CN105247507B - 用于确定品牌的影响力得分的方法、***和存储介质 - Google Patents
用于确定品牌的影响力得分的方法、***和存储介质 Download PDFInfo
- Publication number
- CN105247507B CN105247507B CN201380077072.XA CN201380077072A CN105247507B CN 105247507 B CN105247507 B CN 105247507B CN 201380077072 A CN201380077072 A CN 201380077072A CN 105247507 B CN105247507 B CN 105247507B
- Authority
- CN
- China
- Prior art keywords
- social media
- configuration file
- brand
- influence power
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000003860 storage Methods 0.000 title description 9
- 238000005259 measurement Methods 0.000 claims abstract description 79
- 238000000605 extraction Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 10
- 230000000977 initiatory effect Effects 0.000 claims 1
- 230000015654 memory Effects 0.000 description 14
- 238000009826 distribution Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 6
- 244000046052 Phaseolus vulgaris Species 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000013075 data extraction Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 210000003811 finger Anatomy 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种根据本公开的各个方面的用于确定品牌的影响力得分的示例性方法包括：基于与多个关键词的关联性接收关于与多个社交媒体平台相关联的多个社交媒体配置文件的数据，识别从第一社交媒体平台接收到第一组数据以及从第二社交媒体平台接收到第二组数据，针对与第一社交媒体平台相关联的每个社交媒体配置文件从第一组数据中提取第一组度量类别的值，针对与第一社交媒体平台相关联第一社交媒体配置文件从第二组数据中提取第二组度量类别的值，给每个度量分配权重，基于计算每个社交媒体配置文件所提取的值的加权总和而确定每个社交媒体配置文件的影响力得分，以及基于每个社交媒体配置文件的影响力得分确定每个社交媒体配置文件的针对品牌的影响力得分。
Description
背景技术
社交媒体是可以用于产生关于产品或服务、品牌化、竞争和产业的数据的宝贵信息来源。社交媒体技术采取许多不同的形式，包括杂志、互联网论坛、博客、微博(例如，)、维基、社交网络、播客、照片或图片、视频、评级和社交书签。品牌的品牌形象可以通过进行客户调查或民意测验来确定。包括博客的社交媒体平台对于品牌拥有者可以是非常有价值的，因为品牌的用户可以在线利用这些工具提供可以定义品牌的品牌形象的客户调查或民意测验的信息。
社交媒体平台可以允许用户创建配置文件。使用这些配置文件，用户可以相互发送消息或者发表内容供所有人看到。例如，是允许用户发送由140个或更少字符构成的消息。这些消息通常被称作“推特”。来自给定推特配置文件的消息可以由已经选择订阅该配置文件的推送(feed)的用户看到。对于社交媒体平台的另一示例是其允许用户在所分配的博客域之下创建博客帖子。也存在许多其他社交媒体平台，诸如
附图说明
参照附图在以下详细说明书中描述示例性实施方式，其中：
图1示出了根据实施方式的用于确定品牌的影响力得分的示例性***；
图2示出了根据实施方式的用于确定品牌的影响力得分的示例性计算机可读介质；以及
图3示出了根据实施方式的示例性过程流程图。
具体实施方式
在此描述的各个实施方式涉及在给定时间段内多个平台上的品牌的影响力得分。更具体地，并且如以下更详细描述，本公开的各个各个方面涉及在具体时间段期间在限定话题中对品牌的影响力得分进行量化的方式。
在此描述的本公开的各个方面由从诸如微博网站和博客域的各种社交媒体来源接收到的数据提取品牌提及(brand mention)。此外，在此描述的本公开的各个方面按照品牌提及的比例而分配影响力得分。因此，在此描述的方案允许品牌拥有者识别并且对包括微博网站和博客域的这些社交媒体平台产生强烈影响力，这对于商业是有利的。
此外，在此描述的本公开的各个方面也基于多个度量由从多个社交媒体平台接收到的数据提取值。除此之外，该方案可以防止品牌拥有者单纯地依赖于由品牌用户填写的客户调查或民意测验，但是仍然，解释并无停顿地测量由跨多个平台的品牌用户产生的大量意见，并且了解对购买决定和品牌感知度的正面影响力和负面影响力二者。
在根据本公开的一个示例中，提供了一种用于确定品牌的影响力得分的方法。该方法包括，基于与多个关键词的关联性而接收关于与多个社交媒体平台相关联的多个社交媒体配置文件的数据，识别从第一社交媒体平台接收的第一组数据以及从第二社交媒体平台接收的第二组数据，针对与第一社交媒体平台相关联的每个社交媒体配置文件从第一组数据中提取第一组度量类别的值，针对与第一社交媒体平台相关联的每个社交媒体配置文件从第二组数据中提取第二组度量类别的值，给每个度量分配权重，基于计算针对每个社交媒体配置文件所提取的值的加权总和而确定每个社交媒体配置文件的影响力得分，以及基于每个社交媒体配置文件的影响力得分而确定每个社交媒体配置文件的品牌的影响力得分。
在根据本公开的另一示例中，提供了一种***。该***包括用于基于关键词和时间段的群组而发起对推特配置文件和博客域的搜索的接口，用于接收与关键词和时间段相关的推特配置文件和博客域的列表和相关联数据的通信接口，以及用于识别推特配置文件列表中的每个推特配置文件的内容度量、配置文件度量和网络度量的值的度量提取器。度量提取器也识别在博客域列表中的社交参与度量、页面影响力度量、域影响力度量和活跃性度量的值。此外，***包括用于归一化所有度量的值的归一化器。此外，***包括用于基于计算与每个推特配置文件相关联的归一化值的加权平均而确定每个推特配置文件的影响力得分的得分确定器。得分确定器也基于计算与每个博客域相关联的归一化值的加权总和而确定每个博客域的影响力得分。此外，得分确定器基于每个推特配置文件的影响力得分以及每个博客域的影响力得分而确定品牌的影响力得分。
在根据本公开的另一示例中，提供了一种非临时性计算机可读介质。该非临时性计算机可读介质包括当被执行时使得装置执行以下步骤的指令：(i)基于与多个关键词的关联性接收关于与多个社交媒体平台相关联的多个社交媒体配置文件的数据，(ii)识别从第一社交媒体平台接收的第一组数据以及从第二社交媒体平台接收的第二组数据，(iii)针对与第一社交媒体平台相关联的每个社交媒体配置文件从第一组数据中提取第一组度量类别的值，(iv)针对与第一社交媒体平台相关联的每个社交媒体配置文件从第二组数据中提取第二组度量类别的值，(v) 给每个度量分配权重，(vi)基于计算针对每个社交媒体配置文件所提取的值的加权总和而确定每个社交媒体配置文件的影响力得分，以及(vii)基于每个社交媒体配置文件的影响力得分而确定每个社交媒体配置文件的品牌的影响力得分。
图1示出了根据实施方式的示例性***100。***100包括根据一个示例的用于确定品牌的影响力得分的计算机***。***100可以包括用户接口110，通信接口120，度量提取器130，归一化器140，权重分配器150，以及得分确定器160，以下更详细描述其中的每一个。***100可以是各种计算机或计算装置中的任何一种。例如，***100可以是台式计算机、工作站计算机、服务器计算机、膝上型计算机、平板计算机、智能电话或类似物。应该显而易见的是，图1中所示***100代表通用的说明，并且在脱离本公开的范围的情况下，可以添加其他部件或者可以移除、修改或重设现有部件。例如，尽管图1中所示***100仅包括一个计算机，***可以实际上包括多个计算机，并且为了简单起见仅示出并描述了一个。
