CN109492142A - 适用于关注对象的影响力检测方法、电子终端及存储介质 - Google Patents

Abstract

本发明提供适用于关注对象的影响力检测方法、电子终端及存储介质，其包括利用检索词搜索得到搜索结果条目的集合；计算基于所述集合中与关注对象相关联的搜索结果条目而获得的所述关注对象的影响力评价参数，其包括口碑度和/或能见度；其中，所述口碑度表示基于所述集合所获取的关注对象的好评程度；所述能见度表示与所述关注对象关联的搜索结果条目在该集合中的排位前后程度。本发明基于口碑度、能见度、热度值及浓度值等多个影响力评价参数分析所述关注对象的影响力强度，从而有效且全面地评价了品牌的网络影响力。

Description

适用于关注对象的影响力检测方法、电子终端及存储介质

技术领域

本发明涉及网络技术领域，特别是涉及适用于关注对象的影响力检测方法、电子终端及存储介质。

背景技术

现今，人们的生活越来越离不开互联网，消费者都沉浸在互联网的世界中，互联网广告也充斥着几乎所有的网络平台，例如视频、门户网站、垂直门户、搜索等等。容易被忽略的是，比广告更有意义的是内容，因为消费者并无意愿看广告，而是更希望从别人的评价、看法、观点、文字或科普等途径找到想了解的内容。

但是，现有技术并不能提供一种有效的解决方案能够使消费者接触互联网内容时了解品牌知名度和口碑等影响一个品牌的影响力的因素。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供适用于关注对象的影响力检测方法、电子终端及存储介质，用于解决现有技术并不能提供一种有效的解决方案能够使消费者接触互联网内容时了解品牌影响力的技术问题。

为实现上述目的及其他相关目的，本发明提供一种适用于关注对象的影响力检测方法，其包括利用检索词搜索得到搜索结果条目的集合；计算基于所述集合中与关注对象相关联的搜索结果条目而获得的所述关注对象的影响力评价参数，其包括口碑度和/或能见度；其中，所述口碑度表示基于所述集合所获取的关注对象的好评程度；所述能见度表示与所述关注对象关联的搜索结果条目在该集合中的排位前后程度。

于本发明的一实施例中，所述关注对象包括：品牌名称、产品名称、公司CEO名、公司标语或竞品中的任一种或多种组合；所述检索词包括：消费者需求词、品牌词、品牌扩展词、企业词、竞品词中的任一种或多种组合。

于本发明的一实施例中，所述口碑度的计算方式包括：计算基于与关注对象相关联的搜索结果条目在所述集合中的直接展示内容而获得的所述关注对象的口碑度，和/或计算基于与关注对象相关联的搜索结果条目在所述集合中的间接展示内容而获得的所述关注对象的口碑度；其中，所述直接展示内容包括该搜索结果条目的标题和摘要，所述间接展示内容包括该搜索结果条目的文稿内容。

于本发明的一实施例中，所述计算基于与关注对象相关联的搜索结果条目在所述集合中的直接展示内容而获得的所述关注对象的口碑度，其计算方式具体包括：将所述关注对象在各搜索结果条目的标题和摘要中所处的语境进行情感分析，并根据情感分析结果判断所述关注对象基于各搜索结果条目的口碑度；根据各搜索结果条目的情感分析结果与正面情绪的接近程度，筛选出符合口碑度要求的搜索结果条目；计算所述符合口碑度要求的搜索结果条目数量占全部与关注对象相关联的搜索结果条目数量的比例，并根据计算得到的比例大小判断关注对象的口碑度。

于本发明的一实施例中，所述计算基于与关注对象相关联的搜索结果条目在所述集合中的间接展示内容而获得的所述关注对象的口碑度，其计算方式具体包括：确定所述关注对象在该搜索结果条目的文稿内容中的各个位置；将所述关注对象在所述各个位置中所处的语境进行情感分析并得到各个位置的情感分析结果，并根据各个位置相对应的情感分析结果综合分析得到该搜索结果条目的情感分析结果；根据各搜索结果条目的情感分析结果与正面情绪的接近程度，赋予各搜索结果条目一相应的权值；筛选出权值符合口碑要求的搜索结果条目，并计算该些搜索结果条目的数量占全部与所述关注对象相关联的搜索结果条目总数量的比例，计算得到的比例大小用于判断所述关注对象的口碑度。

于本发明的一实施例中，所述各个位置的情感分析结果包括非负面评价和负面评价，所述非负面评价又包括正面评价和中立评价；其中：若全部位置的情感分析结果均为非负面评价，则确定该搜索结果条目的情感分析结果为很好并赋予该搜索结果条目一高权值；若情感分析结果为非负面评价的位置的数量大于情感分析结果为负面评价的位置的数量，则确定该搜索结果条目的情感分析结果为较好并赋予该搜索结果条目一较高权值；若情感分析结果为非负面评价的位置的数量等于情感分析结果为负面评价的位置的数量，则确定该搜索结果条目的情感分析结果为中等并赋予该搜索结果条目一中等权值；若情感分析结果为非负面评价的位置的数量小于情感分析结果为负面评价的位置的数量，则确定该搜索结果条目的情感分析结果为较差并赋予该搜索结果条目一较低权值；若全部位置的情感分析结果均为负面评价，则确定该搜索结果条目的情感分析结果为很差并赋予该搜索结果条目一低权值。

