自媒体如何赚钱

自媒赚钱的方法有3种具体如下：

1、纯线上经营，即自媒体所有人通过媒体内容经营聚集了一定数量的粉丝之后，寻找合适的广告主在平台上做广告，实现广告收益。

2、效仿明星、名人、大公司CEO等人的做法，依托于前期在自媒体上积累的人气和个人影响力，通过线下渠道变现。线下变现的方式有很多，例如出书、演讲培训、企业咨询，甚至可以考虑开个网店卖书等等。相比，后者对媒体创办人的要求会高些。

3、线下变现，若要发展成常规稳定的经营项目，一般需要媒体创办人具备一定的社会身份，例如畅销书作家、大学教授、媒体记者等等，由此才能将线上线下资源有机对接，实现经济收益最大化。

在自媒体运营中，要遵循以下原则：

自媒体平台类型众多且不断推陈出新，这边刚刚熟悉了官方微博的运营，那边微信公众平台又粉墨登场了。面对多样化的自媒体形式，需要保持对新媒体的敏感度，勇于探索尝试，一旦有新的自媒体平台出现，就积极响应加入其中。

在通过自媒体平台发布信息时要力求准确，与网友沟通时要客观真诚，面对网友质疑时要实事求是。内容的真实并不影响在自媒体平台上体现一定的趣味性，包括发布趣味性的内容和策划趣味性的活动。

自媒体的本质是媒体，需要获得越来越多的媒体受众。自媒体用户的增长不可能一蹴而就，只能依靠高质量且持续更新的内容，依靠不断组织的有创意的活动，才能不断积累，获得用户的稳定增长，保持自媒体影响力不断扩大。

扩展资料：

法律规范

在自媒体行业发展受阻的情况下，各地方也通过设立地方性法规等形式对自媒体法律问题进行规制，但是由于互联网规模广泛，使得异地侵权问题难以解决，地方性质的法律规范因缺乏国家统一标准而形同虚设。

再者由于我国疆土辽阔，各地区经济发展水平与社会发展现状依旧存在着较大的差异，统一标准的建立要兼顾到每个地区的发展水平，不能一蹴而就，这使得立法上困难重重。关于自媒体我国在立法层次和态度上也存在着很大的问题。

我国现存的关于自媒体的立法多为低层次立法，不具有权威性。在司法实践中，我国常用行政管制代替法律管制，这是由于我国对于该类法律问题没有作出具体的法律管制行为规范，使得法律管制难以运用到实践中去。

我国对于自媒体的态度，多为管制态度，只对禁止性的行为作出了明确的规定，而并未就其发展做出合理规定，这使得该行业的发展缺乏一定的法律指引，使得自媒体没能被科学有效的利用。

-自媒体

与其他的人工智能技术相比，情感分析(Sentiment Analysis)显得有些特殊，因为其他的领域都是根据客观的数据来进行分析和预测，但情感分析则带有强烈的个人主观因素。情感分析的目标是从文本中分析出人们对于实体及其属性所表达的情感倾向以及观点，这项技术最早的研究始于2003年Nasukawa和Yi两位学者的关于商品评论的论文。

随着推特等社交媒体以及电商平台的发展而产生大量带有观点的内容，给情感分析提供了所需的数据基础。时至今日，情感识别已经在多个领域被广泛的应用。例如在商品零售领域，用户的评价对于零售商和生产商都是非常重要的反馈信息，通过对海量用户的评价进行情感分析，可以量化用户对产品及其竞品的褒贬程度，从而了解用户对于产品的诉求以及自己产品与竞品的对比优劣。在社会舆情领域，通过分析大众对于社会热点事件的点评可以有效的掌握舆论的走向。在企业舆情方面，利用情感分析可以快速了解社会对企业的评价，为企业的战略规划提供决策依据，提升企业在市场中的竞争力。在金融交易领域，分析交易者对于股票及其他金融衍生品的态度，为行情交易提供辅助依据。

目前，绝大多数的人工智能开放平台都具备情感分析的能力，如图所示是玻森中文语义开放平台的情感分析功能演示，可以看出除了通用领域的情感分析外，还有汽车、厨具、餐饮、新闻和微博几个特定领域的分析。

那么到底什么是情感分析呢？从自然语言处理技术的角度来看，情感分析的任务是从评论的文本中提取出评论的实体，以及评论者对该实体所表达的情感倾向，自然语言所有的核心技术问题，例如：词汇语义，指代消解，此役小气，信息抽取，语义分析等都会在情感分析中用到。因此，情感分析被认为是一个自然语言处理的子任务，我们可以将人们对于某个实体目标的情感统一用一个五元组的格式来表示：(e,a,s,h,t)

