CN110110974A - 关键意见领袖的识别方法及计算机可读存储介质 - Google Patents

关键意见领袖的识别方法及计算机可读存储介质 Download PDF

Info

Publication number
CN110110974A
CN110110974A CN201910306519.5A CN201910306519A CN110110974A CN 110110974 A CN110110974 A CN 110110974A CN 201910306519 A CN201910306519 A CN 201910306519A CN 110110974 A CN110110974 A CN 110110974A
Authority
CN
China
Prior art keywords
user
correspondence
propagation path
official documents
forwarding
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.)
Granted
Application number
CN201910306519.5A
Other languages
English (en)
Other versions
CN110110974B (zh
Inventor
刘德建
张善立
郭玉湖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujian Tianquan Educational Technology Ltd
Original Assignee
Fujian Tianquan Educational Technology Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fujian Tianquan Educational Technology Ltd filed Critical Fujian Tianquan Educational Technology Ltd
Priority to CN201910306519.5A priority Critical patent/CN110110974B/zh
Publication of CN110110974A publication Critical patent/CN110110974A/zh
Application granted granted Critical
Publication of CN110110974B publication Critical patent/CN110110974B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/954—Navigation, e.g. using categorised browsing
    • 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
    • G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
    • G06F16/9558—Details of hyperlinks; Management of linked annotations
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种关键意见领袖的识别方法及计算机可读存储介质，方法包括：通过媒体账号发布文案的种子链接，所述文案中设有埋点功能，所述种子链接中包括上一个节点参数；获取所述文案的传播路径，并当用户触发埋点功能时，将埋点功能对应的动作以及动作时间与所述用户对应的传播路径进行关联；根据所述文案的传播路径，生成所述文案的传播路径树，其他节点分别对应一个用户的唯一标识；根据所述媒体账号发布的各文案的传播路径树，分别计算对应各用户的预设的关键绩效指标；根据各用户的关键绩效指标以及预设的指标阈值，识别得到关键意见领袖。本发明可方便、快速、准确地识别出关键意见领袖。

