CN106294483A - 用于为产品品牌匹配代言人的数据处理方法和装置 - Google Patents
用于为产品品牌匹配代言人的数据处理方法和装置 Download PDFInfo
- Publication number
- CN106294483A CN106294483A CN201510303598.6A CN201510303598A CN106294483A CN 106294483 A CN106294483 A CN 106294483A CN 201510303598 A CN201510303598 A CN 201510303598A CN 106294483 A CN106294483 A CN 106294483A
- Authority
- CN
- China
- Prior art keywords
- mouthpiece
- brand
- information
- target
- product
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种用于为产品品牌匹配代言人的数据处理方法和装置。其中,该方法包括:获取需要代言人的产品品牌的品牌定位信息,品牌定位信息用于描述需要代言人的产品品牌的品牌特点;获取目标代言人的代言人定位信息,代言人定位信息用于描述目标代言人的人物特点;将品牌定位信息和代言人定位信息进行相似程度匹配,得到定位重合度,定位重合度用于量化需要代言人的产品品牌和目标代言人之间的匹配程度;以及根据定位重合度确定是否推荐目标代言人为需要代言人的产品品牌代言。本发明解决了由于咨询公司实施人工分析的方式推荐代言人而造成的无法快速推荐最佳代言人的技术问题。
Description
技术领域
本发明涉及数据处理领域,具体而言,涉及一种用于为产品品牌匹配代言人的数据处理方法和装置。
背景技术
选择代言人为企业代言有利于企业自身的市场推广工作。然而,如何选择一个合适的即与企业的产品品牌高度匹配的代言人,往往是企业面临难题。
在相关技术中,很多企业在选择代言人时,只是简单地基于某明星的知名度和本企业所属的行业来确定代言人;或者,也有些企业通过求助传统的咨询公司来确定代言人,而咨询公司则需要进行长期大量的人工分析来推荐代言人。这些方式由于没有经过严格地大数据分析和网络情报监测,因此所选择的代言人的代言效果不佳。并且通过咨询公司的方式,一方面,耗时耗力,往往不能适应瞬息万变的市场;另一方面,咨询公司只是进行抽样调研,无法得出准确的分析结果,进而无法快速推荐最佳代言人。
针对相关技术中的上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种用于为产品品牌匹配代言人的数据处理方法和装置,以至少解决由于咨询公司实施人工分析的方式推荐代言人而造成的无法快速推荐最佳代言人的技术问题。
根据本发明实施例的一个方面,提供了一种用于为产品品牌匹配代言人的数据处理方法,包括:获取需要代言人的产品品牌的品牌定位信息,上述品牌定位信息用于描述上述需要代言人的产品品牌的品牌特点;获取目标代言人的代言人定位信息,上述代言人定位信息用于描述上述目标代言人的人物特点;将上述品牌定位信息和上述代言人定位信息进行相似程度匹配,得到定位重合度,上述定位重合度用于量化上述需要代言人的产品品牌和上述目标代言人之间的匹配程度;以及根据上述定位重合度确定是否推荐上述目标代言人为上述需要代言人的产品品牌代言。
进一步地,根据上述定位重合度决定是否推荐上述目标代言人为上述需要代言人的产品品牌代言包括:获取数据模型,上述数据模型包含定位重合度维度以及目标代言人的舆情信息,所述舆情信息包括以下维度中的至少一个:媒体曝光度维度、网民好感度维度、网民关注度维度、个人成长趋势值维度;获取与所述舆情信息对应的各个维度值;利用上述数据模型利用所述数据模型对所述定位重合度和所述各个维度值进行计算,获得上述目标代言人的代言预期值;以及根据上述目标代言人的上述代言预期值决定是否推荐上述目标代言人为上述需要代言人的产品品牌代言。
进一步地,上述数据模型为代言水平函数,通过以下公式表示:Y=A*a+B*b+C*c+D*d+E*e,其中,A、B、C、D、E分别表示媒体曝光度变量、网民好感度变量、网民关注度变量、个人成长趋势变量和定位重合度变量,a、b、c、d、e分别表示A、B、C、D、E的权重值,Y表示代言预期值,其中,在建立上述数据模型之后,通过以下方式调整上述数据模型:获取需要代言人的目标产品品牌的属性信息;以及根据上述属性信息调整上述数据模型中的各个权重值,得到调整后的数据模型。
进一步地,获取需要代言人的产品品牌的品牌定位信息包括:通过网络爬虫爬取上述需要代言人的产品品牌的品牌定位信息;和/或获取目标代言人的代言人定位信息包括:通过上述网络爬虫爬取上述目标代言人的代言人定位信息。
