1. 確定使用者群 以及平臺的活躍性

2. 選擇那種方式去做到使用者參與內容策劃創作

3. 平臺數據的挖掘以及分析 分析出使用者感興趣的內容是什麼

資料是最直觀最真實的反應。

1.寬領域，深層次的收集使用者資訊，用這些資訊才能對下一步對使用者資訊利用做準備

2.使用者資訊過濾，分析，過濾掉雜亂的資訊，提取有用的資訊，利用資訊對使用者打標

3.分析使用者畫像，使用者群分類，針對自己特定領域的使用者進行收集，投放自己的產品廣告

4.社群建設，對自己的特定使用者一定要形成一定的聯絡，並給予使用者的福利，這樣使用者對產品參與的積極性才會大大提高

對已收集到的大資料進行分析

許多公司都收集了大量的資料，他們感覺這些資料存在著商業價值，但並不知道怎樣從這些弄出來的值大的資料。不同行業的資料集有所不同，比如，如果你處於網路營銷行業，你可能會有大量Web站點的日誌資料集，這可以把資料按會話進行劃分，進行分析以瞭解網站訪客的行為並提升網站的訪問體驗。同樣，來自制造業的質量保證資料將有助於公司生產出更可靠的產品和選擇更好的供應商，而透過RFID資料可以幫助你更深入地供應鏈中產品的運動軌跡。

重點分析對你的行業有價值的大資料

大資料的型別和內容因行業而異，每一類資料對於每個行業的價值是不一樣的。比如電信行業的呼叫詳細記錄（CDR），零售業、製造業或其他以產品為中心的行業的RFID資料，以及製造業（特別是汽車和消費電子）中機器人的感測器資料等等，這些都是各個行業中非常重要的資料。

理解非結構化的大資料

非結構化的資訊主要指的是是使用文字表達的人類語言，這與大多數關係型資料有著很大的不同，你需要使用一些新的工具來進行自然語言處理、搜尋和文字分析。把基於文字內容的業務流程進行視覺化展示，比如，保險索賠過程，醫療病歷記錄，各個行業的呼叫中心和幫助臺應用程式，以及以客戶為導向的企業情感分析等內容均可以在進行處理後以視覺化的形式表現出來。

使用社交媒體資料來擴充套件現有的客戶分析

客戶的各種行為比如評論品牌、評價產品、參與營銷活動或表示他們的喜好等等，會在客戶中相互影響。社交大資料可以來自社交媒體網站，以及自有的客戶能夠表達意見及事實的渠道。我們可以使用預測性分析發現規律和預測產品或服務的問題。我們也可以利用這些資料來評估市場知名度、品牌美譽度、使用者情緒變動和新的客戶群。

把客戶的意見整合到大資料中

透過運用大資料（與原有的企業資源整合），我們可以對客戶或其他商業實體（產品，供應商，合作伙伴）實現360度全景分析，分析的維度屬性從幾百個擴充套件到幾千個。新增的粒狀細節帶來更準確的客戶群細分，直銷策略和客戶分析。

整合大資料以改善原有的分析應用

對於原有的分析應用，大資料可以擴大和擴充套件其資料樣本。尤其在依賴於大樣本的分析技術的情況下，比如統計或資料探勘；而在欺詐檢測、風險管理或精確計算的情況下同樣也得用上大樣本的資料。