Description

关键意见领袖的识别方法及计算机可读存储介质
技术领域
本发明涉及传播数据分析领域，尤其涉及一种关键意见领袖的识别方法及计算机可读存储介质。
背景技术
关键意见领袖(Key Opinion Leader，简称KOL)通常被定义为：拥有更多、更准确的产品信息，且为相关群体所接受或信任，并对该群体的购买行为有较大影响力的人。
目前，微信公众号和微博等媒体账号的运营过程中，如果能从粉丝中识别出影响力较大的粉丝，并与这些粉丝进行合作互动，优化传播路径，可以扩大媒体账号的影响力范围，提升运营质量，还可以有效降低成本，增加效益。
但现有技术中，若要识别关键意见领袖，需通过人工收集各种信息，具有难度大、成本高和周期长等缺点，需要耗费大量的人力和物力，且只能反映出关键意见领袖当前的影响力。
发明内容
本发明所要解决的技术问题是：提供一种关键意见领袖的识别方法及计算机可读存储介质，可方便、快速、准确地识别出关键意见领袖。
为了解决上述技术问题，本发明采用的技术方案为：一种关键意见领袖的识别方法，包括：
通过媒体账号发布文案的种子链接，所述文案中设有埋点功能，所述种子链接中包括上一个节点参数，种子链接中的上一个节点参数指向预设的根节点；
获取所述文案的传播路径，并当用户触发埋点功能时，将埋点功能对应的动作以及动作时间与所述用户对应的传播路径进行关联，所述传播路径包括上一个节点参数以及当前节点参数；
根据所述文案的传播路径，生成所述文案的传播路径树，所述传播路径树的根节点为所述预设的根节点，其他节点分别对应一个用户的唯一标识；
根据所述媒体账号发布的各文案的传播路径树，分别计算对应各用户的预设的关键绩效指标；
根据所述各用户的关键绩效指标以及预设的指标阈值，识别得到关键意见领袖。
本发明还涉及一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上所述的步骤。
本发明的有益效果在于：通过记录上一个节点参数和当前节点参数，得到每个用户访问文案时的传播路径，后续可根据这些传播路径生成对应该文案的传播路径树；通过在文案中设置埋点功能，记录用户访问时对应的关键动作，并结合传播路径树，进行关键绩效指标的计算，最后即可根据关键绩效指标是否达到预设指标阈值来确定出关键意见领袖。本发明可自动记录传播路径及其关键动作，极大地减少了人工成本，大大缩短了识别周期，提高了识别效率和识别准确率，且可根据实时记录的数据进行关键意见领袖的识别，时效性高。
附图说明
图1为本发明的一种关键意见领袖的识别方法的流程图；
图2为本发明实施例一的方法流程图；
图3为本发明实施例一中文案的传播路径树的示意图。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图详予说明。
本发明最关键的构思在于：记录文案的传播路径，并通过在文案中设置埋点功能，记录传播路径对应的关键动作，后续通过对传播路径及其关键动作的分析识别得到关键意见领袖。
请参阅图1，一种关键意见领袖的识别方法，包括：
通过媒体账号发布文案的种子链接，所述文案中设有埋点功能，所述种子链接中包括上一个节点参数，种子链接中的上一个节点参数指向预设的根节点；
获取所述文案的传播路径，并当用户触发埋点功能时，将埋点功能对应的动作以及动作时间与所述用户对应的传播路径进行关联，所述传播路径包括上一个节点参数以及当前节点参数；
根据所述文案的传播路径，生成所述文案的传播路径树，所述传播路径树的根节点为所述预设的根节点，其他节点分别对应一个用户的唯一标识；
根据所述媒体账号发布的各文案的传播路径树，分别计算对应各用户的预设的关键绩效指标；
根据所述各用户的关键绩效指标以及预设的指标阈值，识别得到关键意见领袖。
从上述描述可知，本发明的有益效果在于：可自动记录传播路径及其关键动作，极大地减少了人工成本，提高了识别效率和识别准确率。
进一步地，所述通过媒体账号发布文案的种子链接具体为：
将预设的设有埋点功能的文案上传至管理后台，并设置所述文案对应的入口文件；
生成与所述文案一一对应的种子链接，所述种子链接与所述媒体账号关联，所述种子链接中的上一个节点参数指向预设的根节点；
通过媒体账号发布所述文案的种子链接。
由上述描述可知，通过在文案中设置埋点功能，便于后续记录传播路径对应的关键动作。
进一步地，所述埋点功能包括关注和转发；
所述获取所述文案的传播路径，并当用户触发埋点功能时，将埋点功能对应的动作以及动作时间与所述用户对应的传播路径进行关联，所述传播路径包括上一个节点参数以及当前节点参数具体为：
当用户首次访问所述文案的种子链接或专属链接时，根据所述种子链接或专属链接中的上一个节点参数以及所述用户的唯一标识，生成所述文案对应所述用户的传播路径；
当所述用户触发关注的埋点功能时，获取所述用户首次进行关注时的关注时间，并将关注动作以及所述关注时间与所述用户的传播路径进行关联；
当所述用户触发转发的埋点功能时，将所述访问的种子链接或专属链接中的上一个节点参数修改为所述用户的唯一标识，生成所述文案对应所述用户的专属链接，并发布所生成的专属链接；
同时，获取所述用户首次进行转发时的转发时间，并将转发动作以及所述转发时间与所述用户的传播路径进行关联。
由上述描述可知，通过记录传播路径对应的关键动作及其动作时间，可用于后续对用户进行价值分析。
进一步地，所述关键绩效指标包括活跃度；
所述根据所述媒体账号发布的各文案的传播路径树，分别计算对应各用户的预设的关键绩效指标具体为：
获取所述媒体账号发布的文案数量，得到文章数；
分别获取所述各文案的传播路径树中对应所述同一用户的唯一标识的节点，作为第一节点；
统计包含有所述第一节点的传播路径树的数量，得到所述同一用户的阅读数；
统计包含有第一传播路径的传播路径树的数量，得到所述同一用户的转发数，所述第一传播路径为以所述第一节点为子节点且关联有转发动作的传播路径；
根据所述文章数、阅读数、转发数以及预设的第一权重和第二权重，计算得到所述同一用户的活跃度。
进一步地，所述根据所述文章数、阅读数、转发数以及预设的第一权重和第二权重，计算得到所述同一用户的活跃度具体为：
根据第一公式计算所述同一用户的活跃度，所述第一公式为：活跃度＝(阅读数/文章数)×a/(a+b)+(转发数/文章数)×b/(a+b)，其中，a和b分别为预设的第一权重和第二权重。
进一步地，所述关键绩效指标还包括转化周期和转化率；