进一步地,在通过网络爬虫爬取上述需要代言人的产品品牌的品牌定位信息时,通过网络爬虫获取上述需要代言人的产品品牌的品牌定位信息包括:通过网络爬虫爬取上述需要代言人的产品品牌的品牌热词信息,上述品牌热词信息为与上述需要代言人的产品品牌同时出现的频率达到预设值的词语信息;获取为上述需要代言人的产品品牌预先设定的品牌定位信息;以及将上述品牌热词信息和上述预先设定的品牌定位信息进行匹配,得到上述需要代言人的产品品牌的品牌定位信息。
根据本发明实施例的另一方面,还提供了一种用于为产品品牌匹配代言人的数据处理装置,包括:第一获取单元,用于获取需要代言人的产品品牌的品牌定位信息,上述品牌定位信息用于描述上述需要代言人的产品品牌的品牌特点;第二获取单元,用于获取目标代言人的代言人定位信息,上述代言人定位信息用于描述上述目标代言人的人物特点;匹配单元,用于将上述品牌定位信息和上述代言人定位信息进行相似程度匹配,得到定位重合度,上述定位重合度用于量化上述需要代言人的产品品牌和上述目标代言人之间的匹配程度;以及确定单元,用于根据上述定位重合度确定是否推荐上述目标代言人为上述需要代言人的产品品牌代言。
进一步地,上述确定单元包括:第一获取模块,用于获取数据模型,上述数据模型包含定位重合度维度以及目标代言人的舆情信息,所述舆情信息包括以下维度中的至少一个:媒体曝光度维度、网民好感度维度、网民关注度维度、个人成长趋势值维度;第二获取模块,用于获取与所述舆情信息对应的各个维度值;计算模块,用于利用所述数据模型对所述定位重合度和所述各个维度值进行计算,获得上述目标代言人的代言预期值;以及确定模块,用于根据上述目标代言人的上述代言预期值决定是否推荐上述目标代言人为上述需要代言人的产品品牌代言。
进一步地,上述数据模型为代言水平函数,通过以下公式表示:Y=A*a+B*b+C*c+D*d+E*e,其中,A、B、C、D、E分别表示媒体曝光度变量、网民好感度变量、网民关注度变量、个人成长趋势变量和定位重合度变量,a、b、c、d、e分别表示A、B、C、D、E的权重值,Y表示代言预期值,其中,上述数据处理装置还包括:调整单元,用于在建立上述数据模型之后,通过以下方式调整上述数据模型:第三获取模块,用于获取需要代言人的目标产品品牌的属性信息;以及调整模块,用于根据上述属性信息调整上述数据模型中的各个权重值,得到调整后的数据模型。
进一步地,上述第一获取单元还用于通过网络爬虫爬取上述需要代言人的产品品牌的品牌定位信息;和/或上述第二获取单元还用于通过上述网络爬虫爬取上述目标代言人的代言人定位信息。
进一步地,在上述第一获取单元还用于通过网络爬虫爬取上述需要代言人的产品品牌的品牌定位信息时,上述第一获取单元包括:爬取模块,用于通过网络爬虫爬取上述需要代言人的产品品牌的品牌热词信息,上述品牌热词信息为与上述需要代言人的产品品牌同时出现的频率达到预设值的词语信息;第四获取模块,用于获取为上述需要代言人的产品品牌预先设定的品牌定位信息;以及匹配模块,用于将上述品牌热词信息和上述预先设定的品牌定位信息进行匹配,得到上述需要代言人的产品品牌的品牌定位信息。
在本发明实施例中,采用计算机自动匹配产品品牌与代言人的定位重合度的方式,通过获取需要代言人的产品品牌的品牌定位信息,品牌定位信息用于描述需要代言人的产品品牌的品牌特点;获取目标代言人的代言人定位信息,代言人定位信息用于描述目标代言人的人物特点;将品牌定位信息和代言人定位信息进行相似程度匹配,得到定位重合度,定位重合度用于量化需要代言人的产品品牌和目标代言人之间的匹配程度;以及根据定位重合度确定是否推荐目标代言人为需要代言人的产品品牌代言,实现了全自动大数据分析和网络情报监测的目的,从而达到了为企业快速推荐最佳代言人的技术效果,进而解决了由于咨询公司实施人工分析的方式推荐代言人而造成的无法快速推荐最佳代言人的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种用于为产品品牌匹配代言人的数据处理方法的流程图;以及
图2是根据本发明实施例的一种用于为产品品牌匹配代言人的数据处理装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例,提供了一种用于为产品品牌匹配代言人的数据处理方法的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种用于为产品品牌匹配代言人的数据处理方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取需要代言人的产品品牌的品牌定位信息;
步骤S104,获取目标代言人的代言人定位信息;
步骤S106,将品牌定位信息和代言人定位信息进行相似程度匹配,得到定位重合度;以及
步骤S108,根据定位重合度确定是否推荐目标代言人为需要代言人的产品品牌代言。
其中,品牌定位信息用于描述需要代言人的产品品牌的品牌特点,例如,对于汽车品牌“奔驰”,它的定位是“高端、大气”,对于另一汽车品牌“宝马”,它的定位则是“运动”;再例如,对于饮料品牌“百事可乐”,它的定位是“年轻、活力”等。