应该注意的是，***100意在代表一大类数据处理器。***100可以包括处理器和存储器，并且帮助转换例如由键盘接收的输入。在一个实施方式中，*** 100可以包括任何类型的处理器、存储器或显示器。此外，***100的元件可以经由总线、网络或其他有线或无线互连进行通信。
在一些实施方式中，用户可以通过控制键盘而与***100交互，键盘可以是用于***100的输入装置。用户可以在键盘上执行各种手势(例如触摸、按压)。
***100可以用于基于一个或多个关键词而搜索社交媒体配置文件(例如推特配置文件、博客域)。社交配置文件可以是与社交媒体平台相关联的用户的配置文件。此外，社交媒体配置文件可以包括由至少一个作者或内容提供商所提供的分立条目构成的社交媒体网站(如博客)的域。可以经由用户接口110接收关键词。在一个实施方式中，用户接口110可以是***100的显示器。用户接口110 可以包括硬件部件和软件部件。例如，用户接口110可以包括诸如键盘、鼠标或触摸敏感表面等的输入部件，以及诸如显示器、扬声器等的输出部件。用户接口 110可以涉及计算机程序可以向用户呈现的图形信息、文本信息和音频信息，以及用户可以采用来控制程序的控制序列(诸如用计算机键盘的击键)。在一个示例性的***中，用户接口110可以呈现代表用户可用的应用程序的各种页面。用户接口110可以通过邀请并对用户输入做出响应以及将任务和结果翻译成用户可以理解的语言或图像而促进在用户与计算机***之间的交互。在另一实施例中，***100可以接收来自诸如键盘、鼠标、触摸装置的多个输入装置的输入或口头命令。
用户接口110可以驻留在执行在此所公开方法的装置或***上，或者其可以在诸如连接至服务器的客户端装置的远程计算机上。用户接口110可以基于关键词和/或时间段而发起对诸如推特配置文件和博客配置文件的社交媒体配置文件的搜索。用户可以通过用户接口110提供一组关键词。关键词可以涉及如上所述的话题、商务背景或类似物。关键词可以提供至监控引擎。监控引擎可以驻留在执行在此描述方法的装置或***上，或者其可以驻留在另一计算机上。在一个示例中，监控引擎可以是第三方***，诸如Radian6。引擎可以执行对特定平台的搜索，并且获得关于与关键词相关的社交媒体配置文件(例如博客域、推特配置文件) 的数据。因此，可以接收该数据。可以基于来源分离该数据。例如，可以从捕获的数据中分离从捕获的数据。该数据可以随后用在诸如图3所示的过程中以确定多个得分，诸如被识别的社交媒体配置文件的影响力得分，被识别的品牌的影响力得分。可以从社交媒体平台自身获得关于并非由社交媒体监控引擎提供的配置文件的额外数据。例如，用于社交媒体平台的应用编程接口(API) 可以用于请求数据。可以通过形成将与涉及特定话题的关键词匹配的布尔 (Boolean)搜索查询来收集数据。
通信接口120可以用于向其他计算机发送数据以及从其他计算机接收数据。例如，通信接口120可以接收与关键词和/或时间段相关的社交媒体配置文件的列表以及相关联数据。通信接口120可以包括至网络的以太网连接或者其他直接连接，诸如内联网或互联网。通信接口120也可以包括例如，可以将电信号转换为射频(RF)信号的发射器和/或可以将RF信号转换为电信号的接收器。可选地，通信接口120可以包括用于执行发射器和接收器二者的功能的收发器。通信接口 120可以进一步包括或连接至用于在空中发射和接收RF信号的天线组件。通信接口120可以与网络(诸如无线网络、蜂窝网络、局域网、广域网、电话网络、内联网、互联网、或其组合)进行通信。
***100可以包括度量提取器130，归一化器140，权重分配器150，以及得分确定器160。这些部件可以使用硬件、软件、固件或类似物的组合而实施，包括存储了机器可执行指令的机器可读介质以及处理器或控制器。度量提取器130可以识别每个社交媒体配置文件的内容度量、配置文件度量和网络度量的值。以下更详细地描述度量。
在一个实施方式中，可以从数据提取每个社交媒体配置文件的值。例如，可以从数据提取配置文件的值。此外，可以从数据提取博客域的值。可以基于从其收集数据的来源而改变值。值可以涉及多个度量类别。例如，来自推特配置文件的数据的度量可以不同于从博客域收集到数据的度量。
更具体地，从数据提取的如推特配置文件的社交媒体平台的值可以涉及第一、第二和第三度量类别。第一度量类别可以涉及与社交媒体配置文件相关联的消息。第二度量类别可以涉及每个社交媒体配置文件的属性。第三度量类别可以涉及每个社交媒体配置文件之间的网络关系。
以下参照推特配置文件描述每个类别的示例性度量。以下所称的“作者”是与推特配置文件相关联的用户(或者推特配置文件的拥有者)。粉丝是订阅了作者的消息推送的那些用户。由作者发送的消息出现在每个粉丝账户的时间轴中。@ 提及是在推特中明确地提及另一推特作者的一类消息。这向所提及的作者发送通知，以及使得@提及在作者的消息推送上可见，这使其由作者的粉丝在他们的时间轴上可查看。转发是来自作者的消息，其中作者发送另一作者的推特。散列标签是通过在话题词之前放置散列标签(也即#)而对推特进行分类的技术。因此，如果作者编写了关于云计算的推特，则作者可在搜索项“云”之前放置散列标签如下：“#云”。这使得其他用户更精确地搜索与某一话题相关的推特。也可以使用除了以下所示那些之外的其他度量。额外地，如上所述，如果使用不同的社交媒体平台(诸如)，可以改变一些度量。
第一度量类别可以涉及与推特配置文件相关联的热门话题(on-topic)推特。在一个示例中，该类别可以划分为五个基本度量：获得的业务、完成的业务、热门话题活跃性、热门话题搜索、以及内容值。以下每次测量描述示例性度量。
在一个实施方式中，获得的业务可以包括：(i)获得的@提及，可以是提到作者的推特数目；(ii)获得的@提及－独特作者，可以是撰写了提及作者的推特的独特配置文件的数目；(iii)获得的转发，可以是由作者获得的转发数目；(iv) 获取的转发－独特作者，可以是转发作者的推特的独特配置文件的数目；(v)转发的独特推特，可以是被转发的作者的独特推特的数目；(vi)转发h指数，可以指示，如果作者具有至少x个推特、其中每个至少被转发x次，则x的最高可能值是转发h指数；(vii)获得的点赞，可以是作者的推特由其他用户“点赞”(指示为受赞)的次数。
在一个实施方式中，完成的业务可以包括：(i)完成的@提及，可以是由作者发出包含@提及的推特的数目；(ii)完成的@提及－独特作者，可以是由作者提及的独特配置文件的数目；(iii)完成的转发，可以是由作者完成的转发数目； (iv)完成的转发－独特作者，可以是其推特由作者所转发的独特配置文件的数目。在另一实施方式中，热门话题活跃性可以包括：(i)热门话题推特，可以是热门话题推特的总计数；(ii)活跃天数，可以是作者关于话题发推特的天数；(iii) 话题焦点百分比，可以是由作者发出的作为热门话题的总推特的比例。在一些实施方式中，热门话题范围可以包括：(i)直接印象，可以是推特直接放置在其时间轴上的用户的数目(基于作者的粉丝数目)；(ii)衍生的印象，可以是推特间接地放置在其时间轴上的用户的数目，诸如经由转发和@提及。在其他实施方式中，内容值可以包括：(i)具有URL的推特：包含URL(通用资源***)的推特数目；(ii)具有散列标签的推特：包含散列标签的推特数目。
第二度量类别可以包括与推特配置文件相关联的配置文件信息。在一个实施方式中，所公布的配置文件URL可以用于确定URL是否与配置文件相关联。配置文件URL可以是指向与作者相关联网页的URL。例如，网页可以是作者的个人主页，用于作者商业的网站等。如果公布了配置文件URL，则该度量可以采用1 的值，否则采用0。
在另一实施方式中，关注数可以是作者关注的人的数目。在另一实施方式中，粉丝数可以是关注作者的人数。在一些实施方式中，列表-组员数可以是作者是其组员的列表的数目。中的列表可以由任何用户创建，并且可以包括与特定话题或背景相关联的推特配置文件的列表。作者在多个列表上的存在可以指示作者的知名度和影响力力。在其他实施方式中，列表－订阅数可以是作者所订阅列表的数目。通过订阅列表，订户可以接收来自列表的组员的推特。在另一实施方式中，完成的更新可以是在配置文件的寿命之上从配置文件发送的总推特数目。
