CN108027942A - 用于将品牌拟人化的方法和系统技术领域 - Google Patents
用于将品牌拟人化的方法和系统技术领域 Download PDFInfo
- Publication number
- CN108027942A CN108027942A CN201680046249.3A CN201680046249A CN108027942A CN 108027942 A CN108027942 A CN 108027942A CN 201680046249 A CN201680046249 A CN 201680046249A CN 108027942 A CN108027942 A CN 108027942A
- Authority
- CN
- China
- Prior art keywords
- brand
- personage
- information
- personality
- characters
- 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
- 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
- G06Q30/0241—Advertisements
- G06Q30/0276—Advertisement creation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及品牌的拟人化。在一个示例中,接收与品牌相关联的信息。基于所接收的信息,检索与所述品牌相关的数据。所述数据包括指示与所述品牌相关联的期望市场印象的信息。将所述数据转换以基于所述信息推导出表征所述品牌的至少一个品牌人物。
Description
相关申请的交叉引用
本申请要求于2015年9月16日提交的美国专利申请号14/855,764的优先权,其要求于2015年8月12日提交的名称为“用于将品牌拟人化的方法和系统(METHOD AND SYSTEMFOR PERSONIFYING A BRAND)”的美国专利申请号62/204,345的优先权,其全部内容通过引用并入本文。
背景技术
1.技术领域
本发明涉及用于将品牌拟人化的方法、系统和程序。
2.技术背景讨论
品牌是人们对于“事物”(例如个人、组织、产品或服务)具有的认知。将品牌拟人化就是将“事物”看作是具有不同品质的人(例如,英雄与圣人),从而使品牌更好地与人联系并与其他品牌区分开来。
大多数现有的用于将品牌拟人化的技术依赖于征求人们对品牌作为人、以及这个人如何思考和感受的看法的调查。然而,这样的方法不可靠并且不具有可扩展性,更不用说其成本。
因此,需要开发用于将品牌拟人化的技术以克服上述缺点。
发明内容
本发明涉及将品牌拟人化的方法,系统和程序。
在一个示例中,一种在具有至少一个处理器、存储器和连接到网络的通信平台的机器上实现的用于将品牌拟人化的方法。接收与品牌相关联的信息;基于所接收的信息,检索与所述品牌相关的数据,所述数据包括指示与所述品牌相关联的期望市场印象的信息;和将所述数据转换以基于所述信息推导出表征所述品牌的至少一个品牌人物。
在不同的示例中,公开了一种具有至少一个处理器、存储器和连接到网络的通信平台的用于将品牌拟人化系统,所述系统包括品牌人物建立单元,被配置用于:接收与品牌相关联的信息;基于所接收的信息,检索与所述品牌相关的数据,其中所述数据包括指示与所述品牌相关联的期望市场印象的信息;以及将所述数据转换以基于所述信息推导出表征所述品牌的至少一个品牌人物。
其他概念涉及用于实施关于将品牌拟人化的本发明的软件。根据这个概念,软件产品包括至少一个机器可读非临时性介质和由该介质携带的信息。由该介质携带的该信息可以是可执行的程序代码数据、与可执行程序代码相关联的参数、和/或与用户、请求、内容或与社交群组有关的信息等相关的信息。
在下面的描述中将部分地阐述另外的新颖特征,并且对于本领域技术人员在查阅以下内容和附图时将部分地变得显而易见,或者通过示例的生产或操作可以得知。本发明的新颖特征可以通过实践或使用下面讨论的详细示例中阐述的方法,手段和组合的各个方面来实现和获得。
附图说明
根据示例性实施例进一步描述在此的方法、系统和/或程序。参考附图详细描述了这些示例性实施例。这些实施例是非限制性的示例性实施例,其中在附图的多个视图中相同的附图标记表示相似的结构,并且其中:
图1是根据本发明的实施例用于将品牌拟人化的示例性网络化环境的高级描绘;
图2是根据本发明的实施例用于品牌拟人化的另一示例性网络环境的高级描绘;
图3示出了根据本发明的实施例的品牌拟人化引擎的示例性图;
图4示出了根据本发明的实施例的品牌人物建立单元的示例性图;
图5A和图5B示出根据本发明的实施例由品牌人物建立单元执行的示例性流程的流程图;
图6示出了根据本发明的实施例的品牌人物呈现单元的示例性图;
图7是根据本发明的实施例的由品牌人物呈现单元执行的示例性流程的流程图;
图8示出了根据本发明的实施例的品牌人物管理单元的示例图;
图9是根据本发明的实施例由品牌人物管理单元执行的示例性流程的流程图;
图10图示了根据本发明的实施例的品牌拟人化数据库中的内容;
图11图示了根据本发明的实施例的知识数据库中的内容;
图12描绘了可以用于实现包含本发明的专用系统的移动设备的架构;以及
图13描述了可以用来实现结合本发明的专用系统的计算机的结构。
具体实施方式
在下面的详细描述中,为了提供对相关发明的透彻理解,通过示例阐述了许多具体细节。然而,对于本领域技术人员来说显而易见的是可以在没有这些细节的情况下实施本发明。在其它情况下,为了避免不必要地模糊本发明的多个方面,已经以相对较高的级别描述了公知的方法、过程、系统、组件和/或电路。
本公开描述了将代表个人、组织、产品或服务的品牌拟人化的方法、系统和程序方面。品牌拟人化体现了一个具有独特、人性化特征和品质的品牌。例如,像哈雷戴维森(Harley-Davidson)这样的品牌拥有一个“叛逆者”人物,其品牌个性强调耐用和粗犷;而“霍尔马克”(Hallmark)这样的品牌则体现出一个具有迷人、真诚个性的“情人”人物。而且,与品牌有关的人,例如客户和雇员,也反映了品牌的拟人个性特质。品牌拟人化对品牌有很多好处,比如帮助品牌更容易与目标受众联系,更好地与其它品牌区分开来。例如,在候选人接受为品牌工作的合同之前,如果候选人知道该品牌代表什么以及员工是什么样子,那么候选人会更容易做出决定。同样,如果一个品牌能够表现出它能让像她这样的人开心,那么就更容易吸引一个新客户。
为了使品牌拟人化对想要建立自己的品牌的所有个人和组织更有效和更有益,本发明专注于使用数据驱动的、量化的方法来自动确定品牌类人特征,包括品牌人物和相关的品牌个性。而且,本发明还扩大了传统品牌拟人化过程的范围,以捕捉其相关人员的代表人物,例如其客户和雇员。除了有效地确定和沟通品牌的不同人物和相关的人员素质之外,本发明能够为成千上万的品牌高效地做到这一点。此外,自动化还支持基于品牌人物及其演变的动态、有效的品牌管理,从而可以采取适当的品牌行为(例如保持各渠道间的品牌信息一致)来保持品牌的健康以及发展品牌。因此,本发明使得品牌所有者/管理人员/代理机构能够根据人的特点和质量更加高效和有效地设计、建立、沟通和开发品牌,这些都是客观地由数据和数据分析确定的。
在下面的描述中将部分地阐述附加的新颖特征,并且对于本领域技术人员在研究以下内容和附图时将部分地变得显而易见,或者可以通过生产或操作示例来学会。本发明的新颖特征可以通过实践或使用下面讨论的详细实施例中阐述的方法、手段和组合的各个方面来实现和获得。
图1是根据本发明的实施例的用于品牌拟人化的示例性网络环境100的高级描绘。在图中,示例性网络环境100包括一个或多个用户102、网络110、品牌拟人化引擎120、品牌拟人化数据库130、知识数据库140和数据源104。网络110可以是单个网络或不同网络的组合。例如,网络110可以是局域网(LAN)、广域网(WAN)、公共网络、私有网络、专有网络、公共电话交换网络(PSTN)、因特网、无线网络、虚拟网络或其任意组合。
用户102可以是不同类型的,诸如拥有品牌的品牌拥有者102-1、已经购买了品牌的产品的客户102-2、为品牌工作的雇员(这里未示出)等等。在一个实施例中,用户102可以连接到网络110并且能够通过有线或无线技术以及在用户可穿戴设备(例如,眼镜,手表等)内实现的相关操作系统访问由品牌拟人化引擎120提供的在线内容并与其交互。诸如用户102-1的用户可以经由网络110向品牌拟人化引擎120发送用于品牌拟人化的请求,并且通过网络110接收表征该品牌的人物。
品牌拟人化引擎120可以设计/发现品牌的一个或多个人物,有效地传播品牌的人物,并且基于其人物动态地管理品牌。从用户到品牌拟人化引擎120的拟人化品牌的请求可以指定一个或多个数据源104,其包含要由品牌拟人化引擎120使用的数据以确定品牌的一个或多个人物。可以在品牌拟人化数据库130中存储推导出的品牌人物。品牌拟人化引擎120可以进一步连接到知识数据库140,其提供如下所述的用于进行各种计算推理的各种知识。
图2是根据本发明的实施例用于品牌拟人化的另一个示例性网络环境200的高级描绘。除了品牌拟人化数据库130用作品牌拟人化引擎120的后端系统之外,本实施例中的示例性网络环境200类似于图1中的示例性网络环境100。
图3示出了根据本发明的实施例的品牌拟人化引擎120的示例性图。如图3所示,本例中的品牌拟人化引擎120包括品牌人物建立单元302、品牌人物呈现单元304和品牌人物管理单元306。
给定品牌相关信息、潜在数据源104和知识数据库140,品牌人物建立单元302分析输入数据,并自动推导出品牌的一个或多个人物及其相关联的拟人的个性特质,该拟人的个性特质拟人化品牌,使其目标受众,如客户、雇员和合作伙伴可以更好地与品牌结合和互动。在品牌拟人化数据库130中存储推导出的品牌人物。