以需要代言人的产品品牌“百事可乐”为例,在实施时,可以从产品品牌数据库中查找并读取“百事可乐”的诸如“年轻、活力”等品牌定位词。需要说明的是,在创建产品品牌数据库之后,可以实时从互联网上获取与各个产品品牌的定位相关的信息,并将其存储在上述产品品牌数据库中,这样,在为当前企业的相关产品品牌推荐代言人时,可以直接方便地从该数据库中查找品牌信息。
代言人定位信息用于描述目标代言人的人物特点,例如,“周杰伦”的定位是“年轻、帅气、艺术家”,“范冰冰”的定位是“时尚、女王范”等。同品牌定位信息的获取方式,也可以从代言人数据库(如,明星数据库)中查找并读取“周杰伦”的诸如“年轻、帅气、艺术家”等定位词。需要说明的是,在创建代言人数据库之后,也可以实时从互联网上获取与各个明星的定位相关的信息,并将其存储在上述代言人数据库中,这样,在为当前企业的相关产品品牌推荐代言人时,可以直接方便地从该数据库中查找代言人信息。
定位重合度用于量化需要代言人的产品品牌和目标代言人之间的匹配程度,它可以为品牌前N位定位词(即与品牌名称同时出现的频率排在前N位定位词)和代言人前N位定位词(即与代言人同时出现的频率排在前N位定位词)的相似度。所谓需要代言人的产品品牌是指正在寻找代言人代言的企业产品品牌。假设需要代言人的产品品牌为“百事可乐”,其排在前两位的定位词为“年轻、活力”,目标代言人为“周杰伦”,其排在前两位的定位词为“年轻、帅气”,那么经过匹配,得到的定位重合度为50%。
需要说明的是,在根据定位重合度确定是否推荐目标代言人为需要代言人的产品品牌代言时,可以结合企业的实际需求以及以往定位重合度达到某个值时的代言效果,决定是否将当前的目标代言人推荐为当前的产品品牌的代言人,简单地,可以根据经验预先设定一个预设定位重合度,当定位重合度达到该预设定位重合度时,推荐目标代言人为需要代言人的产品品牌代言;否则,不推荐目标代言人为需要代言人的产品品牌代言。
通过上述步骤,采用计算机自动匹配产品品牌与代言人的定位重合度的方式,使得整个代言人选择过程变得自动化、快速,达到了在最短时间内找出匹配人物作为品牌代言人的效果。
可选地,步骤S108根据定位重合度决定是否推荐目标代言人为需要代言人的产品品牌代言可以包括:
S2,获取数据模型,其中,该数据模型可以包含定位重合度维度以及目标代言人的舆情信息,所述舆情信息包括以下维度中的至少一个:媒体曝光度维度、网民好感度维度、网民关注度维度、个人成长趋势值维度;
S4,获取与所述舆情信息对应的各个维度值;
S6,利用所述数据模型对所述定位重合度和所述各个维度值进行计算,获得目标代言人的代言预期值;以及
S8,根据目标代言人的代言预期值决定是否推荐目标代言人为需要代言人的产品品牌代言。
由于代言人,尤其是明星代言人的代言效果不仅受代言人与品牌之间的定位重合度的影响,而且还会受明星本人的媒体曝光度、网民好感度、网民关注度和个人成长趋势的影响,因此,在推荐代言人时,将这些维度与定位重合度相结合并通过大量数据分析来确定品牌代言人,可以找到更加合适的代言人。
在实施时,可以根据企业的实际需要,并按照上述步骤,对多个目标代言人的代言预期值进行评估,从而确定代言预期值大于预设值的目标代言人名单,进而将名单上所有的目标代言人都推荐给企业方,再由企业方自行决定最终的品牌代言人,这样,可以扩大企业的选择空间,提高选择的灵活性。
进一步可选地,数据模型可以为代言水平函数,具体可以通过以下公式表示:Y=A*a+B*b+C*c+D*d+E*e,其中,A、B、C、D、E分别表示媒体曝光度变量、网民好感度变量、网民关注度变量、个人成长趋势变量和定位重合度变量,a、b、c、d、e分别表示A、B、C、D、E的权重值,Y表示代言预期值,代言预期值的大小代表目标代言人得分的高低。
需要说明的是,权重值可以根据数据模型中的相应维度在评估目标代言人的代言预期值时所占的比重进行配置,并且权重值可以进行多次配置。例如,在建立数据模型之后,可以通过以下方式调整数据模型(即重新配置数据模型中的各个权重值):首先,获取需要代言人的目标产品品牌的属性信息;然后,根据属性信息调整数据模型中的各个权重值,得到调整后的数据模型。
在实施时,任一权重值都可以被配置为0-1中的任意数值,只是这些权重值的和等于1。其中,当某个权重值被配置为0时,表明实际计算代言预期值时并未考虑与该权重值相对应的维度变量;当某个权重值被配置为1时,表明实际计算代言预期值时仅仅考虑了与该权重值相对应的维度变量,而未考虑其它维度变量。因此,实际操作时,可以根据实际需求,将媒体曝光度、网民好感度、网民关注度、个人成长趋势值和定位重合度等维度中的一个或者多个作为真正确定代言预期值的维度。这样,可以灵活地、合理地根据实际需求为企业选择最佳品牌代言人。
可选地,步骤S102获取需要代言人的产品品牌的品牌定位信息可以包括:通过网络爬虫爬取需要代言人的产品品牌的品牌定位信息;和/或步骤S104获取目标代言人的代言人定位信息可以包括:通过网络爬虫爬取目标代言人的代言人定位信息。
