CN110264284A - 新媒体营销属性分析预测方法、装置及系统 - Google Patents

新媒体营销属性分析预测方法、装置及系统 Download PDF

Info

Publication number
CN110264284A
CN110264284A CN201910572349.5A CN201910572349A CN110264284A CN 110264284 A CN110264284 A CN 110264284A CN 201910572349 A CN201910572349 A CN 201910572349A CN 110264284 A CN110264284 A CN 110264284A
Authority
CN
China
Prior art keywords
data
bloger
target
content
marketing
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
Application number
CN201910572349.5A
Other languages
English (en)
Inventor
孔晓晴
苏伟鹏
李百川
劳晓敏
蔡锐涛
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.)
Umi-Tech Co Ltd
Original Assignee
Umi-Tech Co 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 Umi-Tech Co Ltd filed Critical Umi-Tech Co Ltd
Priority to CN201910572349.5A priority Critical patent/CN110264284A/zh
Publication of CN110264284A publication Critical patent/CN110264284A/zh
Pending legal-status Critical Current

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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities

Landscapes

  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种新媒体营销属性分析预测方法、装置及系统，获取各个目标博主的内容数据，确定各个目标博主的类别，以及确定各个目标博主的内容数据计算各自的垂直领域影响力数据、粉丝质量数据、发文内容质量数据和品牌合作力数据，基于算法e＝k1a+k2b+k3c+k4d计算，得到各个目标博主的营销属性数据，基于EMA指数移动平均值算法，利用各个目标博主的垂直领域影响力数据、粉丝质量数据、发文内容质量数据、品牌合作力数据和营销属性数据，预测各个目标博主的垂直领域影响力趋势数据、粉丝质量趋势数据、发文内容质量趋势数据、品牌合作力趋势数据和营销属性趋势数据。基于营销属性数据，得到各个目标博主排名，直观的体现各个目标博主的营销能力。