品牌的人物可以以不同的目的、以不同的方式传播给不同的受众。品牌人物呈现单元304直接从用户或从另一个组件获取呈现请求,并将推导出的品牌人物和他们的相关信息转换成供不同用户使用的呈现。一个示例性呈现请求来自想要基于推导出的品牌人物创建品牌资产(例如,标志和吉祥物)的品牌设计师。在这种情况下,品牌人物呈现单元304基于品牌人物自动生成用于设计品牌资产指令的品牌简介。另一个示例性请求是将品牌人物传播给目标受众,例如客户或雇员。在这种情况下,品牌人物呈现单元304将品牌的人物和相关信息自动地转换成用于目标受众的人类可理解的品牌消息。
由于品牌经常发展,品牌人物管理单元306可以支持品牌的动态管理并获得深刻的品牌智能。给定品牌管理请求,品牌人物管理单元306可以请求(例如,从品牌人物建立单元302和品牌人物呈现单元304)定期更新品牌人物,基于更新后的人物和一套品牌健康指数来计算品牌健康度量,并自动推荐品牌管理行为。这样的管理请求也可以按需求,例如在撰写品牌营销信息的过程中推荐。在这种情况下,品牌人物管理单元306自动评估所撰写的消息并且基于品牌健康度量来推荐修订。此外,品牌人物管理单元306也可以由品牌所有者/管理者使用,以基于他们各自的品牌人物和这些人物的变化获得协作/竞争品牌智能。然后品牌所有者/经理可以使用这种智能来定位品牌的发展/成长。
品牌拟人化引擎120还连接到一个或多个品牌拟人化数据库130。图10示出了根据本发明的实施例的品牌拟人化数据库130中的内容。如图10所示,品牌拟人化数据库130存储不同类型的数据,诸如品牌拟人化结果以及用于引擎和应用程序的各种相关数据。一个是品牌数据库1010,其包含推导的品牌人物及其相关的拟人的个性特质,包括推导的品牌的人格个性特质。这些人物还可以与指示何时推导出这些人物的特定时间戳、品牌规范以及用于推导人物的一个或多个数据源相关联。品牌数据库还可能包含各种品牌内容,如产品公告和目标受众。品牌数据库还包括一组用于测量品牌健康和品牌行为的度量(例如,拟人化水平)。
另一个数据库是人员数据库1020,其存储与一个或多个品牌及其特质(例如,人口统计,人格和信仰)相关联的人员。人员数据库还存储用于测量人员的变化(例如,人员需求的变化)的“人员度量”。
另外一种类型的数据储存库是交互数据库1030,其存储应用程序捕捉到的各种用户交互、品牌相关人员交互以及品牌-人员交互。例如,在品牌设计应用中,品牌所有者可以使用引擎来创建品牌人物设计简介,在交互数据库中捕获这样的交互以及结果简介。在另一个品牌应用的例子中,一个品牌管理者可能会发布一个品牌推广信息,这个信息可能会触发品牌和客户之间围绕这个信息进行交互,如转发、评论等等。这些交互都被捕获并存储在交互数据库中。
品牌拟人化引擎120进一步连接到知识数据库140,其提供如下所述的用于进行各种计算推理的各种知识。
图4示出了根据本发明的实施例的品牌人物建立单元302的示例性图。可以将品牌描绘成一种或两种类型的人物:(a)品牌的原创人物;(b)人员聚类中的人物或者与品牌相关联其它品牌的人物(例如,客户人物、员工人物和合作者人物)。一个品牌自己的/原创人物通常由品牌自己的信息来表达,并为品牌提供一种或多种类似人的特质,以使其目标受众能够轻易地与品牌相关联。品牌不仅具有自己独特的人物、与品牌相关的人员聚类、客户和员工等,也有自己独特的人类特性和人格。客户或员工的人物反映品牌的含义,帮助品牌更好地与那些轻易被识别出与他们相似的人联系。本发明将品牌拟人化的传统范围扩展到包括品牌代表人物的创建。
此外,经常在两种情况中的一种情况下确定品牌人物。第一种情况称为发现人物,即品牌已经产生了某些行为,例如拥有一个客户群。在这种情况下,品牌应该能够利用迄今为止产生的相关数据,如自己的通信和与其相关联的人员、客户和员工的等产生的通信,来发现其人物。第二种称为设计人物的情况是,品牌试图找出其应该采用什么样的人物。
图4示出了品牌人物建立单元302的示例性实施例,示出了引擎的这种结构化实施例如何支持在每种情况下确定品牌的两种类型的人物。给定一组品牌相关信息,品牌拟人化请求分析器402处理给定的输入。然后将其结果发送到品牌人物类型确定器404以确定是确定原创人物、代表人物还是两者。将结果也发送给品牌人物设计/发现确定器406,以确定这是从头开始设计品牌的人物还是从现有数据中自动推导出的人物。品牌拟人化模式控制器408从模块404和406以及来自模块402的部分结果(例如,相关数据源)获得结果,并将请求路由到以下模块中的一个。
如下所述,品牌相关信息可以包括与品牌相关的一种或多种类型的数据。为了推导出品牌人物,这些数据往往表达了与品牌相关的理想市场印象。这绝不是一个详尽的例子列表,下面仅是这样的数据的一些例子:(1)品牌自己的沟通信息;(2)通过设计这样的品牌人物,或下面提到的虚拟人物得到的理想品牌形象;(3)通过与诸如客户、员工和合作伙伴等与品牌直接相关的人员给予品牌的表达和评价获得的积极的品牌印象,以及(4)诸如媒体和企业分析师等第三方提供的积极的品牌印象。
如果模式是发现品牌并且类型是原创人物,则品牌拟人化模式控制器408调用相关品牌数据检索器410,相关品牌数据检索器410检索相关品牌数据并将检索到的数据发送到相关品牌拟人的个性特质确定器418,相关品牌拟人的个性特质确定器418分析其输入数据(例如,文本或图像),然后自动推导出表征该品牌的一组拟人的个性特质。如下所述,根据该个性特质模型,相关品牌拟人的个性特质确定器418可以使用不同的算法来自动推导由个性特质模型定义的拟人的个性特质分数。这里“拟人的个性特质”一词是指一个人的心理或生物特征和品质。心理个性特质是用来从诸如人的认知、社会交往和人格等方面来特征化一个人。另一方面,生物个性特质从诸如性别和年龄等方面来特征化一个人。这个相关品牌拟人的个性特质决定器418的目标是把一个品牌当作一个人来对待,并通过一组拟人的个性特质使用自己的数据来表征品牌。结果是这一步自动计算品牌数据中的一个或多个拟人的个性特质分数。每个分数还与一个置信因子相关联,其表明了推导出个性特质的置信度。如下所述,可以使用许多算法来推导出由个性特质模型定义的拟人的个性特质。
然后将推导出的拟人的个性特质分数发送给品牌人物确定器422,其确定品牌的一个或多个人物。这里的人物,也称为原型,如英雄、贤者或魔术师,它提供品牌的含义,就好像品牌是一个人。品牌人物确定器422将采用一组拟人的个性特质分数并自动组成一个或多个人物。由相关品牌拟人的个性特质确定器418推导出的拟人的个性特质也被品牌人格个性特质确定器424用来推导出一组品牌的人格个性特质。尽管一个品牌可能由相关品牌拟人的个性特质确定器418推导出一组拟人的个性特质来表征,但品牌毕竟不是一个人。某些人的个性特质可能对描绘一个品牌没有意义,例如“神经质”。因此,可能将品牌人格模型用来推导出拟人的个性特质的子组来表征一个品牌。品牌人格个性特质确定器424将使用推导出的拟人的个性特质来推导出一组品牌人格个性特质分数。尽管如下所述,品牌人格个性特质可能因不同的品牌人格模型而异,但推理方法应该类似。将由品牌人物确定器422推导出的原创人物和由品牌人格个性特质确定器424推导出的品牌人格个性特质存储在品牌拟人化数据库130中。
如果模式是设计人物并且要确定的人物类型是原创人物,则品牌拟人化模式控制器408调用相关品牌提示提取器412。相关品牌提示提取器412提取指定人物的提示,然后相关品牌拟人的个性特质确定器418使用提示来确定一组相关的拟人的个性特质。在确定了拟人的个性特质之后,将其分别发送到品牌人物确定器422和品牌人格个性特质确定器424,以如上所述分别确定品牌的一个或多个原创人物和相关品牌人格特质。将由品牌人物确定器422和由品牌人格个性特质确定器424生成的结果存储在品牌拟人化数据库130中。
如果模式是设计人物,并且要确定的人物类型是代表人物,则品牌拟人化模式控制器408调用基于人员的虚拟人物检索器414。基于人员的虚拟人物检索器414处理代表人物提示并使用该提示来检索来自人员数据库1020的一个或多个相关人员以及由人员生成的数据。给定检索到的人员和他们的数据,然后相关品牌拟人的个性特质确定器418自动计算每个人的个性特质分数,并将结果发送给人员集群代表确定器420。人员集群代表确定器420发现共享一个或多个个性特质的一个或多个人员集群。基于发现的人员集群,品牌人物确定器422确定每个集群的人物。将所确定的人物也存储在品牌拟人化数据库130中。
如果模式是发现人物并且要确定的人物类型是代表人物,则品牌拟人化模式控制器408调用品牌相关人员选择器416,品牌相关人员选择器416选择和检索与品牌相关的一组人员,例如作为该品牌的客户或员工。然后使用该信息来检索由这些人410生成的数据。然后将检索到的数据发送到相关品牌拟人的个性特质确定器418以进行拟人的个性特质提取。然后将提取的拟人的个性特质发送给人员集群代表确定器420以发现可能共享一个或多个拟人的个性特质的一个或多个人员聚类。基于发现的人员聚类,品牌人物确定器422确定每个集群的人物。将所确定的人物也存储在品牌拟人化数据库130中。
图5A和图5B示出了根据本发明的实施例的由品牌人物建立单元执行的示例性过程的流程图。在502处,该确定品牌的一个或多个人物的过程从一组品牌相关的信息开始。首先分析这样的信息以在504处构建品牌规范。品牌规范捕获要确定的人物的类型:原创人物,代表人物,或两者兼而有之。图5A捕捉如何确定品牌的一个或多个原创人物的详细流程,图5B详细展示了如何确定品牌的一个或多个代表人物。
在图5A中,为了确定品牌的原创人物,该过程首先在510确定模式。如果在511该模式是发现人物而不是设计人物,则品牌规范提供与该品牌相关的一个或多个数据源。这些数据源104由品牌自身生成,诸如其自己的外部网站内容、脸书(Facebook)页面帖子、推文、博客以及内部员工通信内容。过程进行到516处,检索品牌生成的数据,然后在514处,分析这些数据中的信号并自动用于推导一组拟人的个性特质分数。
