【技术实现步骤摘要】
本专利技术涉及榜单生成方法领域，更具体地，涉及一种品牌社媒指数榜单生成方法。
技术介绍
1、当下互联网时代中，消费者在购买产品或服务时，倾向于在各类社交媒体上进行发声，品牌方也有意识地在各类社交媒体上做营销。
2、品牌社媒指数用于反映品牌在社交媒体的影响力评估，传统的市场调研方法虽然能协助品牌做一定的品牌影响力评估，但是高昂的成本、样本数的不足以及信息获取的不全面这使得在评估品牌及其产品的影响力时，只能发挥有限的作用。相比之下，通过社交媒体消费者的声音，可以更全面地了解品牌的影响力，尽快的做出决策。然而，社交媒体的数据量庞大，种类繁多，再加上消费者心理状态和思考过程的复杂性，在技术上很难准确获得社交媒体的影响力。
技术实现思路
1、本专利技术提供一种品牌社媒指数榜单生成方法，解决现有技术中因社交媒体的数据量庞大，种类繁多，再加上消费者心理状态和思考过程的复杂性，在技术上很难准确获得社交媒体的影响力的技术问题。
2、为解决上述技术问题，本专利技术的技术方案如下：
3、一种品牌社媒指数榜单生成方法，包括以下步骤：
4、s1：获取社媒平台上各品牌的社媒数据以及销售额，所述社媒数据为多媒体数据；
5、s2：利用ocr算法和asr算法对所述社媒数据进行转译；
6、s3：对转译后的社媒数据进行内容识别和情感识别，得到品牌当期社媒数据信息；
7、s4：根据所述品牌当前社媒数据信息，计算品牌社媒指数的多个指标；p>
8、s5：根据所述多个指标与品牌销售额的相关性，确定每个指标的权重；
9、s6：根据所述多个指标及每个指标的权重，计算品牌社媒指数；
10、s7：根据所述品牌社媒指数进行排序，生成榜单。
11、进一步地，步骤s1中获取社媒平台上各品牌的社媒数据，具体为：
12、人工收集关键词，所述关键词包括行业品类、品牌和产品关键词，通过短语聚类算法拓展所述关键词，以拓展后的关键词获取各社媒平台上各品牌的社媒数据。
13、进一步地，步骤s1中所述社媒数据包括文本、图片、视频、音频、视频封面以及互动量。
14、进一步地，步骤s2中利用ocr算法和asr算法对所述社媒数据进行转译，具体为：
15、对于图片数据，利用ocr算法进行视觉内容的分析和解读，提取可能包含的品牌和产品信息；
16、对于视频和音频，利用asr算法转换为能够识别和处理的文本形式。
17、进一步地，步骤s3中对转译后的社媒数据进行内容识别，具体为：
18、预先定义识别类别，利用实体识别从文本中识别所述识别类别的实体；
19、对于同类品牌、同类产品通过基于bert预训练模型微调的表征模型计算不同描述之间的相似性及相关性，对识别得到的实体通过行业专家经验进行人工分拣，并形成归一化码表；
20、采用预训练的bert模型对文本内容进行分类。
21、进一步地，步骤s3中对转译后的社媒数据进行情感识别，具体为：
22、利用细粒度情感识别的三元组算法对文本中的属性进行分类处理，在输入文本后，使用表格的形式存储多个属性列，属性列包括情感特征、正负面和特征值。
23、进一步地，步骤s4中根据所述品牌当前社媒数据信息，计算品牌社媒指数的多个指标，具体为：
24、所述品牌社媒指数的多个指标包括认知指数、兴趣指数和美誉指数；
25、所述认知指数的计算方法为：
26、ai＝品牌当期互动/行业互动benchmark
27、式中，ai为认知指数，品牌当期互动为获取的互动量，行业互动benchmark为所在行业过往半年品牌的互动均值；
28、所述兴趣指数的计算方法为：
29、ri＝品牌当期ugc/行业ugc benchmark
30、式中，ri为兴趣指数，品牌当期ugc为获取的用户原创内容数，行业ugc benchmark为所在行业过往半年品牌的用户原创内容数均值；
31、所述美誉指数的计算方法为：
32、ni＝品牌当期情感/行业情感benchmark
33、式中，品牌当期情感为步骤s3中情感识别的结果，行业情感benchmark为所在行业过往半年品牌的净喜好度均值。
34、进一步地，在步骤s4后，步骤s5前，还包括以下步骤：