需要说明的是,品牌定位信息和代言人定位信息的爬取方式相同,所不同的是两者的爬取对象不同,即一个爬取的是品牌的相关信息,另一个爬取的代言人的相关信息。具体地,网络爬虫按照预先设定的爬取地址爬取各代言人的相关信息并存储在代言人数据库中。
进一步可选地,在通过网络爬虫爬取需要代言人的产品品牌的品牌定位信息时,通过网络爬虫获取需要代言人的产品品牌的品牌定位信息包括:
S10,通过网络爬虫爬取需要代言人的产品品牌的品牌热词信息,品牌热词信息为与需要代言人的产品品牌同时出现的频率达到预设值的词语信息;
S12,获取为需要代言人的产品品牌预先设定的品牌定位信息;以及
S14,将品牌热词信息和预先设定的品牌定位信息进行匹配,得到需要代言人的产品品牌的品牌定位信息。
具体地,首先,网络爬虫按照预先设定的爬取地址在互联网上爬取想要寻找代言人的品牌的相关内容,然后,根据文本信息与品牌名称同时出现的频率找出品牌热词,再将品牌热词与预先设定好的定位词进行匹配,得出真实的品牌定位词。
通过本发明实施例,采用机器爬虫的方式,自动地、智能化地爬取大量的代言人的多维度数据和品牌的定位数据,能在极短时间内获取到相应的网络情报信息,为推荐代言人提供了足够的用于分析的大数据。
图2是根据本发明实施例的一种用于为产品品牌匹配代言人的数据处理装置的示意图,如图2所示,该装置包括:第一获取单元202、第二获取单元204、匹配单元206和确定单元208。第一获取单元202用于获取需要代言人的产品品牌的品牌定位信息;第二获取单元204用于获取目标代言人的代言人定位信息;匹配单元206用于将品牌定位信息和代言人定位信息进行相似程度匹配,得到定位重合度;以及确定单元208用于根据定位重合度确定是否推荐目标代言人为需要代言人的产品品牌代言。
其中,品牌定位信息用于描述需要代言人的产品品牌的品牌特点,例如,对于汽车品牌“奔驰”,它的定位是“高端、大气”,对于另一汽车品牌“宝马”,它的定位则是“运动”;再例如,对于饮料品牌“百事可乐”,它的定位是“年轻、活力”等。
以需要代言人的产品品牌“百事可乐”为例,在实施时,可以从产品品牌数据库中查找并读取“百事可乐”的诸如“年轻、活力”等品牌定位词。需要说明的是,在创建产品品牌数据库之后,可以实时从互联网上获取与各个产品品牌的定位相关的信息,并将其存储在上述产品品牌数据库中,这样,在为当前企业的相关产品品牌推荐代言人时,可以直接方便地从该数据库中查找品牌信息。
代言人定位信息用于描述目标代言人的人物特点,例如,“周杰伦”的定位是“年轻、帅气、艺术家”,“范冰冰”的定位是“时尚、女王范”等。同品牌定位信息的获取方式,也可以从代言人数据库(如,明星数据库)中查找并读取“周杰伦”的诸如“年轻、帅气、艺术家”等定位词。需要说明的是,在创建代言人数据库之后,也可以实时从互联网上获取与各个明星的定位相关的信息,并将其存储在上述代言人数据库中,这样,在为当前企业的相关产品品牌推荐代言人时,可以直接方便地从该数据库中查找代言人信息。
定位重合度用于量化需要代言人的产品品牌和目标代言人之间的匹配程度,它可以为品牌前N位定位词(即与品牌名称同时出现的频率排在前N位定位词)和代言人前N位定位词(即与代言人同时出现的频率排在前N位定位词)的相似度。所谓需要代言人的产品品牌是指正在寻找代言人代言的企业产品品牌。假设需要代言人的产品品牌为“百事可乐”,其排在的前两位的定位词为“年轻、活力”,目标代言人为“周杰伦”,其排在的前两位的定位词为“年轻、帅气”,那么经过匹配,得到的定位重合度为50%。
需要说明的是,在根据定位重合度确定是否推荐目标代言人为需要代言人的产品品牌代言时,可以结合企业的实际需求以及以往定位重合度达到某个值时的代言效果,决定是否将当前的目标代言人推荐为当前的产品品牌的代言人,简单地,可以根据经验预先设定一个预设定位重合度,当定位重合度达到该预设定位重合度时,推荐目标代言人为需要代言人的产品品牌代言;否则,不推荐目标代言人为需要代言人的产品品牌代言。
通过本发明实施例,采用计算机自动匹配产品品牌与代言人的定位重合度的方式,使得整个代言人选择过程变得自动化、快速,达到了在最短时间内找出匹配人物作为品牌代言人的效果。
可选地,确定单元可以包括:第一获取模块、第二获取模块、计算模块和确定模块。第一获取模块用于获取数据模型,数据模型包含定位重合度维度以及目标代言人的舆情信息,所述舆情信息包括以下维度中的至少一个:媒体曝光度维度、网民好感度维度、网民关注度维度、个人成长趋势值维度;第二获取模块用于获取与舆情信息对应的各个维度值;计算模块用于利用数据模型对定位重合度和各个维度值进行计算,获得计算目标代言人的代言预期值;以及确定模块用于根据目标代言人的代言预期值决定是否推荐目标代言人为需要代言人的产品品牌代言。
由于代言人,尤其是明星代言人的代言效果不仅代言人与品牌之间的定位重合度的影响,而且还会收明星本人的媒体曝光度、网民好感度、网民关注度和个人成长趋势的影响,因此,在推荐代言人时,将这些维度与定位重合度相结合并通过大量数据分析来确定品牌代言人,可以找到更加合适的代言人。