第三度量类别可以包括与推特配置文件相关的网络信息。相关网络可以小于整个推特网络。例如，网络可以仅涉及根据一些亲密性程度而连接至给定推特配置文件的推特配置文件。例如，当确定与推特配置文件相关联的网络时，可以考虑粉丝、@提及和转发。以下描述示例性的度量。这些度量可以基于与离散数学相关的图形理论，其中每个推特配置文件可以表示网络中的节点。在一个示例中，作为用于Microsoft Excel的附加工具的、被称作NodeXL的工具可以用于计算网络度量。
在一个实施方式中，度量可以包括中介中心性，其指示特定推特配置文件对于一些其他节点维持与网络的关系是否是必要的。换言之，其可以指示有多少其他配置文件仅通过给定推特配置文件而连接。在另一实施方式中，另一度量可以是亲密中心性，其指示至其他配置文件的平均测地距离。测地距离是在两点之间最短的线。因此，该度量可以指示给定推特配置文件与其他配置文件有多近。在另一实施方式中，另一度量，特征向量中心性可以指示给定推特配置文件所直接相连的推特配置文件的受欢迎程度。换言之，其可以指示与给定配置文件相邻的配置文件是否与大量其他配置文件相邻。
在一些实施方式中，另一度量可以是群集系数：该度量可以指示在给定推特配置文件的网络中的配置文件之中的连通性和群集的程度。例如，该度量可以指示给定配置文件的相连配置文件是否也相互连接，因此构成连接的群集。这可以指示配置文件的网络有多紧密。
如上所述的度量的任何组合、或者未示出的其他度量可以用于度量给定推特配置文件的社交影响力。可以根据各种技术从数据提取每个度量的值。例如，数据可以以电子数据表的形式从社交媒体监控引擎(例如Radian6)输出。因此，可以通过参考电子数据表中的合适的字段而确定每个度量的值。例如，可以在 Microsoft Excel中对宏进行编程以基于电子数据表数据产生每个推特配置文件的度量值。如前所述，宏可以杠杆调节诸如NodeXL的工具以产生网络图形并提取网络度量值。也可以使用社交媒体平台的API提取一些度量的值。
类似的，可以针对诸如博客域的社交媒体平台提取一系列度量。在一个实施例中，从数据提取的博客域的值可以涉及四个度量类别。第一度量类别可以涉及社交参与。第二度量类别可以涉及每个博客域的活跃性。第三度量类别可以涉及博客页面影响力，以及第四类别可以涉及博客域影响力。
在一个实施方式中，一个类别可以包括社交参与。社交参与可以包括多个度量。度量可以包括Facebook份额，Facebook评论，Facebook点赞，LinkedIn份额， Twitter份额，Reddit得分。另一类别可以包括度量的群组，其包括在博客域上完成的活动的度量。示例性度量可以包括：(i)一致性，可以是在博客域已经发布的给定时间帧中的周的数目；(ii)容量，可以是博客域中发布的计数；(iii)新近，可以是自从最后一个博客发布发生以来的天数的数目的计数。
在另一实施方式中，下一个类别可以包括页面影响力。该类别可以依据在网络中的其重要性方面测量博客发布页面多么受欢迎，以及他人如何受到页面的影响力。该类别可以包括以下度量：(i)外部链接，可以是来自链接至所关注博客发布页面的其他网页的页面的计数；(ii)页面权重，可以被测量作为与整个网络中的所有页面相比在重要性方面的页面的预测排名；(iii)页面Mozrank，其是在至所关注博客发布页面网络的链接中对多少页面拥有良好质量的测量。
下一组度量包括域影响力，其包括用于确定域等级的影响力的度量。示例性度量可以包括(i)独特访问者，(ii)总访问，(iii)平均停留，其是访问者在博客域上花费的平均时间，(iv)子域mozrank，其在子域等级下测量了独立于任何搜索查询或链接的任何网页的静态重要性，(v)域权重，被度量作为与域整个网络中的其他域相比在其重要性方面的域的预测排名。
在一个实施方式中，度量可以采用于来自一些搜索引擎数据API和交通数据采集API的博客，并且一些Excel宏可以用于在域等级下组合它们。
归一化器140可以对内容度量、配置文件度量和网络度量的值进行归一化。归一化器140可以根据各种技术归一化值，在一个实施方式中，可以每个度量(在所有社交媒体配置文件和域之上)确定最大界限(MaxCutoff)值和最小值的方法可被使用。最大界限值可以是在给定度量的所有值的某一高百分位数处的值。例如，最大界限值可以是最大值(第100百分位数)、第98百分位数处的值、或类似的。可以有用的是，使用低于第100百分位数的百分位数以排除无关的值。可以通过从值减去最小值并且将结果除以从最大界限值减去最小值得到的结果来确定给定的所提取值的中间归一化的值。可以通过将中间归一化值乘以10来确定归一化的值。在一些示例中，归一化的值可以经受最大值十，以使得任何更高的值改变为十。因此，得分范围可以在例如零与十之间。
权重分配器150可以给每个度量分配权重。权重可以表示度量对于整个影响力得分的相对重要性。可以基于对市场和数据平台的研究和分析来确定权重。例如，所考虑的特定业务分部、背景或话题可以影响力某些度量的重要性。类似地，数据平台的性质可以影响力某些度量的重要性。也可以使用诸如结构方程建模的统计技术来确定权重。额外地，权重可以由用户来确定并且使用用户接口来设置。在这种情况下，给每个度量分配权重可以仅仅包括将预定的权重施加至度量。在一个示例中，可以使用用户接口或使用自动化技术、诸如经由采用结构方程建模的机器可读指令来设置权重。
结构方程建模是可以使用统计数据和某些假设的组合估计因果关系的技术。如果无法直接地对其测量，则度量类别可以视认为是隐藏变量，例如因为其是假设的或不可观测的。度量的组合可以用于确定代表性的隐藏变量。所述技术可以基于这样的假设：代表性隐藏变量(例如完成的业务)可以由变量的线性组合来解释。例如，“完成的业务”可以被建模作为四个变量的线性组合：完成的@提及、完成的@提及－独特作者、完成的转发、以及完成的转发－独特作者。可以基于统计重要性和对于模型的某些标准的满足而确定每个变量的权重或系数。由该线性方程结构创建的模型可以用于每个度量的权重的多等级分配。例如，可以度量的组确定类别权重。例如，可以针对“完成的业务”的类别确定类别权重，其可以包括如上所示四个度量。可以采用没有缺失值的大量输入数据集(例如，多个配置文件和相关联数据)而改进模型的精确度。在一个示例中，软件工具或程序可以用于执行结构方程建模，诸如统计分析***(SAS)中的PROC CALIS。
如上所述，可以使用各种技术来确定并分配每个度量的权重。一个方法可以是，用户可以使用用户接口110来设置度量的权重。如之前更详细所述，用户接口110可以是图形用户界面。用户接口110可以驻留在执行在此所公开的方法的相同的计算装置或***上，或者其可以驻留在不同的计算装置或***上。用户接口110可以是应用程序的一部分，诸如实施在此所公开方法的主应用程序，或者与主应用程序接口的客户端应用程序。用户接口110也可以经由网页浏览器而实施。用户可以是***的管理员，并且可以使用相同的计算机***设置权重。可选地，在另一实施方式中，用户可以是实施了远离另一装置的***的用户。经由用户接口110设置的权重可以分配至合适的度量。给度量分配权重可以包括：存储在权重和度量之间的关联。例如，分配权重可以通过修改存储器中的变量来完成。
得分确定器160可以确定每个社交媒体配置文件和域的影响力得分。可以通过计算与每个社交媒体配置文件和域相关联的归一化值的加权总和而确定影响力得分。可以使用分配至每个度量的权重来确定加权平均。***100可以存储与各个度量相关联的权重以用于计算加权总和。
此外或可选地，得分确定器160可以确定每个配置文件和域的品牌的影响力得分。可以通过将每个配置文件和域的影响力得分与品牌提及比例的数目相乘而计算每个配置文件和域的品牌的影响力得分，品牌提及比例是由社交媒体配置文件或博客域所有提及中提及品牌的次数。此外，可以通过将多个配置文件和域的品牌得分进行求和而计算品牌影响力得分。例如，可以将多个推特配置文件和博客域的与品牌相关联的影响力得分进行求和以确定品牌影响力得分。
此外，可以计算影响力份额。品牌的影响力份额是品牌相对于竞争的品牌影响力，可以表示为百分比。
在另一实施方式中，可以基于情感分析来计算以上提及的得分。例如，可以基于正面品牌比例来计算品牌的影响力得分。更具体地，品牌比例可以限定于以正面背景提及品牌的次数与所有正面提及的比例。类似地，在另一示例中，可以基于负面品牌比例来计算品牌的影响力得分。在该示例中，品牌比例可以限定于以负面背景提及品牌的次数与所有负面提及的比例。在另外的示例中，可以基于中性品牌比例来计算品牌的影响力得分。在该示例中，品牌比例可以限定于以中性背景提及品牌的次数与所有中性提及的比例。