于本发明的一实施例中，所述口碑度为：

于本发明的一实施例中，分析与关注对象相关联的搜索结果条目在所述搜索结果条目集合中的能见度的方式包括：其中，pct_i表示所述搜索结果条目集合中第i个搜索结果条目的能见度，x_i表示该页中第i个搜索结果条目的赋值，n表示n个搜索结果条目；令预设数量的搜索结果条目归为同一搜索页中，根据该搜索页在全部搜索页中所占权重，计算每一个搜索结果条目的加权能见度，其中，weight_j表示第j个搜索页在全部搜索页中所占权重，x_ij表示第j个搜索页中第i个搜索结果条目的赋值。

于本发明的一实施例中，所述关注对象的影响力评价参数还包括浓度，所述浓度用于表示与所述关注对象关联的搜索结果条目在该集合中所占比重，所述浓度的计算方式包括：其中，y₁表示与关注对象关联的搜索结果条目，Counts of y₁表示与关注对象关联的搜索结果条目的数量；Total y表示所述集合中搜索结果条目的总数量。

于本发明的一实施例中，所述方法包括：计算同一关注对象基于一预设网站根据多个不同检索词得到的口碑度；根据该关注对象基于一预设网站根据多个不同检索词得到的口碑度以及各检索词在该网站的热度值，计算所述关注对象基于该网站的网站口碑指数；根据所述网站口碑指数以及该网站在预设时间段内的使用率，计算得到所述关注对象基于该网站的口碑影响力指数；将网络上各网站的口碑影响力指数进行加总，以生成相应的口碑影响力综合指数；所述口碑影响力综合指数用于表示所述关注对象在整个网络上的口碑表现情况。

于本发明的一实施例中，所述方法：所述网站口碑指数的计算公式为： 其中，pct_p1，..，pct_pn表示所述关注对象基于该网站根据第1至第n个检索词得到的口碑度，V1，...，Vn表示第1至n个检索词在该网站的热度值；其中，所述热度值的类型包括搜索量、关注量、热度指数中的任一种或多种组合；所述口碑影响力综合指数的计算公式为：Web_Index_p＝Web_pct_p*Web_Mount Percent；其中，Web_MountPercent表示该网站在预设时间段内的使用率；所述口碑影响力综合指数的计算公式为：Total_Web_Index_p＝∑Web_Index_p。

于本发明的一实施例中，所述方法包括：计算同一关注对象基于一预设网站根据多个不同检索词得到的能见度；根据该关注对象基于一预设网站根据多个不同检索词得到的能见度以及各检索词在该网站的热度值，计算所述关注对象基于该网站的网站能见指数；根据所述网站能见指数以及该网站在预设时间段内的使用率，将计算得到的所述关注对象基于该网站的能见影响力指数；将网络上各网站的能见影响力指数进行加总，以生成相应的能见影响力综合指数；所述能见影响力综合指数用于表示所述关注对象在整个网络上的位置排序表现情况。

于本发明的一实施例中，所述网站能见指数的计算公式为：其中，pct_s1，...，pct_sn表示所述关注对象基于该网站根据第1至第n个检索词得到的能见度，V1，...，Vn表示第1至n个检索词在该网站的热度值；其中，所述热度值的类型包括搜索量、关注量、热度指数中的任一种或多种组合；所述能见影响力指数的计算公式为：Web_Index_s＝Web_pct_s*Web_Mount Percent；其中，Web_MountPercent表示该网站在预设时间段内的使用率；所述能见影响力综合指数的计算公式为：Total_Web_Index_s＝∑Web_Index_s。

为实现上述目的及其他相关目的，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述适用于关注对象的影响力检测方法。

实现上述目的及其他相关目的，本发明提供一种电子终端，包括：处理器及存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行所述适用于关注对象的影响力检测方法。

如上所述，本发明提供的适用于关注对象的影响力检测方法、电子终端及存储介质，具有以下有益效果：本发明基于口碑度、能见度及热度值等多个影响力评价参数分析述关注对象的影响力强度，从而有效且全面地评价了品牌的网络影响力。

附图说明

图1显示为本发明一实施例中适用于关注对象的影响力检测方法的流程示意图。

图2显示为本发明一实施例中适用于关注对象的影响力检测方法的流程示意图。

图3显示为本发明一实施例中适用于关注对象的影响力检测方法的流程示意图。

图4显示为本发明一实施例中适用于关注对象的影响力检测方法的流程示意图。

图5显示为本发明一实施例中各检索词在百度网站中的口碑度的示意图。

图6显示为本发明一实施例中基于搜索量和能见度的二维矩阵分析图。

图7显示为本发明一实施例中基于搜索量和能见度比较值的二维矩阵分析图。

图8显示为本发明一实施例中基于能见度和口碑度的二维矩阵分析图。

图9显示为本发明一实施例中基于搜索量、能见度以及口碑度的多维矩阵分析图。

图10显示为本发明一实施例中电子终端的结构示意图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

需要说明的是，在下述描述中，参考附图，附图描述了本申请的若干实施例。应当理解，还可使用其他实施例，并且可以在不背离本申请的精神和范围的情况下进行机械组成、结构、电气以及操作上的改变。下面的详细描述不应该被认为是限制性的，并且本申请的实施例的范围仅由公布的专利的权利要求书所限定。这里使用的术语仅是为了描述特定实施例，而并非旨在限制本申请。空间相关的术语，例如“上”、“下”、“左”、“右”、“下面”、“下方”、““下部”、“上方”、“上部”等，可在文中使用以便于说明图中所示的一个元件或特征与另一元件或特征的关系。