所述根据所述媒体账号发布的各文案的传播路径树，分别计算对应各用户的预设的关键绩效指标还包括：
在一文案的传播路径树中判断是否存在所述第一传播路径；
若存在，则获取所述第一传播路径关联的转发时间，得到所述同一用户对应所述一文案的转发时间；
在所述一文案的传播路径树中统计第二传播路径的数量，得到所述同一用户对应所述一文案的拉新数，所述第二传播路径为以所述第一节点为父节点且关联有关注动作的传播路径；
根据各第二传播路径关联的关注时间以及所述同一用户对应所述一文案的转发时间，计算得到所述同一用户对应所述一文案的新粉丝转化时长；
获取所述一文案的传播路径树中所述第一节点的子孙节点的数量，得到所述同一用户对应所述一文案的转发阅读数；
根据所述同一用户对应各文案的拉新数，计算得到所述同一用户的总拉新数；
根据所述同一用户对应各文案的新粉丝转化时长，计算得到所述同一用户的总转化时长；
根据所述总转化时长和总拉新数，计算得到所述同一用户的转化周期；
根据所述同一用户对应各文案的转发阅读数，计算得到所述同一用户的总转发阅读数；
根据所述总拉新数和所述总转发阅读数，计算得到所述同一用户的转化率。
由上述描述可知，通过计算活跃度来衡量节点的活跃程度，通过计算转化周期和转化率来衡量节点拉新的转化能力。
进一步地，所述根据所述各用户的关键绩效指标以及预设的指标阈值，识别得到关键意见领袖具体为：
若同一用户的活跃度大于或等于第一活跃度阈值，转化周期小于或等于第一周期阈值，转化率大于或等于第一转化率阈值，则判定所述同一用户为第一级关键意见领袖；
若同一用户的活跃度大于或等于第二活跃度阈值且小于第一活跃度阈值，转化周期大于第一周期阈值且小于或等于第二周期阈值，转化率大于或等于第二转化率阈值且小于第一转化率阈值，则判定所述同一用户为第二级关键意见领袖。
进一步地，所述第一活跃度阈值为0.8，所述第二活跃度阈值为0.6；所述第一周期阈值为2，所述第二周期阈值为3；所述第一转化率阈值为0.05，所述第二转化率阈值为0.03。
本发明还提出一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上所述的步骤。
实施例一
请参照图2-3，本发明的实施例一为：一种关键意见领袖的识别方法，所述方法基于媒体账号，如微信公众号、微博账号等，本实施例以微信公众号为例进行说明，如图2所示，包括如下步骤：
S1：将媒体账号的配置信息加密后保存至管理后台，所述配置信息包括AppID(应用编号)和AppSecret(应用密钥)；优选地，以非对称加密方式进行加密。通过将微信公众号的配置信息保存到管理后台，方便后续微信API调用，以实现获得访问文案的用户的唯一标识、转换长链接为短链接以及生成转发的链接等操作。
S2：将设有埋点功能的文案上传至管理后台，所述埋点功能包括关注和转发(或分享)，还可以包括注册、购买等；优选地，可压缩后进行上传。
所述文案可以页面的形式进行编辑，编辑完文案后，在文案的页面中设置埋点功能，然后上传文案的压缩包到管理后台，同时设置入口文件，入口文件为压缩包中的html文件，一般设置为index.html。
S3：生成与所述文案一一对应的种子链接，即种子URL(统一资源定位符)，该种子URL是与媒体账号绑定的短链接，其中带有上一个节点参数，本实施例中，上一个节点参数可表示为key＝xxxx，“xxxx”即为上一个节点的唯一标识，种子链接中的key的值对应的是预设的根节点，即在后台数据库中映射为根节点。
S4：通过媒体账号发布所述文案的种子链接，即在微信公众号的后台、微信朋友圈或微信群发布该文案的种子URL。
S5：获取所述文案的传播路径，并当用户触发埋点功能时，将埋点功能对应的关键动作以及动作时间与所述用户对应的传播路径进行关联，所述传播路径包括上一个节点参数以及当前节点参数。
具体地，当用户首次访问所述文案的种子链接或专属链接时，根据所述种子链接或专属链接中的上一个节点参数以及所述用户的唯一标识，生成所述文案对应所述用户的传播路径；其中，可以通过调用微信公众号API获得或生成当前用户的唯一标识，进一步地，用户的唯一标识可根据AppID和用户ID生成。进一步地，所述传播路径可与访问动作及其访问时间进行关联。
当所述用户触发关注的埋点功能时，获取所述用户首次进行关注时的关注时间，并将关注动作以及所述关注时间与所述用户的传播路径进行关联。
当所述用户触发转发的埋点功能时，将所述访问的种子链接或专属链接中的上一个节点参数修改为所述用户的唯一标识，生成所述文案对应所述用户的专属链接，并发布所生成的专属链接；同时，获取所述用户首次进行转发时的转发时间，并将转发动作以及所述转发时间与所述用户的传播路径进行关联。
例如，若用户A首次访问的是所述文案的种子链接，则从种子链接中获取根节点作为传播路径中的上一个节点参数，将用户A的唯一标识作为传播路径中的当前节点参数，从而可得到该文案对应用户A的传播路径。
如果用户A关注了该媒体账号(无论是在首次访问时关注还是在之后的访问中关注)，则将关注动作和首次关注的关注时间与用户A的传播路径进行关联。如果用户A转发了该文案，则将转发动作和首次转发的转发时间与用户A的传播路径进行关联。传播路径可同时关联关注动作和转发动作，即如果用户A既关注了该媒体账号也转发了该文案，则用户A的传播路径同时关联了关注动作、关注时间、转发动作和转发时间。
其中，当用户A转发该文案时，管理后台会将访问的文案链接(即该文案的种子链接)中的上一个节点参数修改为用户A的唯一标识，生成该文案对应用户A的专属链接，再通过用户A的账号进行发布。
如果用户B对该文案的首次访问的是访问了用户A转发的该文案，即访问了该文案对应用户A的专属链接，则从用户A的专属链接中获取上一个节点参数，也即用户A的唯一标识，将用户A的唯一标识作为传播路径中的上一个节点参数，将用户B的唯一标识作为传播路径中的当前节点参数，从而可得到该文案对应用户B的传播路径。
同理，如果用户B关注了该媒体账号，则将关注动作和首次关注的关注时间与用户B的传播路径进行关联。如果用户B转发了该文案，则将转发动作和首次转发的转发时间与用户B的传播路径进行关联，同时，将访问的文案链接(即该文案对应用户A的专属链接)中的上一个节点参数从根节点修改为用户B的唯一标识，生成该文案对应用户B的专属链接，再进行发布。