图2示出了方框图，示出了根据实施方式的计算机200的各个方面。应该显而易见的是，图2中所示计算机200表示通用的描述，在未脱离本公开的范围的情况下，可以添加其他部件，或者可以移除、修改或重设现有部件。计算机200 包括处理器210，采用指令进行编码的机器可读介质220，以下更详细地描述其中的每一个。计算机的部件可以经由总线连接。计算机200可以是各种计算装置中的任何一种，诸如工作站计算机、台式计算机、膝上型计算机、平板或薄板计算机、服务器计算机或智能电话，等等。
处理器210可以检索并执行存储在机器可读介质220中的指令。处理器210 可以例如是配置为检索并执行指令的中央处理单元(CPU)、半导体基微处理器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、适用于检索并执行存储在计算机可读存储介质上的其他电子电路、或者其组合。处理器210可以获取、解码并执行存储在机器可读介质220上的指令以根据如上所述示例而操作计算机 200。机器可读介质220可以是存储了机器可读指令、代码、数据和/或其他信息的非临时性计算机可读介质。当由处理器210执行(例如经由处理器的一个处理元件或多个处理元件)时，指令可以使得处理器210执行在此描述的方法。
在某些实施方式中，机器可读介质220可以与处理器210集成，而在其他实施方式中，机器可读介质220和处理器210可以是分立单元。
此外，计算机可读介质220可以参与将指令提供至处理器210以用于执行。机器可读介质220可以是非易失性存储器、易失性存储器和/或一个或多个存储装置中的一个或多个。非易失性存储器的示例包括但不限于，电可擦除可编程只读存储器(EEPROM)和只读存储器(ROM)。易失性存储器的示例包括但不限于，静态随机访问存储器(SRAM)和动态随机访问存储器(DRAM)。存储装置的示例包括但不限于，硬盘驱动器、小型光盘驱动器、数字通用光盘驱动器、光学装置和快闪存储装置。
在一个实施方式中，机器可读介质220可以具有配置文件数据库。该数据库可以存储配置文件数据，诸如认证数据、用户接口数据、和配置文件管理数据和/ 或类似物。
在另一实施方式中，机器可读介质220可以具有权重和得分数据库。这些数据库可以存储诸如分配至不同度量的权重值，以及确定社交媒体配置文件和博客域的影响力得分，和/或类似物。
如以上更详细的讨论，处理器210可以与机器可读介质220数据通信，机器可读介质220可以包括临时和/或永久存储器的组合。机器可读介质220可以包括程序存储器，其包括所有程序和软件，诸如操作***、用户检测软件部件以及任何其他应用软件程序。机器可读介质220也可以包括数据存储器，其可以包括***设置、用户选项和偏好的记录、以及由计算机200的任何元件所需的任何其他数据。
在一个实施方式中，机器可读存储介质(媒体)可以具有存储在其上/其中的指令，该指令可以用于编程计算机200以执行在此描述的实施例的任何处理。接收指令230可以使得处理器210基于与话题的相关性而接收关于多个社交媒体配置文件和域的数据。话题可以包括一个或多个关键词，并且可以涉及业务背景。提取指令240可以使得处理器210针对每个配置文件和域从数据提取以上更详细地讨论的所有度量的值。权重分配指令250可以使得处理器210基于与每个度量类别相关的类别权重以及与每个类别内的每个度量相关联的单个权重(例如用于社交媒体配置文件的三个类别和用于社交媒体域的四个类别)而施加权重至每个度量。因此，类别权重可以被施加至每个度量类别，每个类别的权重加起来为百分之百。单个权重也可以施加至类别内的每个单个度量。因此，相对权重可以被分配至每个通用类别，指示了对类别对于影响力得分重要性的整体价值判断。因此，可以相对于该类别内其他度量而分配该类别内的每个度量的单个权重。额外地，可以在不同等级下存在多个类别。总的来说，除了单个权重之外使用类别权重可以提供比分配单个权重至所有度量更容易和更直观的权重分配过程。类似地，先前描述的加权过程可以适用于计算机200而不是这一个。
评分指令260可以使得处理器210基于计算每个配置文件的值的加权平均而确定对于每个配置文件和域的影响力得分。可以基于由加权分配指令250所施加的权重而计算加权平均。例如，可以基于对单个度量值的单个权重而确定每个度量类别的加权平均。随后可以通过使用类别权重计算每个类别的加权平均中的加权平均而确定总加权平均。因此，影响力得分可以基于该总加权平均。可选地，可以使用各个类别权重和单个权重来确定每个单个度量的总权重，并且可以使用每个类别的总权重来确定加权平均。
此外，对指令进行评分可以使得处理器210基于每个配置文件和域的影响力得分而确定每个配置文件和域的品牌影响力得分。另外，可以通过合计来自所有配置文件和域的品牌的所有影响力得分而计算总品牌影响力得分。此外，对指令进行评分可以使得处理器210确定品牌相对于品牌竞争者的影响力份额，其可以以百分比表示。
现在转向***100的操作，图3示出了根据实施方式的示例性过程流程图300。应该显而易见的是，图3中所示的过程表示通用的说明，并且在不脱离本公开的范围和精神的情况下，可以添加其他方法或者可以移除、修改或重设已有过程。此外，应该理解的是，该过程可以表示可以使得处理器做出响应、执行动作、改变状态和/或做出决定的存储在存储器上的可执行指令。因此，所述过程可以实施作为由与***100和200相关联的存储器所提供的可执行指令和/或操作。可选地或者此外，方法可以表示由如同模拟电路、值信号处理器电路、专用集成电路 (ASIC)或与***100和200相关联的其他逻辑器件的功能性等价电路执行的功能和/或动作。此外，图3并非意在限定所述实施方式的实施方式，而是相反，附图示出了本领域技术人员可以用来设计/制造电路、产生软件或者使用硬件和软件的组合以执行所示过程的功能信息。
可以实施图3中所示方法来确定品牌的影响力得分。该方法包括确定一个或多个社交媒体配置文件的影响力得分。如参照图1详细讨论，社交媒体配置文件可以是与社交媒体平台相关联的用户的配置文件。社交媒体平台可以使能分享信息、消息、照片、视频或类似物。例如，社交媒体平台可以是 或此外，社交媒体配置文件可以包括与诸如博客的社交媒体平台上的用户相关联的域，其包含呈现了由用户编写的离散博客条目的博客域。
过程300可以开始于方框305，其中可以接收关于多个社交媒体配置文件的数据。特别地，数据可以是从诸如和博客的社交媒体平台对社交媒体配置文件和相关联数据搜索的结果。如以上参照图1所讨论，诸如Radian6的社交媒体监控引擎可以用于执行搜索。未由社交媒体监控引擎所提供的关于配置文件的额外数据可以从社交媒体平台和网站自身获得。例如，用于社交媒体平台的应用程序编程接口(API)可以用于请求数据，诸如Twitter API。
可以基于一个或多个关键词或者关键词与布尔算符的组合而执行搜索。关键词可以限定或者涉及特定话题或业务背景。例如，诸如企业的用户可以对于确定音乐的话题领域中的品牌影响力感兴趣，在该情况下“音乐”可以是关键词。更具体地，用户可以对于乡村音乐话题领域中的品牌影响力感兴趣，在该情况下“乡村音乐”可以是关键词。在另一示例中，用户可以对于云计算的安全方面的话题领域/业务背景感兴趣，在该情况下“云AND安全”或类似物可以是关键词组合。此外，可以基于时间段执行搜索。例如，搜索可以限定于在特定时间段期间发送的热门话题消息或博客条目。
关于社交媒体配置文件的数据可以包括各种类型的信息，取决于社交媒体配置文件所相关联的社交媒体平台的类型。例如，对于推特配置文件，数据可以包括关于从推特配置文件发送的消息的信息、涉及推特配置文件的信息、以及关于配置文件网络的信息。此外，数据的内容和类型可以基于配置文件来自的社交媒体平台的性质。此外，数据的内容和类型可以取决于所使用的社交媒体监控引擎的类型，因为不同的引擎可以提供不同的数据。
在方框310处，可以分离从第一社交媒体平台接收到的数据。在一个示例中，第一社交媒体平台可以是在方框315处，可以分离从第二社交媒体平台接收到的数据。在一个示例中，第二社交媒体平台可以是博客，并且可以从构建在博客上的博客域接收数据。
在方框320处，可以从数据提取值。值可以涉及多个度量类别。如参照图1 详细讨论，类别取决于从其接收数据的社交媒体平台的类型而改变。更具体地，在的情况下，第一度量类别可以涉及与社交媒体配置文件相关联的消息。第二度量类别可以涉及每个社交媒体配置文件的属性。第三度量类别可以涉及每个社交媒体配置文件之间的网络关系。对于博客域，类别可以是社交参与、活跃性、页面影响力和域影响力。
在一个实施方式中，该过程可以进一步包括***归一化度量值。特别地，该方法包括将每个度量而确定的最大界限值和最小值(在所有社交媒体配置文件之上)。最大界限值可以是给定度量在所有值的某个高百分位数处的值。例如，最大界限值可以是最大值(第100个百分位数)、在第98个百分位数处的值、或类似物。可以有用的是，使用低于第100个百分位数的百分点数以排除无关的值。可以通过从值减去最小值并且将结果除以从最大界限值减去最小值的结果而确定给定的所提取值的中间归一化值。可以通过将中间归一化值乘以10而确定归一化值。在一些示例中，归一化值可以经受最大值十，以使得任何更高值变为十。因此，例如得分的范围可以在零与十之间。