以图为例，e是指某餐厅，a为该餐厅的性价比属性，s是对该餐厅的性价比表示了褒义的评价，h为发表评论者本人，t是19年7月27日。所以这条评论的情感分析可以表示为五元组（某餐厅，性价比，正向褒义，评论者，19年7月27日）。

情感分析根据处理文本颗粒度的不同，大致可以分为三个级别的任务，分别是篇章级、句子级和属性级。我们分别来看一下。

1 篇章级情感分析

篇章级情感分析的目标是判断整篇文档表达的是褒义还是贬义的情感，例如一篇书评，或者对某一个热点时事新闻发表的评论，只要待分析的文本超过了一句话的范畴，即可视为是篇章级的情感分析。

对于篇章级的情感分析而言有一个前提假设，那就是全篇章所表达的观点仅针对一个单独的实体e，且只包含一个观点持有者h的观点。这种做法将整个文档视为一个整体，不对篇章中包含的具体实体和实体属性进行研究，使得篇章级的情感分析在实际应用中比较局限，无法对一段文本中的多个实体进行单独分析，对于文本中多个观点持有者的观点也无法辨别。

例如评价的文本是：“我觉得这款手机很棒。”评价者表达的是对手机整体的褒义评价，但如果是：“我觉得这款手机拍照功能很不错，但信号不是很好”这样的句子，在同一个评论中出现了褒义词又出现了贬义词，篇章级的分析是无法分辨出来的，只能将其作为一个整体进行分析。

不过好在有很多的场景是不需要区分观点评价的实体和观点持有者，例如在商品评论的情感分析中，可以默认评论的对象是被评论的商品，评论的观点持有者也是评论者本人。当然，这个也需要看被评论的商品具体是什么东西，如果是亲子旅游这样的旅游服务，那么评论中就很有可能包含一个以上的观点持有者。

在实际工作中，篇章级的情感分析无法满足我们对于评价更细致，如果需要对评论进行更精确，更细致的分析，我们需要拆分篇章中的每一句话，这就是句子级的情感分析研究的问题。

2 句子级情感分析

与篇章级的情感分析类似，句子级的情感分析任务是判断一个句子表达的是褒义还是贬义的情感，虽然颗粒度到了句子层级，但是句子级分析与篇章级存在同样的前提假设是，那就是一个句子只表达了一个观点和一种情感，并且只有一个观点持有人。如果一个句子中包含了两种以上的评价或多个观点持有人的观点，句子级的分析是无法分辨的。好在现实生活中，绝大多数的句子都只表达了一种情感。

既然句子级的情感分析在局限性上与篇章级是一样的，那么进行句子级的情感分析意义何在呢？关于这个问题，需要先解释一下语言学上主观句与客观句的分别。在我们日常用语当中，根据语句中是否带有说话人的主观情感可以将句子分为主观句和客观句，例如：“我喜欢这款新手机。”就是一个主观句，表达了说话人内心的情感或观点，而：“这个APP昨天更新了新功能。”则是一个客观句，陈述的是一个客观事实性信息，并不包含说话人内心的主观情感。通过分辨一个句子是否是主观句，可以帮助我们过滤掉一部分不含情感的句子，让数据处理更有效率。

但是在实操过程中，我们会发现这样的分类方法似乎并不是特别准确，因为一个主观句也可能没有表达任何的情感信息，知识表达了期望或者猜测，例如：“我觉得他现在已经在回家的路上了。”这句话是一个主观句，表达了说话人的猜测，但是并没有表达出任何的情感。而客观句也有可能包含情感信息，表明说话者并不希望这个事实发生，例如：“昨天刚买的新车就被人刮花了。”这句话是一个客观句，但结合常识我们会发现，这句话中其实是包含了说话人的负面情感。

所以，仅仅对句子进行主客观的分类还不足以达到对数据进行过滤的要求，我们需要的是对句子是否含有情感信息进行分类，如果一个句子直接表达或隐含了情感信息，则认为这个句子是含有情感观点的，对于不含情感观点的句子则可以进行过滤。目前对于句子是否含有情感信息的分类技术大多都是采用有监督的学习算法，这种方法需要大量的人工标注数据，基于句子特征来对句子进行分类。

总之，我们可以将句子级的情感分析分成两步，第一步是判断待分析的句子是否含有观点信息，第二步则是针对这些含有观点信息的句子进行情感分析，发现其中情感的倾向性，判断是褒义还是贬义。关于分析情感倾向性的方法与篇章级类似，依然是可以采用监督学习或根据情感词词典的方法来处理，我们会在后续的小节详细讲解。