35、将所述销售额、认知指数、兴趣指数和美誉指数采用最大最小化的方式做归一化处理，具体为：
36、新值＝(原值-原值列最小值)/(原值列最大值-原值列最小值)。
37、进一步地，步骤s5中根据所述多个指标及每个指标的权重，具体为：
38、剔除销售额为0的数据；
39、分别以归一化后的认知指数、兴趣指数和美誉指数作为横坐标，以归一化后的品牌某月份的销售额作为竖坐标，构建线性回归模型，得到每个指数的系数及统计显著性；
40、分别以归一化后的认知指数、兴趣指数和美誉指数作为横坐标，以归一化后的品牌某月份的销售额作为竖坐标，构建随机森林回归模型，得到每个指数的重要性权重；
41、对线性回归模型得到的每个指数的系数为负数或统计显著性p值大于0.05的指数的系数值，以线性回归模型得到的每个指数的系数为正数且统计显著性p值小于等于0.05的指数的系数值为基准，通过随机森林回归模型得到的每个指数的重要性权重之间的倍数关系加以修正，得到每个指数的权重。
42、进一步地，步骤s6中根据所述多个指标及每个指标的权重，计算品牌社媒指数，具体为：
43、所述品牌社媒指数的计算公式为：
44、smi＝ai*ω_a+ri*ω_r+ni*ω_n
45、式中，smi为品牌社媒指数，ω_a、ω_r、ω_n分别为认知指数、兴趣指数和美誉指数的权重。
46、与现有技术相比，本专利技术技术方案的有益效果是：
47、本专利技术通过收集各类社交媒体上的社媒数据，对数据进行包括多媒体转译、实体识别、三元组算法、营销内容识别的处理后，能准确获得品牌的社媒指数，节省了调研时需要的大量的人力资源。
本文档来自技高网...【技术保护点】
1.一种品牌社媒指数榜单生成方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的品牌社媒指数榜单生成方法，其特征在于，步骤S1中获取社媒平台上各品牌的社媒数据，具体为：
3.根据权利要求1所述的品牌社媒指数榜单生成方法，其特征在于，步骤S1中所述社媒数据包括文本、图片、视频、音频、视频封面以及互动量。
4.根据权利要求3所述的品牌社媒指数榜单生成方法，其特征在于，步骤S2中利用OCR算法和ASR算法对所述社媒数据进行转译，具体为：
5.根据权利要求4所述的品牌社媒指数榜单生成方法，其特征在于，步骤S3中对转译后的社媒数据进行内容识别，具体为：
6.根据权利要求5所述的品牌社媒指数榜单生成方法，其特征在于，步骤S3中对转译后的社媒数据进行情感识别，具体为：
7.根据权利要求6所述的品牌社媒指数榜单生成方法，其特征在于，步骤S4中根据所述品牌当前社媒数据信息，计算品牌社媒指数的多个指标，具体为：
8.根据权利要求7所述的品牌社媒指数榜单生成方法，其特征在于，在步骤S4后，步骤S5前，还包括以下步
9.根据权利要求8所述的品牌社媒指数榜单生成方法，其特征在于，步骤S5中根据所述多个指标及每个指标的权重，具体为：
10.根据权利要求9所述的品牌社媒指数榜单生成方法，其特征在于，步骤S6中根据所述多个指标及每个指标的权重，计算品牌社媒指数，具体为：
...【技术特征摘要】
1.一种品牌社媒指数榜单生成方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的品牌社媒指数榜单生成方法，其特征在于，步骤s1中获取社媒平台上各品牌的社媒数据，具体为：
3.根据权利要求1所述的品牌社媒指数榜单生成方法，其特征在于，步骤s1中所述社媒数据包括文本、图片、视频、音频、视频封面以及互动量。
4.根据权利要求3所述的品牌社媒指数榜单生成方法，其特征在于，步骤s2中利用ocr算法和asr算法对所述社媒数据进行转译，具体为：
5.根据权利要求4所述的品牌社媒指数榜单生成方法，其特征在于，步骤s3中对转译后的社媒数据进行内容识别，具体为：
6.根据权利要求5所述...
【专利技术属性】
技术研发人员：徐亚波，李旭日，梁燕妃，邓钢清，王可惠，
申请(专利权)人：广州数说故事信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。