Description

新媒体营销属性分析预测方法、装置及系统
技术领域
本发明属于能力测评技术领域，具体为涉及一种新媒体营销属性分析预测方法、装置及系统。
背景技术
评估一个人各方面的能力可以在线下进行实际考察和评估，但是随着社会的发展，网络带给人们许多便利，人们可以在线上也能凸显自身的能力，例如：在一些社交平台上人们可以营销和推广自己的产品，而这些社交平台上的人们称之为博主。如果想要知道博主在社交平台上的营销能力怎么样，可以通过该博主所属的社交平台上拥有的粉丝的数量作为营销能力的评估标准，也就是说粉丝的数量越多，相应的营销能力就越高。
但是，只是通过粉丝的数量去评估博主的营销能力，以粉丝的数量作为唯一的评估标准，不能真实、全面的的评价该博主的营销能力。
发明内容
有鉴于此，本发明的目的在于提供一种新媒体营销属性分析预测方法、装置及系统，用于真实、全面的的评价社交平台上博主的营销能力。技术方案如下：
本发明实施例公开了一种新媒体营销属性分析预测方法，所述方法包括：
获取第一预设时间段内与各个目标博主相关的内容数据；
确定各个所述目标博主的类别，并基于各个所述目标博主的类别和内容数据计算各自的影响营销数据，所述影响营销数据至少包括垂直领域影响力数据、粉丝质量数据、发文内容质量数据和品牌合作力数据；
基于算法e＝k1a+k2b+k3c+k4d计算，得到各个所述目标博主的营销属性数据，其中，e为所述营销属性数据，a为所述垂直领域影响力数据，k1为所述垂直领域影响力数据的第一预设权重，b为所述粉丝质量数据，k2为所述粉丝质量数据的第二预设权重，c为发文内容质量数据，k3为所述发文内容质量数据的第三预设权重，d为所述品牌合作力数据，k4为所述品牌合作力数据的第四预设权重；
基于EMA指数移动平均值算法，利用各个所述目标博主的所述影响营销数据和所述营销属性数据，预测第二预设时间段内各个所述目标博主的垂直领域影响力趋势数据、粉丝质量趋势数据、发文内容质量趋势数据、品牌合作力趋势数据和营销属性趋势数据。
可选的，所述得到各个所述目标博主的营销属性数据之后，还包括：
基于各个所述目标博主的营销属性数据由大至小进行排序，得到各个所述目标博主在总榜单上的排名；
和/或，
获取各个所述目标博主类别；
针对每一类别的目标博主，确定同一类别下的目标博主的所述营销属性数据进行排序，得到每一个类别下各个所述目标博主在分类榜单上的排名。
可选的，所述获取第一预设时间段内与各个目标博主相关的内容数据，包括：
基于指定品牌的营销内容和/或广告内容的关键字，在社交平台中查找发布包含所述关键字内容且具有预设影响力范围的博主，所述影响力范围指所述博主的粉丝数达到预设粉丝数；
将查找到的博主作为目标博主，获得包含各个所述目标博主的身份id列表；
基于各个所述目标博主的身份id列表，获取第一预设时间段内各个所述目标博主的内容数据。
可选的，所述计算各个所述目标博主各自的垂直领域影响力数据，包括：
基于互动数据算法f1＝g1*log(h1)+g2*log(i1)+g3*log(j1)计算，得到第三预设时间段内的各个所述目标博主发布的营销内容和/或广告内容的转发和/或播放数据f1，其中，h1为第三预设时间段内日均转发和/或播放数量，g1为第三预设时间段内日均数据权重，i1为第三预设时间段内篇均转发和/或播放数量，g2为篇均数据权重，j1为第三预设时间段内最大转发和/或播放数量，g3为最大数据权重，所述第三预设时间段的长度小于所述第一预设时间段；
基于互动数据算法f2＝g1*log(h2)+g2*log(i2)+g3*log(j2)计算，得到各个所述目标博主发布的所述营销内容和/或广告内容的点赞数据，其中，f2为所述点赞数据，h2为第三预设时间段内日均点赞数量，g1为第三预设时间段内日均数据权重，i2为第三预设时间段内篇均点赞数量，g2为篇均数据权重，j2为第三预设时间段内最大点赞数量，g3为最大数据权重；
基于互动数据算法f3＝g1*log(h3)+g2*log(i3)+g3*log(j3)计算，得到各个所述目标博主发布的所述营销内容和/或广告内容的评论数据，其中，f3为第三预设时间段内所述评论数据，h3为第三预设时间段内日均评论数量，g1为日均数据权重，i3为第三预设时间段内篇均评论数量，g2为篇均数据权重，j3为第三预设时间段内最大评论数量，g3为最大数据权重；
基于算法l＝p1*log(n)计算，得到粉丝数据，其中，1为所述粉丝数据，n为粉丝数量，p1为粉丝数据权重；
基于算法m＝(f1+f2+f3)^2*10计算，得到影响力数据，其中，m为所述影响力数据；
根据所述影响力数据，计算同一个类别中各个所述目标博主在分类榜单中的影响力排名数据；
基于垂直领域影响力算法q＝r-(s/t)计算，得到各个所述目标博主的所述垂直领域影响力数据，所述垂直领域影响力算法用于指示目标博主在同一类别中的影响力程度，其中r为自然数1，s为各个所述目标博主在分类榜单中的影响力排名数据，t为所述分类榜单中所有目标博主的数量。
可选的，所述计算各个所述目标博主各自的粉丝质量数据，包括：
确定各个所述目标博主的真实粉丝数量、忠诚粉丝数量和活跃粉丝数量；
针对各个所述目标博主，基于算法u＝v1*(w/x)+v2*(y/x)+v3*(z/x)计算，得到各个所述目标博主的粉丝质量数据u，其中，w为所述目标博主的忠诚粉丝数量，x为所述目标博主的总粉丝数量，v1为第五预设权重，y为所述目标博主的活跃粉丝数量，v2为第六预设权重，z为真实粉丝数量，v3为第七预设权重。
可选的，所述计算各个所述目标博主各自的发文内容质量数据，包括：
获取各个所述目标博主的原创内容占比数据，所述原创内容占比数据为各个所述目标博主的原创内容数量与内容总数量的比值；
针对各个所述目标博主，基于算法A＝B1*(C-D/E)+B2*(C-G/E)+B3*(C-I/E)计算，得到各个所述目标博主的内容影响力数据A，其中，B1为第八预设权重，C为自然数1，D为所述目标博主在所在分组中转发数量排名数据，E为所述目标博主所在分组中所有目标博主的数量；B2为第九预设权重，G为所述目标博主在所在分组中评论数量排名数据；B3为第十预设权重，I为所述目标博主在所在分组中点赞数量排名数据；
基于算法J＝Q1*L+Q2*M计算，得到所述发文内容质量数据J，其中，L为所述原创内容占比数据，Q1为所述原创内容占比数据的预设权重，M为所述内容影响力数据，Q2为所述内容影响力数据的预设权重。
可选的，所述计算各个所述目标博主各自的品牌合作力数据，包括：
获得各个所述目标博主的营销内容舆情数据，所述营销内容舆情数据为平均每条营销内容的正面评论数据与负面评论数据的比值；
获得各个所述目标博主的广告数量占比，所述广告数量占比为各个所述目标博主发布过的广告内容数量与总内容数量的比值；
获得各个所述目标博主的广告复投率数据，所述广告复投率数据为各个所述目标博主重复发布过的品牌数量与发布过的所有品牌数量的比值；
基于算法Z＝(∑(H*F))/Y计算，获得各个所述目标博主的合作品牌等级数据，其中，Z为所述合作品牌等级数据，H为品牌等级权重，F为所述目标博主的等级品牌数量，Y为所述第一预设时间段内所述目标博主的品牌数量，其中所述品牌数量为所述等级品牌数量之和；
基于P＝R1*S+R2*T+R3*U+R4*W计算，得到品牌合作力数据，其中，P为所述品牌合作力数据，S为营销内容舆情数据，R1为所述营销内容舆情数据的预设权重；T为广告数量占比，R2为所述广告数量占比的预设权重；U为所述广告复投率数据，R3为所述广告复投率数据的预设权重；W为合作品牌等级数据，R4为所述合作品牌等级数据的预设权重。
本发明实施例公开了一种新媒体营销属性分析预测装置，所述装置包括：
第一获取模块，用于获取各个目标博主的内容数据；
确定模块，用于确定各个所述目标博主的类别，以及确定各个所述目标博主的内容数据计算各自的垂直领域影响力数据、粉丝质量数据、发文内容质量数据和品牌合作力数据；
计算模块，用于基于算法e＝k1a+k2b+k3c+k4d计算，得到各个所述目标博主的营销属性数据；
预测模块，用于基于EMA指数移动平均值算法，利用各个所述目标博主的垂直领域影响力数据、粉丝质量数据、发文内容质量数据、品牌合作力数据和营销属性数据，预测各个所述目标博主的垂直领域影响力趋势数据、粉丝质量趋势数据、发文内容质量趋势数据、品牌合作力趋势数据和营销属性趋势数据。
本发明实施例公开了一种新媒体营销属性分析预测系统，所述系统包括权利要求8所述的装置，所述装置用于执行如权利要求1-7中任一所述的新媒体营销属性分析预测方法。
本发明实施例公开了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行如权利要求1-7中任一所述的新媒体营销属性分析预测方法。
与现有技术相比，本发明提供的上述技术方案具有如下优点：