也就是说，对于同一个文案，只记录一次该文案对应同一个用户的传播路径，即只记录用户第一次访问该文案时生成的传播路径，也只记录用户第一次关注的关注时间，即使同一个用户通过种子链接或其他不同用户的专属链接对该文案进行了多次转发，也只记录第一次转发的转发时间，只生成一个对应该用户的专属链接。即使用户不是在首次访问时进行的关注和转发，也将关注动作和转发动作与首次访问时生成的传播路径进行关联。
S6：根据所述文案的传播路径，生成所述文案的传播路径树，所述传播路径树的根节点为所述预设的根节点，即该文案的种子链接中的上一个节点参数的值，其他每个节点分别对应一个用户的唯一标识，即传播路径树可表示为树形结构，将该文案的各传播路径中的上一个节点参数作为父节点，当前节点参数作为子节点。某个文案的传播路径树可如图3所示。
由于在获取传播路径时，每个用户只记录首次访问文案时的传播路径，因此在每个文案的传播路径树上，对应同一个用户的节点至多出现一次。
S7：根据所述媒体账号发布的各文案的传播路径树，分别计算对应各用户的预设的关键绩效指标，所述关键绩效指标KPI包括活跃度、转化周期和转化率，其中，活跃度用于表示节点的活跃程度，通过阅读数和转发数来衡量；转化周期和转换率用于表示节点拉新的转换能力，转化周期通过节点拉新的转化周期来衡量转化能力，转化率是通过节点拉新的占比来衡量转化能力。
具体地，活跃度的计算方法包括如下步骤：
S711：获取所述媒体账号发布的文案数量，即所述媒体账号中待分析的传播路径树的数量，得到文章数；
S712：分别获取所述各文案的传播路径树中对应所述同一用户的唯一标识的节点，作为第一节点；
S713：统计包含所述第一节点的传播路径树的数量，得到所述同一用户的阅读数，即统计所述同一用户访问该媒体账号的文案数量，每篇文案至多计算一次阅读数。
S714：统计包含有第一传播路径的传播路径树的数量，所述第一传播路径为以所述第一节点为子节点且关联有转发动作的传播路径，得到所述同一用户的转发数，即统计所述同一用户转发该媒体账号的文案数量，每篇文案至多计算一次转发数。
S715：根据所述文章数、阅读数、转发数以及预设的第一权重和第二权重，计算得到所述同一用户的活跃度。具体地，根据第一公式计算所述同一用户的活跃度，所述第一公式为：活跃度＝(阅读数/文章数)×a/(a+b)+(转发数/文章数)×b/(a+b)，其中，a和b分别为预设的第一权重和第二权重，优选地，所述a和b均为0.5。
转化周期和转化率的计算方法包括如下步骤：
S721：遍历所述媒体账号的各文案的传播路径树，依次获取一文案的传播路径树。
S722：在所述一文案的传播路径树中判断是否存在第一传播路径，即判断是否存在以所述第一节点为子节点且关联有转发动作的传播路径，若存在，则表示所述同一用户有转发所述一文案，执行步骤S723，若否，则表示所述同一用户没有转发该文案，获取下一文案的传播路径树，即执行步骤S721。
S723：获取所述第一传播路径关联的转发时间，得到所述同一用户对应所述一文案的转发时间；即获取所述同一用户首次转发该文案的转发时间。
S724：在所述一文案的传播路径树中统计第二传播路径的数量，得到所述同一用户对应所述一文案的拉新数，所述第二传播路径为以所述第一节点为父节点且关联有关注动作的传播路径；即统计通过所述同一用户转发的该文案进行了首次访问，并且后续关注了所述媒体账号的新粉丝数量。
S725：根据各第二传播路径关联的关注时间以及所述同一用户对应所述一文案的转发时间，计算得到所述同一用户对应所述一文案的新粉丝转化时长。具体地，分别将每个第二传播路径关联的关注时间减去所述同一用户对应该文案的转发时间，得到各第二传播路径对应的时间差，再把这些时间差相加起来，即可得到所述同一用户对应该文案的新粉丝转化时长。
例如，假设用户A在t1时间首次转发了该文案，用户B通过A的专属链接进行了首次访问，然后在t2时间进行了首次关注，用户C通过A的专属链接进行了首次访问，然后在t3时间进行了首次关注，用户D通过A的专属链接进行了首次访问，然后在t4时间进行了首次关注。此时，则先获取用户A的最早转发时间，即t1，用户A对应该文案的新粉丝转化时长即为(t2-t1)+(t3-t1)+(t4-t1)。
S726：获取所述一文案的传播路径树中所述第一节点的子孙节点的数量，得到所述同一用户对应所述一文案的转发阅读数。
转发阅读数即为所述同一用户转发的文案的阅读数总和(每个用户对每篇文案的阅读数至多计算一次)，包括一级、二级、……、N级传播的阅读数，也就是说，假设所述同一用户转发了一篇文案，除了直接首次访问该转发的文案的用户计入阅读数外，如果这些用户中有用户再次转发了，那么通过二次传播的链接访问的，也计入所述同一用户的阅读数，以此类推。
该步骤执行完后，继续获取下一文案的传播路径树，即执行步骤S721。
S727：根据所述同一用户对应各文案的拉新数，计算得到所述同一用户的总拉新数；即将所述同一用户对应各文案的拉新数相加，即可得到所述同一用户的总拉新数。
S728：根据所述同一用户对应各文案的新粉丝转化时长，计算得到所述同一用户的总转化时长；即将所述同一用户对应各文案的新粉丝转化时长相加，即可得到所述同一用户的总转化时长。
S729：根据所述总转化时长和总拉新数，计算得到所述同一用户的转化周期；具体地，转化周期＝总转化时长/总拉新数。
S730：根据所述同一用户对应各文案的转发阅读数，计算得到所述同一用户的总转发阅读数；即所述同一用户对应各文案的转发阅读数相加，即可得到所述同一用户的总转发阅读数。
S731：根据所述总拉新数和所述总转发阅读数，计算得到所述同一用户的转化率；具体地，转化率＝总拉新数/所述总转发阅读数。
S8：根据所述各用户的关键绩效指标以及预设的指标阈值，识别得到关键意见领袖。
具体地，若同一用户的活跃度大于或等于第一活跃度阈值(优选为0.8)，转化周期小于或等于第一周期阈值(优选为2)，转化率大于或等于第一转化率阈值(优选为0.05)，则判定所述同一用户为第一级关键意见领袖，即种子用户。
若同一用户的活跃度大于或等于第二活跃度阈值(优选为0.6)且小于第一活跃度阈值(优选为0.8)，转化周期大于第一周期阈值(优选为2)且小于或等于第二周期阈值(优选为3)，转化率大于或等于第二转化率阈值(优选为0.03)且小于第一转化率阈值(优选为0.05)，则判定所述同一用户为第二级关键意见领袖，即核心用户。