在方框325处，设置每个度量的权重。在一个实施方式中，用户可以使用用户接口设置度量的权重。经由用户接口设置的权重可以分配至合适的度量。特别地，给度量分配权重可以包括：存储权重与度量之间的关联。例如，可以通过修改存储器中的变量而实现分配权重。
在方框330处，可以每个社交媒体配置文件确定影响力得分。可以通过计算每个配置文件的度量值的加权总和而确定得分。可以使用在方框325处分配的权重而确定加权总和。因此，可以社交媒体平台上多个社交媒体配置文件而确定原始搜索的特定话题或业务背景的影响力得分。
在方框335处，可以基于每个社交媒体配置文件的影响力得分而确定品牌影响力得分。特别地，该过程可以包括：提取与品牌相关的提及以及通过确定品牌提及数目与总提及数目之间的比例而计算品牌比例。此外，该过程也可以包括每个社交媒体配置文件对所有品牌影响力得分进行求和。在一个实施方式中，可以基于情感分析而执行该过程。例如，所考虑的提及可以限于正面提及、负面提及或中性提及。
在方框340处，示出了品牌的影响力份额。特别地，该过程可以包括将品牌影响力表示为相对于与品牌竞争者相关联的得分的百分比。在一个实施方式中，客户端可以识别并提交竞争者名称的列表。可选地，在另一实施方式中，如果客户端并未识别任何竞争者，则***可以检索客户端配置文件并从其配置文件识别客户端的行业、感兴趣关键词组，并且因此确定对于客户端的一组竞争者。
已经参照前述示例性实施方式示出并说明了本公开。然而，应该理解的是，在未脱离以下权利要求中所限定的本公开的精神和范围的情况下，可以做出其他形式、细节和示例。同样地，所有示例在本公开全文中应被视为是非限定性的。
Claims (20)
1.一种用于确定品牌的影响力得分的方法，包括：
基于与多个关键词的关联性而接收关于与多个社交媒体平台相关联的多个社交媒体配置文件的数据；
基于来源，分离所述与多个社交媒体平台相关联的多个社交媒体配置文件；
经由处理器识别从第一社交媒体平台接收到的第一组数据以及从第二社交媒体平台接收到的第二组数据；
针对与第一社交媒体平台相关联的每个社交媒体配置文件，经由处理器从第一组数据中提取第一组度量类别的值；
针对与第二社交媒体平台相关联的每个社交媒体配置文件，经由处理器从第二组数据中提取第二组度量类别的值；
经由处理器给每个度量分配权重；
基于针对每个社交媒体配置文件所提取的值的加权平均而经由处理器确定每个社交媒体配置文件的影响力得分；以及
基于至少一个社交媒体配置文件的影响力得分而经由处理器确定所述至少一个社交媒体配置文件的品牌的影响力得分。
2.根据权利要求1所述的方法，其中，基于至少一个社交媒体配置文件的影响力得分确定所述至少一个社交媒体配置文件的品牌的影响力得分进一步包括：
提取与品牌相关的数据；
基于所提取的与品牌相关的数据而计算品牌的品牌比例；以及
将品牌比例乘以社交媒体配置文件的影响力得分。
3.根据权利要求1所述的方法，进一步包括，通过将每个社交媒体配置文件的品牌的影响力得分进行求和而确定品牌的总影响力得分。
4.根据权利要求1所述的方法，进一步包括，基于品牌的总影响力得分与品牌的竞争者的总品牌影响力得分的比较而确定品牌的影响力份额。
5.根据权利要求4所述的方法，其中，影响力份额表示为百分比。
6.根据权利要求2所述的方法，其中，品牌的品牌比例对应于由每个社交媒体配置文件做出的与品牌相关联的提及和由每个社交媒体配置文件做出的所有提及的比例。
7.根据权利要求2所述的方法，其中，品牌的品牌比例对应于由每个社交媒体配置文件做出的与品牌相关联的正面提及和由每个社交媒体配置文件做出的所有正面提及的比例。
8.根据权利要求2所述的方法，其中，品牌的品牌比例对应于由每个社交媒体配置文件做出的与品牌相关联的负面提及和由每个社交媒体配置文件做出的所有负面提及的比例。
9.根据权利要求1所述的方法，其中，第一组度量类别包括：与每个社交媒体配置文件所相关联的消息相关的第一度量类别、与每个社交媒体配置文件的属性相关的第二度量类别、以及与每个社交媒体配置文件之间的网络关系相关的第三度量类别。
10.根据权利要求1所述的方法，其中，第二组度量类别包括：与在第二社交媒体平台和其他社交媒体平台上的每个社交媒体配置文件之间的社交参与相关的第一度量类别，与第二组数据的影响力属性相关的第二度量类别，与在第二社交媒体平台上的每个社交媒体配置文件的影响力属性相关的第三度量类别，与在第二社交媒体平台上完成的活动相关的第四度量类别。
11.根据权利要求1所述的方法，其中，第一社交媒体平台是
12.根据权利要求1所述的方法，其中，第二社交媒体平台是博客域。
13.根据权利要求1所述的方法，进一步包括：
经由处理器识别从第三社交媒体平台接收到的第三组数据；以及
针对与第三社交媒体平台相关联的每个社交媒体配置文件，经由处理器从第三组数据中提取第三组度量类别的值。
14.根据权利要求1所述的方法，其中，所述多个关键词限定一话题。
15.根据权利要求1所述的方法，其中，关键词涉及业务背景并且数据与时间段相关联。
16.根据权利要求1所述的方法，进一步包括，基于以下公式对每个度量的每个所提取的值进行归一化：
(Value－Min)*10/(Maxcutoff－Min)
其中Value是给定社交媒体配置文件的给定度量的提取值，Min是基于所有社交媒体配置文件的给定度量的提取最小值，并且Maxcutoff是基于所有社交媒体配置文件的给定度量的第98百分位数处的值。
17.根据权利要求1所述的方法，其中，使用结构方程建模确定度量的权重。
18.一种用于确定品牌的影响力得分的***，包括：
接口，用于基于关键词和时间段发起对推特配置文件和博客域的搜索；
通信接口，用于接收并分离与关键词和时间段相关的推特配置文件和博客域的列表以及相关联的数据；
度量提取器，用于：
识别推特配置文件的列表中的每个推特配置文件的内容度量、配置文件度量和网络度量的值，以及
识别博客域的列表中的社交参与度量、页面影响力度量、域影响力度量和活动性度量的值；
归一化器，用于对所有度量的值进行归一化；以及
得分确定器，用于：
基于计算与每个推特配置文件相关联的归一化值的加权平均而确定每个推特配置文件的影响力得分，
基于计算与每个博客域相关联的归一化值的加权总和而确定每个博客域的影响力得分，以及
基于每个推特配置文件的影响力得分和每个博客域的影响力得分而确定品牌的影响力得分。
19.根据权利要求18所述的***，进一步包括：数据库，用于存储与度量相关联的权重，其中得分确定器用于使用所存储的权重来计算归一化值的加权平均。
20.一种包括指令的非临时性计算机可读介质，当指令被执行时使得***：
基于与多个关键词的关联性接收关于与多个社交媒体平台相关联的多个社交媒体配置文件的数据；
基于来源，分离所述与多个社交媒体平台相关联的多个社交媒体配置文件；
识别从第一社交媒体平台接收的第一组数据以及从第二社交媒体平台接收到的第二组数据；
针对与第一社交媒体平台相关联的每个社交媒体配置文件从第一组数据中提取第一组度量类别的值；
针对与第一社交媒体平台相关联的每个社交媒体配置文件从第二组数据中提取第二组度量类别的值；
给每个度量分配权重；
基于计算针对每个社交媒体配置文件所提取的值的加权平均而确定每个社交媒体配置文件的影响力得分；以及
基于每个社交媒体配置文件的影响力得分而确定每个社交媒体配置文件的品牌的影响力得分。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/US2013/043520 WO2014193399A1 (en) | 2013-05-31 | 2013-05-31 | Influence score of a brand |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105247507A CN105247507A (zh) | 2016-01-13 |
| CN105247507B true CN105247507B (zh) | 2018-11-02 |
Family
ID=51989255
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201380077072.XA Active CN105247507B (zh) | 2013-05-31 | 2013-05-31 | 用于确定品牌的影响力得分的方法、***和存储介质 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20160132904A1 (zh) |