在514处的一个示例性实施方式是推导出由五大人格模型定义的一组拟人的个性特质。在此实现中,可以单独或一起使用一个或多个算法。一种示例性方法是使用基于词典的方法从文本数据中推导出五大人格个性特质。这种方法包括词汇特征词典和基于该词典计算个性特质分数的算法。词汇特征词典定义了一组词,并将每个词与个性特质和系数联系起来。例如,“可怕”一词与五大人格个性特质“神经质”有关,系数为0.26,而“死”一词与“神经质”有关,系数为4.6。将这样的词典作为知识数据库140的一部分存储。然后算法处理文本输入中的词(即品牌数据)并且计算词典中列出的每个词的归一化频率。然后计算拟人的个性特质分数如下:
其中S(t)是拟人的个性特质t的分数,词w1,…,wK是词汇特征词典中与特征t相关联的K个词,而C(wi)是出现在输入文本中的词的归一化计数,coi是wi与特征t相关的系数。
另一个示例性算法是扩展基于文本词典的方法(如上所述)以处理通信中使用的其他媒体信号,例如照片、图像和视频。不使用词汇特征词典,而使用视觉特征词典,其中照片、图像或视频使用系数与拟人的个性特质相关联。然后根据输入数据中的相关照片/图像/视频的外观以及与其与个性特质相关联的系数来计算个性特质分数。
根据需要,可以采用不同的方法基于不同的模型(如展示了如何根据一个人的电子邮件数据推导出除了五大人格个性特质之外的一组不同的人格个性特质的模型)来推导拟人的个性特质。尽管相关品牌拟人的个性特质确定器418可以采用不同的拟人的个性特质模型和/或计算方法,但其目的是相同的:自动从品牌自己的数据中推导与品牌相关的一个或多个拟人的个性特质分数。
在设计人物的情况下,当意图定义新品牌时,品牌规范(504的输出)提供一个或多个人物提示以指示他们希望建立的品牌的种类。人物提示可以用文字(例如,“关心、温暖、有帮助”)和/或图像、照片来指定,并且可以是简洁的、模糊的和自由形成的。因此在512处,首先从品牌规范中提取提示。在514处,将提示的模糊表达转换成将来计算机系统可以处理的相应的拟人的个性特质分数。给定人物提示,514处的一个实施例是首先构造逆向特征字典(例如图11中的1130处),其中每个拟人的个性特质与描述个性特质的一组描述符(一组关键字和/或一个或多个描述个性特质的图像/照片(视觉提示)相关联)。例如,五大人格个性特征中的“外向型”可以与一个或多个关键词描述符如<合群,1.0>、<热情,1.0>,<安静,-1.0>,<冷漠,-1.0>相关联。这些关键词描述符表明,高“外向”分数会被描述为“合群”和“热情”,而低外向型则与“安静”和“冷漠”相关联。除文本描述符外,图像/照片也可以是描述符。基于逆向特征词典1130,下一步是根据描述符的格式(例如<合群,高>对比<合群,1.0>),将输入提示映射到词典中的特征描述符以计算每个个性特质分数的数值或标称值。在输入的关键字/图像不能与任何描述符匹配或者初始关键字固有地不明确(即,它们匹配多个个性特质描述符)的情况下,随后将输入用一个或多个词语复合词和/或类似图像增强以增加被匹配的概率。增强过程可以例如从用户请求更多的关键字/图像输入来手动完成、通过使用同义词词典或图像/照片数据库自动完成、或者手动和自动方法的组合来完成。将上述描述的逆向特征词典存储为知识数据库140的一部分。结果是基于输入提示确定一组拟人的个性特质分数。
注意,上述过程很可能是迭代过程,其可能需要多次迭代以推导出相关的拟人的个性特质分数。在特征描述符词典1130中几个人物提示与特征匹配的情况下,在515处细化改善提示。在这样的过程循环中还可能需要用户来帮助引导过程,例如验证和改善机器建议的匹配,然后在514处使用细化改善的提示来获得拟人的个性特质。持续该过程直到满足一组准则(例如,匹配所有提示)或者用户停止它为止。
在514处确定品牌的一组拟人的个性特质之后,在518处,确定由这些个性特质分数表示的一个或多个人物。可以使用一种或多种方法来推导出相关的人物。一个实施例是使用基于规则的方法来推导出品牌人物框架中定义的一个或多个人物。在这种方法中,一个或多个规则定义了不同的个性特质组合是如何推导出由品牌人物框架定义的特定人物的。例如,一条规则规定框架中定义的“照顾者”人物的组成由两个个性特质组成:
如果S(“利他主义”)>阈值1且S(“忠诚度”)>阈值2,则人物=“看护者”CF=0.7;
在这里,“利他主义”和“忠诚”都是五大人格模型中的人格个性特质,“看护者”是一个众所周知的品牌箴言(原型)。CF表示置信因子。将这样的规则存储在知识库140中。然后,规则引擎评估每个规则中满足的条件,并且触发规则的触发以推导出结果。
不使用基于规则的方法,还可以使用机器学习方法。在这种方法中,首先构造一组训练样本。这种样本包括品牌推导出的拟人的个性特质和指示该品牌的人物的标签,例如“看护者”。然后用这些样本来训练一个统计模型,然后在514处用这个统计模型,在给定的推导出的品牌拟人的个性特质分数下,来预测具有概率值的一个品牌的人物。
无论使用哪种人物类型或计算方法,模块可能都会输出品牌的一个或多个人物。由于每个人物与信任分数(例如,来自基于规则的方法)或概率(例如,来自机器学习方法)相关联,因此这样的分数就可以用于指导进一步的行为。例如,在设计人物的过程中,出现了两个众所周知的人物“看护者”和“圣人”,但概率分数相似。这可能会促使品牌所有者/设计师在品牌面世之前创造一种新的并不存在人物,例如“智能看护者”与“关爱圣人”,取决于品牌要强调哪些人的品质。如后面所示,这样的分数也用来帮助评估品牌的健康状况。
在519处的一个示例性实施方式是使用5个品牌人格维度(例如诚意和复杂度)来计算品牌的人格个性特质来描述品牌。为了便于在这些维度上进行品牌监视和比较,在519处,自动确定品牌的人物个性特质分数。例如,这一步可能总共推导出5个维度,20个品牌的人格个性特质。
有许多方法来推导品牌的人格个性特质分数。在519处的一个实施例是将拟人的个性特质转化为在模型中识别的品牌的人格个性特质。简单的转换是通过寻找匹配的拟人的个性特质来获得品牌的人格个性特质分数。例如,“真诚”下的“快乐”方面可以通过“性格快乐”这一个性特质进行评估,这是五大人性格模型的一个方面。如果在品牌的人格个性特质与拟人的个性特质之间没有直接映射,则可以使用组合。例如,“可靠性”的个性特质分数可能由五大人性格个性特质中的两个(“成就奋斗”和“自律”)组成:
S(“可靠性”)=0.5*S(“成就奋斗”)+0.5*S(“自律”),其中S(t)是特征t的分数。
结果,在518处,可以基于从514处推导出的一个或多个拟人的个性特质的组合或者直接映射或组成来计算所有品牌的人格的个性特质分数。注意,不管哪个基础品牌人格模型或拟人的个性特质模型,只要某些类型的映射建立在两个模型之间,就可以使用相同的方法。
类似于确定品牌的自我人物(一个或多个)的过程,图5B的过程确定有关人员的代表人物也支持两种模式:发现和设计人物。
步骤520决定设计的模式。如果该模式是521处的设计人物,则意味着没有足够的数据来自动推导出相关人员的人物。因此,品牌规范包括一个或多个所需的虚拟人物。例如,<“人物-1”,“有条不紊、思想开放、认真负责”,30%>指定一个名字为(“人物-1”,稍后可能会更新),相关特性和客户的百分比可能是由这个人物代表的。可以指定一个或多个虚拟人物。第一步是在522从输入中提取虚拟人物规范。下一步是在524处从人员数据库1020中检索一个或多个真实世界的人员,其个性特质与虚拟人物的特征匹配。这个过程很可能是一个迭代过程,特别是当最初只发现部分匹配时。具体来说,检索算法最初可以找到只匹配虚拟人物的某些特定个性特质但没人匹配所有指定的个性特质。在这样的情况下,在526处,人类用户可能就参与交互地修改匹配准则并评估匹配结果,例如修改虚拟人物的个性特质描述符和/或决定使用一组部分匹配。然后在524处使用修改的规范找到更好的匹配。结果,可以利用与真实世界人物的映射来创建一个或多个虚拟人物。此外,也将匹配的真实人物的个性特质(例如,他们的人口个性特质,诸如性别、年龄以及诸如大五人格个性特质的心理个性特质)丰富这些虚拟人物的个性特质。然后在540处可以将所产生的人物发送以呈现。
在“发现人物”的情况下,步骤530检索由与品牌相关的一组人员,例如品牌的客户和/或雇员,产生的数据。通常,将与品牌相关的人员指定为一个或多个数据源。例如,规范可以包括品牌的面向客户的推特(Twitter)账户,使用该规范,步骤530基于他们在推特上与品牌的对话来识别一组客户。然后收集由这组客户生成的内容,比如他们的推文。在另一个示例中,指定的面向雇员的通信数据源允许步骤530识别一组雇员并收集其生成的数据。将在530处收集的数据发送到532处使用,然后基于它们的数据为每个人确定一组个性特质。
虽然在532处推导出拟人的个性特质的过程与图5中514处描述的方法类似,该过程可以由于若干原因而被改变。与一个品牌相比,个人产生的用于分析的数据可能是不够的。例如,一个人可能只产生了100个推文,远远低于一个品牌产生的推文。因此,该过程可以计算可靠性度量以测量生成的特征的稳定程度。这可以通过比较在给定不同数量的可用数据的情况下产生的个性特质的差异来完成。
在推导出每个人的个性特质之后,步骤534通过他们的个性特质发现有代表性的人员聚类。可能将发现人员聚类映射到一个聚类问题–即探索性数据挖掘的主要任务,取决于用户(例如,品牌所有者或品牌代理商顾问)的要求,存在多个实现来推导出代表人员聚类。
如果所要推导出的人员聚类的期望数量是已知的,则可以采用诸如层次聚类的许多聚类方法中的一种来根据人员的个性特质自动产生用户指定数量的人员聚类。用户可以进一步选择满足某些准则(例如,集群必须超过特定大小阈值)所产生的集群作为有代表性的人员聚类。阈值可以根据经验来确定,例如,要求集群大小覆盖至少20%的被分析人员聚类,因为较小的集群仅代表一小群人并且没有意义。由于每个人都可能具有大量的个性特质,因此对传统聚类方法的改进是首先进行特征选择。这里首先根据一组准则选择一组拟人的个性特质。例如,像主成分分析(PCA)这样的统计方法首先可以用于选择满足某些准则(例如彼此具有最大方差的正交个性特质)的一组特征(拟人的个性特质),然后使用选择的个性特质用以找到人员聚类。发现有代表性的组的另一个实施例是同时进行特征选择和聚类,以进一步提高找到的人员聚类(组)的质量。