在实施时,可以根据企业的实际需要,并按照上述步骤,对多个目标代言人的代言预期值进行评估,从而确定代言预期值大于预设值的目标代言人名单,进而将名单上所有的目标代言人都推荐给企业方,再由企业方自行决定最终的品牌代言人,这样,可以扩大企业的选择空间,提高选择的灵活性。
进一步可选地,数据模型可以为代言水平函数,具体可以通过以下公式表示:Y=A*a+B*b+C*c+D*d+E*e,其中,A、B、C、D、E分别表示媒体曝光度变量、网民好感度变量、网民关注度变量、个人成长趋势变量和定位重合度变量,a、b、c、d、e分别表示A、B、C、D、E的权重值,Y表示代言预期值,代言预期值的大小代表目标代言人得分的高低。
需要说明的是,权重值可以根据数据模型中的相应维度在评估目标代言人的代言预期值时所占的比重进行配置,并且权重值可以进行多次配置。例如,上述数据处理装置还可以包括:调整单元,在建立数据模型之后,可以通过以下方式调整数据模型(即重新配置数据模型中的各个权重值):第三获取模块,用于获取需要代言人的目标产品品牌的属性信息;以及调整模块,用于根据属性信息调整数据模型中的各个权重值,得到调整后的数据模型。
在实施时,任一权重值都可以被配置为0-1中的任意数值,只是这些权重值的和等于1。其中,当某个权重值被配置为0时,表明实际计算代言预期值时并未考虑与该权重值相对应的维度变量;当某个权重值被配置为1时,表明实际计算代言预期值时仅仅考虑了与该权重值相对应的维度变量,而未考虑其它维度变量。因此,实际操作时,可以根据实际需求,将媒体曝光度、网民好感度、网民关注度、个人成长趋势值和定位重合度等维度中的一个或者多个作为真正确定代言预期值的维度。这样,可以灵活地、合理地根据实际需求为企业选择最佳品牌代言人。
可选地,第一获取单元还用于通过网络爬虫爬取需要代言人的产品品牌的品牌定位信息;和/或第二获取单元还用于通过网络爬虫爬取目标代言人的代言人定位信息。
需要说明的是,品牌定位信息和代言人定位信息的爬取方式相同,所不同的是两者的爬取对象不同,即一个爬取的是品牌的相关信息,另一个爬取的代言人的相关信息。具体地,网络爬虫按照预先设定的爬取地址爬取各代言人的相关信息并存储在代言人数据库中。
进一步可选地,在第一获取单元还用于通过网络爬虫爬取需要代言人的产品品牌的品牌定位信息时,第一获取单元可以包括:爬取模块、第四获取模块和匹配模块。爬取模块用于通过网络爬虫爬取需要代言人的产品品牌的品牌热词信息,品牌热词信息为与需要代言人的产品品牌同时出现的频率达到预设值的词语信息;第四获取模块用于获取为需要代言人的产品品牌预先设定的品牌定位信息;以及匹配模块用于将品牌热词信息和预先设定的品牌定位信息进行匹配,得到需要代言人的产品品牌的品牌定位信息。
具体地,首先,网络爬虫按照预先设定的爬取地址在互联网上爬取想要寻找代言人的品牌的相关内容,然后,根据文本信息与品牌名称同时出现的频率找出品牌热词,再将品牌热词与预先设定好的定位词进行匹配,得出真实的品牌定位词。
通过本发明实施例,采用机器爬虫的方式,自动地、智能化地爬取大量的代言人的多维度数据和品牌的定位数据,能在极短时间内获取到相应的网络情报信息,为推荐代言人提供了足够的用于分析的大数据。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种用于为产品品牌匹配代言人的数据处理方法,其特征在于,包括:
获取需要代言人的产品品牌的品牌定位信息,所述品牌定位信息用于描述所述需要代言人的产品品牌的品牌特点;
获取目标代言人的代言人定位信息,所述代言人定位信息用于描述所述目标代言人的人物特点;
将所述品牌定位信息和所述代言人定位信息进行相似程度匹配,得到定位重合度,所述定位重合度用于量化所述需要代言人的产品品牌和所述目标代言人之间的匹配程度;以及
根据所述定位重合度确定是否推荐所述目标代言人为所述需要代言人的产品品牌代言。
2.根据权利要求1所述的数据处理方法,其特征在于,根据所述定位重合度确定是否推荐所述目标代言人为所述需要代言人的产品品牌代言包括:
获取数据模型,所述数据模型包含定位重合度维度以及目标代言人的舆情信息,所述舆情信息包括以下维度中的至少一个:媒体曝光度维度、网民好感度维度、网民关注度维度、个人成长趋势值维度;
获取与所述舆情信息对应的各个维度值;
利用所述数据模型对所述定位重合度和所述各个维度值进行计算,获得所述目标代言人的代言预期值;以及
根据所述目标代言人的所述代言预期值决定是否推荐所述目标代言人为所述需要代言人的产品品牌代言。
3.根据权利要求2所述的数据处理方法,其特征在于,所述数据模型为代言水平函数,通过以下公式表示:Y=A*a+B*b+C*c+D*d+E*e,其中,A、B、C、D、E分别表示媒体曝光度变量、网民好感度变量、网民关注度变量、个人成长趋势变量和定位重合度变量,a、b、c、d、e分别表示A、B、C、D、E的权重值,Y表示代言预期值,其中,在建立所述数据模型之后,通过以下方式调整所述数据模型:
获取需要代言人的目标产品品牌的属性信息;以及
