品牌定位方法和系统技术方案

本发明专利技术提供一种品牌定位方法和系统，涉及数据处理技术领域。本发明专利技术首先获取待定位的品牌文本数据和处于同一竞争空间的品牌文本集合，并对待定位的品牌文本数据和处于同一竞争空间的品牌文本集合进行预处理，待定位的品牌文本数据包括品牌发布的文本数据和用户生成的文本数据；再基于预处理后的待定位的品牌文本数据获取品牌感知差值；基于处于同一竞争空间的品牌文本集合和待定位的品牌文本数据获取待定位的品牌在竞争空间中的相对位置；最后基于品牌感知差值和待定位的品牌在竞争空间中的相对位置获取待定位的品牌的品牌定位。本发明专利技术在品牌与用户相结合、品牌与竞品相结合的统一框架下，考虑品牌定位的问题，提高品牌定位的准确度。

Brand positioning method and system

【技术实现步骤摘要】
品牌定位方法和系统
本专利技术涉及数据处理
，具体涉及一种品牌定位方法和系统。
技术介绍
品牌定位是建立一个与目标市场有关的品牌形象的过程和结果。在大数据时代，借助海量非结构化文本数据提取有价值的信息，测评品牌定位，可以帮助企业有效地监测品牌建设情况并做出合理的品牌战略建议。现有的品牌定位方法主要包括基于战略定位、基于品牌资产和基于品牌个性这三种。战略定位认为企业的地位是通过其在价值链上的活动实现的，无差异竞争对手数量的增加会削弱企业的盈利能力。企业需要不断调整定位，拉开与竞争对手的距离，从而保持持续的竞争优势。品牌资产归纳起来有三个维度：财务概念、市场概念和消费者概念。品牌个性是指用户不断致力于构建自己的身份，产品的象征性是用户购买的主要原因。强大积极的品牌个性能提高消费者的偏好和使用，提高消费者的信任和忠诚度，为产品差异化提供基础，从品牌个性的视角通过调查分析品牌的个性，理解品牌的定位。然而，基于战略或者品牌资产、品牌个性维度的品牌定位测评往往是从公司或用户视角考虑，视角单一，导致品牌定位准确度较低。专本文档来自技高网...

【技术保护点】
1.一种品牌定位方法，其特征在于，所述方法由计算机执行，包括以下步骤：/nS1、获取待定位的品牌文本数据和处于同一竞争空间的品牌文本集合，并对所述待定位的品牌文本数据和所述处于同一竞争空间的品牌文本集合进行预处理，所述待定位的品牌文本数据包括品牌发布的文本数据和用户生成的文本数据；/nS2、基于预处理后的所述待定位的品牌文本数据获取品牌感知差值；/nS3、基于所述处于同一竞争空间的品牌文本集合和所述待定位的品牌文本数据获取待定位的品牌在竞争空间中的相对位置；/nS4、基于所述品牌感知差值和所述待定位的品牌在竞争空间中的相对位置获取待定位的品牌的品牌定位。/n

【技术特征摘要】
1.一种品牌定位方法，其特征在于，所述方法由计算机执行，包括以下步骤：
S1、获取待定位的品牌文本数据和处于同一竞争空间的品牌文本集合，并对所述待定位的品牌文本数据和所述处于同一竞争空间的品牌文本集合进行预处理，所述待定位的品牌文本数据包括品牌发布的文本数据和用户生成的文本数据；
S2、基于预处理后的所述待定位的品牌文本数据获取品牌感知差值；
S3、基于所述处于同一竞争空间的品牌文本集合和所述待定位的品牌文本数据获取待定位的品牌在竞争空间中的相对位置；
S4、基于所述品牌感知差值和所述待定位的品牌在竞争空间中的相对位置获取待定位的品牌的品牌定位。


2.如权利要求1所述的品牌定位方法，其特征在于，所述预处理包括：
对文本进行分词以及词性标注；
去掉文本的标点符号、特殊字符和作为语法填充作用的停用词；
使用hownet词典进行同义词替换；
检测词语在语料中出现的频率，使用截止规则，去掉频率表首尾两端的词语。


3.如权利要求1所述的品牌定位方法，其特征在于，所述S2具体包括：
S201、基于主题模型和预处理后的品牌文本数据抽取品牌文本数据的隐含主题；
S202、基于品牌文本数据的隐含主题衡量品牌自身发声和用户感知的差异。


4.如权利要求3所述的品牌定位方法，其特征在于，所述S201具体包括：
品牌文本数据中文档d的主题先验分布θd和主题k对应词的先验分布βk均服从Dirichlet分布：
θd～Dirichlet(α)
βk～Dirichlet(η)
其中：
α和η分别是θd和βk的超参数；
主题k∈{1,2,…,K}；
基于θd确定文档d中的第i个单词wdi的主题zdi，zdi服从多项式分布：
zdi～Mult(θd)
其中：
zdi∈{1,2,…,K},K为整个品牌文本数据中的主题总数目；
在确定主题zdi和主题词分布βk的基础上，生成文档d中的第i个单词wdi，wdi服从多项式分布：



其中：wdi＝v∈{1,2,…,V}，V为整个品牌文本数据中不重复的单词数目；
基于贝叶斯法则，得到文档d中的第i个单词wdi对应主题zdi的后验概率：
p(zdi＝k|z-di,w-di,wdi＝v)∝p(wdi|zdi＝k,z-di,w-di)p(zdi＝k|z-di)
其中：
z-di表示去除单词wdi后，整个品牌文本数据中其他单词对应的主题；
w-di表示去除单词wdi后，整个品牌文本数据中剩余的所有单词；
p(zdi＝k|z-di,w-di,wdi＝v)表示在z-di、w-di和wdi已知的条件下，产生单词wdi对应主题zdi的条件后验概率；
p(wdi|zdi＝k,z-di,w-di)表示在w-di、z-di和zdi已知的条件下，生成单词wdi的似然概率；
p(zdi＝k|z-di)表示在z-di已知的条件下，产生单词wdi对应主题zdi的先验概率；
p(wdi|zdi＝k,z-di,w-di)通过如下公式计算：



其中：
p(wdi|zdi＝k,βk)表示在主题zdi和主题词分布βk已知的情况下，产生单词wdi的概率；
p(βk|z-di,w-di)表示在z-di和w-di已知的情况下，产生βk的概率；

表示除去当前单词wdi，主题k生成单词v的数量；

表示除去当前单词wdi，主题k生成单词的总量；
p(zdi＝k|z-di)通过如下公式计算：



其中：
p(zdi＝k|θd)表示在θd已知的条件下产生k的概率；
p(θd|z-di)表示在z-di已知的条件下产生θd的概率；

表示去除当前单词wdi，文档d中第k个主题生成的单词数量；表示去除当前单词wdi，文档d中的单词总量；
联合p(wdi|zdi＝k,z-di,w-di)和p(zdi＝k|z-di)计算得到：



基于p(zdi＝k|z-di,w-di,wdi＝v)公式，采用Gibbs采样方法迭代至收敛，确定品牌发布的文本数据中每个单词对应的主题，统计主题k对应的v词汇的数量主题k对应的所有单词的数量文档d中主题k生成的单词总数和文档d中单词总通过如下公...

【专利技术属性】
技术研发人员：杜亚楠，袁敏，孙江洁，高健，智丽萍，刘国旗，
申请(专利权)人：安徽医科大学，
类型：发明
国别省市：安徽;34