在人员聚类的期望数量不明的情况下(通常是这种情况),可以实施增强的协同聚类算法。该算法的输入是一个大矩阵,其中每行表示一个人,每列表示从最后一步532推导出的拟人的个性特质。输出是一个较小的矩阵,其中每一列表示一组个性特质(称为个性特质组,每一行代表一个人员聚类,这里每个人员聚类(行)具有一组个性特质组(列),例如对于品牌A,我们的算法自动发现三个个性特质组,个性特质组1={“认真”,“自律”},个性特质组2={“神经质”,“焦虑”,“敌意”},个性特质组3={“同情心”,“成就”}和两个人员聚类,人员聚类1={{个性特质组1:22%},{个性特质组2:79%},{个性特质组3:56%}};以及人员聚类2={{个性特质组1:68%},{个性特质组2:54%},{个性特质组3:58%}},这表明人员聚类1中的人对个性特质组1中的个性特质评价低(22%,表明他们不是很自律和不认真),对个性特质组2中的个性特质评价高(79%,表示他们很容易情绪不稳定,容易激动),对个性特质组3中的个性特质评价居中。另一方面,人员聚类2中的人对个性特质组1中的个性特质评价高(他们是高度认真和有纪律的),但对其他两个个性特质组的个性特质评价持平。总之,这个算法确定了两个截然不同的人员聚类:一个是粗心大意,情绪不稳定的群体;另一个是高度自律的,认真的群体。
该算法在三个关键步骤中推导出代表人员聚类。第一步是使用基于优化的协同聚类算法来找到上述的一个小矩阵。我们的算法不需要指定所需数量的行和列的规范,而是通过使用最小化剩余的平方和(RSS)和Akaike信息准则(AIC)的贪心下降方法自动优化这些参数的选择。该优化实现了原始矩阵的良好质量近似并避免了过度拟合。代替贪心的下降优化方法,也可以使用许多其他基于优化的方法,例如随机搜索。
在从第一步获得由人员聚类和个性特质组构成的矩阵之后,下一步是产生人员聚类中最具有差别性的一组。为此,首先该步骤根据他们的相关的个性特质组计算每两个聚类之间的相似度,并将相似度从最相似到最不相似排序。选择两个最相似的要合并的聚类,并在合并前后测量聚类的熵。跟踪这些熵的变化。如果这种变化不超过阈值(例如,3个准则偏差),则合并两个聚类。然后重复该过程并继续合并过程。否则,停止合并。
最后一步是选择与每个人员聚类相关联的最具代表性的个性特质组的最小数目。这个步骤首先测量个性特质组(列)的相对熵,并通过阈值去除那些不足以区分的个性特质组。这一步将保留唯一标识每个集群的个性特质组。
结果,步骤534识别一组有代表性的个性特质聚类,其中将每一个个性特质聚类表征为表征聚类的拟人个性特质组以及一个或多个元属性。例如,元属性“覆盖率”描述了一个聚类的大小,即这个聚类覆盖所选组中有多少人,元属性“纯度”表示该聚类沿着某些个性特质维度的一致性。
使用在534处产生的结果,步骤536使用一个或多个方法对每个具有代表性的人员聚类确定人物。不同于品牌的人物(原型)框架(其列举了有限数量的人物),代表真人的人物很多。例如,有不同的人物框架来描述旅行者、美食家、时尚达人和企业家。因此,推导出人员聚类的代表人物的一种方法是通过群智方法,即利用人员聚类智慧来得到人物。一种类似于在518处提及的基于规则的方法的方法也可以用于基于人员聚类的共享个性特质来构成人物。例如,下面的规则表明,旅游领域的高度“外向”和高度“开放”的组合创造了一个“具有创造性的,社交旅行者”的人物:
如果S(“外向性”)高且S(“开放性”)高,那么人物=“具有创造性的社交旅行者”CF=0.8;
不同于构成通常基于品牌人物框架的品牌人物(原型),可以基于各种理论人格组成模型来制定人物组成规则,如像荷兰职业人物模型那样的领域特定模型。
将推导出的人员聚类及其代表人物全部存储在品牌数据库1010中,并链接到品牌相关人员,将品牌相关人员推导出的个性特质存储在人员数据库1020中。在540可以将结果发送以呈现。
图6示出了根据本发明的实施例的品牌人物呈现单元304的示例性图。如前所述,品牌拟人化的目标之一就是以包括客户和员工在内的目标受众能更好地与品牌相关联并参与其中的方式传播品牌。图6示出了在将品牌的一个或多个人物传播给其目标受众(诸如品牌的所有者/管理者、客户和雇员)的主要功能块的结构实施例之一。
如图6所示,品牌人物呈现单元304以由用户直接指定或由另一组件生成的品牌呈现请求(例如,品牌人物管理单元306可在品牌人物已被更新之后生成呈现请求)开始。这种品牌人物呈现请求经常包含几种类型的信息,例如要呈现的品牌人物的类型以及要创建的呈现类型。要呈现的人物类型包括:原创人物,代表人物,或两者兼而有之。要创建两种主要的呈现类型:设计简介和最终呈现。这里的设计简介通常包含一系列旨在为用户(如品牌设计师)的设计指令,以创建各种品牌资产,如品牌的标志、颜色、吉祥物。另一方面,可以请求例如营销消息的最终的呈现,其通常包括品牌人物的视觉和/或文本表示以及相关信息(例如产品),以传播品牌的图像和消息。
品牌呈现请求首先由请求分析器602处理。然后,请求控制器604使用所分析的请求,该请求控制器604将请求路由到不同模块以实现。如果请求要求呈现原创人物,则调用原创人物(SP)呈现内容选择器606以确定与要呈现的原创人物相关的内容。类似地,激活代表人物(RP)呈现内容选择器608以确定与要呈现的代表人物相关的内容。基于选择的内容,品牌呈现内容检索器610检索要传播的实际数据。如果呈现类型是“设计简介”,则由品牌呈现内容检索器610检索的呈现内容随后发送到设计简介生成器612以创建一个或多个设计简介,然后将所创建的简介发送到显示器620以显示给用户。如果呈现类型是“营销消息”,则调用呈现生成器614以一起合成呈现。将特定内容分派给视觉呈现生成器616,该视觉呈现生成器616创建视觉表示,并且将特定内容发送到生成文本表示的文本呈现生成器618。视觉和文本呈现生成器连接到知识库,并使用其中存储的呈现知识来创建呈现,接着品牌呈现生成器614组成视觉和文本表示以创建最终呈现,最后将最终呈现发送到显示器620以被显示。用户(例如品牌的客户或所有者)也可以与生成的显示进行交互,所述显示是营销消息或设计简介。在数据库中捕获交互并由交互处理器622处理交互。如果取决于用户交互,可以调用显示器620以立即更新其显示(例如,突出显示对象)和/或可以生成新的呈现请求以触发生成新的呈现(例如,按需显示与品牌相关的更详细的信息)。
图7是根据本发明的实施例由品牌人物呈现单元执行的示例性过程的流程图。给出品牌人物呈现请求,图7提供了一个详细的处理流程,用于接收这种请求,输出一个请求的品牌人物呈现。该过程从这样的请求开始,首先分析该请求以确定要呈现哪个(哪些)人物。如果该请求指示呈现品牌的原创人物,则调用呈现该品牌的一个或多个原创人物的子流程。如果请求也要求呈现品牌的一个或多个代表人物,则也调用创建传播品牌的一个或多个代表性人的呈现的过程。
品牌可以具有一个或多个自我人物,每个人物都与一组信息相关联,诸如相关的拟人的个性特质、品牌的人格个性特质、甚至产品信息。步骤710基于多个呈现准则来选择一组相关信息。其中一个准则就是“品牌清晰度”,它要求传播一个品牌最主导的人物,以展现品牌的独特形象。虽然可能有多种方法来选择主导人物,但是一种方法是选择具有最高显著分数的人物,其可以通过与推导出人物相关联的置信因子或概率分数来确定(参见图4中的422处)。如果有多个具有相同或非常相似的显著分数的人物,则将选择所有前N个人物,其中N由基于他们的置信度分数排在最高的人物的数量确定。
基于选定的主导人物,步骤710还选择一种或多种类型的相关信息来描绘人物。一种类型的信息是呈现与每个人物相关联的拟人的个性特质。由于可能有数百个与品牌的主导人物相关联的推导出的拟人的个性特质,因此这一步骤是选择一个或多个区分人物的拟人的个性特质。一个典型的、简单的方法是识别具有边界分数的个性特质–个性特质分数大大超过平均分数的特定阈值之上或之下。另一个示例性的方法是识别对组成人物贡献最大的个性特质。回想一下在518处使用拟人的个性特质来推导人物的实现方式之一。不同的拟人的个性特质对人物的贡献不同(例如,由规则或公式定义)。这里,可以选择具有最大权重的个性特质来传播人物,因为这些个性特质最明显地表征人物。选择显著拟人的个性特质的相同方法也可以用来选择最显著的品牌的人格个性特质以表征与主导人物相关的品牌人格。有时,传播推导出的原创人物的一个或多个元属性可能是有用的,元属性向用户提供了关于推导出的人物的置信度或质量的更多信息。这样的元属性包括与人物相关的计算的置信因子或概率分数。此外,还可以包括附加的信息,例如表示品牌效益的品牌含义。这些信息可以预先创作,并与每个人物一起存储。为了进一步证实品牌的含义,模块710还可以包括由品牌提供的一个或多个示例产品/服务。例如,一个被称为贤者(Sage)的品牌人物的主要好处之一是教客户学习知识。在这种情况下,列举一个或多个达到此类效果的品牌产品有助于呈现其品牌作为贤者(Sage)人物的意义/好处。
如果呈现请求要求生成设计简介(帮助品牌创建各种通信资产,例如标识、字体、吉祥物和颜色的一组设计指令),则步骤710还提供一个或多个例如类似品牌的通信资产的例示设计。类似的品牌是通过比较他们的原创人物的相似性来决定的。在品牌数据库1010中,品牌的资产与品牌一起存储,因此可以从数据库中检索它们的通信资产。
总之,步骤710选择至少一种或多种类型的信息来表示品牌的原创人物:一个或多个主导的原创人物;每个主导人物的一个或多个显著的拟人的个性特质特征;一种或多种显著的品牌的人格个性特质;人物的一个或多个元属性;品牌与人物有关的含义-品牌如何受益于他人;一个或多个呈现每个主导人物的各个方面的示例产品;一个或多个基于其原创人物的类似品牌的例子(设计简介);基于其原创人物(设计简介)的类似品牌的品牌资产的一个或多个例子。
给定检索的品牌内容,步骤730合成设计简介。可以基于模板生成设计简介,其中每个部分由上面标识的一个或多个信息填充。例如,一个用于创建品牌标识的设计简介模板可以包括以下几个方面:品牌的含义、品牌的主导人物、品牌与人物相关的人格个性特质、来自3个相似品牌的品牌标志的一个或多个示例。