句子级的情感分析相较于篇章级而言，颗粒度更加细分，但同样只能判断整体的情感，忽略了对于被评价实体的属性。同时它也无法判断比较型的情感观点，例如：“A产品的用户体验比B产品好多了。”对于这样一句话中表达了多个情感的句子，我们不能将其简单的归类为褒义或贬义的情感，而是需要更进一步的细化颗粒度，对评价实体的属性进行抽取，并将属性与相关实体之间进行关联，这就是属性级情感分析。

3 属性级情感分析

上文介绍的篇章级和句子级的情感分析，都无法确切的知道评价者喜欢和不喜欢的具体是什么东西，同时也无法区分对某一个被评价实体的A属性持褒义倾向，对B属性却持贬义倾向的情况。但在实际的语言表达中，一个句子中可能包含了多个不同情感倾向的观点，例如：“我喜欢这家餐厅的装修风格，但菜的味道却很一般。”类似于这样的句子，很难通过篇章级和句子级的情感分析了解到对象的属性层面。

为了在句子级分析的基础上更加细化，我们需要从文本中发现或抽取评价的对象主体信息，并根据文本的上下文判断评价者针对每一个属性所表达的是褒义还是贬义的情感，这种就称之为属性级的情感分析。属性级的情感分析关注的是被评价实体及其属性，包括评价者以及评价时间，目标是挖掘与发现评论在实体及其属性上的观点信息，使之能够生成有关目标实体及其属性完整的五元组观点摘要。具体到技术层面来看，属性级的情感分析可以分为以下6个步骤：

关于文本中的实体抽取和指代消解问题，我们已经在知识图谱的相关章节中做了介绍，这里就不再赘述。针对篇章级、句子级、属性级这三种类型的情感分析任务，人们做了大量的研究并提出了很多分类的方法，这些方法大致可以分为基于词典和基于机器学习两种，下面我们进行详细的讲解。

做情感分析离不开情感词，情感词是承载情感信息最基本的单元，除了基本的词之外，一些包含了情感含义的短语和成语我们也将其统称为情感词。基于情感词典的情感分析方法，主要是基于一个包含了已标注的情感词和短语的词典，在这个词典中包括了情感词的情感倾向以及情感强度，一般将褒义的情感标注为正数，贬义的情感标注为负数。

具体的步骤如图所示，首先将待分析的文本先进行分词，并对分词后的结果做去除停用词和无用词等文本数据的预处理。然后将分词的结果与情感词典中的词进行匹配，并根据词典标注的情感分对文本进行加法计算，最终的计算结果如果为正则是褒义情感，如果为负则是贬义情感，如果为0或情感倾向不明显的得分则为中性情感或无情感。

情感词典是整个分析流程的核心，情感词标注数据的好坏直接决定了情感分类的结果，在这方面可以直接采用已有的开源情感词典，例如BosonNLP基于微博、新闻、论坛等数据来源构建的情感词典，知网（Hownet）情感词典，台湾大学简体中文情感极性词典（NTSUSD），snownlp框架的词典等，同时还可以使用哈工大整理的同义词词林拓展词典作为辅助，通过这个词典可以找到情感词的同义词，拓展情感词典的范围。

当然，我们也可以根据业务的需要来自己训练情感词典，目前主流的情感词词典有三种构建方法：人工方法、基于字典的方法和基于语料库的方法。对于情感词的情感赋值，最简单的方法是将所有的褒义情感词赋值为+1，贬义的情感词赋值为-1，最后进行相加得出情感分析的结果。

但是这种赋值方式显然不符合实际的需求，在实际的语言表达中，存在着非常多的表达方式可以改变情感的强度，最典型的就是程度副词。程度副词分为两种，一种是可以加强情感词原本的情感，这种称之为情感加强词，例如“很好”相较于“好”的情感程度会更强烈，“非常好”又比“很好”更强。另外一种是情感减弱词，例如“没那么好”虽然也是褒义倾向，但情感强度相较于“好”会弱很多。如果出现了增强词，则需要在原来的赋值基础上增加情感得分，如果出现了减弱词则需要减少相应的情感得分。

另一种需要注意的情况是否定词，否定词的出现一般会改变情感词原本的情感倾向，变为相反的情感，例如“不好”就是在“好”前面加上了否定词“不”，使之变成了贬义词。早期的研究会将否定词搭配的情感词直接取相反数，即如果“好”的情感倾向是+1，那么“不好”的情感倾向就是-1。但是这种简单粗暴的规则无法对应上真实的表达情感，例如“太好”是一个比“好”褒义倾向更强的词，如果“好”的值为+1，那么“太好”可以赋值为+3，加上否定词的“不太好”变成-3则显然有点过于贬义了，将其赋值为-1或者-05可能更合适。

