当感性遇上理性,智能语义分析助力营销升级

当互联网成为最大的流量入口,营销方式正在从数字营销过渡到全平台营销,它能让品牌有可能通过数据知道消费者对品牌和产品的想法、感知及体验。

如何应用智能技术来抓取、分析数据,实现“精准投放”?7月22日,在第一财经周刊“周围”线下沙龙第2期——“数字投放的虚与实:寻找声量和效果的平衡点”中,慧科讯业BI产品总监李晓伟与听众分享了智能技术在数据分析、广告营销中的应用。 

大数据的特性究竟是什么?

随着互联网的发展,人们的生活环境发生了变化。我们现在每天被各种App包围,时间被碎片化,身边的普通人也可以在自己擅长的领域成为KOL,内容制作的成本越来越低,内容更新也越来越迅速。消费者不停地发声,但在整个大的数据环境下,我们很难感知消费者在说什么,因为消费者对于品牌、产品的体验和感知已经被淹没在海量的数据当中。大家一直在提大数据,但它到底是什么呢? 

大数据有几个特性,第一个是海量性,我们每个人现在都被海量数据所包围,面临的不是数据缺失,而是数据过剩,这个从我们的手机内存由4GB变成128GB依然存不下很多东西就可以感受到。第二个是多样性。数据有视频、图片、文字等形式,在营销中可能会碰到文本信息、流量信息、电商数据等各种各样的信息。还有一个特点是价值性。数据若不能被我们所用就没有价值了,不管是与营销相关还是与个人生活相关,不能产生价值的数据都是死的数据。最后是时效性,一件事情对于我们来说,可能现在是新闻,两个小时之后就是旧的了。 

如今的消费者决策过程有什么变化? 

因为整个传播环境、数据环境在变化,消费者也在变化。以前做消费者购买决策洞察的时候,是用线性模型——从最开始的接触、考量、购买到最后形成忠诚度,是很线性的漏斗形。现在决策模型变成了购买环和品牌忠诚度环交织在一起的一个环状结构,在这个变化的过程中消费者的用户体验及口碑变得至关重要,其中有很多环节发生了变化。 

举个我个人的例子,北京这几年最大的问题就是雾霾,所以大家都买空气净化器,因为怕死我也跟着买,因为不懂所以我不知道买什么。按照原来的购买路径,大家是先在网上挑选,看参数了解之后比较评估,发生最终的购买。但是现在买空气净化器的过程可以很简单,比如我有一个同事是尼尔森的,他比对了市场上所有的空气净化器,选了一款。那我就完全没有看价格和品牌,直接跟他说:你买的时候帮我带一个就好。所以当下的竞争环境,是一个定位升级的时代,要随时随地在消费者的心里建立区隔,注重消费者的使用反馈和品牌的网络口碑,其实品牌在做营销时,就是要尽量压缩消费者购买决策当中的评估和考量环节,就像闪婚一样,从偶遇心跳到结婚,跳过了长期恋爱、熟悉和纠结是否结婚等很多阶段。

当互联网成为最大的流量入口,我们怎么去洞察消费者?之前大家做品牌的时候,会在各种媒体上发稿,传播,针对消费者做营销;但现在因为互联网的发展,营销方式正在从数字营销过渡到全平台营销,它能让品牌有可能通过数据知道消费者对品牌和产品的想法、感知及体验,我们也可以很好地利用它来为品牌服务。 

所以,在互联网时代,我们要去看人们对品牌到底是怎么认知的,他们的购买场景、消费体验到底是什么样的;去感知在大的互联网空间环境里面品牌有一个什么样的数据态势,之后不论是做品牌建设还是做营销活动,都有一个对应的数据支撑,相比之前拍脑门做决策多了一种选择。 

数据分析如何助力营销升级? 

拿我们生活中最常见、最不起眼的方便面举个例子。我们可以看到运动员苏炳添在出国训练期间发了条微博,说在国外想家,在吃泡面的时候有家的味道,这会让他觉得很安心。这就体现了品牌和人之间的情感关联,我们通过对数据的抓取和语义计算可以做对应分析。 

我们也可以做本品和竞品之间的分析,比如康师傅的历史比较久,陪伴了一代人的成长,忠实用户可能是80后居多,这些人在吃康师傅的时候可能会有怀旧的情绪;而统一有老坛酸菜面,比较新,它的用户在社交媒体上表达的情绪会比较有活力。那我们就可以根据用户数据当中的这些关键点,去感知品牌在用户心中的地位。 

