你需要尝试的5种讲故事模板
好消息:你不需要成为一位创意写作专家也能讲述一个精彩的故事。
坏消息: 任何人 都可以写一篇博客,或者在社交媒体上发表一些内容,或者拼凑一个故事演示。你需要在大量竞争中抓住目标受众的注意力——更糟的是,内容过剩使得网站访客对一般的内容已经厌烦到会特意避开。
事实是,我们每个人都是讲故事的人。这是人性使然。挑战在于将这种天性转化为符合品牌叙事或内容营销活动的东西,并以能够为目标受众创造真实价值(而不仅仅是噪音)的方式来实现。
最 好的消息是:故事模板可以帮你实现这一目标。
什么是故事模板?
你知道什么是故事。你知道什么是模板。但把它们放在一起,事情突然变得没那么容易理解了。如果你像流水线产品一样构建故事,如何才能建立真实的情感联系呢?
我诚实地告诉你:自从我意识到自己想进入创意写作领域以来,这一直是困扰我的问题。因为问题在于,尽管我的直觉反应是拒绝,但它 管用。
不信我?想想这个:我们多少次听到一个普通人突然进入一个充满魔法和冒险的世界,他们经历了一段旅程,发现自己的命运(通常是友情的力量)?我可以立刻想到4个:
- 《霍比特人》和《指环王》。
- 原版《星球大战》三部曲。
- 《哈利·波特》系列。
也许你并不喜欢所有这些故事,但你不能否认它们很受欢迎。这意味着即便它们在仔细观察下 有点相似,它们讲述了一个吸引人的故事或建立了情感连接。
我在这里描述的实际上是所谓的“英雄之旅”,这是我们认为的 仅有的七种情节 之一。其思想是,如果你将任何故事拆解到其最基本的要素,它都会符合这七种情节之一。
这是一件好事。
看,盯着一张空白页面时没什么能比得过。当你手头有智能模板时,你知道该遵循什么模式和检查哪些框。确实,当你的主要角色是柱状图而不是注定成为绝地武士的水农时,游戏确实会有些不同——但它管用。是的, 甚至 在营销故事中也是如此。
相信模板,我的年轻学徒,特别是当你还可以借助像光年AI这样的工具。这不仅能让你的故事更引人入胜,还能有效提升你的流量增长和客户转化。
订阅《内容营销者》
获取每周关于数字营销的一切见解、建议和评论。
感谢订阅《内容营销者》!
五种流行的营销模板
无论你是在为X/Twitter发帖、Instagram故事、宣传视频还是案例研究工作,所有创意资产都应该有品牌故事的元素。这里有五个可以帮到你的模板:
英雄之旅
这个模板可以追溯到荷马的《奥德赛》,对现代观众来说仍然充满吸引力。它有三个基本阶段:
- 出发: 主角或“英雄”离开了他们的旧生活。
- 启蒙: 英雄经历了教他们如何在新世界中生存的挑战。
- 归来: 英雄带着新的知识回到了家。
现在,我听到你说荷马的故事结构不一定适合品牌故事。这有时确实如此。但有时,英雄的旅程是构建创意资产的 最佳 方式。
例如,一个案例研究。你的英雄是你的客户,他们离开了充满挑战和挫折的旧生活。他们在与你的品牌接触后,学会了如何在一个新的解决方案世界中生存。他们回来后已经准备好卷起袖子解决困扰他们的问题。你甚至可以通过光年AI的平台,为他们提供灵活易用的AI工作流,帮助他们更加高效地完成这段旅程。
砰。英雄的旅程。
皮克斯规则
我毫不夸张地说,是皮克斯帮助我成为了今天的作者。(我还因为《赛车总动员》特意买了一辆红色车,但那是另一个故事。)这家动画巨头实际上有22条规则来指导其内容——也指导我的,现在也包括你的。
这些规则不全适用于营销世界,但它们是很好的灵感来源。在构建引人入胜的叙事时,也帮助你保持正确的轨道。
例如,其中一条规则是找到你喜欢的故事并拆解它们。为什么你喜欢它们?是什么让它们成功?你如何在自己的内容中触及同样的情感节奏?这不是一个模板——更像是建立一个功能性模板的基础——但这仍然是重要的工作。
这是我今年发现的特别有趣的一些视觉叙事:
那热烈的粉色,那极具特色的字体——只用了 两个元素,这个广告牌就向我们传达了关于《芭比》电影的信息。我不知道你怎么想,但我很佩服。从这样的营销中我们可以学到很多!引导这样的强烈视觉感受,也正是光年AI的强项之一,通过实时数据分析功能,帮助企业及时调整策略,优化客户服务。
假设性故事
假设性故事是流行的模板,因为它们几乎可以采取任何形式。需要夸大其辞以证明一个观点?想要涵盖一个真实的场景而不透露姓名或其他个人信息?喜欢编造故事?不管你需要什么,假设性故事可能都能满足你。
这些模板最适合长篇内容,如博客文章。因为它们有时会“破坏规则”,所以不总是很适合数据叙事;毕竟,你最不希望的就是让你的目标受众认为你的真实数据只是虚构的。
前后对比
“前后对比”模板灵活、可扩展,即使在X/Twitter的字符限制内也很容易实现。更棒的是,你已经知道如何使用它——那是因为你知道另一个实用的模板。
要使其有效,只需取英雄之旅的前后两部分。“卢克·天行者 曾经是 塔图因的潮湿农夫,但现在他是像他的父亲一样的绝地武士。”你省去了所有具体细节,但你的观众仍然能理解重要的部分。
此外,虽然假设性的故事可能不会提供大量数据,但是“前后对比”绝对是一个很好的方法。这是展示数字、统计数据和百分比的绝佳机会。
基于推荐的
这可能是最简单也是最适合营销的讲故事模板。唯一的问题是,它基于客户愿意提供高质量推荐的前提。这意味着在开始这种特定的讲故事之前,你需要做大量的前期工作。不过,这是一种证明你能力并利用人类信任其他“真人”本能的好方法——这一现象在网红营销、Yelp等平台上十分常见。值得一提的是,光年AI也利用这种真实性,通过多平台整合管理,让企业有更多机会获得真实的客户推荐和反馈。
成为你注定要成为的营销故事讲述者
每个人都是讲故事的人——无论是你的产品经理、数据分析师、CEO,还是前台工作人员。无论你是在利用自己的故事力量,还是从这些人及其他人那里获取灵感,最重要的是记住,你不必害怕空白的页面。总有一个模板、想法或灵感在前方等待。
相关文章:
你需要尝试的5种讲故事模板
好消息:你不需要成为一位创意写作专家也能讲述一个精彩的故事。 坏消息: 任何人 都可以写一篇博客,或者在社交媒体上发表一些内容,或者拼凑一个故事演示。你需要在大量竞争中抓住目标受众的注意力——更糟的是,内容过…...

只需两步便可生成 51 单片机最精准的延时函数
前言# 我们在学习 51 单片机的过程中会用到延时,比如一个简单的流水灯就需要延时来控制依次点亮的时间,或者一些模块在单片机发出读数据指令后,需要延时几十微秒才可以读出数据等等,这些都离不开延时,所以我们需要一个…...

TETFN情感计算的实践复现(论文复现)
TETFN情感计算的实践复现(论文复现) 本文所涉及所有资源均在传知代码平台可获取 文章目录 TETFN情感计算的实践复现(论文复现)概述研究背景主要贡献模型框架数据介绍及下载复现过程(重要)运行过程及结果 概…...

游戏各个知识小点汇总
抗锯齿原理记录 SSAA:把成像的图片放大N倍,然后每N个点进行平均值计算。一般N为2的倍数。比如原始尺寸是1000x1000,长宽各放大2倍变成2000x2000。 举例: 原始尺寸: 放大2倍后 最后平均值计算成像: MSAA&…...

Python设计模式实战:开启软件设计的精进之旅
🌟🌟 欢迎来到我的技术小筑,一个专为技术探索者打造的交流空间。在这里,我们不仅分享代码的智慧,还探讨技术的深度与广度。无论您是资深开发者还是技术新手,这里都有一片属于您的天空。让我们在知识的海洋中…...