进一步地，本实施例可定期根据实时记录的传播路径进行关键意见领袖的识别，从而可识别得到各个时段的关键意见领袖。
本实施例只需将微信公众号的配置信息和文案信息保存到管理后台，适量做一些埋点的开发，开发和实施成本低，且可通过管理后台配置关键绩效指标以及预设的指标阈值，拓展性强，维护成本低。每个文案通过设置埋点功能，自动记录传播路径及其关键动作，完全不需要人工的干预，极大地减少了人工成本，同时可实时记录所有文案的跟踪信息，实时更新统计信息，实时根据当前数据进行关键意见领袖的识别，具有非常强的时效性。
实施例二
本实施例为对应上述实施例的一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如下步骤：
通过媒体账号发布文案的种子链接，所述文案中设有埋点功能，所述种子链接中包括上一个节点参数，种子链接中的上一个节点参数指向预设的根节点；
获取所述文案的传播路径，并当用户触发埋点功能时，将埋点功能对应的动作以及动作时间与所述用户对应的传播路径进行关联，所述传播路径包括上一个节点参数以及当前节点参数；
根据所述文案的传播路径，生成所述文案的传播路径树，所述传播路径树的根节点为所述预设的根节点，其他节点分别对应一个用户的唯一标识；
根据所述媒体账号发布的各文案的传播路径树，分别计算对应各用户的预设的关键绩效指标；
根据所述各用户的关键绩效指标以及预设的指标阈值，识别得到关键意见领袖。
进一步地，所述通过媒体账号发布文案的种子链接具体为：
将预设的设有埋点功能的文案上传至管理后台，并设置所述文案对应的入口文件；
生成与所述文案一一对应的种子链接，所述种子链接与所述媒体账号关联，所述种子链接中的上一个节点参数指向预设的根节点；
通过媒体账号发布所述文案的种子链接。
进一步地，所述埋点功能包括关注和转发；
所述获取所述文案的传播路径，并当用户触发埋点功能时，将埋点功能对应的动作以及动作时间与所述用户对应的传播路径进行关联，所述传播路径包括上一个节点参数以及当前节点参数具体为：
当用户首次访问所述文案的种子链接或专属链接时，根据所述种子链接或专属链接中的上一个节点参数以及所述用户的唯一标识，生成所述文案对应所述用户的传播路径；
当所述用户触发关注的埋点功能时，获取所述用户首次进行关注时的关注时间，并将关注动作以及所述关注时间与所述用户的传播路径进行关联；
当所述用户触发转发的埋点功能时，将所述访问的种子链接或专属链接中的上一个节点参数修改为所述用户的唯一标识，生成所述文案对应所述用户的专属链接，并发布所生成的专属链接；
同时，获取所述用户首次进行转发时的转发时间，并将转发动作以及所述转发时间与所述用户的传播路径进行关联。
进一步地，所述关键绩效指标包括活跃度；
所述根据所述媒体账号发布的各文案的传播路径树，分别计算对应各用户的预设的关键绩效指标具体为：
获取所述媒体账号发布的文案数量，得到文章数；
分别获取所述各文案的传播路径树中对应所述同一用户的唯一标识的节点，作为第一节点；
统计包含有所述第一节点的传播路径树的数量，得到所述同一用户的阅读数；
统计包含有第一传播路径的传播路径树的数量，得到所述同一用户的转发数，所述第一传播路径为以所述第一节点为子节点且关联有转发动作的传播路径；
根据所述文章数、阅读数、转发数以及预设的第一权重和第二权重，计算得到所述同一用户的活跃度。
进一步地，所述根据所述文章数、阅读数、转发数以及预设的第一权重和第二权重，计算得到所述同一用户的活跃度具体为：
根据第一公式计算所述同一用户的活跃度，所述第一公式为：活跃度＝(阅读数/文章数)×a/(a+b)+(转发数/文章数)×b/(a+b)，其中，a和b分别为预设的第一权重和第二权重。
进一步地，所述关键绩效指标还包括转化周期和转化率；
所述根据所述媒体账号发布的各文案的传播路径树，分别计算对应各用户的预设的关键绩效指标还包括：
在一文案的传播路径树中判断是否存在所述第一传播路径；
若存在，则获取所述第一传播路径关联的转发时间，得到所述同一用户对应所述一文案的转发时间；
在所述一文案的传播路径树中统计第二传播路径的数量，得到所述同一用户对应所述一文案的拉新数，所述第二传播路径为以所述第一节点为父节点且关联有关注动作的传播路径；
根据各第二传播路径关联的关注时间以及所述同一用户对应所述一文案的转发时间，计算得到所述同一用户对应所述一文案的新粉丝转化时长；
获取所述一文案的传播路径树中所述第一节点的子孙节点的数量，得到所述同一用户对应所述一文案的转发阅读数；
根据所述同一用户对应各文案的拉新数，计算得到所述同一用户的总拉新数；
根据所述同一用户对应各文案的新粉丝转化时长，计算得到所述同一用户的总转化时长；
根据所述总转化时长和总拉新数，计算得到所述同一用户的转化周期；
根据所述同一用户对应各文案的转发阅读数，计算得到所述同一用户的总转发阅读数；
根据所述总拉新数和所述总转发阅读数，计算得到所述同一用户的转化率。
进一步地，所述根据所述各用户的关键绩效指标以及预设的指标阈值，识别得到关键意见领袖具体为：
若同一用户的活跃度大于或等于第一活跃度阈值，转化周期小于或等于第一周期阈值，转化率大于或等于第一转化率阈值，则判定所述同一用户为第一级关键意见领袖；
若同一用户的活跃度大于或等于第二活跃度阈值且小于第一活跃度阈值，转化周期大于第一周期阈值且小于或等于第二周期阈值，转化率大于或等于第二转化率阈值且小于第一转化率阈值，则判定所述同一用户为第二级关键意见领袖。
进一步地，所述第一活跃度阈值为0.8，所述第二活跃度阈值为0.6；所述第一周期阈值为2，所述第二周期阈值为3；所述第一转化率阈值为0.05，所述第二转化率阈值为0.03。
综上所述，本发明提供的一种关键意见领袖的识别方法及计算机可读存储介质，通过记录上一个节点参数和当前节点参数，得到每个用户访问文案时的传播路径，后续可根据这些传播路径生成对应该文案的传播路径树；通过在文案中设置埋点功能，记录用户访问时对应的关键动作，并结合传播路径树，进行关键绩效指标的计算，最后即可根据关键绩效指标是否达到预设指标阈值来确定出关键意见领袖。本发明可自动记录传播路径及其关键动作，极大地减少了人工成本，大大缩短了识别周期，提高了识别效率和识别准确率，且可根据实时记录的数据进行关键意见领袖的识别，时效性高。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (9)