| CN (1) | CN105247507B (zh) |
| WO (1) | WO2014193399A1 (zh) |
Families Citing this family (41)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10430894B2 (en) | 2013-03-21 | 2019-10-01 | Khoros, Llc | Gamification for online social communities |
| US9495083B2 (en) * | 2014-05-16 | 2016-11-15 | International Business Machines Corporation | Symbolic referential third-party notification |
| US20160125157A1 (en) * | 2014-10-30 | 2016-05-05 | Lithium Technologies, Inc. | Systems and Methods to Monitor Health of Online Social Communities |
| US10848485B2 (en) * | 2015-02-24 | 2020-11-24 | Nelson Cicchitto | Method and apparatus for a social network score system communicably connected to an ID-less and password-less authentication system |
| US11122034B2 (en) | 2015-02-24 | 2021-09-14 | Nelson A. Cicchitto | Method and apparatus for an identity assurance score with ties to an ID-less and password-less authentication system |
| US11171941B2 (en) | 2015-02-24 | 2021-11-09 | Nelson A. Cicchitto | Mobile device enabled desktop tethered and tetherless authentication |
| US20160267586A1 (en) * | 2015-03-09 | 2016-09-15 | Tata Consultancy Services Limited | Methods and devices for computing optimized credit scores |
| CN104978665A (zh) * | 2015-06-16 | 2015-10-14 | 北京畅游天下网络技术有限公司 | 一种品牌评估方法和装置 |
| US20170024454A1 (en) * | 2015-07-24 | 2017-01-26 | International Business Machines Corporation | Discourse advancement scoring for social media posts |
| US10311069B2 (en) | 2016-06-02 | 2019-06-04 | International Business Machines Corporation | Sentiment normalization using personality characteristics |
| CN106484802A (zh) * | 2016-09-22 | 2017-03-08 | 中国标准化研究院 | 一种针对汽车缺陷发布的信息的数据处理方法及装置 |
| US10872088B2 (en) | 2017-01-30 | 2020-12-22 | Apple Inc. | Domain based influence scoring |
| US10902462B2 (en) | 2017-04-28 | 2021-01-26 | Khoros, Llc | System and method of providing a platform for managing data content campaign on social networks |
| CN107688959B (zh) * | 2017-07-24 | 2020-12-29 | 平安科技（深圳）有限公司 | 断点名单的处理方法、存储介质和服务器 |
| US11570128B2 (en) | 2017-10-12 | 2023-01-31 | Spredfast, Inc. | Optimizing effectiveness of content in electronic messages among a system of networked computing device |
| US11470161B2 (en) | 2018-10-11 | 2022-10-11 | Spredfast, Inc. | Native activity tracking using credential and authentication management in scalable data networks |
| US11050704B2 (en) | 2017-10-12 | 2021-06-29 | Spredfast, Inc. | Computerized tools to enhance speed and propagation of content in electronic messages among a system of networked computing devices |
| US10999278B2 (en) | 2018-10-11 | 2021-05-04 | Spredfast, Inc. | Proxied multi-factor authentication using credential and authentication management in scalable data networks |
| US10346449B2 (en) | 2017-10-12 | 2019-07-09 | Spredfast, Inc. | Predicting performance of content and electronic messages among a system of networked computing devices |
| US10785222B2 (en) | 2018-10-11 | 2020-09-22 | Spredfast, Inc. | Credential and authentication management in scalable data networks |
| US10601937B2 (en) | 2017-11-22 | 2020-03-24 | Spredfast, Inc. | Responsive action prediction based on electronic messages among a system of networked computing devices |
| US11061900B2 (en) | 2018-01-22 | 2021-07-13 | Spredfast, Inc. | Temporal optimization of data operations using distributed search and server management |
| US10594773B2 (en) | 2018-01-22 | 2020-03-17 | Spredfast, Inc. | Temporal optimization of data operations using distributed search and server management |
