CN112445892A - 确定品牌提及率的方法、装置、电子设备及存储介质 - Google Patents
确定品牌提及率的方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112445892A CN112445892A CN201910831029.7A CN201910831029A CN112445892A CN 112445892 A CN112445892 A CN 112445892A CN 201910831029 A CN201910831029 A CN 201910831029A CN 112445892 A CN112445892 A CN 112445892A
- Authority
- CN
- China
- Prior art keywords
- request
- search
- brand
- preset
- determining
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/3332—Query translation
- G06F16/3334—Selection or weighting of terms from queries, including natural language queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了确定品牌提及率的方法、装置、电子设备及存储介质,涉及品牌价值分析领域。具体实现方案为:获取多个用户的搜索路径,所述搜索路径包括按序排列的多个搜索请求;从所述多个搜索请求中筛选预设类别的样本集合,所述样本集合中的各个样本包括第一请求与第二请求的间隔满足预设条件的搜索路径;所述第一请求为对应所述预设类别的搜索请求,所述第二请求为对应品牌的搜索请求;在所述样本集合中,确定包括所述第一请求及对应预设品牌的所述第二请求的第一样本;根据所述第一样本的数量以及所述样本集合中的样本数量,确定所述预设品牌的提及率。本申请能够降低品牌提及率的获取成本高,提高时效性,并提高数据可靠性。
Description
技术领域
本申请涉及一种数据分析技术领域,尤其涉及一种品牌价值分析领域。
背景技术
品牌资产指标是指对品牌知名度、认知度和偏好度等品牌资产的数据化表征。第一提及率是一种重要的品牌资产指标。第一提及率是指让消费者给出某一特定行业或品类的品牌,对某一品牌产生第一提及的消费者人数占比。例如在对口香糖进行消费者调研时,共调研了10000个消费者,有8000个消费者给出的第一个口香糖的品牌是Y品牌,那么此次调研Y品牌的第一提及率就是80%。
目前,一般采用调研问卷的方式获得第一提及率等品牌资产指标,例如采用纸质问卷或者线上的电子问卷。这两种方式都存在样本获取成本高,时效性差,以及无法保证数据可靠性的问题。
发明内容
第一方面,本申请实施例提出一种确定品牌提及率的方法,包括:
获取多个用户的搜索路径,所述搜索路径包括按序排列的多个搜索请求;
从所述多个搜索请求中筛选预设类别的样本集合,所述样本集合中的各个样本包括第一请求与第二请求的间隔满足预设条件的搜索路径;所述第一请求为对应所述预设类别的搜索请求,所述第二请求为对应品牌的搜索请求;
在所述样本集合中,确定包括所述第一请求及对应预设品牌的所述第二请求的第一样本;
根据所述第一样本的数量以及所述样本集合中的样本数量,确定所述预设品牌的提及率。
本申请实施例采用海量的搜索数据来计算品牌的提及率。在用户的搜索路径中,获取对应类别的搜索请求与对应品牌的搜索请求的间隔满足预设条件的样本集合,从该样本集合中确定出品牌的提及次数,根据该提及次数及样本总量即可确定出品牌的提及率。由于摈弃了现有问卷调查的方式,因此能够降低品牌提及率的获取成本高,提高时效性,并提高数据可靠性。
在一种实施方式中,所述预设条件包括:
所述第二请求在所述第一请求之后出现,并且所述第二请求与第一请求之间的搜索请求数量不超过第一阈值;
或者,所述第二请求在所述第一请求之前或之后出现,并且所述第二请求与第一请求之间的搜索请求数量不超过第二阈值。
本申请实施例提出上述两种确定有效样本的条件,可以适用于不同的搜索请求数据情况。
在一种实施方式中,所述预设条件还包括:所述第二请求与所述第一请求的间隔不超过时间阈值。
本申请实施例将时间间隔加入上述预设条件中,使样本的确定更为精准,排除了因时间间隔过长带来的不利影响。
在一种实施方式中,所述获取多个搜索用户的搜索路径之前,还包括:将同一用户在不同设备或应用的搜索请求关联到所述用户;
所述搜索路径包括用户在多个设备或应用的搜索请求。
本申请实施例将用户在多个设备或应用上的搜索请求关联起来,以用户为单位整理搜索请求,以此保证精确确定出用户的搜索路径。
在一种实施方式中,所述第一请求包含所述预设类别的类别名及相关词中的至少一项。
本申请实施例根据类别(包括行业或品类)的类别名及相关词都作为确定第一请求的依据,能够提高确定搜索请求类别的准确性。
在一种实施方式中,所述搜索路径中包括的搜索请求为品牌了解类搜索请求。
本申请实施例将品牌了解类搜索请求作为确定品牌提及率的数据信息,能够真实反品牌资产。
第二方面,本申请实施例提出一种确定品牌提及率的装置,包括:
搜索路径获取模块,用于获取多个用户的搜索路径,所述搜索路径包括按序排列的多个搜索请求;
样本集合筛选模块,用于从所述多个搜索请求中筛选预设类别的样本集合,所述样本集合中的各个样本包括第一请求与第二请求的间隔满足预设条件的搜索路径;所述第一请求为对应所述预设类别的搜索请求,所述第二请求为对应品牌的搜索请求;
样本确定模块,用于在所述样本集合中,确定包括所述第一请求及对应预设品牌的所述第二请求的第一样本;
提及率确定模块,用于根据所述第一样本的数量以及所述样本集合中的样本数量,确定所述预设品牌的提及率。
在一种实施方式中,所述预设条件包括:
所述第二请求在所述第一请求之后出现,并且所述第二请求与第一请求之间的搜索请求数量不超过第一阈值;
或者,所述第二请求在所述第一请求之前或之后出现,并且所述第二请求与第一请求之间的搜索请求数量不超过第二阈值。
在一种实施方式中,所述预设条件还包括:所述第二请求与所述第一请求的间隔不超过时间阈值。
在一种实施方式中,还包括:
关联模块,用于将同一用户在不同设备或应用的搜索请求关联到所述用户。
在一种实施方式中,所述第一请求包含所述预设类别的类别名及相关词中的至少一项。
在一种实施方式中,所述搜索路径中包括的搜索请求为品牌了解类搜索请求。
第三方面,本申请实施例提出一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行第一方面中任一项所述的方法。
第四方面,本申请实施例提出一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行第一方面中任一项所述的方法。
上述申请中的一个实施例具有如下优点或有益效果:本申请实施例采用海量的搜索数据来计算品牌的提及率。在用户的搜索路径中,筛选对应类别的搜索请求与对应品牌的搜索请求的间隔满足预设条件的样本集合,从该样本集合中确定出品牌的提及次数,根据该提及次数及样本总量即可确定出品牌的提及率。由于摈弃了现有问卷调查的方式,因此能够降低品牌提及率的获取成本高,提高时效性,并提高数据可靠性。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1为根据本申请确定品牌提及率的方法的实现流程图一;
图2为根据本申请确定品牌提及率的方法的实现流程图二;
图3为根据本申请确定品牌提及率的方法中,建立用户搜索路径的结构化数据的效果示意图;
图4为根据本申请确定品牌提及率的方法中,一个用户的搜索路径示例:
图5为根据本申请确定品牌提及率的装置结构示意图一;
图6为根据本申请确定品牌提及率的装置结构示意图二;
图7是用来实现本申请实施例的确定品牌提及率的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本申请实施例提出一种确定品牌提及率的方法,图1为根据本申请确定品牌提及率的方法的实现流程图一,包括:
步骤S101:获取多个用户的搜索路径,搜索路径包括按序排列的多个搜索请求;
步骤S102:从多个搜索请求中筛选预设类别的样本集合,样本集合中的各个样本包括第一请求与第二请求的间隔满足预设条件的搜索路径;第一请求为对应预设类别的搜索请求,第二请求为对应品牌的搜索请求;
步骤S103:在样本集合中,确定包括第一请求及对应预设品牌的第二请求的第一样本;
步骤S104:根据第一样本的数量以及样本集合中的样本数量,确定预设品牌的提及率。
在一种可能的实施方式中,上述预设条件包括:
第二请求在第一请求之后出现,并且第二请求与第一请求之间的搜索请求数量不超过第一阈值;
或者,第二请求在第一请求之前或之后出现,并且第二请求与第一请求之间的搜索请求(搜索query)数量不超过第二阈值。
上述第一阈值和第二阈值可以为相同或不同的值。上述两种预设条件分别对应本申请实施例的两种确定搜索品牌词的方式,即后序搜索方式和前后搜索方式。
本申请实施例中,类别可以指行业或品类,例如金融行业、保险行业、互联网行业、汽车品类、个人电脑品类、打印机品类等。一个类别下可以有多个品牌,品牌可以指一个名称、名词或符号。
其中,后序搜索方式可以指:如果包含品牌词的搜索请求在对应类别的搜索请求之后出现,并且两者的间隔不大,则认为该品牌是用户针对该类别的提及词。
前后搜索方式可以指:如果包含品牌词的搜索请求在对应类别的搜索请求之前或之后出现,并且两者的间隔不大,则认为该品牌是用户针对该类别的提及词。
在一种可能的实施方式中,上述预设条件还可以包括:第二请求与第一请求的间隔不超过时间阈值。
上述过程限制了第二请求与第一请求的时间间隔要求。例如,如果包含品牌词的搜索请求与对应类别的搜索请求的时间间隔过大,则认为二者没有相关性,不能认为该品牌是用户针对该类别的提及词。
本申请实施例还提出一种确定品牌提及率的方法,图2为根据本申请确定品牌提及率的方法的实现流程图二,如图2所示,在上述步骤S101之前,还包括:
步骤S200:将同一用户在不同设备或应用的搜索请求关联到该用户。
其余步骤与图1中的步骤一致,在此不再赘述。
用户关于同一个事物的不同搜索行为可能在不同的用户场景下分别进行。举例来说,用户对汽车的了解可能是在用户的个人电脑上、手机的网页、或者手机的APP上都有进行。为了更全面地追踪用户的搜索意图的迁移,本申请实施例采用上述步骤200对属于同一用户的搜索请求关联到该用户的统一标识(ID)上。具体可以对用户在不同设备和应用的ID进行匹配,将它们以用户实体为中心,关联到同一个用户的统一ID上。
在一种可能的实施方式中,上述第一请求包含所述预设类别的类别名及相关词中的至少一项。
当用户产生了行业或品类的相关搜索行为时,即使用户的搜索请求中不直接包含行业或品类名称,如果搜索请求中包含了行业或品类的相关词,仍然能够确定出该搜索请求属于哪个行业或品类。以汽车为例,如果在搜索请求中没有包含“汽车”字样,而是包含了“越野车”、“面包车”等词语,仍然能够确定该搜索请求属于汽车品类。因此,本申请实施例可以构建行业知识图谱,将行业或品类相关的词语保存在行业知识图谱中。在确定上述第一请求时,本申请可以通过判断搜索请求中是否包含类别的类别名或者包含行业知识图谱中类别的相关词,来确定该搜索请求是否是一个第一请求。另外,行业知识图谱可以根据全网搜索数据来确定,并随着全网搜索数据的增加而不断更新或调整,以便对第一请求的确定更为精准。
通过上述过程,本申请实施例以用户实体为单位,建立了各个行业的用户搜索路径的结构化数据。为后续提取用户的品牌偏好数据提供了海量的数据基础。
图3为根据本申请确定品牌提及率的方法中,建立用户搜索路径的结构化数据的效果示意图。如图3所示,用户在不同的设备或应用中,采用不同的标识输入搜索请求。在图3左侧的全网海量数据中,显示了用户1分别在2个设备或应用中的两个搜索语句,在第一个设备或应用中,用户1的标识为ID_1a,搜索语句为“行业1+其他词”;在第二个设备或应用中,用户1的标识为ID_1b,搜索语句为“行业1+品牌3+其他词”。本申请实施例将用户在不同的设备或应用中的搜索语句关联到同一个用户ID上,在图3右侧的结构化数据中,将用户1的标识统一为ID1,将用户1在不同的设备或应用中的搜索语句组成用户1的搜索路径,包括query1、query2、......。另外,在结构化数据中,可以根据行业知识图谱为每个搜索语句打上行业标签。
在得到结构化数据之后,本申请实施例可以借助文本意图理解能力,将搜索请求分成了三大类型,包括求助类搜索请求、负面话题类搜索请求及品牌了解类搜索请求。求助类搜索请求的目的是为了使用求助,例如“品牌B的倒车雷达怎么开”;负面话题类搜索请求是为了了解与品牌相关的负面话题,例如“M牌汽车漏油事件”;品牌了解类搜索请求是为了对品牌进行了解,例如“C汽车有哪些车型”。可见,品牌了解类搜索请求是更能够体现品牌资产的搜索请求。因此,本申请实施例可以从海量搜索请求中筛选出品牌了解类搜索请求。在上述步骤S101中,搜索路径中包括的搜索请求为品牌了解类搜索请求。
在一种可能的实施方式中,上述品牌的提及率为第一提及率。
另外,上述第一阈值或第二阈值可以根据类别的实际情况设置,在一种实施方式中,可以根据预设类别的特点及针对预设类别的搜索请求的数量,确定第一阈值或第二阈值。例如,针对某类别的搜索请求的数量较大,则可以将第一阈值或第二阈值设置为较小的值;针对某类别的搜索请求的数量较小,则可以将第一阈值或第二阈值设置为较大的值。
图4为根据本申请确定品牌提及率的方法中,一个用户的搜索路径示例。在图4所示的搜索路径中,搜索请求Query 0的内容为“二手车购买指南”,其中的“二手车”为类别的名称,可以确定该搜索请求属于二手车类别;搜索请求Query3的内容为“G二手车”,其中,“G”是一个二手车交易平台的品牌;搜索请求Query n的内容为“R二手车”,其中,“R”是另一个二手车交易平台的品牌。因此,在图4所示的搜索路径中,“G”是二手车类别的第一提及品牌。