1.一种关键意见领袖的识别方法，其特征在于，包括：
通过媒体账号发布文案的种子链接，所述文案中设有埋点功能，所述种子链接中包括上一个节点参数，种子链接中的上一个节点参数指向预设的根节点；
获取所述文案的传播路径，并当用户触发埋点功能时，将埋点功能对应的动作以及动作时间与所述用户对应的传播路径进行关联，所述传播路径包括上一个节点参数以及当前节点参数；
根据所述文案的传播路径，生成所述文案的传播路径树，所述传播路径树的根节点为所述预设的根节点，其他节点分别对应一个用户的唯一标识；
根据所述媒体账号发布的各文案的传播路径树，分别计算对应各用户的预设的关键绩效指标；
根据所述各用户的关键绩效指标以及预设的指标阈值，识别得到关键意见领袖。
2.根据权利要求1所述的关键意见领袖的识别方法，其特征在于，所述通过媒体账号发布文案的种子链接具体为：
将预设的设有埋点功能的文案上传至管理后台，并设置所述文案对应的入口文件；
生成与所述文案一一对应的种子链接，所述种子链接与所述媒体账号关联，所述种子链接中的上一个节点参数指向预设的根节点；
通过媒体账号发布所述文案的种子链接。
3.根据权利要求1所述的关键意见领袖的识别方法，其特征在于，所述埋点功能包括关注和转发；
所述获取所述文案的传播路径，并当用户触发埋点功能时，将埋点功能对应的动作以及动作时间与所述用户对应的传播路径进行关联，所述传播路径包括上一个节点参数以及当前节点参数具体为：
当用户首次访问所述文案的种子链接或专属链接时，根据所述种子链接或专属链接中的上一个节点参数以及所述用户的唯一标识，生成所述文案对应所述用户的传播路径；
当所述用户触发关注的埋点功能时，获取所述用户首次进行关注时的关注时间，并将关注动作以及所述关注时间与所述用户的传播路径进行关联；
当所述用户触发转发的埋点功能时，将所述访问的种子链接或专属链接中的上一个节点参数修改为所述用户的唯一标识，生成所述文案对应所述用户的专属链接，并发布所生成的专属链接；
同时，获取所述用户首次进行转发时的转发时间，并将转发动作以及所述转发时间与所述用户的传播路径进行关联。
4.根据权利要求3所述的关键意见领袖的识别方法，其特征在于，所述关键绩效指标包括活跃度；
所述根据所述媒体账号发布的各文案的传播路径树，分别计算对应各用户的预设的关键绩效指标具体为：
获取所述媒体账号发布的文案数量，得到文章数；
分别获取所述各文案的传播路径树中对应所述同一用户的唯一标识的节点，作为第一节点；
统计包含有所述第一节点的传播路径树的数量，得到所述同一用户的阅读数；
统计包含有第一传播路径的传播路径树的数量，得到所述同一用户的转发数，所述第一传播路径为以所述第一节点为子节点且关联有转发动作的传播路径；
根据所述文章数、阅读数、转发数以及预设的第一权重和第二权重，计算得到所述同一用户的活跃度。
5.根据权利要求4所述的关键意见领袖的识别方法，其特征在于，所述根据所述文章数、阅读数、转发数以及预设的第一权重和第二权重，计算得到所述同一用户的活跃度具体为：
根据第一公式计算所述同一用户的活跃度，所述第一公式为：活跃度＝(阅读数/文章数)×a/(a+b)+(转发数/文章数)×b/(a+b)，其中，a和b分别为预设的第一权重和第二权重。
6.根据权利要求4所述的关键意见领袖的识别方法，其特征在于，所述关键绩效指标还包括转化周期和转化率；
所述根据所述媒体账号发布的各文案的传播路径树，分别计算对应各用户的预设的关键绩效指标还包括：
在一文案的传播路径树中判断是否存在所述第一传播路径；
若存在，则获取所述第一传播路径关联的转发时间，得到所述同一用户对应所述一文案的转发时间；
在所述一文案的传播路径树中统计第二传播路径的数量，得到所述同一用户对应所述一文案的拉新数，所述第二传播路径为以所述第一节点为父节点且关联有关注动作的传播路径；
根据各第二传播路径关联的关注时间以及所述同一用户对应所述一文案的转发时间，计算得到所述同一用户对应所述一文案的新粉丝转化时长；
获取所述一文案的传播路径树中所述第一节点的子孙节点的数量，得到所述同一用户对应所述一文案的转发阅读数；
根据所述同一用户对应各文案的拉新数，计算得到所述同一用户的总拉新数；
根据所述同一用户对应各文案的新粉丝转化时长，计算得到所述同一用户的总转化时长；
根据所述总转化时长和总拉新数，计算得到所述同一用户的转化周期；
根据所述同一用户对应各文案的转发阅读数，计算得到所述同一用户的总转发阅读数；
根据所述总拉新数和所述总转发阅读数，计算得到所述同一用户的转化率。
7.根据权利要求6所述的关键意见领袖的识别方法，其特征在于，所述根据所述各用户的关键绩效指标以及预设的指标阈值，识别得到关键意见领袖具体为：
若同一用户的活跃度大于或等于第一活跃度阈值，转化周期小于或等于第一周期阈值，转化率大于或等于第一转化率阈值，则判定所述同一用户为第一级关键意见领袖；
若同一用户的活跃度大于或等于第二活跃度阈值且小于第一活跃度阈值，转化周期大于第一周期阈值且小于或等于第二周期阈值，转化率大于或等于第二转化率阈值且小于第一转化率阈值，则判定所述同一用户为第二级关键意见领袖。
8.根据权利要求7所述的关键意见领袖的识别方法，其特征在于，所述第一活跃度阈值为0.8，所述第二活跃度阈值为0.6；所述第一周期阈值为2，所述第二周期阈值为3；所述第一转化率阈值为0.05，所述第二转化率阈值为0.03。
9.一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，所述程序被处理器执行时实现如权利要求1-8任一项所述的步骤。
CN201910306519.5A 2019-04-17 2019-04-17 关键意见领袖的识别方法及计算机可读存储介质 Active CN110110974B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910306519.5A CN110110974B (zh) 2019-04-17 2019-04-17 关键意见领袖的识别方法及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910306519.5A CN110110974B (zh) 2019-04-17 2019-04-17 关键意见领袖的识别方法及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN110110974A true CN110110974A (zh) 2019-08-09
CN110110974B CN110110974B (zh) 2022-03-29