基于这种情况，我们可以对否定词也添加上程度的赋值而不是简单的取相反数，对于表达强烈否定的词例如“不那么”赋值为±4，当遇到与褒义词的组合时褒义词则取负数，与贬义词的组合则取正数，例如贬义词“难听”的赋值是-3，加上否定词变成“不那么难听”的情感得分就会是（-3+4=1）。

第三种需要注意的情况是条件词，如果一个条件词出现在句子中，则这个句子很可能不适合用来做情感分析，例如“如果我明天可以去旅行，那么我一定会非常开心。”，在这句话中有明显的褒义情感词，但是因为存在条件词“如果”，使得这个句子的并没有表达观点持有者的真实情感，而是一种假设。

除了条件句之外，还有一种语言表达也是需要在数据预处理阶段进行排除的，那就是疑问句。例如“这个餐厅真的有你说的那么好吗？”，虽然句子中出现了很强烈的褒义情感词“那么好”，但依然不能将它分类为褒义句。疑问句通常会有固定的结尾词，例如“……吗？”或者“……么？”，但是也有的疑问句会省略掉结尾词，直接使用标点符号“？”，例如“你今天是不是不开心？”，这个句子中含有否定词和褒义词组成的“不开心”，但不能将其分类为贬义情感。

最后一种需要注意的情况是转折词，典型词是“但是”，出现在转折词之前的情感倾向通常与转折词之后的情感倾向相反，例如：“我上次在这家酒店的住宿体验非常好，但是这次却让我很失望。”在这个转折句中，转折词之前的“非常好”是一个很强的褒义词，但真实的情感表达却是转折词之后的“很失望”，最终应该将其分类为贬义情感。当然，也存在出现了转折词，但语句本身的情感并没有发生改变的情况，例如“你这次考试比上次有了很大的进步，但是我觉得你可以做得更好”，这里的转折词没有转折含义，而是一种递进含义。在实际操作中，我们所以需要先判断转折句真实的情感表达到底是哪个，才能进行正确的分析计算。

构建情感词典是一件比较耗费人工的事情，除了上述需要注意的问题外，还存在精准度不高，新词和网络用语难以快速收录进词典等问题。同时基于词典的分析方法也存在很多的局限性，例如一个句子可能出现了情感词，但并没有表达情感。或者一个句子不含任何情感词，但却蕴含了说话人的情感。以及部分情感词的含义会随着上下文语境的变化而变化的问题，例如“精明”这个词可以作为褒义词夸奖他人，也可以作为贬义词批评他人。

尽管目前存在诸多问题，但基于字典的情感分析方法也有着不可取代的优势，那就是这种分析方法通用性较强，大多数情况下无需特别的领域数据标注就可以分析文本所表达的情感，对于通用领域的情感分析可以将其作为首选的方案。

我们在机器学习算法的章节介绍过很多分类算法，例如逻辑回归、朴素贝叶斯、KNN等，这些算法都可以用于情感识别。具体的做法与机器学习一样需要分为两个步骤，第一步是根据训练数据构建算法模型，第二步是将测试数据输入到算法模型中输出对应的结果，接下来做具体的讲解。

首先，我们需要准备一些训练用的文本数据，并人工给这些数据做好情感分类的标注，通常的做法下，如果是褒义和贬义的两分类，则褒义标注为1，贬义标注为0，如果是褒义、贬义和中性三分类，则褒义标注为1，中性标注为0，贬义标注为-1

在这一环节中如果用纯人工方法来进行标注，可能会因为个人主观因素对标注的结果造成一定影响，为了避免人的因素带来的影响，也为了提高标注的效率，有一些其他取巧的方法来对数据进行自动标注。比如在电商领域中，商品的评论除了文本数据之外通常还会带有一个5星的等级评分，我们可以根据用户的5星评分作为标注依据，如果是1-2星则标注为贬义，如果是3星标注为中性，4-5星标注为褒义。又比如在社区领域中，很多社区会对帖子有赞和踩的功能，这一数据也可以作为情感标注的参考依据。

第二步是将标注好情感倾向的文本进行分词，并进行数据的预处理，前文已经对分词有了很多的介绍，这里就不再过多的赘述。第三步是从分词的结果中标注出具备情感特征的词，这里特别说一下，如果是对情感进行分类，可以参考情感词典进行标注，也可以采用TF-IDF算法自动抽取出文档的特征词进行标注。如果分析的是某个特定领域的，还需要标注出特定领域的词，例如做商品评价的情感分析，需要标注出商品名称，品类名称，属性名称等。第四步根据分词统计词频构建词袋模型，形成特征词矩阵，如表所示。在这一步可以根据业务需要给每个特征词赋予权重，并通过词频乘以权重得到特征词分数。最后一步就是根据分类算法，将特征词矩阵作为输入数据，得到最终的分类模型。