我们还能做产品分析。还拿方便面举例,我们吃的时候可能会加火腿肠、卤蛋、榨菜等,这是大家比较习惯的一个吃法,而我们通过抓取用户分享的社交数据进行分析之后,发现有很多人喜欢把芝士放在里面一起吃,也不泡或者煮了,直接用微波炉转一转,这是另外一种吃法,而这些人大部分是90后。所以通过这些对应的数据,我们可以做很多洞察,为后续策略的分析、执行提供数据支撑。 

另外一个案例是,为某互联网电视做产品口碑的分析。最开始互联网电视横冲直撞地杀入传统电视行业时,其工艺和设计可能会有一些问题,所以厂家要及时去分析消费者的评价和用户体验到底是什么,通过对社交媒体上的文本做采集和语义分析,我们可以获得消费者的产品体验数据,比如消费者对画面、音响、关机速度的看法。我们既可以给市场方面提供宣传的数据依据,也可以给产品方面提供产品改善的建议,优先解决用户使用体验最不好的部分,这样才是以用户为中心的产品设计思路。 

我们之前也帮一个车企做过用户体验的互联网数据分析。当消费者在加盟的4S店里遇到不公平的待遇,就可能会到网上吐槽,这就影响了潜在客户对于品牌的观感及购买的决策。我们就利用技术,分出各种各样的标签,像客户关怀、新车交付等,比如用的机油贵了,去4S店的时候没有茶水等。这些数据可以帮助车企在每个月的渠道管理会上,去看华北、华东、华南等每个大区的管理情况及对比上个月有没有改善,从而帮助他们不断提高用户服务水平。

如何运用技术实现数据的精准分析? 

先来说说基于中文的文本分析,因为中文的结构导致中文的语义分析有非常大的难度,英文是一个单词成义,中文就不行了,首先就需要分词。其次中文语义分析会遇到很多问题,诸如语调和情绪不同,意思都不同。这个过程当中,我们运用了自然语言处理技术和基于卷神经网络的深度学习等不同的技术和方式方法来做对应的文本分析和语义分析。同时我们会有对应的专家团队提供数据支持,比如让熟识汽车、化妆品行业的专家提炼出对应的语料及行业知识体系,结合我们的算法,从而形成对应行业和业务的分析模型。通过模型我们可以把抓取、清洗之后的数据打上主体、业务、情感等不同维度的标签,从而实现数据的标签化和业务化处理。 

举例说明,如果一句话说的是宝X操控比奔Y好,就可以打上“宝X|操控|正面”“奔Y|操控|负面”的标签,以此实现对数据的分析。 

针对数据做标签化处理后,可以实现对整个数据的分类;分类之后我们能更好地量化它,知道这个数据到底说明了什么。我们可以针对品牌、产品、服务等不同业务类型,构建知识体系和算法模型。结合上面谈到的消费决策模型,来为对应的品牌、产品、服务等业务提供数据服务。 

此外,还有热门话题发现技术。热点事件可能会出现在媒体、网站、微博、BBS、微信等各种平台上,它都是文章或者文本数据,单以人力没有办法把全网范围内的东西放到一起做快速综合的分析。但我们开发了Hot Topic技术,可以将全媒体环境里的数据根据不同的事件归类,同时做对应的业务分析,找出这个事件中最核心的是什么,用户提到最多的观点及情绪是什么,它们之间有什么关联。 

我们还有知识图谱库。在这个数据库中,系统会自动地应用技术识别人、事、地、物、名等,基于背后的关联做分析。这个通常应用在金融业或者一些事件的关联分析上。通过这样的技术,我们很容易把数据背后的关系刻画出来。 

最后一个是图像识别。在Facebook、微信、微博这样的平台上,很多信息都是图像加文字的表现形式。所以,文本分析加图像分析才能更完整地体现发布者的真实情感和想要表达的意思。我们现在可以对品牌logo、人脸、场景等做分析。利用深度学习的方式,这种分析基本上可以达到80%以上的准确度。同时我们会添加定位、表情、时间等各种元素综合分析,从而最大程度地还原发布者想要表达的意义。 

最后说一下我们做数据分析的架构。我们会在全媒体信源,包括但不限于新闻、贴吧、电商、微博、微信、App等信源中采集数据;对于企业的第一方数据,比如企业内数据,CRM(客户关系管理系统)等,我们也可以聚合到慧科的BI大数据分析平台,做数据的清洗、分析和标签化处理。之后我们可以提供基于数据的洞察、分析、咨询服务,为品牌主提供品牌监测分析、产品分析、体验分析、服务分析、消费者洞察及单独定制等各种市场营销方面的服务。

本文版权归第一财经周刊所有
未经许可不得转载或翻译
未登录用户
全部评论0
到底啦