Family

ID=67485609

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910306519.5A Active CN110110974B (zh) 2019-04-17 2019-04-17 关键意见领袖的识别方法及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN110110974B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110704289A (zh) * 2019-09-25 2020-01-17 数熙科技(北京)有限公司 监控kol账户的方法、装置以及存储介质
CN111047413A (zh) * 2019-12-17 2020-04-21 秒针信息技术有限公司 发文内容获取方法、装置、计算机设备和可读存储介质
CN112559845A (zh) * 2020-12-23 2021-03-26 北京清博大数据科技有限公司 一种非典型性媒体账号的身份与动机识别方法及系统
CN113688318A (zh) * 2021-08-25 2021-11-23 上海卫瓴信息科技有限公司 一种私域运营的内容传播链路分析方法及系统

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102262681A (zh) * 2011-08-19 2011-11-30 南京大学 一种博客信息传播中识别关键博客集的方法
CN103150333A (zh) * 2013-01-26 2013-06-12 安徽博约信息科技有限责任公司 微博媒体中的意见领袖识别方法
CN103177382A (zh) * 2013-03-19 2013-06-26 武汉大学 微博平台上的关键传播路径和中心节点的探测方法
CN104866586A (zh) * 2015-05-28 2015-08-26 中国科学院计算技术研究所 用于计算社会媒体中信息传播节点重要性的方法及系统
CN105338124A (zh) * 2014-06-09 2016-02-17 深圳市志友企业发展促进中心 一种资源传播跟踪方法、装置及系统
CN106055627A (zh) * 2016-05-27 2016-10-26 西安电子科技大学 话题领域中社交网络关键节点的识别方法
CN106204297A (zh) * 2016-07-11 2016-12-07 深圳市中北明夷科技有限公司 一种封闭社交传播意见领袖的识别方法及装置
CN106355506A (zh) * 2016-08-15 2017-01-25 中南大学 一种在线社会网络中影响力最大化初始节点选取方法
US20170195402A1 (en) * 2013-03-08 2017-07-06 Dropbox, Inc. Sharing a content item
CN107222381A (zh) * 2016-03-21 2017-09-29 北大方正集团有限公司 微博数据的传播路径确定方法和装置
US20180068406A1 (en) * 2016-09-07 2018-03-08 Ucb Biopharma Sprl Method of generating, storing and mining data related to key opinion leaders in scientific fields and computer system configured for presenting an explorable graphical user interface
CN108183956A (zh) * 2017-12-29 2018-06-19 武汉大学 一种传播网络的关键路径提取方法
CN108268521A (zh) * 2016-12-30 2018-07-10 北京国双科技有限公司 传播路径图的生成方法及装置
CN108647247A (zh) * 2018-04-16 2018-10-12 国家计算机网络与信息安全管理中心 基于改进PageRank算法的微博信息传播关键节点识别方法
CN109345125A (zh) * 2018-10-11 2019-02-15 北京深度制耀科技有限公司 一种确定关键意见领袖的影响力的方法及装置