当训练好分类模型之后，就可以对测试集进行分类了，具体的流程与建模流程类似，先对测试的文本数据进行分词并做数据预处理，然后根据特征词矩阵抽取测试文本的特征词构建词袋矩阵，并将词袋矩阵的词频数据作为输入数据代入之前训练好的模型进行分类，得到分类的结果。

采用基于机器学习的方法进行情感分析有以下几个不足之处，第一是每一个应用领域之间的语言描述差异导致了训练得到的分类模型不能应用与其他的领域，需要单独构建。第二是最终的分类效果取决于训练文本的选择以及正确的情感标注，而人对于情感的理解带有主观性，如果标注出现偏差就会对最终的结果产生影响。

除了基于词典和基于机器学习的方法，也有一些学者将两者结合起来使用，弥补两种方法的缺点，比单独采用一种方法的分类效果要更好，另外，也有学者尝试使用基于LSTM等深度学习的方法对情感进行分析，相信在未来，情感分析会应用在更多的产品中，帮助我们更好的理解用户需求，提升用户使用智能产品的体验。

随着深度神经网络等算法的应用，情感分析的研究方向已经有了非常大的进展，但依然存在着一些难题是目前尚未解决的，在实操过程中需特别注意以下几种类型数据：

情绪轮在用户体验设计上被广泛的应用，很多情感化设计都是基于情绪轮进行的。但是在人工智能领域，将情绪进行多分类比情感分析的三分类任务要难得多，目前大多数分类方法的结果准确性都不到50%。这是因为情绪本身包含了太多的类别，而且不同的类别之间又可能具有相似性，一个情绪词在不同的语境下有可能表达的是不同的情绪类别，算法很难对其进行分类。即使是人工对文本进行情绪类别标注也往往效果不佳，因为情绪是非常主观性的，不同的人对不同的文本可能产生不同的理解，这使得人工标注情绪类比的过程异常困难。如何让机器可以理解真实的情绪目前还是一个未能攻克的难题。