根据所述属性信息调整所述数据模型中的各个权重值,得到调整后的数据模型。
4.根据权利要求1所述的数据处理方法,其特征在于,
获取需要代言人的产品品牌的品牌定位信息包括:通过网络爬虫爬取所述需要代言人的产品品牌的品牌定位信息;和/或
获取目标代言人的代言人定位信息包括:通过所述网络爬虫爬取所述目标代言人的代言人定位信息。
5.根据权利要求4所述的数据处理方法,其特征在于,在通过网络爬虫爬取所述需要代言人的产品品牌的品牌定位信息时,通过网络爬虫获取所述需要代言人的产品品牌的品牌定位信息包括:
通过网络爬虫爬取所述需要代言人的产品品牌的品牌热词信息,所述品牌热词信息为与所述需要代言人的产品品牌同时出现的频率达到预设值的词语信息;
获取为所述需要代言人的产品品牌预先设定的品牌定位信息;以及
将所述品牌热词信息和所述预先设定的品牌定位信息进行匹配,得到所述需要代言人的产品品牌的品牌定位信息。
6.一种用于为产品品牌匹配代言人的数据处理装置,其特征在于,包括:
第一获取单元,用于获取需要代言人的产品品牌的品牌定位信息,所述品牌定位信息用于描述所述需要代言人的产品品牌的品牌特点;
第二获取单元,用于获取目标代言人的代言人定位信息,所述代言人定位信息用于描述所述目标代言人的人物特点;
匹配单元,用于将所述品牌定位信息和所述代言人定位信息进行相似程度匹配,得到定位重合度,所述定位重合度用于量化所述需要代言人的产品品牌和所述目标代言人之间的匹配程度;以及
确定单元,用于根据所述定位重合度确定是否推荐所述目标代言人为所述需要代言人的产品品牌代言。
7.根据权利要求6所述的数据处理装置,其特征在于,所述确定单元包括:
第一获取模块,用于获取数据模型,所述数据模型包含定位重合度维度以及目标代言人的舆情信息,所述舆情信息包括以下维度中的至少一个:媒体曝光度维度、网民好感度维度、网民关注度维度、个人成长趋势值维度;
第二获取模块,用于获取与所述舆情信息对应的各个维度值;
计算模块,用于利用所述数据模型对所述定位重合度和所述各个维度值进行计算,获得所述目标代言人的代言预期值;以及
确定模块,用于根据所述目标代言人的所述代言预期值决定是否推荐所述目标代言人为所述需要代言人的产品品牌代言。
8.根据权利要求7所述的数据处理装置,其特征在于,所述数据模型为代言水平函数,通过以下公式表示:Y=A*a+B*b+C*c+D*d+E*e,其中,A、B、C、D、E分别表示媒体曝光度变量、网民好感度变量、网民关注度变量、个人成长趋势变量和定位重合度变量,a、b、c、d、e分别表示A、B、C、D、E的权重值,Y表示代言预期值,其中,所述数据处理装置还包括:调整单元,用于在建立所述数据模型之后,通过以下方式调整所述数据模型:
第三获取模块,用于获取需要代言人的目标产品品牌的属性信息;以及
调整模块,用于根据所述属性信息调整所述数据模型中的各个权重值,得到调整后的数据模型。
9.根据权利要求6所述的数据处理装置,其特征在于,
所述第一获取单元还用于通过网络爬虫爬取所述需要代言人的产品品牌的品牌定位信息;和/或
所述第二获取单元还用于通过所述网络爬虫爬取所述目标代言人的代言人定位信息。
10.根据权利要求9所述的数据处理装置,其特征在于,在所述第一获取单元还用于通过网络爬虫爬取所述需要代言人的产品品牌的品牌定位信息时,所述第一获取单元包括:
爬取模块,用于通过网络爬虫爬取所述需要代言人的产品品牌的品牌热词信息,所述品牌热词信息为与所述需要代言人的产品品牌同时出现的频率达到预设值的词语信息;
第四获取模块,用于获取为所述需要代言人的产品品牌预先设定的品牌定位信息;以及
匹配模块,用于将所述品牌热词信息和所述预先设定的品牌定位信息进行匹配,得到所述需要代言人的产品品牌的品牌定位信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510303598.6A CN106294483A (zh) | 2015-06-04 | 2015-06-04 | 用于为产品品牌匹配代言人的数据处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510303598.6A CN106294483A (zh) | 2015-06-04 | 2015-06-04 | 用于为产品品牌匹配代言人的数据处理方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106294483A true CN106294483A (zh) | 2017-01-04 |
Family
ID=57656573
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510303598.6A Pending CN106294483A (zh) | 2015-06-04 | 2015-06-04 | 用于为产品品牌匹配代言人的数据处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106294483A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109377413A (zh) * | 2018-09-13 | 2019-02-22 | 关键 | 一种艺人大数据风险评估***及其评估方法 |