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102262681A (zh) * 2011-08-19 2011-11-30 南京大学 一种博客信息传播中识别关键博客集的方法
CN103150333A (zh) * 2013-01-26 2013-06-12 安徽博约信息科技有限责任公司 微博媒体中的意见领袖识别方法
US20170195402A1 (en) * 2013-03-08 2017-07-06 Dropbox, Inc. Sharing a content item
CN103177382A (zh) * 2013-03-19 2013-06-26 武汉大学 微博平台上的关键传播路径和中心节点的探测方法
CN105338124A (zh) * 2014-06-09 2016-02-17 深圳市志友企业发展促进中心 一种资源传播跟踪方法、装置及系统
CN104866586A (zh) * 2015-05-28 2015-08-26 中国科学院计算技术研究所 用于计算社会媒体中信息传播节点重要性的方法及系统
CN107222381A (zh) * 2016-03-21 2017-09-29 北大方正集团有限公司 微博数据的传播路径确定方法和装置
CN106055627A (zh) * 2016-05-27 2016-10-26 西安电子科技大学 话题领域中社交网络关键节点的识别方法
CN106204297A (zh) * 2016-07-11 2016-12-07 深圳市中北明夷科技有限公司 一种封闭社交传播意见领袖的识别方法及装置
CN106355506A (zh) * 2016-08-15 2017-01-25 中南大学 一种在线社会网络中影响力最大化初始节点选取方法
US20180068406A1 (en) * 2016-09-07 2018-03-08 Ucb Biopharma Sprl Method of generating, storing and mining data related to key opinion leaders in scientific fields and computer system configured for presenting an explorable graphical user interface
CN108268521A (zh) * 2016-12-30 2018-07-10 北京国双科技有限公司 传播路径图的生成方法及装置
CN108183956A (zh) * 2017-12-29 2018-06-19 武汉大学 一种传播网络的关键路径提取方法
CN108647247A (zh) * 2018-04-16 2018-10-12 国家计算机网络与信息安全管理中心 基于改进PageRank算法的微博信息传播关键节点识别方法
CN109345125A (zh) * 2018-10-11 2019-02-15 北京深度制耀科技有限公司 一种确定关键意见领袖的影响力的方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
秦瑶等: "基于互联网社群的用户裂变增长分析", 《新媒体研究》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110704289A (zh) * 2019-09-25 2020-01-17 数熙科技(北京)有限公司 监控kol账户的方法、装置以及存储介质
CN111047413A (zh) * 2019-12-17 2020-04-21 秒针信息技术有限公司 发文内容获取方法、装置、计算机设备和可读存储介质
CN111047413B (zh) * 2019-12-17 2023-11-07 秒针信息技术有限公司 发文内容获取方法、装置、计算机设备和可读存储介质
CN112559845A (zh) * 2020-12-23 2021-03-26 北京清博大数据科技有限公司 一种非典型性媒体账号的身份与动机识别方法及系统
CN113688318A (zh) * 2021-08-25 2021-11-23 上海卫瓴信息科技有限公司 一种私域运营的内容传播链路分析方法及系统

Also Published As

Publication number Publication date
CN110110974B (zh) 2022-03-29

Similar Documents

Publication Publication Date Title
CN110110974A (zh) 关键意见领袖的识别方法及计算机可读存储介质
CN105447028B (zh) 识别特征账号的方法及装置
Barrat et al. Rate equation approach for correlations in growing network models
CN106339948A (zh) 一种基于社交网络的关联用户的挖掘方法及装置
CN103299705B (zh) 用于无线传感器网络信息群集的方法和系统
CN105335892A (zh) 一种社交网络重要用户发现的实现方法
CN105260232B (zh) 一种实现云计算虚拟机内部资源优化配置的方法及系统
CN107294974A (zh) 识别目标团伙的方法和装置
Günther et al. Hierarchical opacity optimization for sets of 3D line fields
CN107993088A (zh) 一种购买周期预测方法及装置，电子设备
Srivastava et al. Test sequence optimisation: an intelligent approach via cuckoo search
Shakkottai et al. Evolution of the internet as-level ecosystem
CN110245980A (zh) 基于神经网络模型确定目标用户激励形式的方法和设备
CN106709823A (zh) 一种电力用户用电信息采集系统的运行性能评价方法
CN109741177A (zh) 用户信用的评估方法、装置及智能终端
CN107592296A (zh) 垃圾账户的识别方法和装置
CN109635192A (zh) 面向微服务的海量资讯热度排行更新方法及平台
CN103150353A (zh) 微博信息的获取方法及装置
CN108259195A (zh) 异常事件的影响范围的确定方法及系统
CN102880643B (zh) 一种动态信息的筛选显示方法和装置
CN106844426A (zh) 基于随机游走人员亲密度的计算系统及方法
CN105574183A (zh) 一种基于协同过滤推荐算法-K最近邻分类算法的App推荐方法
CN103699546A (zh) 一种生成网吧ip数据库的方法及装置
CN105205723B (zh) 一种基于社交应用的建模方法及装置
CN111046562A (zh) 基于蜂群算法的多目标引导人员疏散仿真方法及仿真系统

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
GR01 Patent grant
GR01 Patent grant