再者，如同在本文中所使用的，单数形式“一”、““一个”和“该”旨在也包括复数形式，除非上下文中有相反的指示。应当进一步理解，术语“包含”、“包括”表明存在所述的特征、操作、元件、组件、项目、种类、和/或组，但不排除一个或多个其他特征、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的，或意味着任一个或任何组合。因此，“A、B或C”或者“A、B和/或C”意味着“以下任一个：A；B；C；A和B；A和C；B和C；A、B和C”。仅当元件、功能或操作的组合在某些方式下内在地互相排斥时，才会出现该定义的例外。

本发明提供适用于关注对象的影响力检测方法、电子终端及存储介质，其基于口碑度、能见度、热度值及浓度值等多个影响力评价参数分析所述关注对象的影响力强度，从而有效且全面地评价了品牌的网络影响力，下文将结合具体的实施例解释说明本发明的技术方案。

如图1所示，展示本发明一实施例中适用于关注对象的影响力检测方法的流程示意图。于本实施例中，所述关注对象是指用户关注的待分析其影响力的词，例如：品牌名称、产品名称、公司CEO名字、公司标语、口号或竞品等等。所述影响力检测方法具体执行如下各步骤：

S11：利用检索词搜索得到搜索结果条目的集合。所述检索词包括消费者需求词、品牌词、品牌扩展词、企业词、竞品词等等。其中，所述消费者需求词是指基于消费者需求而产生的检索词，例如“哪个化妆品更美白”，或者“新能源汽车哪家性价比高”等等；所述品牌词是指基于品牌名称而产生的检索词，例如“巴黎欧莱雅”或者“美特斯邦威”等等；所述品牌扩展词是指基于品牌名称进行扩展之后产生的检索词，例如“巴黎欧莱雅好不好”或者“苹果手机贵吗”等等；所述企业词是指基于企业名称或者与品牌关联的产品名称或者企业口号等而产生的检索词；所述竞品词是指基于竞争对手而产生的检索词。需要说明的是，本实施例中检索词的分类方式仅用于参考并不是对本发明实施方法的限定。

可选的，本实施例可基于任何带有搜索功能的网站执行所述利用检索词搜索得到搜索结果条目的步骤。其中，所述带有搜索功能的网站例如为搜索引擎、社交媒体、电商平台、博客或微博平台、新闻平台、问答平台、论坛平台或者视频播放平台等等。所述搜索引擎例如为百度网站、谷歌网站或者搜狗网站等等；所述社交媒体例如为微信平台或者陌陌平台等等；所述电商平台例如为京东、天猫、亚马逊或者拼多多等等；所述博客或微博平台例如为新浪博客网站、搜狐博客网站等等；所述新闻平台例如为今日头条网站、百度新闻网站或者UC头条网站等等；所述问答平台例如为百度知道网站或者悟空问答等等；所述论坛平台例如为百度贴吧或者豆瓣等等；所述视频播放平台例如为爱奇艺、优酷视频、腾讯视频或者Youtube视频等等。需要说明的是，本发明所述的网站既可以是网页格式的门户网站，也可以是客户端形式的APP网站，本发明对此不作限制。

S12：计算基于所述集合中与关注对象相关联的搜索结果条目而获得的所述关注对象的影响力评价参数，其包括口碑度和/或能见度。其中，所述口碑度表示基于所述集合所获取的关注对象的好评程度；所述能见度表示与所述关注对象关联的搜索结果条目在该集合中的排位前后程度。值得注意的是，在分析一个关注对象的影响力时，不仅需要了解该关注对象在搜索结果中的位置是否足够显著及数量是否足够多，还应了解搜索结果中关于该关注对象的内容是否是正面的。

于本实施例中，口碑度的计算方式包括：计算基于与关注对象相关联的搜索结果条目在所述集合中的直接展示内容而获得的所述关注对象的口碑度，和/或计算基于与关注对象相关联的搜索结果条目在所述集合中的间接展示内容而获得的所述关注对象的口碑度。

需要说明的是，基于网站进行检索而得到的搜索结果，其标题和摘要通常是直接展示于搜索页中，而搜索结果的文稿内容则需要点击链接进入后才能获取。因此，计算基于与关注对象相关联的搜索结果条目在所述集合中的直接展示内容而获得的所述关注对象的口碑度的方式，可基于搜索结果的标题和摘要进行分析，也可基于搜索结果的文稿内容进行分析，当然还可同时基于搜索结果的标题、摘要及文稿内容进行综合分析。

在一实施例中，所述计算基于与关注对象相关联的搜索结果条目在所述集合中的直接展示内容而获得的所述关注对象的口碑度，具体执行如图2所示的各个步骤：

S21：将所述关注对象在各搜索结果条目的标题和摘要中所处的语境进行情感分析，并根据情感分析结果判断所述关注对象基于各搜索结果条目的口碑度。

S22：根据各搜索结果条目的情感分析结果与正面情绪的接近程度，筛选出符合口碑度要求的搜索结果条目。

S23：计算所述符合口碑度要求的搜索结果条目数量占全部与关注对象相关联的搜索结果条目数量的比例，并根据计算得到的比例大小判断关注对象的口碑度。

可选的，所述情感分析结果可具体分为正面评价、中立评价及负面评价。当然，根据不同的应用场景，情感分析结果可以有不同的分类标准，从而得到不同的分类类别和数量，本发明对此不作限定。

