如果你一直在关注我们最近关于营销自动化的文章，你可能会欣赏一流的内容策略对营销自动化成功的作用。这对于吸引你的观众到你的网站，捕捉线索，当然，培养他们是至关重要的。但它也在你如何收集数据来细分你的潜在客户，针对他们的内容，并根据谁是最适合销售的人来评分方面发挥着重要作用。
用内容分割你的列表
通过将正确的培养内容与适当的受众联系起来，您可以从电子邮件列表中获得更多信息。怎么做?你需要细分你的潜在客户，这不仅可以帮助你确定谁是最适合销售的，还可以让你个性化你的内容，有效地针对你的不同角色。甲骨文发现，有一个适当的系统可以做到这一点提高30%的成交率．为你的潜在客户评分——对潜在客户的销售准备程度和对你的业务的感知价值进行排名——也会使你的努力与你的销售团队同步，让他们专注于值得他们关注的潜在客户。
你需要大量的数据来准确有效地对你的线索进行分组，了解谁在阅读你的网站，谁在与你的网站互动。获得真实和相关的用户数据的最佳方法是从您自己的内容中提取数据。你在内容中使用的各种传递方法、声音、格式和主题将有助于阐明以下问题:
- 谁在积极参与其中?
- 他们想要什么?
- 他们对你的品牌有什么看法?
- 你怎样才能最好地帮助他们?
提示:通过发送包括cta在内的普通受众电子邮件来细分您已经拥有的电子邮件，以了解更多关于您的潜在客户的信息。
4个评论内容示例(以及它们提供的丰富数据)
据直销协会统计，2015年结束四分之三的电子邮件营销投资回报率来自于细分的、个性化的列表。你再也不能不细分你的列表来有效地定位你的受众了——你可能已经有了收集他们数据的工具。
您在这里收集的数据还将指导您如何根据每个受众部分最好地个性化您的培育内容。许多下载表单要求一些个人信息，如地点和工作职位。利用这些数据和分析数据以及来自你的内容的社交洞察，开始细分你的受众。
关于你的受众，你的内容分析能告诉你什么?
让我们仔细看看四个常见的内容示例如何导致丰富的分析结果用于细分市场，评分，最终销售。
要想了解大量用户，并与他们进行有意义的互动，唯一的方法就是对他们进行细分和评分。
内容支持事件
这些部分的数据应该很容易辨别，但根据KissMetrics，结束80%的营销人员难以量化数据来自活动参与者的互动。看看谁评论，谁分享，谁链接或谁从事件中转换。
对于B2B企业来说，这些中间渠道的领导可能被划分为品牌大使、公司代表和演讲者(很可能是副总裁)以及总监或经理级别的人。比如布拉夫顿，创建关于我们正在参加的活动的内容我们已经知道，我们的受众是由知识渊博、在公司有影响力、善于社交、乐于谈论行业的营销人员组成的。
您可以通过检查他们如何参与您的社交帖子、博客内容和围绕您的活动报道的cta来收集活动参与者数据。如果你在活动中从他们那里收集到任何信息，可以通过电子邮件了解更多关于新客户的信息，看看他们是如何与你互动的。
提示:部分与会者提供更新，日程变化，预览，评论和跟进。
在线研讨会
网络研讨会注册提供了一些有价值的数据，可以用于细分市场，因为与会者不仅应该与你的特定角色相匹配，他们的行为数据也很容易跟踪。
当Brafton举办网络研讨会时，我们知道我们的观众将主要由有影响力的人和决策者组成。他们很可能是外向的，好奇的，在他们的公司或行业有很大的影响力，并为他们的品牌寻求解决方案。参与者通常在漏斗的下方，接近底部。
当然，你可以从注册表单中获取与会者信息。在网络研讨会结束后，了解他们是否收听、停留了多长时间以及是否完成了任何操作(下载录音、索取更多信息等)也会很有帮助。
提示:发送一封感谢信，附上研讨会的幻灯片和录音，并邀请与会者有任何后续问题与您联系。细分他们的反应。
101级教学内容
Top-funnel内容也许它不是专门用来收集线索的，但它仍然可以让你了解你的受众在这个层面上是如何与你互动的。
“101级”布拉夫顿内容通常采用教育博客、信息图表和视频的形式，旨在吸引新的受众。我们鼓励他们通过链接和cta进入漏斗，最终导致他们与我们分享他们的信息。然后，我们可以看看我们的线索从哪里来，了解更多关于他们的行为
Vior和兴趣。
当涉及到这样的内容时，你可以通过探索你的客户在提供联系信息之前所走过的路径来收集用户信息。
提示:这些受众可能还在了解你的品牌。通过不断向他们发送“知名度”内容，保持你的品牌和信息的前沿和中心。
社会职务
社交帖子的影响范围很广，但它们可以揭示你的受众的一些非常细粒度的数据。
我们通过托管从我们的前景中提取数据需要注册的社交竞赛和促销活动。就像我们的101内容一样，我们可以将信息的起源追溯到社交领域，以更好地了解这部分人群喜欢如何与我们的品牌互动。
提示:社交联系收集的力量不仅止于链接到你的内容。你可以在你的社交页面上使用促销、特别优惠、优惠券和竞赛来收集关于你的受众的详细信息。
当涉及到营销自动化时，个性化你的内容是被忽略的普通垃圾内容和回答受众特定问题的友好信息之间的区别。
