吵架、結婚、性生活、愛情、老公、出軌 等詞佔比第三高,9%。

我還爬取了咪蒙最近發表的 30篇文章 的內容,分詞後的詞雲如下:

前十頻次 的詞語如下:

可以看到佔據 2,3位 的是 女生、男生,由此可推斷她的第二個套路是探討 男女關係,而討論最多的是 結婚、出軌、吵架 等兩性的負面現象

你可能會問為什麼不是朋友關係,朋友是詞頻最高的詞啊!其實不是,因為這是咪蒙的第三個套路。

第3個套路:講身邊的故事,讓你信以為真

「昨天半夜,一個認識多年的朋友說」,「黃小污的朋友南瓜以前也這樣」,「小安是我大學的學妹」,「我們公司新招的實習生說」。是不是似曾相似?

咪蒙的文章都在講故事,很湊巧這些故事都剛好發生在她身邊,包括但不僅限於她的 同事、朋友、實習生、大學同學、初中同學、高中同學

這跟臨時工的作用是一樣的,如果有人質疑故事真實性,她可以說,她不過是一個實習生,我有幾十上百個實習生,你找去啊

第4個套路:永遠站在粉絲一邊,為粉絲說她們不敢說的話

首先咪蒙的粉絲都是誰?

爬取 咪蒙微博10萬 條粉絲評論 ,粉絲的分布如下:

女性 粉絲佔了絕大多數!

23-28歲 的粉絲佔了大多數!

這個年齡段的女生對婚姻和渣男應該是最敏感的!

那麼當年收入上千萬,站在金字塔頂端的女皇咪蒙拿起話筒對準 渣男 狂噴的時候,說實話,坐在電腦前的直男都高潮了!

第5個套路:為什麼讀咪蒙的文章特別順滑?短句的堆砌

為什麼咪蒙的文章那麼長,讀起來一點不累?因為她把長句統統拆成短句,一口口餵給你!

隨便摘抄一段

天啦嚕!如果被小學老師逮到,分分鐘給你不及格!你是有多愛短句,你是覺得粉絲很傻,理解能力有限么?

不!

「要把讀者當嬰兒,把複雜的內容掰碎了餵給他」

短句的堆砌,可以縮短讀者思考的時間,長句本身讀起來就費時,更不用說理解,如果拆成三個短句,分分鐘變德芙巧克力,一口順滑!

第6個套路:用小清新的圖,來掩蓋雞湯的毒

幾米大雜燴有木有!從圖中看到自己有木有!小清新范撲面而來有木有!

恩,所有的糖衣,都會帶著炮彈,所有的毒藥,外面都包裹著糖衣!

看到這你想到什麼?

對,咪蒙是可以複製的!

看我複製一個咪蒙粗來!

大家好,我叫迷夢,我給大家推個文,要10w+哦!

《你不是不夠努力,你是蠢!》

前幾天,我公司一實習生的姐姐,給我打電話哭訴 「為什麼我那麼努力維繫,他還是出軌了」。

當時我的反應就是呵呵噠。

女人常常覺得,男人出軌,是因為她們對他不夠好。

特么你還能更蠢么!

我一高中同學的大表姑媽,跟他老公十年恩愛,最後她老公還是出軌了,原因是小三的胸比較大。

我一朋友的母親的大侄女,嫁給一渣男,因為那男的出軌的原因,是覺得她已經不再是以前的小騷貨了。

我說過一萬次,男人出軌,那是他不夠愛你,你應該努力投資自己,成為牛逼閃閃的女性,然後找一個真正愛你的人!

我一實習生的妹妹的乾媽,第一次結婚遇到一渣男,出軌,她頭都不回,果斷離婚,分得上百萬的家產,自己開公司,不到三年成了一小富婆。

後來她找了一老公,長的就是一吳彥祖,還特別愛她,在郊區買了一套別墅,還只署她的名字,這種情況下,她完全心安理得,在家當起全職主婦,到現在也過得特別幸福。

我一遠房表弟的三姨父的姘頭....

已被雞湯毒死,卒...


專註互聯網及商業相關數據分析,微信公號:washu66

推薦閱讀:

PowerBI的M與DAX之爭
為什麼你最好的員工會離職?
如何用數據,策劃一次成功的拉新活動?

TAG:数据分析 | 新媒体 | 互联网 |