以一具体的应用场景为例，所述关注对象为“A品牌”，检索词为“扫地机器人哪家强”，并基于该检索词在B网站中进行检索从而得到多页搜索结果，选取前3页作为搜索结果集合。需要说明的是，不同的实施例中可选取不同页数作为搜索结果集合，并不以本实施例为限。在搜索结果集合中筛选出与“A品牌”相匹配的搜索结果，例如可采用标题或摘要包含“A品牌”，或者标题摘要均包含“A品牌”等标准进行筛选。将筛选出的各搜索结果条目的标题和摘要中“A品牌”所处的语境进行情感分析，按照情感分析结果赋予正面评价的搜索结果条目3分，赋予中立评价的搜索结果条目2分，并赋予负面评价的搜索结果条目1分，并将分值2分及以上的分值定义为符合口碑要求。因此，可统计所有分值为2分和3分的搜索结果条目的数量，该数量占筛选出的全部搜索结果条目总数量的比例，即可作为“A品牌”的口碑度。

需要说明的是，本实施例中的情感分析可通过语义分析算法实现，例如NLP自然语言处理算法，其运用推测、几率、统计等方法基于语境进行情感分析，以判断该标题和摘要对于该关注对象而言是正面评价、负面评价还是中立评价，再例如可通过情感词典和贝叶斯算法实现文字情感的分类。上述语义分析算法均为现有技术，故不再赘述。

所述计算基于与关注对象相关联的搜索结果条目在所述集合中的间接展示内容而获得的所述关注对象的口碑度，其计算方式具体包括

在一实施例中，所述计算基于与关注对象相关联的搜索结果条目在所述集合中的间接展示内容而获得的所述关注对象的口碑度，其具体执行如图3所示的各个步骤：

S31：确定所述关注对象在该搜索结果条目的文稿内容中的各个位置。

S32：将所述关注对象在所述各个位置中所处的语境进行情感分析并得到各个位置的情感分析结果，并根据各个位置相对应的情感分析结果综合分析得到该搜索结果条目的情感分析结果。

S33：根据各搜索结果条目的情感分析结果与正面情绪的接近程度，赋予各搜索结果条目一相应的权值。

S34：筛选出权值符合口碑要求的搜索结果条目，并计算该些搜索结果条目的数量占全部与所述关注对象相关联的搜索结果条目总数量的比例，计算得到的比例大小用于判断所述关注对象的口碑度。

由于文稿内容中会多次出现关注对象，例如某论坛的一主题包含众多网友针对关注对象的评价，该些评价有正面评价，中立评价及负面评价，如何基于众多网友的不同评价得到该文稿内容的综合评价是本实施例需要解决的技术问题。因此，故基于文稿内容分析关注对象的口碑度与基于标题和摘要分析关注对象的口碑度的方式有所不同。

具体的，所述各个位置的情感分析结果包括非负面评价和负面评价，所述非负面评价又包括正面评价和中立评价；其中：若全部位置的情感分析结果均为非负面评价，则确定该搜索结果条目的情感分析结果为很好并赋予该搜索结果条目一高权值，例如赋予5分；若情感分析结果为非负面评价的位置的数量大于情感分析结果为负面评价的位置的数量，则确定该搜索结果条目的情感分析结果为较好并赋予该搜索结果条目一较高权值，例如赋予4分；若情感分析结果为非负面评价的位置的数量等于情感分析结果为负面评价的位置的数量，则确定该搜索结果条目的情感分析结果为中等并赋予该搜索结果条目一中等权值，例如赋予3分；若情感分析结果为非负面评价的位置的数量小于情感分析结果为负面评价的位置的数量，则确定该搜索结果条目的情感分析结果为较差并赋予该搜索结果条目一较低权值，例如赋予2分；若全部位置的情感分析结果均为负面评价，则确定该搜索结果条目的情感分析结果为很差并赋予该搜索结果条目一低权值，例如赋予1分。

于本实施例中，将权值为3分及以上定义为符合口碑要求，故口碑度可按照如下公式进行计算：需要说明的是，本实施例中搜索结果条目的情感分析结果的分类以及权重赋值仅用于参考，并不用于限定本发明的技术方案。

在一实施例中，分析与关注对象相关联的搜索结果条目在所述搜索结果条目集合中的能见度的方式包括：其中，pct_i表示所述搜索结果条目集合中第i个搜索结果条目的能见度，x_i表示该页中第i个搜索结果条目的赋值，n表示n个搜索结果条目；令预设数量的搜索结果条目归为同一搜索页中，根据该搜索页在全部搜索页中所占权重，计算每一个搜索结果条目的加权能见度，其中，weight_j表示第j个搜索页在全部搜索页中所占权重，x_ij表示第j个搜索页中第i个搜索结果条目的赋值。

需要说明的是，对于x_i的赋值可采用主观赋值法也可采用客观赋值法，本发明对此不作限定。主观赋值法是指计算权重的原始数据主要由评估者根据经验主观判断所得，如主观加权法、专家调查法、层次分析法、比较加权法、多元分析法和模糊统计法等等。客观赋值法是指计算权重的原始数据由测评指标在被测评过程中的实际数据得到，例如可采用方差法、主成分分析法、熵值法、CRITIC法等等，因上述各方法本身均为现有，故不再赘述。

在一实施例中，所述关注对象的影响力评价参数还包括浓度，所述浓度用于表示与所述关注对象关联的搜索结果条目在该集合中所占比重，所述浓度的计算方式包括：其中，y₁表示与关注对象关联的搜索结果条目，Countsof y₁表示与关注对象关联的搜索结果条目的数量；Total y表示所述集合中搜索结果条目的总数量。