| US10977670B2 (en) * | 2018-01-23 | 2021-04-13 | Mass Minority Inc. | Method and system for determining and monitoring brand performance based on paid expenditures |
| US10896531B1 (en) * | 2018-05-18 | 2021-01-19 | Tableau Software, Inc. | Using visual distortion to emphasize targeted regions of data visualizations according to geodesic curves |
| CN109492142A (zh) * | 2018-09-20 | 2019-03-19 | 上海雅高文化传播有限公司 | 适用于关注对象的影响力检测方法、电子终端及存储介质 |
| US10855657B2 (en) | 2018-10-11 | 2020-12-01 | Spredfast, Inc. | Multiplexed data exchange portal interface in scalable data networks |
| CN109740967B (zh) * | 2019-01-23 | 2022-02-25 | 广州虎牙信息科技有限公司 | 一种业务处理方法、装置、计算机设备与存储介质 |
| CN110097471A (zh) * | 2019-05-07 | 2019-08-06 | 北京字节跳动网络技术有限公司 | 用户信息处理方法、装置、电子设备及计算机存储介质 |
| WO2020231920A1 (en) * | 2019-05-10 | 2020-11-19 | Traackr, Inc. | System and method for measuring brand vitality |
| US10931540B2 (en) | 2019-05-15 | 2021-02-23 | Khoros, Llc | Continuous data sensing of functional states of networked computing devices to determine efficiency metrics for servicing electronic messages asynchronously |
| CN112445892B (zh) * | 2019-09-02 | 2023-09-29 | 百度在线网络技术（北京）有限公司 | 确定品牌提及率的方法、装置、电子设备及存储介质 |
| CN110689382A (zh) * | 2019-10-11 | 2020-01-14 | 精硕科技（北京）股份有限公司 | 一种信息处理的方法、装置、计算机存储介质及终端 |
| US20220067755A1 (en) * | 2020-09-03 | 2022-03-03 | Mass Minority Inc. | Methods and systems for monitoring brand performance based on consumer behavior metric data and expenditure data related to a competitive brand set over time |
| US11438289B2 (en) | 2020-09-18 | 2022-09-06 | Khoros, Llc | Gesture-based community moderation |
| US11128589B1 (en) | 2020-09-18 | 2021-09-21 | Khoros, Llc | Gesture-based community moderation |
| US11627100B1 (en) | 2021-10-27 | 2023-04-11 | Khoros, Llc | Automated response engine implementing a universal data space based on communication interactions via an omnichannel electronic data channel |
| US11924375B2 (en) | 2021-10-27 | 2024-03-05 | Khoros, Llc | Automated response engine and flow configured to exchange responsive communication data via an omnichannel electronic communication channel independent of data source |
| US11438282B2 (en) | 2020-11-06 | 2022-09-06 | Khoros, Llc | Synchronicity of electronic messages via a transferred secure messaging channel among a system of various networked computing devices |
| US11714629B2 (en) | 2020-11-19 | 2023-08-01 | Khoros, Llc | Software dependency management |
| CN113259150B (zh) * | 2021-03-30 | 2022-09-23 | 联想(北京)有限公司 | 一种数据处理方法、***以及存储介质 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103020116A (zh) * | 2012-11-13 | 2013-04-03 | 中国科学院自动化研究所 | 在社交媒体网络上自动筛选有影响力用户的方法 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8069101B1 (en) * | 2005-06-13 | 2011-11-29 | CommEq Asset Management Ltd. | Financial methodology to valuate and predict the news impact of major events on financial instruments |
| US20080189169A1 (en) * | 2007-02-01 | 2008-08-07 | Enliven Marketing Technologies Corporation | System and method for implementing advertising in an online social network |
| US20110307397A1 (en) * | 2010-06-09 | 2011-12-15 | Akram Benmbarek | Systems and methods for applying social influence |
| US20120324004A1 (en) * | 2011-05-13 | 2012-12-20 | Hieu Khac Le | Systems and methods for analyzing social network user data |
| US8954449B2 (en) * | 2011-07-12 | 2015-02-10 | Salesforce.Com, Inc. | Method and system for determining a user's brand influence |
| WO2013059290A1 (en) * | 2011-10-17 | 2013-04-25 | Metavana, Inc. | Sentiment and influence analysis of twitter tweets |
| US20130124653A1 (en) * | 2011-11-16 | 2013-05-16 | Loopa Llc | Searching, retrieving, and scoring social media |