2012年8月17日，微信公众号悄然上线。

恐怕连腾讯自己都没想到，这小小的功能，在接下来的六年时间里，改变了中国人的阅读方式，改变了媒介逻辑，改变了几百万人的命运。

微信公众号一出现，就颠覆了传统的媒介商业模式，造成了纸媒的没落。

六年时间，不断有人唱衰微信公众号，但实际上任凭其他内容平台怎样赶超追击，它依旧拥有不可撼动的地位。

微信公众号改变了无数草根的命运，在过去，一名普通的本科毕业生，从进入职场到月收入10万，得奋斗多少年？

这个时间，我只能说不低于10年。

微信公众号，加快了我们奋斗的时间，扩大了我们努力的成果。

接下来，一起来倾听每一个真实的故事。

1

在我对话过的自媒体大V中，印象最深刻的是“地产八卦女”的创始人星子。

2016年初，星子创办了公众号“地产八卦女”。

公众号仅仅做了一年多，星子分别在杭州、长沙和固安三个地方各买了套房子，每平米总均价在5万多元。

更令人惊讶的是，星子是一个92年的姑娘，截止到2017年6月，她的月收入超过10万元。

2014年是微信公众号崛起的重要一年，她在深圳找的第一份工作是帮一家地产咨询公司运营公众号。但是，她说自己其实不甘心，就自己开了公众号做着玩。

2016年星子一个人共推送了368篇文章，其中绝大部分都是原创，产量高到令人咋舌，成为了地产自媒体领域里的一匹黑马。

从毕业做客服，到月收入超过10万元的自媒体人，星子只花了四五年时间。

2

赵飞，一个在兰州创业的年轻小伙。

从2011年做自己的微博“Focus兰州街拍”，2016年正式做公众号。

截止2017年，双微加起来有30万本地粉丝，让他成为了兰州极具影响力的KOL。凭借做自媒体获得的宣传费或策划服务费，赵飞的收入约50万元。

新浪云抽样统计过兰州的最新平均薪资，只有35%的兰州人月薪在两三万以上。

在住着将近400万人的兰州，赵飞已经处在了金字塔顶端。

3

今年2月份，00后萌妹子“木汁”在《奇葩大会》自爆，自己做公众号月入10万。

木汁在节目中说自己是一名00后天才美少女作家，是一名公众号爆文作者，现在站在台上就是想打脸，打脸那些看不起自己的人，自己现在有多厉害。

《奇葩大会》是马东创办米未传媒后推出的拳头节目，面对马东、高晓松、蔡康永等大佬，她镇定自若讲述自己的成长故事。

初中时，她是个有点矮还比较胖的龅牙妹，因成绩掉下来受到老师以及同学的排挤。即使到了高中也没改变现状，她不得不发狠下定决心要改变自己。

木汁曾经有过偶像梦，去报名SNH48，并且突破重围进入终选，可是最后还是因为跳舞不过关被淘汰了。

为了赚钱，她尝试过所有办法，当coser，做微商，画插画，做直播，做游戏代练，给别人化妆，为了赚100块钱在40度的天气背着妆箱绕着森林公园走了两圈……

最终在妈妈的支持下，她走上了做公众号这条路。

木汁很虚心学习，为了找到哪类文章最受粉丝欢迎，她关注了两千多个公众号，认真去看大家是怎么写文章的，并归纳总结出很多爆文经验。

她说爆文技巧很简单，就是十二字真言“骂男人，往死里骂，变着花样骂！”当然，这只是她以开玩笑的语气在调侃如今某些爆文的规律，她自己从来没写过单纯骂男人的文章。

截止今年4月份，木汁已经拥有超过40万粉丝，屡获10W+爆文。

4

2014年10月，还在报社任职的黎贝卡抱着试水的心态开设了时尚公众号“黎贝卡的异想世界“

同月，在林青霞生日的零点，她以粉丝的心态推送了第三篇文章《史上最全林青霞私服照大放送 这些款式穿30年都不过时》，阅读量迅速突破10W，黎贝卡意识到自己从玩票到时尚博主的路开始了。半年之后黎贝卡从南方都市报辞职，专职经营公众号。

2015年10月公众号创建了刚刚一年，在几乎没什么推广的情况下，获得了45万粉丝。1篇文章卖了100辆宝马的故事，传遍了整个自媒体圈。

如今“黎贝卡的异想世界”已经创立近4年，黎贝卡本人在全网拥有超过500万粉丝。

5

李小狼，94年出生，贵州大男孩，性格大大咧咧，是一个精分的百变中二青年。在厦门大学读大三时，他创办了自己的同名公众号“李小狼”。

刚开始他的公众号没有任何人关注，粉丝量只有少数的几十个，全靠身边的几个好朋友帮撑着宣传，李小狼才熬过了最艰难的时候。

后来阴差阳错关注的情感大号“一个人Alone”，竟然成了第一个接受李小狼投稿的大号，还带火了他的第一篇负能量鸡汤，并引发各个大号转载，为他的公众号带来了第一批的3000多位粉丝。

2016年，小狼有149天花费在写作上，累计发布了320篇文章，收获了283万+阅读量。由于女粉超多，又是情感号，李小狼备受大牌广告主喜爱，曾经和SK2、阿里汽车、天猫小镇等超级大牌都合作过。

大三时期，他通过公众号，一年时间赚了20万元。

6

2011年朱之路大学毕业，他背了8本专业课的书，准备去考南京大学的传播学研究生。但最后政治英语没考好，不幸落榜。

2012年他选择北漂，在央视一个栏目打了半年黑工，一周有两三天熬夜不睡觉剪片子，还经常被制片人骂。

后来，由于不适应北京的气候，侥幸进了杭州电视台。在边工作，边去留学的状态下，朱之路开始做留学领域的短视频。

2016年，通过答辩，朱之路拿到了15万元经费，成为了第一个以自媒体的名义出现在2016杭州市文化创新团队中的项目。2016年，通过前同事介绍，朱之路团队成功拿到了100万元天使轮融资。

截止今年5月，他创办的“留学的真相”进入今日头条教育影响力排行榜前十，拥有近40万头条粉丝，B站拥有40万粉丝。

7

2015年，还在复旦大学读大二的曲玮玮发布了一篇文章《马上二十岁的曲玮玮终于开了公众号》，向全世界宣布了她的到来。

即便是在红利末期，这个95后女同学只花了5个月时间，就把自己的公众号“曲玮玮”从3万粉丝做到了40万粉丝，成为情感自媒体里的一匹黑马。

高一时，曲玮玮曾经报名参加过新概念作文大赛，虽然两度落选。但是到了高二，她再次投稿参赛，一举夺魁。16岁的她连续获得了14、15两届的新概念作文大赛冠军，成为新概念双冠王。

一头扎进内容创业领域后，不到两年时间，横跨知乎、微博、公众号等多个平台，围绕“曲玮玮”主号，曲玮玮又先后打造出了9个小号形成矩阵。分别是玮玮种草、玮玮酱、小日日学姐、大晴莫妮卡、玮玮私享、曲和和、小仙女酱、蓝姐姐日记本以及抓马**姐，粉丝总数超过240万。