基于该模板,每个部分由所需信息填充,然后在732将填充好的模板发送给显示器以显示给用户。在请求最终呈现的情况下,步骤718使用视觉隐喻和文本元素的组合来将品牌的原创人物与相关信息合成呈现。为了创建品牌人物的视觉表示,步骤714可以自动选择与人物相匹配的适当的视觉隐喻。在这里,视觉隐喻可以是预先设计的视觉符号,其反映了人物的主要特征(例如,独特的视觉性格代表看护者,以及另一个特征代表统治者),或者通常与人物相关联的有生命/无生命的图标(例如,统治者宝座或照顾者的心脏)。将这些预先设计的视觉符号和图标存储在知识数据库140中。也可以在716处引入文本描述以传播品牌的含义。另一方面,可以以图形(例如,在条形图中)或字面(例如,在列表中)的方式显示品牌的人物个性特质。也可以用图形(例如,条形图)和/或文本编码推导出的人物的元属性(诸如置信因子)。
除了描绘品牌自己的人物之外,步骤720选择一组内容来传播品牌的一个或多个来自与品牌相关联的人员的代表人物。如果品牌(通常是大品牌名字)与大量的代表人物相关联,则步骤720可以选择一组最有代表性的人物。这样的选择可以基于一个或多个准则,诸如代表人物的覆盖范围或人物的显著性。例如,通过覆盖准则,选择结果是一个或多个代表人物,使得他们对应的人员聚类一起覆盖品牌的大部分客户或雇员人口。相反,通过显著性准则,选择结果是一个或多个代表人物,使得其对应的人员聚类具有最少数量的共享的拟人的个性特质。在一些情况下,可以优选一个或多个准则。在这种情况下,这个过程会平衡选择,以尽可能多地满足所有准则。可以由用户或应用程序的默认配置来设置选择准则。
给定代表人物,步骤720进一步选择一个或多个类型的相关信息来描述或具体化人物。类似于步骤710,其可以选择与每个要呈现的人物相关联的一个或多个不同的拟人的个性特质,以及推导出的人物的一个或多个元属性、对应的人员聚类或者推导出的拟人的个性特质。一个有趣的元属性是人员聚类中人的各种个性特质的分布。这样的信息提供了对人员聚类的额外的见解,其描述了在更细粒度级别上推导出的人物的构成。由于每个代表人物都来源于一个人员聚类,所以用现实的例子来具体化人物可能是有用的。这样的示例可以包括来自集群的一个或多个代表以及由与品牌相关的代表(例如,他们的产品评论)生成的内容。可以根据不同的选择准则选择代表。一种示例性的方法是从人员聚类中选择其个性特质分数与上述最显著的拟人的个性特质分数最相似的代表。另一个示例性方法是通过随机抽样选择代表。另一种示例性的方法是通过他们的参与度来选择代表,参与度测量人与品牌有多少交互,例如推特(Twitter)或脸书(Facebook)对话。此外,将产品提供与不同的人物联系在一起有助于向目标受众传播产品。因此,对于每个选择的代表人物,模块720还可以包括一个或多个相关产品。在呈现类型是设计简介的情况下,步骤720也可以通过比较它们的代表人物来选择类似品牌的示例。与示例品牌相关联,然后将诸如代表人物和对应品牌资产的信息包括进来,以向预期的设计者提供更具体的信息。
总之,步骤720选择至少一条或多条信息来传播品牌的一个或多个代表人物:一个或多个代表人物;每个人物的一个或多个不同的拟人的个性特质;每个人物的一个或多个元属性(例如置信因子和人口覆盖率);与人物相关的所选的拟人的个性特质的一个或多个元属性(例如,个性特质分布);与每个人物相关的人员的一个或多个代表性例子;由与人物相关联的人员生成的内容的一个或多个代表性示例(例如,产品审阅/评论);一个或多个与每个人物相关的附加信息(例如,用于人物的产品或者与人物相关联的人员所喜欢/购买的产品);基于其代表人物的类似品牌的一个或多个例子(设计简介);基于其代表人物的类似品牌品牌资产的一个或多个例子(设计简介)。
如果请求要求最终呈现,则可以首先在总结中详细地呈现这样的信息。步骤724创建预期内容的可视简介。这样的总结可以是一系列人物卡片(类似于一组棒球卡片),其中每一个都描述人物及其相关个性特质。由于每个代表人物反映了一组具有共同个性特质的人员组,则另一种方法是创建一个“视觉地图”,用于编码每个人物和他们的关系。例如,一个特定的视觉地图实现是一个树形图,其中每个单元格编码一个代表人物,并且该单元格的大小编码人物的覆盖范围。其它视觉元素(例如纹理和颜色)也可以用于编码人物的其他特性(例如,更平滑的纹理对应更“纯”的人物并且更温暖的颜色对应更温暖的人格)。视觉地图的另一个实现是使用范诺(Voronoi)图,其中每个种子编码代表人物所拥有的个性特质。类似于树形图实现,每个voronoi单元编码一个代表人物,并且该单元格的大小编码人物的覆盖范围。与树形图不同,单元格的位置编码人物之间的关系,使得更多类似的人物彼此靠得更近。又一个实现是使用组合的树形图和voronoi图。另一方面,在726处,生成特定内容的文本描述(例如相关产品描述)。
基于代表人物的总结,用户可在人物之间导航并访问特定人物的更多相关细节。然后步骤724和726呈现特定代表人物的细节。例如,最终呈现可以显示其它个性特质,诸如与人物相关联的人员的人口统计特征、“代表”(与人物相关联的人员的实例)、与人物相关联的人们所喜欢/购买的相关产品、以及由“代表”制作的信息,如审阅和评论。有很多种方法选择“代表”,例如根据他们的积极性或影响力水平。可以包括由品牌产生的信息,诸如与该人物相关联的人员想要的产品信息。所有选择的信息可以以其原始形式直接传播、总结(例如,在词云中的评论)、或者以图形方式(例如,在图表和图表中)描绘。
在呈现请求要求设计简介的情况下,跳过呈现生成步骤724、726、728。相反,发送所选信息到步骤730处以创建设计简介。
在732处,发送设计简介或最终呈现以显示给用户。用户可以在734处与处理其交互活动的显示器进行交互,该显示器可以产生一个或多个新的品牌呈现请求,用于进一步处理。
图8示出了根据本发明的实施例的品牌人物管理单元306的示例性图。一个品牌往往由于许多原因而演变。例如,它随着客户的需求发生变化而演变;它随着市场或经济形势的变化而演变;随着竞争性或互补性品牌的出现或演变,它也在不断演变。一个品牌的人物–原创人物和/或代表人物-抽象出一个品牌的精髓,并且可以作为监视一个品牌进化及其健康的天然晴雨表。基于品牌的进化和健康,可能会推荐品牌行为则以帮助管理和发展品牌。为了帮助诸如品牌所有者和管理者等各种用户系统地管理品牌,品牌人物管理单元306由一组计算组件组成,这些组件一起支持基于品牌推导出的人物的一个或多个品牌管理功能。
图8提供了品牌人物管理单元306中关键组件的示例性结构组成中的一个。如图8所示,取决于品牌被管理的频率、建立数据监视器以指定要被监视的一个或多个品牌数据源(例如,品牌的网站内容)和优选的品牌管理时间间隔801。数据监视器也知道如何检索指定数据源中的数据以用于品牌管理目的。给定来自用户的品牌管理请求和来自品牌相关数据监视器/检索器801的管理信息,请求分析器802解析该请求并制定品牌管理任务,然后将其转发给任务控制器804。
如果品牌管理任务是要进行周期性的品牌监视和管理,则控制器调用品牌监视单元806。监视单元首先检查具有计时器815的品牌人物更新触发器816。如果计时器具有没有达到下一次预定的更新,它什么都不做。这也意味着所有的品牌人物都是最新的。否则,触发器触发并调用品牌人物更新器842以使用更新的数据请求建立新的品牌人物。
假定所有品牌人员都是最新的。在这种情况下,监视单元806调用品牌质量计算器808,以使用由品牌人物检索器814检索的最新推导出的品牌人物来计算一个或多个品牌质量度量807。品牌质量度量从基于其推导出的人物及其相关个性特质的一个或多个方面测量品牌的质量。以下是用于衡量品牌质量的几个示例性度量:
一致性度量:通过比较来自不同数据源(例如,品牌的脸书(Facebook)帖子,推文和网站内容)的推导出的原创人物的相似性来测量品牌随着时间推移描绘自身一致性程度。人物越相似,品牌在渠道中表现得越一致。类似的度量也用于比较品牌的原创人物随时间的相似性(例如,现在和1年前),人物越相似,品牌越是随时间一致地描绘自己。
清晰度度量:用于测量品牌以其推导出的原创人物为基础的程度。与之相关的主导人物越多,品牌就越不突出。
凝聚性度量:用于测量品牌产品的内容与所需受众匹配的程度。例如,如果品牌想要针对特定的代表性客户人物或员工人物,则此度量有助于测量预期内容与目标受众的匹配程度。在这种情况下,度量计算的一种方法是检查预期内容中的单词使用与由与代表人物相关联的人员使用的单词的匹配程度。或者,另一种方法是从预期的内容中得出拟人的个性特质,然后检查“推导出个性特质”与代表人物的个性特质的匹配程度。
然后基于如上的对给定品牌的计算出的度量,由健康指数确定器810计算一个或多个品牌健康指数。例如,可以基于品牌的原创人物来计算一个健康指数,还可以根据品牌的客户代表人物来计算不同的指数。有多种方法可基于一个或多个计算出的品牌度量来推导健康指数。一种方法是使用一个或多个经验规则基于计算出的度量值以构建健康指数。以下一个示例规则:
如果一致性较高且清晰度高且凝聚性高,那么健康指数=高。
另一种方法是使用机器学习方法来训练基于当前度量值预测健康指数的模型。在这种方法中,首先构造一组训练样本。这里的每个样本都表示一个或多个度量值以及关联的品牌健康指数。然后用这些样本来训练一个统计模型,然后该统计模型用来预测给定一个或多个品牌度量值的品牌健康指数。纳入时间序列分析的更复杂的方法也可用于基于该品牌或其他品牌的过去的健康指数值对给定时间框架的健康指数随时间的推移进行预测。基于所计算的品牌健康指数,行为推荐单元812可以向品牌建议适当的管理行为。例如,如果健康指数由于清晰度度量的下降而下降,则可能推荐品牌坚持发展一个主导人物。这里可以将管理行为编码为知识数据库140的一部分,其基于健康指数的改变具有其相应的触发准则。满足所有触发条件时,将选择正确的操作。在品牌管理专家的管理过程中,新的管理行为也可以作为业务规则加入。