CN110188288A (zh) * | 2019-05-29 | 2019-08-30 | 山东大学 | 基于多模态的信息推荐方法、***、介质及设备 |
CN111080067A (zh) * | 2019-11-18 | 2020-04-28 | 精硕科技(北京)股份有限公司 | 一种代言人商业价值评估方法、存储介质和装置 |
CN111209465A (zh) * | 2020-01-03 | 2020-05-29 | 精硕科技(北京)股份有限公司 | 舆情告警方法、装置和电子设备 |
CN112672188A (zh) * | 2019-10-15 | 2021-04-16 | 阿里巴巴集团控股有限公司 | 一种主播推荐方法、设备及存储介质 |
CN113327121A (zh) * | 2020-02-28 | 2021-08-31 | 阿里巴巴集团控股有限公司 | 主播选品相关***、方法、装置及设备 |
CN113763004A (zh) * | 2020-09-07 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 信息匹配方法及装置 |
CN116932798A (zh) * | 2023-09-15 | 2023-10-24 | 星河视效科技(北京)有限公司 | 一种虚拟代言人生成方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101971175A (zh) * | 2007-10-31 | 2011-02-09 | 品牌亲和度技术有限公司 | 用于产生品牌亲和力内容的引擎、***和方法 |
CN102437968A (zh) * | 2010-09-29 | 2012-05-02 | 腾讯科技(深圳)有限公司 | 一种代言消息发布的方法和装置 |
CN102521769A (zh) * | 2011-12-15 | 2012-06-27 | 丁阔 | 基于互联网用户虚拟身份的微代言***及其构建方法 |
CN104408641A (zh) * | 2014-10-29 | 2015-03-11 | 深圳先进技术研究院 | 电子商务推荐模型的品牌特征提取方法及*** |
-
2015
- 2015-06-04 CN CN201510303598.6A patent/CN106294483A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101971175A (zh) * | 2007-10-31 | 2011-02-09 | 品牌亲和度技术有限公司 | 用于产生品牌亲和力内容的引擎、***和方法 |
CN102437968A (zh) * | 2010-09-29 | 2012-05-02 | 腾讯科技(深圳)有限公司 | 一种代言消息发布的方法和装置 |
CN102521769A (zh) * | 2011-12-15 | 2012-06-27 | 丁阔 | 基于互联网用户虚拟身份的微代言***及其构建方法 |
CN104408641A (zh) * | 2014-10-29 | 2015-03-11 | 深圳先进技术研究院 | 电子商务推荐模型的品牌特征提取方法及*** |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109377413A (zh) * | 2018-09-13 | 2019-02-22 | 关键 | 一种艺人大数据风险评估***及其评估方法 |
CN110188288A (zh) * | 2019-05-29 | 2019-08-30 | 山东大学 | 基于多模态的信息推荐方法、***、介质及设备 |
CN110188288B (zh) * | 2019-05-29 | 2021-05-07 | 山东大学 | 基于多模态的信息推荐方法、***、介质及设备 |
CN112672188A (zh) * | 2019-10-15 | 2021-04-16 | 阿里巴巴集团控股有限公司 | 一种主播推荐方法、设备及存储介质 |
CN111080067A (zh) * | 2019-11-18 | 2020-04-28 | 精硕科技(北京)股份有限公司 | 一种代言人商业价值评估方法、存储介质和装置 |
CN111209465A (zh) * | 2020-01-03 | 2020-05-29 | 精硕科技(北京)股份有限公司 | 舆情告警方法、装置和电子设备 |