需要说明的是，口碑度、能见度、浓度以及热度值是描述所述关注对象影响力强度的4种不同的方式，其分别从所述关注对象的好评程度、关注对象关联的搜索结果条目在集合中的排位前后程度、以及关注对象关联的搜索结果条目在集合中的数量占比、检索词的搜索量或者关注度或者热度值的高低这4个维度对关注对象的影响力强度进行分析。口碑度、能见度、浓度以及热度值四者既可单独使用，也可两两组合使用，还可三个参数共同使用进行综合分析，下文以具体实施方案为例，以便于本领域技术人员进一步理解本发明的技术方案。

于本实施例中，用户提供检索词、关注对象、具有搜索功能的预设网站及官网地址等信息，本发明技术方案的影响力检测方法具体执行如下各个步骤来判断关注对象的影响力强度。

步骤一，将用户提供的各个信息导入用于执行影响力检测方法的系统中。

步骤二，网络爬虫在所述具有搜索功能的预设网站上爬取基于检索词而搜索得到的前n页或者n个搜索结果条目。其中，通过网络爬虫获得的各个搜索结果条目主要包括两块内容，其分别为在搜索页能够直接观察到的标题和摘要，以及需要点击标题或摘要或搜索结果条目相关链接之后才能够获取得到的文稿内容。

步骤三，根据上文中能见度的计算公式，分别计算每一条搜索结果条目的能见度。

步骤四，筛选出与关注对象关联的搜索结果条目并计算该些搜索结果条目的能见度总和，作为该关注对象的能见度值。

步骤五，基于语义分析算法，分析关注对象在搜索结果条目的标题及摘要中属于正面评价、中立评价、负面评价，从而获得该关注对象基于搜索结果条目的标题及摘要而获得的口碑度。

步骤六，通过点击标题或摘要或相关链接进入搜索结果条目的文稿内容中，按照关注对象所在位置进行断句，断开后的每一句均作为待测对象。基于语义分析算法分析关注对象所在句子属于非负面评价还是负面评价，根据非负面评价和负面评价的数量比较结果来综合分析该篇文稿内容的情绪并相应打分，分值分布于1～5分。

步骤七，按照步骤六的方法计算每一条搜索结果条目的分值，并按分值大小筛选出符合口碑要求的搜索结果条目。计算符合口碑要求的搜索结果条目的数量占所述与关注对象匹配的所有搜索结果条目的总数量的比例，从而获得该关注对象基于搜索结果条目的文稿内容而获得的口碑度。

步骤八，在一段预设时间内，重复执行步骤一至步骤七，将每一次新计算得到的口碑度及能见度与前一次或前几次的计算结果值做比较，从而得到口碑度趋势及能见度趋势。若口碑度呈上升趋势则表示关注对象的好评程度在不断增加，反之则表示该关注对象的好评程度在不断下降；若能见度呈上升趋势则表示关注对象被注意到的排位越来越优越，反之则表示该关注对象注意到的排位越来越优差。

在一实施例中，所述影响力检测方法还通过计算口碑影响力综合指数来分析用户在其关注的平台上的表现以及其与竞争对手之间的关系。口碑影响力综合指数的计算方式其具体执行如图4所示的各个步骤。

S41：计算同一关注对象基于一预设网站根据多个不同检索词得到的口碑度。

S42：根据该关注对象基于一预设网站根据多个不同检索词得到的口碑度以及各检索词在该网站的热度值，计算所述关注对象基于该网站的网站口碑指数。所述网站口碑指数的计算公式为：其中，pct_p1，...，pct_pn表示所述关注对象基于该网站根据第1至第n个检索词得到的口碑度，V1，...，Vn表示第1至n个检索词在该网站的热度值。需要说明的是，热度值的具体形式随着网络平台的不同而不同，且可能随着网络平台的发展而发生变化。举例来说，百度网站的热度值主要是指搜索量；今日头条网站的热度值主要是指热度指数，其根据热度指数模型将用户的阅读、分析或评论等行为的数量加权求和并得到相应的事件、文章或关键词的热度指数，通常以小时数或天数为单位绘制成趋势图，从而表现热度指数随事件的变化情况；而知乎网站的热度值主要是指话题关注数，微信网站的热度值主要是指微信指数等等，因各个网站统计方式的不同，热度值的表示方式也不尽相同，本实施例不再一一列举。

S43：根据所述网站口碑指数以及该网站在预设时间段内的使用率，计算得到所述关注对象基于该网站的口碑影响力指数。所述口碑影响力指数的计算公式为： 其中，Web_Mount Percent表示该网站在预设时间段内的使用率。

S44：将网络上各网站的口碑影响力指数进行加总，以生成相应的口碑影响力综合指数；所述口碑影响力综合指数用于表示所述关注对象在整个网络上的口碑表现情况。所述口碑影响力综合指数的计算公式为：Total_Web_Index_p＝∑Web_Index_p。需要说明的是，因口碑影响力综合指数反映的是客户与竞争品牌之间的优劣关系，其与消费者的需求息息相关，故检索词优选为消费者需求词。

在一具体的应用场景中，以“A航空公司”作为本实施例中的关注对象，以百度网站作为本实施例中的预设网站，并分别以“特价机票”、“网上值机”、“航班延误”、“航空招聘”、“飞机餐”等词条作为本实施例中的检索词。关注对象“A航空公司”根据各检索词在百度网站中的口碑度可通过上文中口碑度的计算方式求解得到，本实施例中假设“A航空公司”根据各检索词在百度网站中的口碑度如图5所示，分别为60％、50％、46％、24％、38％……根据如下公式可得到“A航空公司”基于百度网站的网站口碑指数。运用同样的计算原理还可分别计算得到A航空公司的竞争对手基于百度网站的网站口碑指数，同样还可计算得到A航空公司基于其它网站的网站口碑指数。