获取各个目标博主的内容数据，确定各个目标博主的类别，以及确定各个目标博主的内容数据计算各自的垂直领域影响力数据、粉丝质量数据、发文内容质量数据和品牌合作力数据，基于算法e＝k1a+k2b+k3c+k4d计算，得到各个目标博主的营销数据，基于EMA指数移动平均值算法，利用各个目标博主的垂直领域影响力数据、粉丝质量数据、发文内容质量数据、品牌合作力数据和营销数据，预测各个目标博主的垂直领域影响力趋势数据、粉丝质量趋势数据、发文内容质量趋势数据、品牌合作力趋势数据和营销趋势数据。基于营销数据，得到各个目标博主排名，直观的体现各个目标博主的营销能力，基于EMA指数移动平均值算法，间接的了解未来时间段各个目标博主的营销能力。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种新媒体营销属性分析预测方法的流程图；
图2是本发明实施例提供的另一种新媒体营销属性分析预测方法的流程图；
图3是本发明实施例提供的一种获取各个目标博主内容数据的流程图；
图4是本发明实施例提供的一种计算各个目标博主各自的垂直领域影响力数据的流程图；
图5是本发明实施例提供的一种计算各个目标博主各自的粉丝质量数据的流程图；
图6是本发明实施例提供的一种计算各个目标博主各自的发文内容质量数据的流程图；
图7是本发明实施例提供的一种计算各个目标博主各自的品牌合作力数据的流程图；
图8是本发明实施例提供的一种新媒体营销属性分析预测装置的结构示意图。
具体实施方式
本发明提供了一种新媒体营销属性分析预测方法、装置及系统，通过获得各个目标博主的营销数据，根据营销数据给各个目标博主进行排名，直观的体现各个目标博主在社交平台上的营销能力。
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，为本发明实施例提供的一种新媒体营销属性分析预测方法的流程图，该方法包括以下步骤：
S101：获取第一预设时间段内与各个目标博主相关的内容数据。
在执行S101的过程中，获取第一预设时间段内与各个目标博主相关的内容数据。其中，目标博主指的是在社交平台上该博主的粉丝数达到一定的数量，例如：在微博的粉丝数超过10000人的博主才属于kol(目标博主)，在抖音短视频上粉丝数超过10000人的博主才属于kol。社交平台可以包括但不限于包括：新浪微博、抖音APP、微信和快手APP等。营销内容或者是广告内容指的是目标博主通过文字和视频在社交平台上将产品营销出去的内容，例如：在新浪微博上注册的用户，利用是新浪微博用户的身份，在新浪微博上营销飞科剃须刀，用户编辑一段文字和添加一段视频在新浪微博上发布出去，这样就能达到营销产品的目的，而编辑文字和添加视频则是营销内容和广告内容。
第一预设时间段指在一定的时间段内获取各个目标博主的相关内容数据。通常情况下为了更精准的对新媒体营销属性进行分析，第一预设时间段为6个月。
与各个目标博主相关的内容数据是指各个目标博主所有内容的基本互动数据，例如：在新浪微博上营销的飞科剃须刀，当别的新浪微博博主看到营销内容会进行转发和播放视频，包括对营销内容的点赞、评论等。
需要说明的是，发布指定品牌的营销内容的博主，且该博主的粉丝数量达到一定数量才能够被认为是具有营销属性的目标博主。
根据不同平台的流量，对于粉丝数量具有不同的要求。例如针对B站平台，粉丝数量需要大于1000人数时才为具有营销属性的目标博主，若博主发布的所有营销内容都不含有指定品牌，且粉丝数量达不到1000人数，则不是具有营销属性的目标博主。针对新浪平台，粉丝数量需要大于一万或者十万时才能够被认为是具有营销属性的目标博主。
需要说明的是，针对上述确定目标博主的条件，本发明实施例并不仅限于此，也可以根据业务需求变更或者结合其他条件确定目标博主。
S102：确定各个目标博主的类别，并基于各个目标博主的类别和内容数据计算各自的影响营销数据，影响营销数据至少包括垂直领域影响力数据、粉丝质量数据、发文内容质量数据和品牌合作力数据。
在执行S102的过程中，确定各个目标博主的类别，各个目标博主的类别指的是每个目标博主发布的营销内容和广告内容不一样，所以需要确定各个目标博主的类别，例如：目标博主1为明星类博主，目标博主2为旅游类博主，目标博主3为生活类博主。
在确定各个目标博主的类别后，基于各个目标博主的类别和内容数据计算各个目标博主的垂直领域影响力数据、粉丝质量数据、发文内容质量数据和品牌合作力数据。
其中，垂直领域影响力数据指各个目标博主在同一类别中的所有目标博主的影响力排名数据。
粉丝质量数据指根据确定各个目标博主的真实粉丝数目、活跃粉丝数目和忠诚粉丝数目，从而计算得到粉丝质量数据。根据粉丝质量数据可以直观看出各个目标博主的粉丝的质量程度。
发文内容质量数据指各个目标博主发布的营销内容或广告内容能够对粉丝有足够的吸引力和感染力使得目标博主在营销的过程中更加的轻松。
品牌合作力数据指各个目标博主对指定合作的品牌营销的情况，例如：在发布的所有营销内容中飞科剃须刀是该目标博主发布营销内容最多，也是营销的最好的。
需要说明的是，除了上述垂直领域影响力数据、粉丝质量数据、发文内容质量数据和品牌合作力数据外，还可以包括别的数据用来综合体现各个目标博主的营销能力。
S103：基于公式(1)计算，得到各个目标博主的营销属性数据。
在执行S103的过程中，对于获得的各个目标博主的营销属性数据，可以基于公式(1)进行计算。
e＝k1a+k2b+k3c+k4d (1)
其中，e为各个目标博主的营销属性数据，a为垂直领域影响力数据，k1为垂直领域影响力数据的第一预设权重，b为粉丝质量数据，k2为粉丝质量数据的第二预设权重，c为发文内容质量数据，k3为发文质量数据的第三预设权重，d为品牌合作力数据，k4为品牌合作力数据的第四预设权重。
其中，第一预设权重、第二预设权重、第三预设权重和第四预设权重可以相同也可以不同，根据实际情况进行赋值。
需要说明的是，预设权重之和等于1。
S104：基于EMA指数移动平均值算法，利用各个目标博主的影响营销数据和营销属性数据，预测第二预设时间段内各个目标博主的垂直领域影响力趋势数据、粉丝质量趋势数据、发文内容质量趋势数据、品牌合作力趋势数据和营销属性趋势数据。
在S104中，EMA(Exponential Moving Average，指数移动平均值)也叫EXPMA指标，它是一种趋向类指标，指数移动平均值是以指数式递减加权的移动平均。在执行S104的过程中，利用各个目标博主最近六个月中每个月的垂直领域影响力数据、粉丝质量数据、发文内容质量数据、品牌合作力数据和营销属性数据，然后基于EMA指数移动平均值算法，推算出各个目标博主从本次计算开始的未来四个月(第二预设时间段内)中每个月的垂直领域影响力趋势数据、粉丝质量趋势数据、发文内容质量趋势数据、品牌合作力趋势数据和营销属性趋势数据，从而可以根据历史数据预先得知未来一段时间各个目标博主的营销情况，从而直观明了的知道未来一段时间各个目标博主的营销能力情况。
需要说明的是，除了使用EMA指数移动平均值算法，还可根据实际需要使用MA(Moving avarage，移动平均线指标)算法进行计算。
另一方面，第二预设时间段的时长小于第一预设时间段的时长。
从上述技术方案可知，确定各个目标博主的类别以及基于内容数据从而计算各个目标博主的垂直领域影响力数据、粉丝质量数据、发文内容质量数据和品牌合作力数据，根据垂直领域影响力数据、粉丝质量数据、发文内容质量数据和品牌合作力数据结合算法e＝k1a+k2b+k3c+k4d计算各个目标博主的营销属性数据，基于各个目标博主的营销属性数据，确定各个目标博主的排名，根据各个目标博主的排名直观的了解各个目标博主的营销能力，基于EMA指数移动平均值算法，计算出未来时间段各个目标博主的各类数据趋势，间接的了解未来时间段各个目标博主的营销能力。
基于上述实施例，如图2所示，为本发明实施例提供的另一种新媒体营销属性分析预测方法的流程图，该方法包括以下步骤：
S201：获取第一预设时间段内与各个目标博主相关的内容数据。
S202：确定各个目标博主的类别，并基于各个目标博主的类别和内容数据计算各自的影响营销数据。
S203：基于公式(1)计算，得到各个目标博主的营销属性数据。
上述S201、S202和S203的执行原理与图1示出的S101、S102和S103一致，这里不再进行赘述。
S204：基于各个目标博主的营销属性数据由大至小进行排序，得到各个目标博主在总榜单上的排名。
在执行S204的过程中，对各个目标博主的营销属性数据由大到小进行排序，得到各个目标博主在总榜单上的排名，由于各个目标博主的营销属性数据不同，可以将营销属性数据由大到小进行排序，营销属性数据越大各个目标博主的在总榜单上排名就越靠前，各个目标博主的营销能力也就越强，例如：目标博主甲的营销属性数据为2、目标博主乙的营销属性数据为1和目标博主丙的营销属性数据为3，基于由大到小的排序，目标博主丙的排名为第一位，甲排名第二位，乙排名第三位，所以目标博主丙的营销能力最强，依次为目标博主甲，目标博主乙的营销能力最弱。
除了得到各个目标博主在总榜单上的排名外，还可通过获取各个目标博主的类别，针对每一类别的目标博主，确定同一类别下的目标博主的营销属性数据进行排序，得到每一个类别下各个目标博主在分类榜单上的排名，各个目标博主在分类榜单上的排名和总榜单上的排名计算方式相同，不同的是限定各个目标博主在同一类别下的排名。