CN111209465B (zh) * | 2020-01-03 | 2023-11-07 | 北京秒针人工智能科技有限公司 | 舆情告警方法、装置和电子设备 |
CN113327121A (zh) * | 2020-02-28 | 2021-08-31 | 阿里巴巴集团控股有限公司 | 主播选品相关***、方法、装置及设备 |
CN113763004A (zh) * | 2020-09-07 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 信息匹配方法及装置 |
CN116932798A (zh) * | 2023-09-15 | 2023-10-24 | 星河视效科技(北京)有限公司 | 一种虚拟代言人生成方法、装置、设备及存储介质 |
CN116932798B (zh) * | 2023-09-15 | 2023-11-21 | 星河视效科技(北京)有限公司 | 一种虚拟代言人生成方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106294483A (zh) | 用于为产品品牌匹配代言人的数据处理方法和装置 | |
CN108769823B (zh) | 直播间显示方法、装置、设备 | |
CN107330750B (zh) | 一种推荐产品配图方法及装置,电子设备 | |
CN105912729B (zh) | 基于三维时序动态模型的***推荐*** | |
US8897604B2 (en) | Image quality analysis for searches | |
CN107273489A (zh) | 内容推送方法、电子设备及计算机存储介质 | |
US8577896B2 (en) | Interest based row selection | |
CN103988202A (zh) | 基于索引和搜索的图像吸引力 | |
CN108595493A (zh) | 媒体内容的推送方法和装置、存储介质、电子装置 | |
CN106250553A (zh) | 一种服务推荐方法及终端 | |
CN108734146A (zh) | 人脸图像年龄判断方法、装置、计算机设备及存储介质 | |
CN107729361A (zh) | 自动合成图片推送方法、装置及存储介质 | |
CN106708817A (zh) | 信息搜索方法及装置 | |
CN108733842B (zh) | 视频推荐方法及装置 | |
CN109902713A (zh) | 基于数据分析的楼盘推荐方法、设备、存储介质及装置 | |
CN103399900B (zh) | 基于位置服务的图片推荐方法 | |
CN106056399A (zh) | 信息推送的方法及装置 | |
CN110297975A (zh) | 推荐策略的评估方法、装置、电子设备和存储介质 | |
CN105243105A (zh) | 内容排序方法及装置 | |
CN102693231B (zh) | 用于根据来自网络的图像来确定图集的方法、装置和设备 | |
CN109544262A (zh) | 物品推荐方法、装置、电子设备、***及可读存储介质 | |
CN109685593A (zh) | 数据对象信息提供方法、装置及电子设备 | |
US20150379906A1 (en) | Systems and methods for rule-based animated content optimization | |
CN109978074A (zh) | 基于深度多任务学习的图像美感和情感联合分类方法及*** | |
CN109308332A (zh) | 一种目标用户获取方法、装置和服务器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 100083 No. 401, 4th Floor, Haitai Building, 229 North Fourth Ring Road, Haidian District, Beijing Applicant after: Beijing Guoshuang Technology Co.,Ltd. Address before: 100086 Cuigong Hotel, 76 Zhichun Road, Shuangyushu District, Haidian District, Beijing Applicant before: Beijing Guoshuang Technology Co.,Ltd. |
|
CB02 | Change of applicant information | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170104 |
|
RJ01 | Rejection of invention patent application after publication |