为便于描述，本实施例假设“A航空公司”基于百度网站的网站口碑指数为20％，基于知乎网站的网站口碑指数为15％，基于淘宝网站的网站口碑指数为5％。此外，基于统计或者第三方提供的数据，假设各网站当月的访问人数分别为20000人，30000人，40000人，且假设网络上的全部网民数量为200000人，则各网站当月的使用率分别约为20000/200000，30000/200000，40000/200000，也即分别为0.1，0.15，0.2。根据公式 可计算各网站的口碑影响力指数，也即百度网站、知乎网站及淘宝网站的口碑影响力指数分别为20％*0.1，15％*0.15，5％*0.2。根据口碑影响力指数的大小可判断该关注对象在各个网站上的表现以及该客户与竞争对手们在同一网站上的表现情况，从而帮助客户有指向性地与竞争对手做优劣势的比较。

将计算得到各网站的口碑影响力指数进行加总可得到所述口碑影响力综合指数，Total_Web_Index_p＝∑Web_Index_p。所述口碑影响力综合指数代表该关注对象基于整个网络的口碑指数。不同的关注对象算得的基于整个网络的口碑指数不同，故根据该指数的大小可判断该关注对象及其对手基于整个网络的表现情况。

需要说明的是，上文中关于网站口碑指数、口碑影响力指数以及口碑影响力综合指数的计算方式同样可应用于能见度的计算，也即基于同样的计算原理计算网站能见度以及网站能见度指数。网站能见度以及网站能见度指数同样用于供客户知晓其与竞争对手之间的优劣关系。

具体的，所述网站能见指数的计算公式为： 其中，pct_s1，...，pct_sn表示所述关注对象基于该网站根据第1至第n个检索词得到的能见度，V1，...，Vn表示第1至n个检索词在该网站的热度值；其中，所述热度值的类型包括搜索量、关注量、热度指数中的任一种或多种组合。所述能见影响力指数的计算公式为：Web_Index_s＝Web_pct_s*Web_Mount Percent；其中，Web_Mount Percent表示该网站在预设时间段内的使用率。所述能见影响力综合指数的计算公式为：Total_Web_Index_s＝∑Web_Index_s。因其计算过程与上文中口碑影响力综合指数的计算过程类似，故不再赘述。

如图6所示，展示本发明一实施例中基于搜索量和能见度的二维矩阵分析图。本实施例按照搜索量以及能见度共分为4个矩阵，仍以“A航空公司”为例：“A航空公司”根据落入左下角矩阵中的消费者关键词计算得到的能见度和搜索量均较差，故不建议继续在网络上宣传该矩阵区域中的消费者关键词；“A航空公司”根据落入右上角矩阵中的消费者关键词计算得到的能见度和搜索量均较优，故建议保持当前的网络宣传力度；“A航空公司”根据落入左上角矩阵中的消费者关键词计算得到的能见度较优但搜索量较差，故建议该矩阵区域内的关键词需加大公关配合以提升关键词的搜索量；“A航空公司”根据落入右下角矩阵中的消费者关键词计算得到的搜索量较优但能见度较差，可建议客户加大针对该矩阵区域内关键词的宣传力度，以提升高搜索量下的能见度。

如图7所示，展示本发明一实施例中基于搜索量和能见度比较值的二维矩阵分析图。于本实施例中，横轴表示搜索量，纵轴的能见度是根据关注对象与竞争对手能见度比较结果制定而成的，其中，纵坐标越向上表示所述关注对象的能见度越优于竞争对手的能见度，反之则越落后于竞争对手。

其中，“A航空公司”根据落入左下角矩阵中的检索词计算得到的能见度落后于对手且搜索量较差，故不建议继续在网络上宣传该矩阵区域中的消费者关键词；“A航空公司”根据落入右上角矩阵中的检索词计算得到的能见度优于对手且搜索量较高，可建议时时监测该矩阵区域中的检索词的动态表现以防被对手超越；“A航空公司”根据落入左上角矩阵中的检索词计算得到的能见度优于对手但搜索量较差，故可针对该矩阵区域中的检索词进行拓展以全面覆盖对消费者有意义的检索词，其搜索量虽不高但加总的搜索量仍较为客观；“A航空公司”根据落入右下角矩阵中的检索词计算得到的能见度落后于对手但搜索量较高，属于刚需类的检索词，故可建议必需改善该矩阵区域的表现。

因此，本实施例提供的二维矩阵分析图表能够清晰展现用户自身的表现以及与竞争对手的关系，并根据不同的矩阵区域为用户提供相应的投放策略，哪些检索词投放效果佳值得投放，哪些不值得投放，该方法一目了然且非常高效准确。此外，本发明的技术方案还包括通过在一预设时间段内的监测，了解各检索词在一段时间内的动态表现，从而帮助用户及时调整投资方向以及预算方案。