| US20140025478A1 (en) * | 2012-07-17 | 2014-01-23 | Maven Analytics Inc. | Measuring influence in a social network |
| US8793236B2 (en) * | 2012-11-01 | 2014-07-29 | Adobe Systems Incorporated | Method and apparatus using historical influence for success attribution in network site activity |
-
2013
- 2013-05-31 CN CN201380077072.XA patent/CN105247507B/zh active Active
- 2013-05-31 US US14/893,625 patent/US20160132904A1/en not_active Abandoned
- 2013-05-31 WO PCT/US2013/043520 patent/WO2014193399A1/en active Application Filing
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103020116A (zh) * | 2012-11-13 | 2013-04-03 | 中国科学院自动化研究所 | 在社交媒体网络上自动筛选有影响力用户的方法 |
Non-Patent Citations (1)
| Title |
|---|
| How Does Brand-related User-generated Content Differ across Youtube, Facebook, and Twitter;Anfrew N. Smith 等;《Journal of Interactive Marketing》;20120531;第26卷(第2期);第102-113页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2014193399A1 (en) | 2014-12-04 |
| US20160132904A1 (en) | 2016-05-12 |
| CN105247507A (zh) | 2016-01-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105247507B (zh) | 用于确定品牌的影响力得分的方法、***和存储介质 | |
| Zhao et al. | Connecting social media to e-commerce: Cold-start product recommendation using microblogging information | |
| US10546006B2 (en) | Method and system for hybrid information query | |
| CA2992563C (en) | Method and system for applying probabilistic topic models to content in a tax environment to improve user satisfaction with a question and answer customer support system | |
| US9798820B1 (en) | Classification of keywords | |
| TWI539305B (zh) | Personalized information push method and device | |
| US9881059B2 (en) | Systems and methods for suggesting headlines | |
| US11275748B2 (en) | Influence score of a social media domain | |
| WO2015188699A1 (zh) | 推荐项目的方法和装置 | |
| WO2018022251A1 (en) | Method and system for improving content searching in a question and answer customer support system by using a crowd-machine learning hybrid predictive model | |
| US20120041769A1 (en) | Requests for proposals management systems and methods | |
| CN105677780A (zh) | 可拓展的用户意图挖掘方法及其*** | |
| CN112771564A (zh) | 生成网站的语义方向以自动实体寻的到映射身份的人工智能引擎 | |
| US9767204B1 (en) | Category predictions identifying a search frequency | |
| KR20150086441A (ko) | 콘텐츠 및 상관 거리에 기반하는 사람 연결 | |
| TWI705411B (zh) | 社交業務特徵用戶的識別方法和裝置 | |
| US10482390B2 (en) | Information discovery system | |
| CN107688616A (zh) | 使实体的独特事实显现 | |
| US20160012130A1 (en) | Aiding composition of themed articles about popular and novel topics and offering users a navigable experience of associated content | |
| US8909558B1 (en) | Appraising a domain name using keyword monetary value data | |
| US10474670B1 (en) | Category predictions with browse node probabilities | |
| KR20210091125A (ko) | 사용자 참여를 사용하는 엔티티 기반 검색 시스템 | |
| CN110516164B (zh) | 一种信息推荐方法、装置、设备及存储介质 | |
| US10936675B2 (en) | Developing an item data model for an item | |
| CN110928917A (zh) | 一种目标用户的确定方法、装置、计算设备及介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C41 | Transfer of patent application or patent right or utility model | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20160921 Address after: American Texas Applicant after: HEWLETT PACKARD ENTERPRISE DEVELOPMENT LP Address before: American Texas Applicant before: Hewlett-Packard Development Company, Limited Liability Partnership |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20170523 Address after: American Texas Applicant after: Enterprise service development company limited liability partnership Address before: American Texas Applicant before: HEWLETT PACKARD ENTERPRISE DEVELOPMENT LP |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |