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:…...
OFA-Image-Caption赋能Android应用:移动端图像智能描述实战
OFA-Image-Caption赋能Android应用:移动端图像智能描述实战 你有没有想过,手机拍下一张照片,它就能立刻告诉你照片里有什么?对于视障朋友来说,这不仅仅是便利,更是打开世界的一扇窗。而对于内容平台&#…...
隐私计算新选择:OpenClaw+nanobot本地化数据处理
隐私计算新选择:OpenClawnanobot本地化数据处理 1. 为什么我们需要本地化数据处理方案 作为一名长期关注数据隐私的技术从业者,我最近在探索如何在不牺牲便利性的前提下,确保敏感数据处理的绝对安全。金融行业的朋友经常向我抱怨࿱…...
突破GEE内置限制:将本地Python机器学习模型部署至云端
1. 为什么需要将本地模型部署到GEE平台 Google Earth Engine(GEE)作为全球领先的地理空间分析平台,虽然内置了丰富的遥感数据处理算法,但在机器学习模型方面仍然存在明显短板。我去年在做内蒙古草原退化监测项目时就深有体会——G…...
UniApp地图组件实战:5分钟搞定腾讯位置服务+自定义气泡弹窗(附避坑指南)
UniApp腾讯地图组件深度实战:从Key申请到自定义弹窗全流程解析 1. 腾讯位置服务Key申请与配置 在manifest.json中配置腾讯地图Key是第一步,但90%的开发者会忽略安全配置细节。正确的申请流程应该是: 访问腾讯位置服务官网,进入控制…...
探索ROCm:从基础到实践的完整路径
探索ROCm:从基础到实践的完整路径 【免费下载链接】ROCm AMD ROCm™ Software - GitHub Home 项目地址: https://gitcode.com/GitHub_Trending/ro/ROCm ROCm(Radeon Open Compute)是AMD推出的开源GPU计算平台,为高性能计算…...
模型微调加速:OpenClaw对接nanobot的LoRA训练
模型微调加速:OpenClaw对接nanobot的LoRA训练 1. 为什么选择OpenClawnanobot进行模型微调 去年我在尝试用Qwen3-4B模型处理专业领域任务时,发现直接使用基础模型的效果总差强人意。模型要么对专业术语理解不到位,要么生成的回答缺乏领域特性…...
在对话中处理数学方程时,OpenClaw 的 LaTeX 渲染引擎支持哪些宏包?
在讨论OpenClaw的LaTeX渲染能力时,很多人会直接去翻官方文档或者技术手册。但如果你真的在项目里用过它,尤其是处理过那些复杂的数学对话场景,就会发现文档里写的东西和实际能用的东西,中间往往隔着一层实践的距离。 OpenClaw在设…...
破局与重构:基于“智慧大脑”的企业全面数据化经营深度解构(PPT)
“在数字时代,企业最大的风险不是数据的匮乏,而是决策依然依赖经验直觉而非数据驱动。” —— 这份《数字化建设企业经营解决方案》文档,不仅是一份技术蓝图,更是对传统企业经营管理模式的一次彻底颠覆。它描绘了一个从“人治”迈…...
噪声系数测试中的Y因子:为什么ENR超噪比是你的关键指标?
噪声系数测试中的Y因子:为什么ENR超噪比是你的关键指标? 在无线通信系统的设计与验证中,噪声系数(Noise Figure)是衡量接收机灵敏度的核心参数之一。而Y因子法作为噪声系数测试的黄金标准,其准确度很大程度…...
MiniCPM-V-2_6赋能Python爬虫:智能数据采集与清洗
MiniCPM-V-2_6赋能Python爬虫:智能数据采集与清洗 还在为反爬机制头疼?试试让AI来帮你搞定数据采集的那些麻烦事 咱们做数据采集的,最怕遇到什么?页面结构一变,爬虫就失效;验证码弹出来,手动识别…...