如图8所示，展示本发明一实施例中基于能见度和口碑度的二维矩阵分析图。于本实施例中，能见度-口碑度矩阵分成的4个矩阵块中，所述关注对象根据落入右上角矩阵中的检索词所计算得到的能见度和口碑度均较优，故建议保持当前的口碑度和能见度水平；所述关注对象根据落入左上角矩阵中的检索词所计算得到的口碑度较优但能见度较差，故建议在尽量保持口碑显著性的情况下有针对性地提升能见度；所述关注对象根据落入左下角矩阵中的检索词所计算得到的口碑度和能见度均较差，故建议提升口碑度和能见度；所述关注对象根据落入右下角矩阵中的检索词所计算得到的能见度较优但口碑度较差，故建议在尽量保持位置显著性的情况下有针对性地提升口碑度。本实施例提供的二维矩阵能够帮助用户清晰地掌握目前的口碑度和能见度情况，从而帮助用户及时调整投资策略。

如图9所示，展示本发明一实施例中基于搜索量、能见度以及口碑度的多维矩阵分析图。于本实施例中，横轴表示搜索量，纵轴表示能见度，圆圈面积大小表示口碑度高低。例如：“A航空公司”根据检索词“特价机票”计算得到的搜索量较高，能见度较低且口碑度较差，根据检索词“A航空公司股票”计算得到的搜索量较低，能见度较低但口碑较优，根据检索词“便宜机票”计算得到的搜索量，能见度及口碑度均一般，而根据检索词“经济座”计算得到的搜索量较差，能见度较高且口碑度较好。

因此，本实施例提供的多维矩阵分析图能够通过热度值、能见度及口碑度方便直接地得到各个检索词的投放效果，从而可更加透彻地分析影响该关注对象影响力强度的因素，是因为能见度不够还是搜索量不够抑或是文稿内容口碑不够好导致，从而帮助用户具有针对性地进行改善和调整关注对象的影响力强度。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

如图10所示，展示本发明一实施例中电子终端的结构示意图。本实例提供的电子终端，包括：处理器101、存储器102、收发器103、通信接口104和系统总线105；存储器102和通信接口104通过系统总线与处理器101和收发器103连接并完成相互间的通信，存储器102用于存储计算机程序，通信接口104和收发器103用于和其他设备进行通信，处理器101用于运行计算机程序，使电子终端执行如上影响力检测方法的各个步骤。

上述提到的系统总线可以是外设部件互连标准(PeripheralPomponentInterconnect，简称PCI)总线或扩展工业标准结构(ExtendedIndustryStandardArchitecture，简称EISA)总线等。该系统总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。通信接口用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(RandomAccessMemory，简称RAM)，也可能还包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。

上述的处理器可以是通用处理器，包括中央处理器(CentralProcessingUnit，简称CPU)、网络处理器(NetworkProcessor，简称NP)等；还可以是数字信号处理器(DigitalSignalProcessing，简称DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，简称ASIC)、现场可编程门阵列(Field－ProgrammableGateArray，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

综上所述，本发明提供的适用于关注对象的影响力检测方法、电子终端及存储介质，具有以下有益效果：本发明基于口碑度、能见度、浓度及热度值等多个影响力评价参数分析述关注对象的影响力强度，从而有效且全面地评价了品牌的网络影响力。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (15)

1.一种适用于关注对象的影响力检测方法，其特征在于，包括：

利用检索词搜索得到搜索结果条目的集合；

计算基于所述集合中与关注对象相关联的搜索结果条目而获得的所述关注对象的影响力评价参数，其包括口碑度和/或能见度；其中，所述口碑度表示基于所述集合所获取的关注对象的好评程度；所述能见度表示与所述关注对象关联的搜索结果条目在该集合中的排位前后程度。

2.根据权利要求1所述的适用于关注对象的影响力检测方法，其特征在于，所述关注对象包括：品牌名称、产品名称、公司CEO名、公司标语或竞品中的任一种或多种组合；所述检索词包括：消费者需求词、品牌词、品牌扩展词、企业词、竞品词中的任一种或多种组合。

3.根据权利要求1所述的适用于关注对象的影响力检测方法，其特征在于，所述口碑度的计算方式包括：

计算基于与关注对象相关联的搜索结果条目在所述集合中的直接展示内容而获得的所述关注对象的口碑度，和/或计算基于与关注对象相关联的搜索结果条目在所述集合中的间接展示内容而获得的所述关注对象的口碑度；其中，所述直接展示内容包括该搜索结果条目的标题和摘要，所述间接展示内容包括该搜索结果条目的文稿内容。

4.根据权利要求3所述的适用于关注对象的影响力检测方法，其特征在于，所述计算基于与关注对象相关联的搜索结果条目在所述集合中的直接展示内容而获得的所述关注对象的口碑度，计算方式具体包括：

将所述关注对象在各搜索结果条目的标题和摘要中所处的语境进行情感分析，并根据情感分析结果判断所述关注对象基于各搜索结果条目的口碑度；

根据各搜索结果条目的情感分析结果与正面情绪的接近程度，筛选出符合口碑度要求的搜索结果条目；

计算所述符合口碑度要求的搜索结果条目数量占全部与关注对象相关联的搜索结果条目数量的比例，并根据计算得到的比例大小判断关注对象的口碑度。

5.根据权利要求3所述的适用于关注对象的影响力检测方法，其特征在于，所述计算基于与关注对象相关联的搜索结果条目在所述集合中的间接展示内容而获得的所述关注对象的口碑度，其计算方式具体包括：

确定所述关注对象在该搜索结果条目的文稿内容中的各个位置；

将所述关注对象在所述各个位置中所处的语境进行情感分析并得到各个位置的情感分析结果，并根据各个位置相对应的情感分析结果综合分析得到该搜索结果条目的情感分析结果；

根据各搜索结果条目的情感分析结果与正面情绪的接近程度，赋予各搜索结果条目一相应的权值；

筛选出权值符合口碑要求的搜索结果条目，并计算该些搜索结果条目的数量占全部与所述关注对象相关联的搜索结果条目总数量的比例，计算得到的比例大小用于判断所述关注对象的口碑度。