管理品牌人物的另一种方式是由品牌比较单元820在其它品牌的上下文下对其进行管理。这要求相关品牌检索器822基于一组相关性准则823检索相关品牌。例如,相关性准则可以指示竞争品牌或互补品牌的检索。这样的检索准则可以由用户指定或由系统建议(例如找到类似的品牌)。然后将检索到的相关品牌与由品牌人物检索器814检索的管理下的品牌进行比较。品牌比较器824生成一个或多个诸如相似度和差异之类的比较结果,然后将其发送到品牌质量计算器808以计算不同的品牌度量集。例如,上述的清晰度度量测量了品牌与所有竞争者的差异。它们的差异越大,清晰度度量值越高。同样,一致性度量现在测量两个互补品牌的相似程度。然后,健康指数确定器810计算一个或多个用于指示在其它品牌的上下文中品牌健康的不同的健康指数。因此,行为推荐单元812将推荐管理行为,以使品牌成长(例如,开发不同的人物,使自己与竞争对手区分开来,或与基于一种或多种共享的拟人的个性特质或品牌优势的互补品牌来品牌联合)。
另外一个经常遇到的品牌人物管理任务是按需管理。这样的按需管理任务是由营销内容创建单元830管理创作品牌或营销内容的现场过程。在内容创作期间,可以通过一个或多个品牌度量来测量中间结果。例如,在撰写品牌博客时,可以通过品牌质量计算器808来计算一致性和凝聚性度量,以测量博客消息的质量以及它将与受众,即品牌的一个或多个代表人物,共鸣的程度。具体来说,一致性度量准则通过比较从博客和品牌获得的品牌的人格个性特质来检查博客与其他品牌信息的一致性。凝聚性度量评估博客的拟人的个性特质与目标代表人物中人的个性特质的相似性。推导出博客的“品牌的人格个性特质”或诸如大五人格个性特质的其它拟人的个性特质是类似于前文所述(例如,在514处)推导出的品牌的这种个性特质。基于这些度量值,可以提供建议(通过行为推荐单元812)以指导内容的修订(例如,使用与其它品牌消息或者目标受众的使用相类似的词)。
另一个按需管理任务可以是为品牌选择合适的发言人(例如,名人)。选择过程类似于上述对品牌内容的评估。这个任务不是根据一个或多个度量评估品牌的内容,而是评估候选发言人的个性特质、品牌人物的个性特质以及目标客户的代表人物。可以使用一种或多种方法来推导出发言人的个性特质,包括使用发言人产生的数据(例如,发言人的推文或脸书(Facebook)帖子或博客)或基于他人的感知。同样,如果需要从他/她自己的数据中自动推断候选人的拟人的个性特质,则可以使用在514处描述的类似方法。
更新的品牌健康指数或推荐的行为可以由品牌呈现更新器840触发呈现更新请求以生成更新的呈现以传播品牌的更新的人物或状况。
图9是根据本发明的实施例的由品牌人物管理单元执行的示例性过程的流程图。图9描述了处理一个或多个品牌人物管理任务的一个或多个详细处理流程。首先,基于在902处的预定管理规范或用户请求,在904处制定管理任务。针对该任务,在906处检索管理的品牌人物信息,并根据908处的规范调度任务。如果任务正在管理品牌自身质量(OQ),则在930处计算一个或多个品牌质量度量。然后在932处,基于测量的巴恩德(barnd)质量度量来确定健康指数。基于所推导出的健康指数,可以在934处如前所述推荐一个或多个管理行为。推荐的行为可以在936处触发如品牌的人物和营销内容的相关信息的更新。
如果管理任务要在其它品牌(RQ)的上下文下管理品牌,则在920处,基于一个或多个相关准则来标识一个或多个相关品牌。然后在922处从品牌数据库中检索所标识的品牌信息。发送检索的品牌信息以在924处与管理下的品牌进行比较。在930处,使用比较结果来计算一个或多个品牌的质量度量,这有助于在932处确定另一个健康指数。根据健康指数,可以在934处推荐一个或多个行为并且用于更新品牌的人物和其它相关信息。
如果管理任务是要按需(DQ)管理品牌,则在910处调用确定品牌的市场营销动态的实况过程。注意,该过程可以动态地构成品牌的营销消息或者评估品牌的发言人。在任何情况下,在912处检索内容(例如,营销消息内容或发言人的讲话)并在914处处理以提取相关的拟人的个性特质。然后在930处使用结果来计算一个或多个品牌质量度量,然后用于在932处计算品牌的健康指数。类似于上述内容,在934处健康指数可以触发一个或多个行为推荐。在910处将该推荐发送到现场处理以帮助修改营销内容或选择发言人。
图12描绘了可用于实现本发明的专用系统的移动设备的架构。在该示例中,请求并接收品牌拟人化的用户设备是移动设备1200,包括但不限于智能电话、平板电脑、音乐播放器、处理的游戏控制台、全球定位系统(GPS)接收器、以及可穿戴计算设备(例如,眼镜,手表等)、或者以任何其它形式因素。在该示例中,移动设备1200包括一个或多个中央处理单元(CPU)1240、一个或多个图形处理单元(GPU)1230、显示器1220、内存1260、通信平台1210(诸如无线通信模块)、存储器1290以及一个或多个输入/输出(I/O)设备1250。包括但不限于系统总线或控制器(未示出)的任何其它合适的组件也可以被包括在移动设备1200中。如图12所示,例如iOS、Android、Windows Phone等的移动操作系统1270和一个或多个应用程序1280可以从存储器1290加载到内存1260中,以便由CPU 1240执行。应用程序1280可以包括浏览器或用于在移动设备1200上请求品牌拟人化的任何其它合适的移动应用。与关于品牌拟人化的信息的用户交互可以经由I/O设备1250来实现并且被提供给例如经由网络110提供给品牌拟人化引擎120和/或其他系统100和200的组件。
为了实现本公开中描述的各种模块、单元及其功能,可以将计算机硬件平台用作本文描述的一个或多个元件的硬件平台(例如,品牌拟人化引擎120和/或关于图1-11描述的系统100和100的其他组件)。这样的计算机的硬件元件、操作系统和编程语言本质上是常规的,并且假定本领域的技术人员对此非常熟悉以使这些技术适用于此处描述的品牌拟人化。具有用户界面元件的计算机可以用于实现个人计算机(PC)或其它类型的工作站或终端设备,尽管如果适当地编程,计算机也可以充当服务器。相信本领域技术人员熟悉这种计算机设备的结构、编程和一般操作,因此附图应该是不言自明的。
图13描绘了可用于实现本发明的实现专用系统的计算设备的架构。结合本发明的这种专用系统具有包括用户接口元件的硬件平台的功能框图描述。计算机可以是通用计算机或专用计算机。两者都可以用来实施本发明的专门系统。如本文所述,该计算机1300可以用于实现品牌拟人化技术的任何组件。例如,品牌拟人化引擎120等可以通过其硬件、软件程序、固件或其组合在诸如计算机1300的计算机上实现。为了方便起见,尽管仅示出了一个这样的计算机,如本文所述的与品牌拟人有关的计算机功能可以以分布式方式在多个类似的平台上实现,以分配处理负载。
计算机1300例如包括连接到或者来自其连接的网络的COM端口1350,以便于数据通信。计算机1300还包括一个或多个处理器形式的中央处理单元(CPU)1320,用于执行程序指令。示例性计算机平台包括内部通信总线1310,用于各种待处理的数据文件的不同形式的程序存储和数据存储,例如盘1370、只读存储器(ROM)1330或随机存取存储器(RAM)1340,和/或由计算机通信、以及可能由CPU执行的程序指令。计算机1300还包括I/O组件1360,其支持计算机与本文的其它组件(例如用户接口单元1380)之间的输入/输出流。计算机1300还可以通过网络通信接收程序和数据。
因此,如上所概述的品牌拟人化方法的各个方面可以在程序中体现。可以认为该技术的程序方面通常以可执行代码和/或关联数据的形式的“产品”或“制造品”,将该可执行代码和/或相关数据携带或嵌入在一种机器可读介质中。有形的非暂时性“存储”型介质包括计算机、处理器等的任何或者全部内存或其它存储器或其相关模块(诸如各种半导体存储器、磁带驱动器、磁盘驱动器等),其随时为软件程序提供存储。
软件的全部或部分有时可以通过诸如因特网或各种其它电信网络之类的网络来通信。例如,这种通信可以使软件从一台计算机或处理器加载到另一台计算机或处理器中。因此,可以承载软件组件的另一种类型的介质包括光学的、电的和电磁波的、诸如在本地设备之间的物理接口上使用的、通过有线和光学陆地线网络以及各种空中链路。承载这种波的物理元件,例如可以认为有线或无线链路、光链路等也是承载软件的媒体。如本文所使用的,除非限于有形的“存储”介质,诸如计算机或机器“可读介质”之类的术语是指参与向处理器提供指令以供执行的任何介质。
因此,机器可读介质可以采取许多形式,包括但不限于有形存储介质、载波介质或物理传输介质、非易失性存储介质例如包括光盘或磁盘,诸如在任何计算机等中的任何存储设备、其可用于实现如图中所示的系统或其任何组件。易失性存储介质包括动态内存器,诸如这种计算机平台的主内存器。有形的传输介质包括同轴电缆、铜线和光纤、包括在计算机系统内形成总线的电线。载波传输介质可以采取电信号或电磁信号的形式、或者诸如在射频(RF)和红外(IR)数据通信期间产生的声波或光波的形式。因此,计算机可读介质的常见形式包括例如:软盘、移动盘、硬盘、磁带、任何其它磁介质、CD-ROM、DVD或DVD-ROM、任何其它光介质、穿孔卡纸磁带、具有孔图案的任何其它物理存储介质、RAM、PROM和EPROM、FLASH-EPROM、任何其它存储芯片或盒式磁带、传输数据或指令的载波、传输这种载波的电缆或链路、或者计算机可以从其读取程序代码和/或数据的任何其他介质。这些形式的计算机可读介质中的许多可能涉及将一个或多个指令的一个或多个序列携带到物理处理器以供执行。
本领域技术人员将认识到,本发明适合于各种修改和/或增强。例如,尽管上述各种组件的实现可以嵌入在硬件设备中,但是也可以将其实现为仅软件解决方案,例如在现有服务器上的安装。另外,如本文所公开的品牌拟人化可以实施为固件、固件/软件组合、固件/硬件组合、或者硬件/固件/软件组合。
尽管前文已经描述了被认为构成本发明和/或其它示例的内容,但是应当理解,可以对其做出各种修改,并且本文公开的主题可以以各种形式和示例来实现,该发明可以应用于许多应用中,这里仅描述了其中的一些。所附权利要求旨在要求落入本发明的真实范围内的任何和所有的应用、修改和变化。
Claims (20)
1.一种在具有至少一个处理器、存储器和连接到网络的通信平台的机器上实现的用于将品牌拟人化的方法,所述方法包括:
接收与品牌相关联的信息;
基于所接收的信息,检索与所述品牌相关的数据,其中所述数据包括指示与所述品牌相关联的期望市场印象的信息;以及
将所述数据转换以基于所述信息推导出表征所述品牌的至少一个品牌人物。
2.根据权利要求1所述的方法,其中所述变换还包括:
从所述数据中自动将所述数据转换成一个或多个拟人的个性特质;以及
从所述一个或多个拟人的个性特质中推导出所述品牌的所述至少一个品牌人物。
3.根据权利要求1所述的方法,其中所述数据还包括以下中的至少一个:
与人们就品牌表达的印象相关的第二信息;
与品牌传播和表达相关的第三信息;以及
指示描述与品牌相关的人的类型的至少一个虚拟人物的第四信息。
4.根据权利要求2所述的方法,还包括从所述一个或多个拟人的个性特质中推导出表征所述品牌的品牌的人格个性特质。
5.根据权利要求1所述的方法,还包括以下中的至少一个:
产生用于用营销消息来呈现品牌的指令;以及
生成用于呈现所述品牌的营销信息。
6.根据权利要求5所述的方法,其中,所述指令和所述营销消息中的至少一个包括与以下中的至少一个有关的信息:
所述至少一个品牌人物的描述;
与所述至少一个品牌人物相关联的拟人的个性特质;
与所述拟人的个性特质相对应的特征分数;
与所述至少一个品牌人物相关联的代表人员;
由代表人员生成的内容;
具有与所述至少一个品牌人物类似的品牌人物的第二品牌;
与所述第二品牌相关联的品牌资产;以及
与所述至少一个品牌人物相关联的产品或服务。
7.根据权利要求1所述的方法,还包括:
监视与所述品牌和/或所述至少一个品牌人物相关的动态信息;以及
根据所述动态信息更新所述品牌。
8.根据权利要求7所述的方法,其中监视所述动态信息还包括测量所述品牌的健康状况。
9.根据权利要求8所述的方法,其中测量所述品牌的健康状况还包括基于与所述品牌相关的所述信息计算一个或多个健康质量度量。
10.根据权利要求7所述的方法,其中监视动态信息还包括在其构成期间测量所述品牌的营销内容的质量状况。
11.根据权利要求7所述的方法,还包括基于各自的品牌人物将所述品牌与一个或多个其它品牌进行比较以生成比较结果。
12.一种具有至少一个处理器、存储器和连接到网络的通信平台的用于将品牌拟人化系统,所述系统包括品牌人物建立单元,被配置用于:
接收与品牌相关联的信息;
基于所接收的信息,检索与所述品牌相关的数据,其中所述数据包括指示与所述品牌相关联的期望市场印象的信息;以及
将所述数据转换以基于所述信息推导出表征所述品牌的至少一个品牌人物。
13.根据权利要求12所述的系统,其中所述品牌人物建立单元还包括:
相关品牌拟人的个性特质确定器,其被配置用于从所述数据中自动将所述数据转换成一个或多个拟人的个性特质;以及
品牌人物确定器,其被配置用于从所述一个或多个拟人的个性特质中推导出所述品牌的所述至少一个品牌人物。
14.根据权利要求12所述的系统,其中所述数据还包括以下中的至少一个:
与人们就品牌表达的印象相关的第二信息;
与品牌传播和表达相关的第三信息;以及
指示描述与品牌相关的人的类型的至少一个虚拟人物的第四信息。
15.根据权利要求13所述的系统,其中,所述品牌人物建立单元还包括品牌的人格个性特质确定器,其被配置为从所述一个或多个拟人的个性特质中推导出表征所述品牌的品牌的人格个性特质。
16.根据权利要求12所述的系统,还包括品牌人物呈现单元,其被配置用于:
产生用于用营销消息来呈现品牌的指令;以及
生成用于呈现所述品牌的营销信息。
17.根据权利要求16所述的系统,所述指令和所述营销消息中的至少一个包括与以下中的至少一个有关的信息:
所述至少一个品牌人物的描述;
与所述至少一个品牌人物相关联的拟人的个性特质;
与所述拟人的个性特质相对应的特征分数;
与所述至少一个品牌人物相关联的代表人员;
由代表人员生成的内容;
具有与所述至少一个品牌人物类似的品牌人物的第二品牌;
与所述第二品牌相关联的品牌资产;以及
与所述至少一个品牌人物相关联的产品或服务。
18.根据权利要求12所述的系统,还包括品牌人物管理单元,其被配置用于:
监视与所述品牌和/或所述至少一个品牌人物相关的动态信息;以及
根据所述动态信息更新所述品牌。
19.根据权利要求18所述的系统,其中所述品牌人物管理单元还包括以下中的至少一个:
健康指数确定器,被配置为测量品牌的健康状况;以及
品牌质量计算器,被配置用于基于与所述品牌相关的所述信息计算一个或多个健康质量度量。
20.根据权利要求18所述的系统,其中所述品牌人物管理单元还包括以下中的至少一个:
营销内容创建单元,被配置为在其构成期间测量所述品牌的营销内容的质量状况;以及
品牌比较器,被配置为基于各自的品牌人物将所述品牌与一个或多个其他品牌进行比较以生成比较结果。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562204345P | 2015-08-12 | 2015-08-12 | |
US62/204,345 | 2015-08-12 | ||
US14/855,764 US20170046748A1 (en) | 2015-08-12 | 2015-09-16 | Method and system for personifying a brand |
US14/855,764 | 2015-09-16 | ||
PCT/US2016/046547 WO2017027705A1 (en) | 2015-08-12 | 2016-08-11 | Method and system for personifying a brand |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108027942A true CN108027942A (zh) | 2018-05-11 |
Family
ID=57983705
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680046249.3A Pending CN108027942A (zh) | 2015-08-12 | 2016-08-11 | 用于将品牌拟人化的方法和系统技术领域 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20170046748A1 (zh) |
CN (1) | CN108027942A (zh) |
WO (1) | WO2017027705A1 (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11315149B2 (en) | 2015-08-28 | 2022-04-26 | International Business Machines Corporation | Brand personality inference and recommendation system |
US10395258B2 (en) * | 2015-08-28 | 2019-08-27 | International Business Machines Corporation | Brand personality perception gap identification and gap closing recommendation generation |
US10387894B2 (en) | 2015-08-28 | 2019-08-20 | International Business Machines Corporation | Brand personality comparison engine |
US11093711B2 (en) * | 2016-09-28 | 2021-08-17 | Microsoft Technology Licensing, Llc | Entity-specific conversational artificial intelligence |
US11074595B2 (en) * | 2017-01-23 | 2021-07-27 | Adobe Inc. | Predicting brand personality using textual content |
US10347025B2 (en) * | 2017-02-09 | 2019-07-09 | International Business Machines Corporation | Personalized word cloud embedded emblem generation service |
CN108681586B (zh) * | 2018-05-14 | 2022-04-19 | 安徽师范大学 | 基于群智感知的旅游路线个性化推荐方法 |
US10963627B2 (en) * | 2018-06-11 | 2021-03-30 | Adobe Inc. | Automatically generating digital enterprise content variants |
US20200111129A1 (en) * | 2018-10-05 | 2020-04-09 | International Business Machines Corporation | Dynamic Proponent Targeting Based on User Traits |
US20210365998A1 (en) * | 2020-05-20 | 2021-11-25 | Discovery Communications, Llc | Systems and methods for distributing advertisements for selected content based on brand, content, and audience personality |
US20220200934A1 (en) * | 2020-12-23 | 2022-06-23 | Optum Technology, Inc. | Ranking chatbot profiles |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030236834A1 (en) * | 2002-06-20 | 2003-12-25 | Linda Gottfried | A multimedia system for sharing brand information keeps history of modifications of production information by consumers to allow recreating multimedia interface in its previous formats |
US20130060604A1 (en) * | 2011-09-02 | 2013-03-07 | Woofound, Inc. | System for Using Personality Trait Identification to Match Consumers with Businesses |
CN104025140A (zh) * | 2011-06-06 | 2014-09-03 | 恩弗伦斯媒体公司 | 消费者驱动广告系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7568004B2 (en) * | 2002-06-20 | 2009-07-28 | Linda Gottfried | Method and system for sharing brand information |
US20040175680A1 (en) * | 2002-09-09 | 2004-09-09 | Michal Hlavac | Artificial intelligence platform |
US20090119153A1 (en) * | 2007-11-06 | 2009-05-07 | Freeman Capital Company | Tools and methods for brand strategy development |
US10817888B2 (en) * | 2012-05-23 | 2020-10-27 | Woofound, Inc. | System and method for businesses to collect personality information from their customers |
WO2015134767A1 (en) * | 2014-03-05 | 2015-09-11 | 24/7 Customer, Inc. | Method and apparatus for personalizing customer interaction experiences |
-
2015
- 2015-09-16 US US14/855,764 patent/US20170046748A1/en not_active Abandoned
-
2016
- 2016-08-11 CN CN201680046249.3A patent/CN108027942A/zh active Pending
- 2016-08-11 WO PCT/US2016/046547 patent/WO2017027705A1/en active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030236834A1 (en) * | 2002-06-20 | 2003-12-25 | Linda Gottfried | A multimedia system for sharing brand information keeps history of modifications of production information by consumers to allow recreating multimedia interface in its previous formats |
US20140297428A1 (en) * | 2002-06-20 | 2014-10-02 | Sinoeast Concept Limited | Method and system for sharing brand information |
CN104025140A (zh) * | 2011-06-06 | 2014-09-03 | 恩弗伦斯媒体公司 | 消费者驱动广告系统 |
US20130060604A1 (en) * | 2011-09-02 | 2013-03-07 | Woofound, Inc. | System for Using Personality Trait Identification to Match Consumers with Businesses |
Also Published As
Publication number | Publication date |
---|---|
US20170046748A1 (en) | 2017-02-16 |
WO2017027705A1 (en) | 2017-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108027942A (zh) | 用于将品牌拟人化的方法和系统技术领域 | |
US11284158B2 (en) | Profiling media characters | |
CN111602147B (zh) | 基于非局部神经网络的机器学习模型 | |
JP6753707B2 (ja) | コミュニケーションを支援する人工知能システム | |
CN105765566B (zh) | 一种自动生成标题的方法及系统 | |
US9292597B2 (en) | Smart question routing and answerer growing for online community question-answer services | |
US10664929B2 (en) | Extracting data for professional event and participant grouping recommendations | |
US20200193330A1 (en) | Method and system for using existing models in connection with new model development | |
KR20150114354A (ko) | 모바일 장치를 위한 건강 지원 그룹 | |
CN109313658A (zh) | 探索个人兴趣空间的方法和系统 | |
Solomon et al. | Understanding the psycho-sociological facets of homophily in social network communities | |
KR20210079264A (ko) | 감정적 기계를 정의하는 방법 및 시스템 | |
JP6831522B2 (ja) | コミュニケーションシステム | |
US20230351473A1 (en) | Apparatus and method for providing user's interior style analysis model on basis of sns text | |
KR20210060375A (ko) | 유망 콘텐츠 선정 방법, 장치 및 컴퓨터프로그램 | |
US20210056467A1 (en) | Training machine learning models for interest prediction | |
Wietreck | Towards a new generation of movie recommender systems: A mood based approach | |
Pradhan et al. | Machine learning architecture and framework | |
Teklemicael et al. | Toward Gamified Personality Acquisition in Travel Recommender Systems | |
Lee | On the linear algebraic structure of distributed word representations | |
KR20150006931A (ko) | 개인화된 페르소나 그룹을 통한 소셜 질의응답 시스템 | |
US11478715B1 (en) | User-controllable model-driven matchmaking | |
US20230351107A1 (en) | Server, user terminal, and method for providing user interior decoration style analysis model on basis of sns text | |
WO2023201285A2 (en) | Computer-implemented systems and methods for health data analysis and management | |
Nguyen | Machine Learning Approaches for Population Health Analytics through Social Media |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180511 |