Taste Analytics:大数据寻找“网红代言”的先行者

当国内品牌厂商在拍脑袋选择网红代言的同时,美国硅谷则开始用大数据技术寻找与品牌本身契合的“网红”了,不仅提高了“寻找”过程的效率,更减少了成本的投入。

ZD至顶网CIO与应用频道 05月03日 北京消息:近期,随着Papi酱的走红,以庞大粉丝群体为基础的定向营销,将粉丝转化为购买力的“网红经济”在国内引起热议。当国内品牌厂商在拍脑袋选择网红代言的同时,美国硅谷则开始用大数据技术寻找与品牌本身契合的“网红”了,不仅提高了“寻找”过程的效率,更减少了成本的投入。

Youtube的“网红经济”

Youtube是美国非常重要的社交媒体,从政客到明星都有自己的Youtube频道, 也诞生了一些Youtube明星(“网红”)。根据Forbes发布的2015年Youtube star收入排名数据,专频道专注于Let's Play的恐怖游戏与动作游戏的Felix Kjellberg,以1200万美金(约合7亿8千万人民币)收入成为Youtube第一明星。而且由于Youtube全球化的影响力,多国内的“网红”也逐渐在Youtube上开设自己的频道,如papi酱的频道目前浏览量已经上万,每个视频的评论数超百条,暴走漫画也经营自己的youtube频道有一段时间了。

与此同时众多知名品牌厂商如苹果、可口可乐、麦当劳、迪士尼也都有自己品牌频道并注意到Youtube明星的影响力,纷纷邀请有影响力又比较经济的Youtube明星代言。

“目前品牌厂商对这些视频网红的着眼点,一是期望在视频中直接呈现广告;二是根据品牌形象,寻找相对应的合作关系;三是欲将特定的产品推送给特定领域的用户,既让粉丝转化为购买力。”Taste Analytics中国销售总监赵博说。

从网络拓扑到粉丝评论

实际上,在YouTube平台 用户每分钟将上传 300 个小时的新视频,大数据技术的一大体现便是可以透过大数据来观察Youtube的流行走向、观众的年龄、性别、点击量等,甚至在总统大选期间,可以透过Youtube的观看和点击量来换算出来支持率。

然而这样的模式所面临的一个弊端便是根据订阅数、观看时间、点击率等进行的分析,有时只能得到较为抽象的信息,所以对于品牌厂商常常是借用此途径进行传统广告投放。那么既然大数据能帮品牌厂商化解传统广告直接投放问题,在网红经济中最关键的网红选择上是否同样适用呢?答案是肯定的。

Taste Analytic 创始人兼CEO汪晓宇表示,现在有两类方法可以寻找合适的网红代言。

曾经,品牌厂商对Youtube明星(“网红”)的选择主要参考两个指标,一个是粉丝数量,一个是影响度,后者与粉丝连接的广度及深度相关。“例如一个Youtube明星的1000位粉丝,可能较为集中在某个特定领域,可能分布分散,这在统计学上会被赋予不同的权重值。包括Facebook等,在很多年前就开始用网络拓扑学进行相关研究。”汪晓宇说道。

“但现在有一项新趋势是,随着越来越多的视频上传,越来越多的粉丝评论产生,分析和利用这些非结构化文本数据成为更有效的方法。”他表示,现在一些品牌厂商对Youtube下面的评论进行分析,分析网红明星频道中整体评论,看与企业品牌如服饰、彩妆类目标用户群是否契合,并决定是否选择该网红代言。

例如在Youtube上,利用Taste Analytics的Signals 非结构化数据平台,对国内比较熟悉的网红Papi酱和暴走漫画的Youtube评论进行分析。

在Papi酱的频道里,可以看到正面评论居多,整体的评价还是正面的。如果有衣服,彩妆之类的广告,来找她代言会是明智的选择。

 

在暴走漫画频道里,可以看到暴走漫画的正面评价和负面评价差不多,整体印象虽然是正数但是值偏低。所以只能针对特定人群的宣传推广可以找他们代言。

 

语义分析实现更精准广告投放

大数据在网红经济中的两类方法,在最后代言效果上有一定差异。

例如YouTube美容领域有许多网红明星,但一些网红明星可能聚焦在怎么教人化妆,一些网红则是教粉丝盘发。传统的依托粉丝数量及影响度的分析,难以察觉这两类明星的差别,所以可能导致诸如同样属于美容领域的眉笔品牌,在广告投放上出现两者都选择,或选择了后者而遗漏前者的情况,但事实上投放在盘发明星上的效果将不如化妆明星,Taste Analytics中国销售总监赵博说。

这类模式分析的弊端,通过粉丝评论的语义分析则可以很好解决。具体而言,即通过对粉丝评论的分析,发现粉丝之间有没有实际物理上的链接,如在语言表达方式或内容上是否重复,是否有同类的喜好(如对车、音乐的关注与评论),寻找粉丝之间共同的特征与属性。

赵博表示,美国一个跨境电商Apollobox通过Taste Analytics的智能大数据分析平台Signals,对YouTube上一万多个来自不同小组的网红明星视频评论进行分析,包括电玩、电影、居家、美容等,对粉丝进行纵向区分,筛选出愿意接受商业合作的网红明星,并协助完成最终特定产品与特定网红明星的对接,如将无人机产品推给粉丝对高科技更感兴趣的网红明星。据悉,这不仅节省了品牌厂商自己调研选择网红的时间,降低了85%的成本,同时也能实现更精准化的产品营销。

除了Apollobox,国内深圳一家研发充电器产品的企业,也通过Taste Analytics的Signals平台进行网红代言的寻找。

汪晓宇表示,企业特别是对于电商,通过Taste Analytics的大数据分析技术将能帮助其更好的制胜网红经济时代,他进一步透露,这样的大数据技术实现的网红寻找功能,将全面集成在Taste Analytics最新的Signals 2.0版本中。据悉,包含更多功能与应用场景的最新Signals 2.0将在今年5月正式发布。

来源:业界供稿

0赞

好文章,需要你的鼓励

2016

05/03

15:08

分享

点赞

邮件订阅
白皮书