6.根据权利要求5所述的适用于关注对象的影响力检测方法，其特征在于，所述各个位置的情感分析结果包括非负面评价和负面评价，所述非负面评价又包括正面评价和中立评价；其中：

若全部位置的情感分析结果均为非负面评价，则确定该搜索结果条目的情感分析结果为很好并赋予该搜索结果条目一高权值；

若情感分析结果为非负面评价的位置的数量大于情感分析结果为负面评价的位置的数量，则确定该搜索结果条目的情感分析结果为较好并赋予该搜索结果条目一较高权值；

若情感分析结果为非负面评价的位置的数量等于情感分析结果为负面评价的位置的数量，则确定该搜索结果条目的情感分析结果为中等并赋予该搜索结果条目一中等权值；

若情感分析结果为非负面评价的位置的数量小于情感分析结果为负面评价的位置的数量，则确定该搜索结果条目的情感分析结果为较差并赋予该搜索结果条目一较低权值；

若全部位置的情感分析结果均为负面评价，则确定该搜索结果条目的情感分析结果为很差并赋予该搜索结果条目一低权值。

7.根据权利要求6所述的适用于关注对象的影响力检测方法，其特征在于，所述口碑度为：

8.根据权利要求1所述的适用于关注对象的影响力检测方法，其特征在于，分析与关注对象相关联的搜索结果条目在所述搜索结果条目集合中的能见度的方式包括：

其中，pct_i表示所述搜索结果条目集合中第i个搜索结果条目的能见度，x_i表示该页中第i个搜索结果条目的赋值，n表示n个搜索结果条目；

令预设数量的搜索结果条目归为同一搜索页中，根据该搜索页在全部搜索页中所占权重，计算每一个搜索结果条目的加权能见度，其中，weight_j表示第j个搜索页在全部搜索页中所占权重，x_ij表示第j个搜索页中第i个搜索结果条目的赋值。

9.根据权利要求1所述的适用于关注对象的影响力检测方法，其特征在于，所述关注对象的影响力评价参数还包括浓度，所述浓度用于表示与所述关注对象关联的搜索结果条目在该集合中所占比重，所述浓度的计算方式包括：

其中，y₁表示与关注对象关联的搜索结果条目，Counts of y₁表示与关注对象关联的搜索结果条目的数量；Total y表示所述集合中搜索结果条目的总数量。

10.根据权利要求1所述的适用于关注对象的影响力检测方法，其特征在于，包括：

计算同一关注对象基于一预设网站根据多个不同检索词得到的口碑度；

根据该关注对象基于一预设网站根据多个不同检索词得到的口碑度以及各检索词在该网站的热度值，计算所述关注对象基于该网站的网站口碑指数；

根据所述网站口碑指数以及该网站在预设时间段内的使用率，将计算得到的所述关注对象基于该网站的口碑影响力指数；

将网络上各网站的口碑影响力指数进行加总，以生成相应的口碑影响力综合指数；所述口碑影响力综合指数用于表示所述关注对象在整个网络上的口碑表现情况。

11.根据权利要求10所述的适用于关注对象的影响力检测方法，其特征在于，包括：

所述网站口碑指数的计算公式为：其中，pct_p1，...，pct_pn表示所述关注对象基于该网站根据第1至第n个检索词得到的口碑度，V1，...，Vn表示第1至n个检索词在该网站的热度值；其中，所述热度值的类型包括搜索量、关注量、热度指数中的任一种或多种组合。

所述口碑影响力指数的计算公式为：其中，Web_MountPercent表示该网站在预设时间段内的使用率；

所述口碑影响力综合指数的计算公式为：Total_Web_Index_p＝∑Web_Index_p。

12.根据权利要求1所述的适用于关注对象的影响力检测方法，其特征在于，包括：

计算同一关注对象基于一预设网站根据多个不同检索词得到的能见度；

根据该关注对象基于一预设网站根据多个不同检索词得到的能见度以及各检索词在该网站的热度值，计算所述关注对象基于该网站的网站能见指数；

根据所述网站能见指数以及该网站在预设时间段内的使用率，将计算得到的所述关注对象基于该网站的能见影响力指数；

将网络上各网站的能见影响力指数进行加总，以生成相应的能见影响力综合指数；所述能见影响力综合指数用于表示所述关注对象在整个网络上的位置排序表现情况。

13.根据权利要求12所述的适用于关注对象的影响力检测方法，其特征在于，包括：

所述网站能见指数的计算公式为：其中，pct_s1，...，pct_sn表示所述关注对象基于该网站根据第1至第n个检索词得到的能见度，V1，...，Vn表示第1至n个检索词在该网站的热度值；其中，所述热度值的类型包括搜索量、关注量、热度指数中的任一种或多种组合；

所述能见影响力指数的计算公式为Web_Index_s＝Web_pct_s*Web_Mount Percent；其中，Web_MountPercent表示该网站在预设时间段内的使用率；

所述能见影响力综合指数的计算公式为：Total_Web_Index_s＝∑Web_Index_s。

14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至13中任一项所述的适用于关注对象的影响力检测方法。

15.一种电子终端，其特征在于，包括：处理器及存储器；

所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如权利要求1至13中任一项所述的适用于关注对象的影响力检测方法。