如今“曲玮玮”这个品牌代表着很多年轻人的风向标。

8

英国报姐微博账号创立于2013年，当初零起步的时候，报姐还在读博士，不过同时利用业余时间，在微博上发海外的新闻信息。

当时报姐除了在做学术，其他时间基本都在做内容。每天基本上一有空隙时间就刷新闻，刷到有意思的就拿来做长微博。甚至是在吃饭的时候突发热点，也可以随时拿出电脑查资料。

2014年，英国报姐上过很多次的微博热门榜，也上过不少次的头条。当年是非明星类上头条次数最多的博主，就是在2014~2015年期间，英国报姐的粉丝破了百万大关。

2016年正式运营“英国报姐”微信公众号。截至今年5月，英国报姐微信公众号粉丝已超200万，微博粉丝超1500万，全网总粉丝超过4000万。

9

2015年，还在《外滩画报》做国际新闻记者的一朵，利用空闲时间创办了一个自媒体平台“第1整理术”，专门介绍日式整理术，以及一个源于日本的一个非常特殊的职业：上门整理收纳咨询师。

8月8日，一朵发布了一篇原创文章《Instagram上欧美人开始流行晒家了，起因竟是她！》文章上线，晚上7点突破83万阅读量。后台求转载的媒体超过50家，她的粉丝数从1500人，一跃上升至近3万人。

半个月，又发布了一篇介绍日本太太的文章《看完这个，你再也不会嫌家小了》，阅读量半天就过了10万+。

运营2年多后，她的公众号聚集了近20万爱好整理术的粉丝，成为该领域头部KOL。

10

在创办“捌姑娘”之前，捌姑娘本人在全国发行量最大的时尚媒体担任编辑总监和美容总监的职位，经历了时尚纸媒最辉煌的十年。

前几年纸媒慢慢下滑，公司内部有了新媒体业务，她把公众号当作是一个“任务”注册了捌姑娘”。

和其他美妆博主不一样，是先有了“捌姑娘”这个号后，她才有想法去当个博主的。在时尚圈做了很多年，她更希望在公众号上传递的是我自己个人的一些感想、吃穿住行的分享和业内八卦等零零碎碎有点意思的东西。

2017年8月“捌姑娘”正式运营，截止2017年12月，公众号和微博加起来拥有20多万粉丝。拥有NIKE，UGG, KATE , 3M , 亚马逊，EVA’S temptation, plum，梅西百货等众多优质合作品牌。

虽然捌姑娘本人还是全职做纸媒，但在公众号领域，她已经有了自己的一片天地。

11

“行周末”，堪称全国周报转型最成功的案例，在纸媒转型新媒大军中堪称奇迹。

随着互联网的发展，阅读方式的改变，以及杭州报刊亭几乎消失殆尽，到了2014-2015年，纸媒销量就进入了一个急速下滑期。在2015年9月，资深传统媒体人徐小芳意识到纸媒危险的时候，我就决定新媒体和纸媒两手一起抓。

2016年7月，由徐小芳创办的饮羽传媒，获得了由吴晓波、曹国熊领投的800万元天使轮融资，是国内传统媒体转型后获得资本认可的经典案例。

单个公众号“行周末”拥有近80万粉丝，是杭州生活类第一大号。整个微信矩阵拥有150万粉丝，这个数据其团队只花了2年就完成了。

行周末文章月阅读量高达539万，2017年文章阅读量超过6000万，其中95%的文章都是商业广告，这对我们业内人士来说简直是难以想象的。

与绝大多数纸媒转型新媒不一样，行周末剑走偏锋，其最大的特色就是，内容除了是原创，95%以上均为商业性的爆款活动。他们通过这种方式盈利，并非靠传统的CPT和CPM广告盈利，最大限度的挖掘出了公众号及粉丝的潜在价值。

徐小芳透露，截止2017年10月，其新媒体团队共有40人，架构出了6个部门，年营收已经达到数千万。

12

2017年，37岁的知名自媒体人小莉（公众号：小莉说），搬到了深圳南山蛇口的一套海景房里，一边健身一边做自己的公众号。

她写过百万阅读量的爆款文章《妈妈，请不要为我而活！》，这篇文章被十点读书、凤凰新闻、网易新闻等200多个公众号和媒体转载。她出版的书籍被周国平、武志红、十点林少等一批大V推荐过。

她每天的生活是——健身、写作和公众号内容创作。

每天清晨醒来，她会推开落地窗，在海边享受自己做的清淡早餐。她拥有魔鬼般的S型身材，37岁的她保养的不输给20多岁的年轻姑娘。

靠着情感文章和高质量的生活方式，截止2017年6月，有30万高端女性关注她的公众号。主要由三种人群组成：私营企业主、公司高管、有钱人太太。

13

2017年2月份，公众号“樱桃小房子”于2月15日创建，成为了房产领域的一匹黑马。

第一篇文章《华为百万年薪的员工被辞退，还不起房贷是谁的错？》一推送，就收获了一两万阅读量。此后每篇文章都达到一万，甚至在1个月后，就撰写出了10万+爆文《厦门限制房产交易，成功套死投资客，后续跟进的城市还有这些》。