需要说明的是，若存在目标博主营销属性数据相同的情况，可以并列排名。
也就是说，在本发明实施例中，在确定各博主类别的情况下，可以同时存在，执行步骤S204，基于各个目标博主的营销属性数据由大至小进行排序，得到各个目标博主在总榜单上的排名之后，获取各个目标博主类别，针对每一类别的目标博主，确定同一类别下的目标博主的营销属性数据进行排序，得到每一个类别下各个目标博主在分类榜单上的排名。
也可以，在执行步骤S204时，仅基于各个目标博主的营销属性数据由大至小进行排序，得到各个目标博主在总榜单上的排名，或者获取各个目标博主类别，针对每一类别的目标博主，确定同一类别下的目标博主的营销属性数据进行排序，得到每一个类别下各个目标博主在分类榜单上的排名。
S205：基于EMA指数移动平均值算法，利用各个目标博主的影响营销数据和营销属性数据，预测第二预设时间段内各个目标博主的垂直领域影响力趋势数据、粉丝质量趋势数据、发文内容质量趋势数据、品牌合作力趋势数据和营销属性趋势数据。
上述S205的执行原理与图1示出的S104一致，这里不再进行赘述。
从上述技术方案可知，基于对各个目标博主的营销属性数据进行排序，得到各个目标博主在总榜单上的排名以及在同一类别中各个目标博主在分类榜单上的排名，根据排名可以直观的看出各个目标博主的营销能力。
基于上述实施例，如图3所示，为本发明实施例提供的一种获取各个目标博主内容数据的流程图，可以包括以下步骤：
S301：基于指定品牌的营销内容和/或广告内容的关键字，在社交平台中查找发布包含关键字内容且具有预设影响力范围的博主。
在执行S301的过程中，在社交平台中通过关键字查找发布包含关键字内容的博主，还必须满足该博主的粉丝数量达到10000人以上(预设影响力范围)。可以整理目标博主所属类别的N个知名品牌，将N个知名品牌作为指定品牌，可将这些指定品牌作为关键字，需要说明的是，指定品牌中还能将该品牌下的所有子品牌作为关键字。例如：大众汽车作为主品牌旗下有子品牌柯斯达，对于在社交平台上查找发布包含关键字内容的博主，除了发布包含以大众汽车作为关键字内容的博主，还有以子品牌柯斯达作为关键字内容的博主，且粉丝数超过一定数量的博主才符合将要查找的目标博主。
需要说明的是，也可通过主品牌+子品牌作为查找条件，筛选出粉丝数量达到一定数量的目标博主。
S302：将查找到的博主作为目标博主，得到包含各个目标博主的身份id列表。
在执行S302的过程中，将在社交平台上查找发布包含关键字内容的博主作为目标博主，然后得到包含各个目标博主的身份id列表。其中，身份id列表为社交平台上分配的用户id。例如：注册抖音APP的用户都会有一个id，该id为用户在抖音平台上的身份标识。
需要说明的是，该身份id列表是唯一的。
S303：基于各个目标博主的身份id列表，获取第一预设时间段内与各个目标博主相关的内容数据。
在执行S303的过程中，可以根据各个目标博主的身份id列表，得到第一预设时间段内与各个目标博主相关的内容数据，其中，该内容数据是从获取数据时间开始的过去半年的所有内容数据。需要说明的是，各个目标博主的身份id列表是一个链接，点击身份id列表，就会显示各个目标博主的内容数据。
需要说明的是，可以根据时间筛选各个目标博主的内容数据，例如：可以筛选最近半年的内容数据。例如从计算时间往前推的过去6个月的时间，例如目标计算时间为2019年3月31日，则2019年3月1如开始获取数据，知道3月31日，获取目标博主的从2018年10月1如到3月31目的内容数据。
从上述技术方案可知，通过在社交平台中查找发布包含关键字内容的博主且具有预设影响力范围的博主作为目标博主，再根据各个目标博主的身份id列表，获得第一预设时间段内与各个目标博主相关的内容数据，以便于基于这些内容数据，计算各个目标博主的垂直领域影响力数据、粉丝质量数据、发文内容质量数据和品牌合作力数据。
基于上述实施例，如图4所示，为本发明实施例提供的一种计算各个目标博主各自的垂直领域影响力数据的流程图，可以包括以下步骤：
S401：基于互动数据算法公式(2)计算，得到第三预设时间段内的各个目标博主发布的营销内容和/或广告内容的转发和/或播放数据。
在执行S401的过程中，对于获得第三预设时间段内各个目标博主发布的营销内容和/或广告内容的转发和/或播放数据，可以基于公式(2)进行计算。
f1＝g1*log(h1)+g2*log(i1)+g3*log(j1) (2)
其中，f1为转发和/或播放数据，h1为第三预设时间段内日均转发和/或播放数量，g1为第三预设时间段内日均数据权重，i1为第三预设时间段内篇均转发和/或播放数量，g2为篇均数据权重，j1为第三预设时间段内最大转发和/或播放数量，g3为最大数据权重。
需要说明的是，日均转发和/或播放数量、篇均转发和/或播放数量和最大转发和/或播放数量从内容数据中获得，且日均转发和/或播放数量、篇均转发和/或播放数量和最大转发和/或播放数量等数据是在本次计算垂直领域影响力数据过去一个月(第三预设时间段内)的数据，例如：本次计算垂直领域影响力的时间为2019年4月1日，则参与计算的日均转发和/或播放数量、篇均转发和/或播放数量和最大转发和/或播放数量的数据是2019年3月1到3月31目的数据。
需要说明的是，第三预设时间段的时长小于第二预设时间段。
S402：基于互动数据算法公式(3)计算，得到各个目标博主发布的营销内容和/或广告内容的点赞数据。
在执行S402的过程中，对于获得各个目标博主发布的所述营销内容和/或广告内容的点赞数据，可以基于公式(3)进行计算。
f2＝g1*log(h2)+g2*log(i2)+g3*log(j2) (3)
其中，f2为点赞数据，h2为第三预设时间段内日均点赞数量，g1为第三预设时间段内日均数据权重，i2为第三预设时间段内篇均点赞数量，g2为篇均数据权重，j2为第三预设时间段内最大点赞数量，g3为最大数据权重。
需要说明的是，日均点赞数量、篇均点赞数量和最大点赞数量从内容数据中获得。
S403：基于互动数据算法公式(4)计算，得到各个目标博主的所述营销内容和/或广告内容的评论数据。
在执行S403的过程中，对于获得各个目标博主的营销内容和/或广告内容的评论数据，可以基于公式(4)进行计算。
f3＝g1*log(h3)+g2*log(i3)+g3*log(j3) (4)
其中，f3为评论数据，h3为第三预设时间段内日均评论数量，g1为第三预设时间段内日均数据权重，i3为第三预设时间段内篇均评论数量，g2为篇均数据权重，j3为第三预设时间段内最大评论数量，g3为最大数据权重。
需要说明的是，日均评论数量、篇均评论数量和最大评论数量从内容数据中获得。
S404：基于公式(5)计算，得到粉丝数据。
在执行S404的过程中，对于得到的粉丝数据，可以基于公式(5)进行计算。
l＝p1*log(n) (5)
其中，l为粉丝数据，n为粉丝数量，p1为粉丝数据权重。
需要说明的是，在本实施例中粉丝数据可以为粉丝分数。
S405：基于公式(6)计算，得到影响力数据。
在执行S405的过程中，对于得到的影响力数据，可以基于公式(6)进行计算。
m＝(f1+f2+f3)^2*10 (6)
其中m为影响力数据。
需要说明的是，计算影响力数据是基于转发和/或播放数据、点赞数据和评论数据获得的。
S406：根据影响力数据，计算同一个类别中各个目标博主在分类榜单中的影响力排名数据。
在执行S406的过程中，还要计算在同一个类别中各个目标博主在分类榜单中的影响力排名数据。
需要说明的是，影响力排名数据是基于影响力数据获得的。
S407：基于公式(7)垂直领域影响力算法计算，得到各个目标博主的垂直领域影响力数据。
在执行S407的过程中，对于得到的各个目标博主的垂直领域影响力数据，可以基于公式(7)进行计算。
q＝r-(s/t) (7)
其中，垂直领域影响力算法用于指示目标博主在同一类别中的影响力程度，r为自然数1，s为各个目标博主在分类榜单中的影响力排名数据，t为分类榜单中所有目标博主的数量。
需要说明的是，获得的垂直领域影响力数据，能够展现出在同一类别中，各个目标博主的影响力程度。
从上述技术方案可知，基于转发和/或播放数据、点赞数据、评论数据和粉丝数据，获得垂直领域影响力数据为进一步获得营销属性数据提供了保证。
基于上述实施例，如图5所示，为本发明实施例提供的一种计算各个目标博主各自的粉丝质量数据的流程图，可以包括以下步骤：
S501：确定各个目标博主的真实粉丝数量、忠诚粉丝数量和活跃粉丝数量。
在执行S501的过程中，真实粉丝数量为关注各个目标博主的粉丝中，实真实非水军的粉丝数量；忠诚粉丝数量为与各个目标博主有互动的粉丝，只有对各个目标博主有强烈认同和反对的粉丝才会进行一定成本的互动，因此进行一定成本互动的粉丝可以定位为各个目标博主的忠诚粉丝；活跃粉丝为阅读、观看过各个目标博主的发布的内容的粉丝，而且阅读、观看需要达到一定指标才能定位为各个目标博主的活跃粉丝。
需要说明的是，真实粉丝的判断条件为：粉丝的用户等级大于平均水军用户等级；粉丝在社交平台上的注册时间大于平均水军用户的注册时间；粉丝的关注数/粉丝数大于平均水军用户的关注数/粉丝数，满足以上三个条件则为真实粉丝。
其中，平均水军用户等级、平均水军用户的注册时间和平均水军用户的关注数/粉丝数的获取方法为：获取该社交平台上的样本用户，人工标注出水军用户，计算水军用户的平均水军用户等级、水军用户的平均水军用户注册时间和水军用户的平均水军用户的关注数/粉丝数，需要说明的是，平均水军用户等级、平均水军用户的注册时间和平均水军用户的关注数/粉丝数每3个月更新一次。结合真实粉丝判断的条件，计算各个目标博主的真实粉丝数量。
活跃粉丝数量等于各个目标博主发布所有内容被阅读的平均内容阅读数/观看数，需要说明的是，该平均内容阅读数为最近一个的平均内容阅读数/观看数。
忠诚粉丝数量等于互动数据，互动数据包括但不限于点赞、评论和转发等，该互动数据取目标博主的过去一个月的所有内容的平均互动量总数，即每一条营销内容的互动数据之和的平均值。
S502：针对各个目标博主，基于公式(8)计算，得到各个目标博主的粉丝质量数据。
在执行S502的过程中，对于得到的各个目标博主的粉丝质量分数，可以基于公式(8)进行计算。
u＝v1*(w/x)+v2*(y/x)+v3*(z/x) (8)
其中，u为粉丝质量数据，w为目标博主的忠诚粉丝数量，x为目标博主的总粉丝数量，其中，该总粉丝数量是在本次计算时当前的目标博主的粉丝数量，v1为第五预设权重，y为目标博主的活跃粉丝数量，x为目标博主的总粉丝数量，v2为第六预设权重，z为真实粉丝数量，x为目标博主的总粉丝数量，v3为第七预设权重。
需要说明的是，第五预设权重、第六预设权重和第七预设权重的和等于自然数1。
从上述技术方案可知，基于真实粉丝数量、活跃粉丝数量和忠诚粉丝数量，获得粉丝质量数据为进一步获得营销属性数据提供了保证。
基于上述实施例，如图6所示，为本发明实施例提供的一种计算各个目标博主各自的发文内容质量数据的流程图，可以包括以下步骤：
S601：获取各个目标博主的原创内容占比数据。
在执行S601的过程中，原创内容占比数据为各个目标博主最近一个月的原创内容数量与内容总数量的比值，其中，原创内容数量为各个目标博主自己写出来的内容数量，而不是通过转发或复制别的内容，内容总数量为各个目标博主发布的所有内容数量，例如：目标博主总共发布了6篇内容，其中2篇为该目标博主写的，那么原创内容占比数据为1/3。
需要说明的是，可以根据需要在某一段时间中，获取该时间段原创内容数量和内容总数量，从而得到该时间段的原创内容占比数据。
S602：针对各个目标博主，基于公式(9)计算，得到各个目标博主的内容影响力数据。
在执行S602的过程中，对于得到的各个目标博主的内容影响力数据，可以基于公式(9)进行计算。
A＝B1*(C-D/E)+B2*(C-G/E)+B3*(C-I/E) (9)
其中，A为各个目标博主的内容影响力数据，B1为第八预设权重，C为自然数1，D为目标博主在所在分组中转发数量排名数据，其中，该转发数量排名数据指的是目标博主在所在分组中每条博文的转发数的平均值的排名数据，即每个目标博主在所在的分组中可能有一条或多条博文，计算这些博文的转发数的平均值，然后对每个博主的博文转发数的平均值进行排序，从而得出对应目标博主在该组中的排名数据，平均值越大，对应目标博主的排名越高；E为目标博主所在分组中所有目标博主的数量；B2为第九预设权重，G为目标博主在所在分组中评论数量排名数据，其中，该评论数量排名数据指的是目标博主在所在分组中每条博文的评论数的平均值的排名数据，即每个目标博主在所在的分组中可能有一条或多条博文，计算这些博文的评论数的平均值，然后对每个博主的博文评论数的平均值进行排序，从而得出对应目标博主在该组中的排名数据，平均值越大，对应目标博主的排名越高；B3为第十预设权重，I为目标博主在所在分组中点赞数量排名数据，其中，该点赞数量排名数据指的是目标博主在所在分组中每条博文的点赞数的平均值的排名数据，即每个目标博主在所在的分组中可能有一条或多条博文，计算这些博文的点赞数的平均值，然后对每个博主的博文点赞数的平均值进行排序，从而得出对应目标博主在该组中的排名数据，平均值越大，对应目标博主的排名越高。其中，各个目标博主所在分组包括同一个类别中不同粉丝数量等级。例如：粉丝数量等级可以为1万-100万、100万-500万和500万-1000万三个等级，可以根据实际情况进行对粉丝数量分等级。
需要说明的是，第八预设权重、第九预设权重和第十预设权重之和等于1。
S603：基于公式(10)计算，得到发文内容质量数据。
在执行S603的过程中，对于得到的发文内容质量数据，可以基于公式(10)进行计算。
J＝Q1*L+Q2*M (10)
其中，J为发文内容质量数据，L为原创内容占比数据，Q1为原创内容占比数据的预设权重，M为内容影响力数据，Q2为内容影响力数据的预设权重。需要说明的是，用于计算发文内容质量数据的数据为本次计算过去一个月的数据，例如：本次计算发文内容质量数据的时间为2019年4月1日，则用于计算发文内容质量数据的数据是2019年3月1日到3月31日的数据，即计算每个目标博主2019年3月1日到3月31日的内容数据。
需要说明的是，预设权重Q1和预设权重Q2之和等于1。
从上述技术方案可知，基于原创内容占比数据和内容影响力数据，获得内容质量数据为进一步获得营销属性数据提供了保证。
基于上述实施例，如图7所示，为本发明实施例提供的一种计算各个目标博主各自的品牌合作力数据的流程图，可以包括以下步骤：
S701：获得各个目标博主的营销内容舆情数据。
在执行S701的过程中，各个目标博主的营销内容舆情数据为平均每条营销内容的正面评论数据与负面评论数据的比值，其中，正面评论数据和负面评论数据为最近半年内的数据。
需要说明的是，在本实施例中正面评论数据为能带来积极影响的评论数量，负面评论数据为能带来消极影响的评论数量。
S702：获得各个目标博主的广告数量占比。
在执行S702的过程中，各个目标博主的广告数量占比为各个目标博主发布过的广告内容数量与总内容数量的比值，其中，广告内容数量与总内容数量为最近半年内的数据。
需要说明的是，可以根据最近半年的时间段内，获取该时间段的广告内容数量和总内容数量，从而得到该时间段的广告数量占比。
S703：获得各个目标博主的广告复投率数据。
在执行S703的过程中，广告复投率数据为各个目标博主重复发布过的品牌数量与发布过的所有品牌数量的比值，其中，各个目标博主重复发布过的品牌数量与发布过的所有品牌数量为最近半年内的数据。
需要说明的是，可以根据实际需要在某一段时间中，获取该时间段各个目标博主重复发布过的品牌数量和发布过的所有品牌数量，从而得到该时间段的广告复投率数据。
S704：基于公式(11)计算，获得各个目标博主的合作品牌等级数据。
在执行S704的过程中，对于得到的各个目标博主的合作品牌等级数据，可以基于公式(11)进行计算。
Z＝(∑(H*F))/Y (11)
其中，Z为合作品牌等级数据，H为品牌等级权重，F为目标博主的等级品牌数量即对应等级的品牌的数量，Y为目标博主的品牌数量，其中，该品牌数量为目标博主从计算合作品牌等级数据时间开始过去六个月发布的所有营销内容所提到的品牌数量，品牌数量为等级品牌数量之和。
需要说明的是，等级品牌划分可以根据销量排名来进行划分。
S705：基于公式(12)计算，得到品牌合作力数据。
在执行S705的过程中，对于得到的品牌合作力数据，可以基于公式(12)进行计算。
P＝R1*S+R2*T+R3*U+R4*W (12)
其中，P为品牌合作力数据，需要说明的是，用于计算该品牌合作力数据的数据为本次计算开始过去六个月的数据，例如：本次计算时间为2019年4月1日，则参与计算品牌合作力数据的数据为2018年10月1日到2019年3月31目的数据；S为营销内容舆情数据，R1为营销内容舆情数据的预设权重；T为广告数量占比，R2为广告数量占比的预设权重；U为广告复投率数据，R3为广告复投率数据的预设权重；W为合作品牌等级数据，R4为合作品牌等级数据的预设权重。
需要说明的是，预设权重R1、预设权重R2、预设权重R3和预设权重R4之和等于1。
从上述技术方案可知，基于营销内容舆情数据、广告数量占比、广告复投率数据和合作品牌等级数据，获得品牌合作力数据为进一步获得营销数据提供了保证。
与上述方法实施例相对应，本发明实施例还提供一种新媒体营销属性分析预测装置，其结构如图8所示，可以包括：第一获取模块10、确定模块11、计算模块12和预测模块13。
第一获取模块10，用于获取第一预设时间段内与各个目标博主相关的内容数据，其中，目标博主指的是在社交平台上发布指定品牌的营销内容或者是广告内容的博主，且该博主的粉丝数达到一定的数量，例如：在微博的粉丝数超过10000人的博主才属于kol(目标博主)，在抖音短视频上粉丝数超过10000人的博主才属于kol。社交平台可以包括但不限于包括：新浪微博、抖音APP、微信和快手APP等。营销内容或者是广告内容指的是目标博主通过文字和视频在社交平台上将产品营销出去的内容，例如：在新浪微博上注册的用户，利用是新浪微博用户的身份，在新浪微博上营销飞科剃须刀，用户编辑一段文字和添加一段视频在新浪微博上发布出去，这样就能达到营销产品的目的，而编辑文字和添加视频则是营销内容和广告内容。
与各个目标博主相关的所有内容数据是指，例如：在新浪微博上营销的飞科剃须刀，当别的新浪微博博主看到营销内容会进行转发和播放视频，包括对营销内容的点赞、评论等。
确定模块11，用于确定各个目标博主的类别，并基于各个目标博主的类别和内容数据计算各自的影响营销数据，其中，各个目标博主的类别指的是每个目标博主发布的营销内容和广告内容不一样，所以需要确定各个目标博主的类别，例如：目标博主1为明星类博主，目标博主2为旅游类博主，目标博主3为生活类博主。
在确定各个目标博主的内容数据后，基于各个目标博主的类别和内容数据计算各个目标博主的垂直领域影响力数据、粉丝质量数据、发文内容质量数据和品牌合作力数据。
其中，垂直领域影响力数据指各个目标博主在同一类别中的所有目标博主的影响力排名数据。
粉丝质量数据指根据确定各个目标博主的真实粉丝数目、活跃粉丝数目和忠诚粉丝数目，从而计算得到粉丝质量数据。根据粉丝质量数据可以直观看出各个目标博主的粉丝的质量程度。
发文内容质量数据指各个目标博主发布的营销内容或广告内容能够对粉丝有足够的吸引力和感染力使得目标博主在营销的过程中更加的轻松。
品牌合作力数据指各个目标博主对指定合作的品牌营销的情况，例如：在发布的所有营销内容中飞科剃须刀是该目标博主发布营销内容最多，也是营销的最好的。
计算模块12，用于基于公式(1)计算，得到各个目标博主的营销属性数据，关于公式(1)中各个参数的含义解释请参考相应方法实施例，这里不再进行阐述。
预测模块13，用于基于EMA指数移动平均值算法，利用各个目标博主的影响营销数据和营销属性数据，预测预测第二预设时间段内各个目标博主的垂直领域影响力趋势数据、粉丝质量趋势数据、发文内容质量趋势数据、品牌合作力趋势数据和营销属性趋势数据。
从上述技术方案可知，基于各个目标博主的营销属性数据，确定各个目标博主的排名，根据各个目标博主的排名直观的了解各个目标博主的营销能力，基于EMA指数移动平均值算法，计算出未来时间段各个目标博主的各类数据趋势，间接的了解未来时间段各个目标博主的营销能力。
基于上述装置实施例，本发明装置实施例还包括：
第一排序模块，用于基于各个目标博主的营销属性数据由大至小进行排序，得到各个目标博主在总榜单上的排名，由于各个目标博主的营销属性数据不同，可以将营销属性数据由大到小进行排序，营销属性数据越大各个目标博主的在总榜单上排名就越靠前，各个目标博主的营销能力也就越强，对于各个目标博主根据营销属性数据排序的相关举例请参考相应方法实施例，这里不再进行阐述。
和/或，
第二获取模块，用于获取各个目标博主类别。
第二排序模块，用于针对每一类别的目标博主，确定同一类别下的目标博主的营销属性数据进行排序，得到每一个类别下各个目标博主在分类榜单上的排名。
从上述技术方案可知，基于对各个目标博主的营销属性数据进行排序，得到各个目标博主在总榜单上的排名以及在同一类别中各个目标博主在分类榜单上的排名，排名可以直观的看出各个目标博主的营销能力。
在本实施例中第一获取模块10的一种可选结构是：第一获取模块10包括查找单元、第一获得单元和第一获取单元。
查找单元，用于基于指定品牌的营销内容和/或广告内容的关键字，在社交平台中查找发布包含关键字内容且具有预设影响力范围的博主。
第一获得单元，用于将查找到的博主作为目标博主，获得包含各个目标博主的身份id列表。
第一获取单元，用于基于各个目标博主的身份id列表，获取第一预设时间段内与各个目标博主相关的内容数据。
从上述技术方案可知，通过在社交平台中查找发布包含关键字内容的博主作为目标博主，再根据各个目标博主的身份id列表，获得各个目标博主的内容数据，以便于基于这些内容数据，计算各个目标博主的垂直领域影响力数据、粉丝质量数据、发文内容质量数据和品牌合作力数据。
在本实施例中第一确定模块11的一种可选结构是：第一确定模块11包括第一计算单元、第二计算单元、第三计算单元、第四计算单元、第五计算单元、第六计算单元和第七计算单元。
第一计算单元，用于基于公式(2)计算，得到第三预设时间段内的各个目标博主发布的营销内容和/或广告内容的转发和/或播放数据，关于公式(2)中各个参数的含义解释请参考相应方法实施例，这里不再进行阐述。
第二计算单元，用于基于公式(3)计算，得到各个目标博主发布的营销内容和/或广告内容的点赞数据，关于公式(3)中各个参数的含义解释请参考相应方法实施例，这里不再进行阐述。
第三计算单元，用于基于公式(4)计算，得到各个目标博主发布的营销内容和/或广告内容的评论数据，关于公式(4)中各个参数的含义解释请参考相应方法实施例，这里不再进行阐述。
第四计算单元，用于基于公式(5)计算，得到粉丝数据，关于公式(5)中各个参数的含义解释请参考相应方法实施例，这里不再进行阐述。
第五计算单元，用于基于公式(6)计算，得到影响力数据，关于公式(6)中各个参数的含义解释请参考相应方法实施例，这里不再进行阐述。
第六计算单元，用于根据影响力数据，计算同一个类别中各个目标博主在分类榜单中的影响力排名数据。
第七计算单元，用于基于公式(7)垂直领域影响力算法计算，得到各个目标博主的垂直领域影响力数据，垂直领域影响力算法用于指示目标博主在同一类别中的影响力程度，关于公式(7)中各个参数的含义解释请参考相应方法实施例，这里不再进行阐述。
从上述技术方案可知，基于转发和/或播放数据、点赞数据、评论数据和粉丝数据，获得垂直领域影响力数据为进一步获得营销属性数据提供了保证。
在本实施例中第一确定模块11的另一种可选结构是：第一确定模块11包括确定单元和第八计算单元。
确定单元，用于确定各个目标博主的真实粉丝数量、忠诚粉丝数量和活跃粉丝数量。
第八计算单元，用于针对各个目标博主，基于公式(8)计算，得到各个目标博主的粉丝质量数据，关于公式(8)中各个参数的含义解释请参考相应方法实施例，这里不再进行阐述。
从上述技术方案可知，基于真实粉丝数量、活跃粉丝数量和忠诚粉丝数量，获得粉丝质量数据为进一步获得营销属性数据提供了保证。
在本实施例中第一确定模块11的另一种可选结构是：第一确定模块11包括第二获取单元、第九计算单元和第十计算单元。
第二获取单元，用于获取各个目标博主的原创内容占比数据。
第九计算单元，用于针对各个目标博主，基于公式(9)计算，得到各个目标博主的内容影响力数据，关于算法中各个参数的含义解释请参考相应方法实施例，这里不再进行阐述。
第十计算单元，用于基于公式(10)计算，得到内容质量数据，关于公式(10)中各个参数的含义解释请参考相应方法实施例，这里不再进行阐述。
从上述技术方案可知，基于原创内容占比数据和内容影响力数据，获得内容质量数据为进一步获得营销属性数据提供了保证。
在本实施例中第一确定模块11的再另一种可选结构是：第一确定模块11包括第二获得单元、第三获得单元、第四获得单元、第十一计算单元和第十二计算单元。
第二获得单元，用于获得各个目标博主的营销内容舆情数据。
第三获得单元，用于获得各个目标博主的广告数量占比。
第四获得单元，用于获得各个目标博主的广告复投率数据。
第十一计算单元，用于基于公式(11)计算，获得各个目标博主的合作品牌等级数据，关于公式(11)中各个参数的含义解释请参考相应方法实施例，这里不再进行阐述。
第十二计算单元，用于基于公式(12)计算，得到品牌合作力数据，关于公式(12)中各个参数的含义解释请参考相应方法实施例，这里不再进行阐述。
从上述技术方案可知，基于营销内容舆情数据、广告数量占比、广告复投率数据和合作品牌等级数据，获得品牌合作力数据为进一步获得营销属性数据提供了保证。
基于上述本发明实施例公开的新媒体营销属性分析预测装置，本发明实施例还公开了一种新媒体营销属性分析预测系统，该系统包括上述如图8所示本发明实施例公开的新媒体营销属性分析预测装置，用于执行上述本发明实施例公开的图1至图7中的新媒体营销属性分析预测方法。
进一步的，本发明实施例还提供了一种存储介质，其上存储有程序，在所述程序运行时控制所述存储介质所在设备执行上述本发明实施例公开的图1至图7中的新媒体营销属性分析预测方法。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化所述新媒体营销属性分析方法的步骤的程序。
从上述技术方案可知，获取各个目标博主的内容数据，确定各个目标博主的类别，以及确定各个目标博主的内容数据计算各自的垂直领域影响力数据、粉丝质量数据、发文内容质量数据和品牌合作力数据，基于算法e＝k1a+k2b+k3c+k4d计算，得到各个目标博主的营销数据，基于EMA指数移动平均值算法，利用各个目标博主的垂直领域影响力数据、粉丝质量数据、发文内容质量数据、品牌合作力数据和营销数据，预测各个目标博主的垂直领域影响力趋势数据、粉丝质量趋势数据、发文内容质量趋势数据、品牌合作力趋势数据和营销趋势数据。基于营销数据，得到各个目标博主排名，直观的体现各个目标博主的营销能力，基于EMA指数移动平均值算法，间接的了解未来时间段各个目标博主的营销能力。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于系统类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种新媒体营销属性分析预测方法，其特征在于，所述方法包括：
获取第一预设时间段内与各个目标博主相关的内容数据；
确定各个所述目标博主的类别，并基于各个所述目标博主的类别和内容数据计算各自的影响营销数据，所述影响营销数据至少包括垂直领域影响力数据、粉丝质量数据、发文内容质量数据和品牌合作力数据；
基于算法e＝k1a+k2b+k3c+k4d计算，得到各个所述目标博主的营销属性数据，其中，e为所述营销属性数据，a为所述垂直领域影响力数据，k1为所述垂直领域影响力数据的第一预设权重，b为所述粉丝质量数据，k2为所述粉丝质量数据的第二预设权重，c为发文内容质量数据，k3为所述发文内容质量数据的第三预设权重，d为所述品牌合作力数据，k4为所述品牌合作力数据的第四预设权重；
基于EMA指数移动平均值算法，利用各个所述目标博主的所述影响营销数据和所述营销属性数据，预测第二预设时间段内各个所述目标博主的垂直领域影响力趋势数据、粉丝质量趋势数据、发文内容质量趋势数据、品牌合作力趋势数据和营销属性趋势数据。
2.根据权利要求1所述的方法，其特征在于，所述得到各个所述目标博主的营销属性数据之后，还包括：
基于各个所述目标博主的营销属性数据由大至小进行排序，得到各个所述目标博主在总榜单上的排名；
和/或，
获取各个所述目标博主类别；
针对每一类别的目标博主，确定同一类别下的目标博主的所述营销属性数据进行排序，得到每一个类别下各个所述目标博主在分类榜单上的排名。
3.根据权利要求1所述的方法，其特征在于，所述获取第一预设时间段内与各个目标博主相关的内容数据，包括：
基于指定品牌的营销内容和/或广告内容的关键字，在社交平台中查找发布包含所述关键字内容且具有预设影响力范围的博主，所述影响力范围指所述博主的粉丝数达到预设粉丝数；
将查找到的博主作为目标博主，获得包含各个所述目标博主的身份id列表；
基于各个所述目标博主的身份id列表，获取第一预设时间段内各个所述目标博主的内容数据。
4.根据权利要求1所述的方法，其特征在于，所述计算各个所述目标博主各自的垂直领域影响力数据，包括：
基于互动数据算法f1＝g1*log(h1)+g2*log(i1)+g3*log(j1)计算，得到第三预设时间段内的各个所述目标博主发布的营销内容和/或广告内容的转发和/或播放数据f1，其中，h1为第三预设时间段内日均转发和/或播放数量，g1为第三预设时间段内日均数据权重，i1为第三预设时间段内篇均转发和/或播放数量，g2为篇均数据权重，j1为第三预设时间段内最大转发和/或播放数量，g3为最大数据权重，所述第三预设时间段的长度小于所述第一预设时间段；
基于互动数据算法f2＝g1*log(h2)+g2*log(i2)+g3*log(j2)计算，得到各个所述目标博主发布的所述营销内容和/或广告内容的点赞数据，其中，f2为所述点赞数据，h2为第三预设时间段内日均点赞数量，g1为第三预设时间段内日均数据权重，i2为第三预设时间段内篇均点赞数量，g2为篇均数据权重，j2为第三预设时间段内最大点赞数量，g3为最大数据权重；
基于互动数据算法f3＝g1*log(h3)+g2*log(i3)+g3*log(j3)计算，得到各个所述目标博主发布的所述营销内容和/或广告内容的评论数据，其中，f3为第三预设时间段内所述评论数据，h3为第三预设时间段内日均评论数量，g1为日均数据权重，i3为第三预设时间段内篇均评论数量，g2为篇均数据权重，j3为第三预设时间段内最大评论数量，g3为最大数据权重；
基于算法1＝p1*log(n)计算，得到粉丝数据，其中，1为所述粉丝数据，n为粉丝数量，p1为粉丝数据权重；
基于算法m＝(f1+f2+f3)^2*10计算，得到影响力数据，其中，m为所述影响力数据；
根据所述影响力数据，计算同一个类别中各个所述目标博主在分类榜单中的影响力排名数据；
基于垂直领域影响力算法q＝r-(s/t)计算，得到各个所述目标博主的所述垂直领域影响力数据，所述垂直领域影响力算法用于指示目标博主在同一类别中的影响力程度，其中r为自然数1，s为各个所述目标博主在分类榜单中的影响力排名数据，t为所述分类榜单中所有目标博主的数量。
5.根据权利要求1所述的方法，其特征在于，所述计算各个所述目标博主各自的粉丝质量数据，包括：
确定各个所述目标博主的真实粉丝数量、忠诚粉丝数量和活跃粉丝数量；
针对各个所述目标博主，基于算法u＝v1*(w/x)+v2*(y/x)+v3*(z/x)计算，得到各个所述目标博主的粉丝质量数据u，其中，w为所述目标博主的忠诚粉丝数量，x为所述目标博主的总粉丝数量，v1为第五预设权重，y为所述目标博主的活跃粉丝数量，v2为第六预设权重，z为真实粉丝数量，v3为第七预设权重。
6.根据权利要求1所述的方法，其特征在于，所述计算各个所述目标博主各自的发文内容质量数据，包括：
获取各个所述目标博主的原创内容占比数据，所述原创内容占比数据为各个所述目标博主的原创内容数量与内容总数量的比值；
针对各个所述目标博主，基于算法A＝B1*(C-D/E)+B2*(C-G/E)+B3*(C-I/E)计算，得到各个所述目标博主的内容影响力数据A，其中，B1为第八预设权重，C为自然数1，D为所述目标博主在所在分组中转发数量排名数据，E为所述目标博主所在分组中所有目标博主的数量；B2为第九预设权重，G为所述目标博主在所在分组中评论数量排名数据；B3为第十预设权重，I为所述目标博主在所在分组中点赞数量排名数据；
基于算法J＝Q1*L+Q2*M计算，得到所述发文内容质量数据J，其中，L为所述原创内容占比数据，Q1为所述原创内容占比数据的预设权重，M为所述内容影响力数据，Q2为所述内容影响力数据的预设权重。
7.根据权利要求1所述的方法，其特征在于，所述计算各个所述目标博主各自的品牌合作力数据，包括：
获得各个所述目标博主的营销内容舆情数据，所述营销内容舆情数据为平均每条营销内容的正面评论数据与负面评论数据的比值；
获得各个所述目标博主的广告数量占比，所述广告数量占比为各个所述目标博主发布过的广告内容数量与总内容数量的比值；
获得各个所述目标博主的广告复投率数据，所述广告复投率数据为各个所述目标博主重复发布过的品牌数量与发布过的所有品牌数量的比值；
基于算法Z＝(∑(H*F))/Y计算，获得各个所述目标博主的合作品牌等级数据，其中，Z为所述合作品牌等级数据，H为品牌等级权重，F为所述目标博主的等级品牌数量，Y为所述第一预设时间段内所述目标博主的品牌数量，其中所述品牌数量为所述等级品牌数量之和；
基于P＝R1*S+R2*T+R3*U+R4*W计算，得到品牌合作力数据，其中，P为所述品牌合作力数据，S为营销内容舆情数据，R1为所述营销内容舆情数据的预设权重；T为广告数量占比，R2为所述广告数量占比的预设权重；U为所述广告复投率数据，R3为所述广告复投率数据的预设权重；W为合作品牌等级数据，R4为所述合作品牌等级数据的预设权重。
8.一种新媒体营销属性分析预测装置，其特征在于，所述装置包括：
第一获取模块，用于获取各个目标博主的内容数据；
确定模块，用于确定各个所述目标博主的类别，以及确定各个所述目标博主的内容数据计算各自的垂直领域影响力数据、粉丝质量数据、发文内容质量数据和品牌合作力数据；
计算模块，用于基于算法e＝k1a+k2b+k3c+k4d计算，得到各个所述目标博主的营销属性数据；
预测模块，用于基于EMA指数移动平均值算法，利用各个所述目标博主的垂直领域影响力数据、粉丝质量数据、发文内容质量数据、品牌合作力数据和营销属性数据，预测各个所述目标博主的垂直领域影响力趋势数据、粉丝质量趋势数据、发文内容质量趋势数据、品牌合作力趋势数据和营销属性趋势数据。
9.一种新媒体营销属性分析预测系统，其特征在于，所述系统包括权利要求8所述的装置，所述装置用于执行如权利要求1-7中任一所述的新媒体营销属性分析预测方法。
10.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行如权利要求1-7中任一所述的新媒体营销属性分析预测方法。
CN201910572349.5A 2019-06-27 2019-06-27 新媒体营销属性分析预测方法、装置及系统 Pending CN110264284A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910572349.5A CN110264284A (zh) 2019-06-27 2019-06-27 新媒体营销属性分析预测方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910572349.5A CN110264284A (zh) 2019-06-27 2019-06-27 新媒体营销属性分析预测方法、装置及系统

Publications (1)

Publication Number Publication Date
CN110264284A true CN110264284A (zh) 2019-09-20

Family

ID=67922765

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910572349.5A Pending CN110264284A (zh) 2019-06-27 2019-06-27 新媒体营销属性分析预测方法、装置及系统

Country Status (1)

Country Link
CN (1) CN110264284A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111882343A (zh) * 2020-06-12 2020-11-03 智云众(北京)信息技术有限公司 基于达人价值指数的广告投放方法、装置及设备
CN111951041A (zh) * 2020-07-20 2020-11-17 北京明略昭辉科技有限公司 一种广告投放方法、系统及互联网服务系统
CN112218169A (zh) * 2020-09-07 2021-01-12 有米科技股份有限公司 计算带货视频对商品的浏览价值属性的方法及装置
CN112330098A (zh) * 2020-10-16 2021-02-05 有米科技股份有限公司 Kol带货能力属性的智能化计算方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105260474A (zh) * 2015-10-29 2016-01-20 俞定国 一种基于信息交互网络的微博用户影响力计算方法
CN106294334A (zh) * 2015-05-11 2017-01-04 国家计算机网络与信息安全管理中心 一种微博舆情指标体系的计算方法及装置
CN106875277A (zh) * 2017-01-16 2017-06-20 星云纵横（北京）大数据信息技术有限公司 一种社交媒体账号影响力的判断方法
CN108228586A (zh) * 2016-12-12 2018-06-29 上海看榜信息科技有限公司 一种跨平台网络意见领袖排行方法
CN108549957A (zh) * 2018-04-11 2018-09-18 中译语通科技股份有限公司 互联网话题趋势辅助预测方法及系统、信息数据处理终端

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106294334A (zh) * 2015-05-11 2017-01-04 国家计算机网络与信息安全管理中心 一种微博舆情指标体系的计算方法及装置
CN105260474A (zh) * 2015-10-29 2016-01-20 俞定国 一种基于信息交互网络的微博用户影响力计算方法
CN108228586A (zh) * 2016-12-12 2018-06-29 上海看榜信息科技有限公司 一种跨平台网络意见领袖排行方法
CN106875277A (zh) * 2017-01-16 2017-06-20 星云纵横（北京）大数据信息技术有限公司 一种社交媒体账号影响力的判断方法
CN108549957A (zh) * 2018-04-11 2018-09-18 中译语通科技股份有限公司 互联网话题趋势辅助预测方法及系统、信息数据处理终端

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111882343A (zh) * 2020-06-12 2020-11-03 智云众(北京)信息技术有限公司 基于达人价值指数的广告投放方法、装置及设备
CN111951041A (zh) * 2020-07-20 2020-11-17 北京明略昭辉科技有限公司 一种广告投放方法、系统及互联网服务系统
CN111951041B (zh) * 2020-07-20 2023-12-26 北京明略昭辉科技有限公司 一种广告投放方法、系统及互联网服务系统
CN112218169A (zh) * 2020-09-07 2021-01-12 有米科技股份有限公司 计算带货视频对商品的浏览价值属性的方法及装置
CN112330098A (zh) * 2020-10-16 2021-02-05 有米科技股份有限公司 Kol带货能力属性的智能化计算方法及装置
CN112330098B (zh) * 2020-10-16 2024-04-09 有米科技股份有限公司 Kol带货能力属性的智能化计算方法及装置

Similar Documents

Publication Publication Date Title
CN110264284A (zh) 新媒体营销属性分析预测方法、装置及系统
CN104731954B (zh) 基于群透视音乐推荐方法与系统
CN106528656B (zh) 一种基于学员历史和实时学习状态参量实现课程推荐的方法和系统
Brandtzæg Towards a unified Media-User Typology (MUT): A meta-analysis and review of the research literature on media-user typologies
JP5596152B2 (ja) 電子商取引ウェブサイトでの情報マッチングの方法及びシステム
CN105373597B (zh) 基于k‑medoids项目聚类和局部兴趣融合的用户协同过滤推荐方法
CN103927675B (zh) 判断用户年龄段的方法及装置
US8667009B2 (en) Systems and methods for utilizing and searching social network information
CN108550068A (zh) 一种基于用户行为分析的个性化商品推荐方法及系统
CN104182517B (zh) 数据处理的方法及装置
Kitnuntaviwat et al. Residents' attitudes, perception and support for sustainable tourism development
US20130297694A1 (en) Systems and methods for interactive presentation and analysis of social media content collection over social networks
US20130304818A1 (en) Systems and methods for discovery of related terms for social media content collection over social networks
TW201727558A (zh) 地理區域的熱力展現方法和裝置
CN107895213A (zh) 消费额度的预测方法、装置及电子设备
CN103455538B (zh) 信息处理装置、信息处理方法和程序
JP2009511991A5 (zh)
JP2008158823A (ja) 情報提供システム
Kim et al. The accuracy of tourism forecasting and data characteristics: a meta-analytical approach
US20160012454A1 (en) Database systems for measuring impact on the internet
CN111831918A (zh) 一种在线教育场景下的混合推荐系统
JP2009140029A (ja) メンバー選定支援装置
CN108009194A (zh) 一种图书推送方法、电子设备、存储介质及装置
KR20050055679A (ko) 인터넷상의 사용자(그룹)의 선호도에 따른 맞춤형의표시물을 제공하는 방법
Ghosh et al. An integrated IRN-SWARA-MABAC-based approach for evaluation of tourism websites of the Indian states

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