Taste Analytics：大数据寻找“网红代言”的先行者

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。