“樱桃小房子”涉及的领域主要是房地产，每一篇文章都是原创。经过小公举分析，她的高频内容包括“房价”、“调控”、“限制”、“买房”、“调控”、“楼市泡沫”、“炒房”、“人口”、“货币”、“资产配置”、“产权”等

“樱桃小房子”的运营者叫陈小瑛，从2007年开始成为记者，一直从事财经、房产领域的报道，到2017年已经十年之久。

截止到2017年9月份，“樱桃小房子”文章平均阅读量达到3万+。但是，去年因故账号被封，随后很快创办了新的公众号“樱桃大房子”，目前文章平均阅读量达到5万+，可以说是涅槃重生。

由此可见，她的内容质量确实很高，完全凭借内容自然涨粉，深受读者喜爱。更重要的是，陈小瑛是兼职运营自己的公众号，没有全职运营。

14

2012年，毕业于央戏的张馨心，因发在豆瓣上的一组照片而走红网络，入围各大校花榜，被封“央戏”校花女神。

她还有一个更广为人知的名字——“原来是西门大嫂”。

在毕业之后她跟过剧组，做过编剧，在此期间她走过了不少国家，并把自己的旅行照片和视频Po在社交网络上。

从那个时候，她的生活经历和感悟开始受到越来越多人的关注，于是她和朋友一拍即合，开始做公众号“原来是西门大嫂”。

她说，自己不是一个对于未来计划很饱满的人，但因为怀抱着好奇心和冲动，所以才有不断的动力去一直创造好玩的内容，带着读者们认真玩，认真过好每一天。

截止到2017年8月，“原来是西门大嫂”粉丝量接近百万，全网各平台的粉丝量已经超过400万。从网友到网红，再到自媒体创业者，西门大嫂完成了完美的蜕变。

15

最后一个是我自己的故事。

2011年，从事互联网行业，成为一名小编，年收入不到4万；2013年，从事新媒体，成为一名运营，年收入不到10万；2016年，辞职创业，成为一名自媒体人，一年后年收入超过100万。

有人说，有一套房，可以少奋斗十年。

我说，微信公众号，同样可以让我们少奋斗十年。

感谢微信，感谢腾讯，在这个选择大于努力的时代里，给了我们一个奋斗的方向。

MCN（多频道网络）是一种国外的网红经济运作，在制作、交互推广、合作管理、变现等领域提供帮助的组织。相当于自媒体联盟。

MCN的主要盈利是凭借自身资源签约自媒体拿广告分成的。一般是三七分来分成的。

好处：首先是技术上的扶持（例如：个人因某一个作品火爆，吸引力很多粉丝。但最后没有太多的思绪和精力有限的问题无法正常更新，从而导致掉粉。而MCN的作用就是帮助你进行内容更新，因为他们拥有编剧和策划团队来帮助自己的内容风格），其次就是对达人会有一个知识上的辅导。最后就是变现的

IP是互联网协议地址。意思就是计算机网络相互连接进行通信而设计的协议。

IP协议要求所有参加Internet的网络节点要有一个统一规定格式的地址，简称IP地址。在Internet网上，每个网络和每一台计算机都被分配有一个IP地址，这个IP地址在整个Internet网络中是唯一的。任何厂家生产的计算机系统，只要遵守 IP协议就可以与因特网互连互通。

自媒体矩阵就是在同一时间多个自媒体平台组合在一起，为同一个企业或者个人打造品牌进行产品销售的营销手段。平台最好是类别不一样的，多样化的有利于产生更大的流量，从而获得更大的收益。

通俗就是不管到哪一个平台用户都能看到我们的内容，通过视频、文章等一点一点的去渗透来加深自己的产品。

陈翔六点半

陈翔六点半是一名搞笑领域创作者。拥有5383万粉丝 其中阅读量最高阅读是69万阅读。

发文章时间大都是在下午5-7点之间，内容主要针对于搞笑视频方面，发布文章的数量平均每天发视频数量在2-6篇。

papi酱

papi酱是一名知名搞笑领域创作者。拥有3447万粉丝 其中阅读量最高阅读是220万阅读。

发文章时间大部分在下午期间，其中大都是在下午6点发布。内容主要针对于生活搞笑段子方面，发布文章的数量平均每个月发视频数量在3-5篇。

一禅小和尚

一禅小和尚是一名知名动漫领域创作者。拥有48054万粉丝  其中阅读量最高阅读是57万阅读。

发文章时间每隔2-4天发布文章或视频,发布文章大都在下午 最晚到8点发布。内容主要针对于情感方面的。发文章大都是每隔2-3天发布一篇。