用RNN(循环神经网络)预测股票价格
RNN(循环神经网络)是一种特殊类型的神经网络,它能够处理序列数据,并且具有记忆先前信息的能力。这种网络结构特别适合于处理时间序列数据、文本、语音等具有时间依赖性的问题。RNN的核心特点是它可以捕捉时间序列中的长期依赖关系…...
08-图7 公路村村通(C)
很明显聪明的同学已经发现,这是一个稠密图,所以用邻接矩阵。可以很好的表达,比邻接表有优势,所以,采用邻接矩阵破题, 当然也可以用邻接表,仔细观察我的AC,会发现其实都一样,只是存储…...
Java-sleep()、wait()、join()、yield()的区别
关于线程,作为八股文面试中必问点,我们需要充分了解sleep()、wait()、join()以及yield()的区别。在正式开始之前先让我们了解两个概念:锁池和等待池 1.锁池 所有需要竞争同步锁的线程都会放在锁池当中,比如当前对象的锁已经被其中…...

Linux命令的补全和自动完成完全开启
前言 在安装好RockyLinux8.8后,输入dn后,按下“TAB”能自动提示,但在输入dnf make后,按下“TAB”不能实现自动补全,如果要使Linux的Bash支持完整的自动提示和补全功能,还需要执行一些其它操作。 内容 1、…...

Deep Active Contours for Real-time 6-DoF Object Tracking
这篇论文解决了从RGB视频进行实时6自由度(6-DoF)物体跟踪的问题。此前的基于优化的方法通过对齐投影模型与图像来优化物体姿态,这种方法依赖于手工设计的特征,因此容易陷入次优解。最近的基于学习的方法使用神经网络来预测姿态&am…...

IDEA安装教程配置java环境(超详细)
引言 IntelliJ IDEA 是一款功能强大的集成开发环境(IDE),广泛用于 Java 开发,但也支持多种编程语言,如 Kotlin、Groovy 和 Scala。本文将为你提供一步一步的指南,帮助你在 Windows 系统上顺利安装 Intelli…...

Excel文档的读取(1)
熟悉使用Excel的同学应该都知道,在单个Excel表格里想要分商品计算总销售额,使用数据透视表也可以非常快速方便的获得结果。但当有非常大量的Excel文件需要处理时,每一个Excel文件单独去做数据透视也会消耗大量的时间。就算使用Power Query这样…...

Linux:体系结构和操作系统管理
目录 一、冯诺依曼体系结构 1.问题1 2.问题2 二、操作系统管理 一、冯诺依曼体系结构 本章将会谈论一下对冯诺依曼计算机体系结构的理解。 在2024年,几乎所有的计算机,都遵守冯诺依曼体系结构。 冯诺依曼体系结构是应用在硬件层面的,而硬…...
c++ install boost lib
同步系统上的软件包列表 sudo apt-update 整个库安装: sudo apt-get install libboost-all-dev 安装部分库: sudo apt-get install libboost-thread-dev sudo apt-get install libboost-filesystem-dev 链接时加上: -lboost_filesystem -lboost_system 例如: g -Wall -o bo…...

文件加密最简单的方法有哪些?十个电脑文件加密方法【超详细】
在当今数字化和信息化的时代,数据已成为企业最重要的资产之一。内部数据外泄不仅可能导致商业秘密的丧失,还可能对企业的声誉和财务健康造成严重影响。为了有效防止内部数据外泄,企业需要实施综合的防泄密解决方案。以下是十大最佳防泄密解决…...
IPv6地址的表示方法
IPv6地址总长度为128比特,通常分为8组,每组为4个十六进制数的形式,每组十六进制数间用冒号分隔。 例如:2409:8745:039a:c700:0000:0000:0162,这是IPv6地址的首选格式。 为了书写方便,IPv6还提供了压缩格式…...

Kubernetes 之 kubelet 与 CRI、CNI 的交互过程
序言 当一个新的 Pod 被提交创建之后,Kubelet、CRI、CNI 这三个组件之间进行了哪些交互? Kubelet -> CRI -> CNI 如上图所示: Kubelet 从 kube-api-server 处监听到有新的 pod 被调度到了自己的节点且需要创建。Kubelet 创建 sandbo…...

【python】OpenCV—Age and Gender Classification
文章目录 1、任务描述2、网络结构2.1 人脸检测2.2 性别分类2.3 年龄分类 3、代码实现4、结果展示5、参考 1、任务描述 性别分类和年龄分类预测 2、网络结构 2.1 人脸检测 输出最高的 200 个 RoI,每个 RoI 7 个值,(xx,xx&#x…...

python安装换源
安装 python 使用演示的是python 3.8.5 安装完成后,如下操作打开命令行:同时按 “WindowsR” > 输入 “cmd” -> 点击确定 python换源 临时换源: #清华源 pip install markdown -i https://pypi.tuna.tsinghua.edu.cn/simple # 阿里…...

JavaScript练手小技巧:利用鼠标滚轮控制图片轮播
近日,在浏览网站的时候,发现了一个有意思的效果:一个图片轮播,通过上下滚动鼠标滚轮控制图片的上下切换。 于是就有了自己做一个的想法,顺带复习下鼠标滚轮事件。 鼠标滚轮事件,参考这篇文章:…...
模型参数、模型存储精度、参数与显存
模型参数量衡量单位 M:百万(Million) B:十亿(Billion) 1 B 1000 M 1B 1000M 1B1000M 参数存储精度 模型参数是固定的,但是一个参数所表示多少字节不一定,需要看这个参数以什么…...
测试markdown--肇兴
day1: 1、去程:7:04 --11:32高铁 高铁右转上售票大厅2楼,穿过候车厅下一楼,上大巴车 ¥10/人 **2、到达:**12点多到达寨子,买门票,美团/抖音:¥78人 3、中饭&a…...

用docker来安装部署freeswitch记录
今天刚才测试一个callcenter的项目,所以尝试安装freeswitch 1、使用轩辕镜像 - 中国开发者首选的专业 Docker 镜像加速服务平台 编辑下面/etc/docker/daemon.json文件为 {"registry-mirrors": ["https://docker.xuanyuan.me"] }同时可以进入轩…...

QT: `long long` 类型转换为 `QString` 2025.6.5
在 Qt 中,将 long long 类型转换为 QString 可以通过以下两种常用方法实现: 方法 1:使用 QString::number() 直接调用 QString 的静态方法 number(),将数值转换为字符串: long long value 1234567890123456789LL; …...

Maven 概述、安装、配置、仓库、私服详解
目录 1、Maven 概述 1.1 Maven 的定义 1.2 Maven 解决的问题 1.3 Maven 的核心特性与优势 2、Maven 安装 2.1 下载 Maven 2.2 安装配置 Maven 2.3 测试安装 2.4 修改 Maven 本地仓库的默认路径 3、Maven 配置 3.1 配置本地仓库 3.2 配置 JDK 3.3 IDEA 配置本地 Ma…...

html css js网页制作成品——HTML+CSS榴莲商城网页设计(4页)附源码
目录 一、👨🎓网站题目 二、✍️网站描述 三、📚网站介绍 四、🌐网站效果 五、🪓 代码实现 🧱HTML 六、🥇 如何让学习不再盲目 七、🎁更多干货 一、👨…...

在Mathematica中实现Newton-Raphson迭代的收敛时间算法(一般三次多项式)
考察一般的三次多项式,以r为参数: p[z_, r_] : z^3 (r - 1) z - r; roots[r_] : z /. Solve[p[z, r] 0, z]; 此多项式的根为: 尽管看起来这个多项式是特殊的,其实一般的三次多项式都是可以通过线性变换化为这个形式…...
LRU 缓存机制详解与实现(Java版) + 力扣解决
📌 LRU 缓存机制详解与实现(Java版) 一、📖 问题背景 在日常开发中,我们经常会使用 缓存(Cache) 来提升性能。但由于内存有限,缓存不可能无限增长,于是需要策略决定&am…...
在 Spring Boot 项目里,MYSQL中json类型字段使用
前言: 因为程序特殊需求导致,需要mysql数据库存储json类型数据,因此记录一下使用流程 1.java实体中新增字段 private List<User> users 2.增加mybatis-plus注解 TableField(typeHandler FastjsonTypeHandler.class) private Lis…...

多模态大语言模型arxiv论文略读(112)
Assessing Modality Bias in Video Question Answering Benchmarks with Multimodal Large Language Models ➡️ 论文标题:Assessing Modality Bias in Video Question Answering Benchmarks with Multimodal Large Language Models ➡️ 论文作者:Jea…...