本申请实施例将在产生了行业或者品类的需求之后,第一个通过搜索去了解的品牌进行统计,最终可以得到每个用户的搜索第一提及率。如图4所示的例子,用户在进行二手车相关搜索后,品牌“G”占据了一个第一提及的样本。通过计算品牌“G”占据的第一提及的样本数量和总样本数量的比例,可以得到品牌“G”的第一提及率。
第一提及率可以采用下式(1)计算:
其中,X为类别;
A为品牌;
A|X为品牌A在类别X中的第一提及率。
如果X的第一提及词有A、B、C......,则A|X+B|X+C|X+......=100%。
本申请实施例提出后序模型和前后序模型这两种形式。图4所示的是后序模型,即品牌在类别之后出现。
本申请实施例通过大量数据测试,设置后序模型和前后序两种模型,并确定用于限制搜索请求间隔的阈值对指标稳定性、样本容量的影响,构建最能反映市场真实状况的基于搜索数据的第一提及率计算方法。
在一种可能的实施方式中,后序模型可以指用户在搜索行业后,将在之后的n1(例如,n1取0,3,5,10,20或30)次的搜索的关键词中包含品牌词的搜索路径视为有效样本。
示例1:搜索路径包括:无关词——>......类别词——>小于n1次无关词——>品牌词。即该搜索路径中,包含类别词的搜索请求与包含品牌词的搜索请求之间的间隔数据小于n1。则该搜索路径可以作为一个计算品牌第一提及率的样本。
示例2:搜索路径包括:无关词——>品牌词——>无关词——>......类别词——>大于n1次无关词。即该搜索路径中,包含类别词的搜索请求之后的n1次搜索请求中均未包含品牌词。则该搜索路径不能作为计算品牌第一提及率的样本。
示例3:搜索路径包括:无关词——>......类别词——>大于n1次无关词。即该搜索路径中,包含类别词的搜索请求之后的n1次搜索请求中均未包含品牌词。则该搜索路径不能作为计算品牌第一提及率的样本。
在一种可能的实施方式中,前后序模型可以指用户在搜索行业之前或之后的n2次的搜索的关键词中包含品牌词的搜索路径视为有效样本。其中,n2可以与n1相同或不同。
示例4:搜索路径包括:无关词——>......类别词——>小于n2次无关词——>品牌词。即该搜索路径中,包含类别词的搜索请求与包含品牌词的搜索请求之间的间隔数据小于n2。则该搜索路径可以作为一个计算品牌第一提及率的样本。
示例5:搜索路径包括:无关词——>品牌词——>小于n2次无关词——>类别词——>大于n2次无关词。即该搜索路径中,包含品牌词的搜索请求与包含类别词的搜索请求之间的间隔数据小于n2。则该搜索路径可以作为一个计算品牌第一提及率的样本。
示例6:搜索路径包括:无关词——>......类别词——>大于n2次无关词。即该搜索路径中,包含类别词的搜索请求之前或之后的n2次搜索请求中均未包含品牌词。则该搜索路径不能作为计算品牌第一提及率的样本。
A品牌在X类别的第一提及次数为:符合上述样本选取逻辑的情况下,A品牌是距离X类别最近的品牌词。
本申请实施例还提出一种确定品牌提及率的装置,图5为根据本申请确定品牌提及率的装置结构示意图一,该确定品牌提及率的装置500包括:
搜索路径获取模块501,用于获取多个用户的搜索路径,所述搜索路径包括按序排列的多个搜索请求;
样本集合筛选模块502,用于从所述多个搜索请求中筛选预设类别的样本集合,所述样本集合中的各个样本包括第一请求与第二请求的间隔满足预设条件的搜索路径;所述第一请求为对应所述预设类别的搜索请求,所述第二请求为包含品牌的搜索请求;
样本确定模块503,用于在所述样本集合中,确定包括所述第一请求及对应预设品牌的所述第二请求的第一样本;
提及率确定模块504,用于根据所述第一样本的数量以及所述样本集合中的样本数量,确定所述预设品牌的提及率。
在一种可能的实施方式中,预设条件包括:
所述第二请求在所述第一请求之后出现,并且所述第二请求与第一请求之间的搜索请求数量不超过第一阈值;
或者,所述第二请求在所述第一请求之前或之后出现,并且所述第二请求与第一请求之间的搜索请求数量不超过第二阈值。
在一种可能的实施方式中,预设条件还包括:所述第二请求与所述第一请求的间隔不超过时间阈值。
本申请实施例还提出一种确定品牌提及率的装置,图6为根据本申请确定品牌提及率的装置结构示意图二,该确定品牌提及率的装置600包括:
搜索路径获取模块501、样本集合筛选模块502、样本确定模块503、提及率确定模块504及关联模块605。
其中,搜索路径获取模块501、样本集合筛选模块502、样本确定模块503及提及率确定模块504与上述实施例中的相应模块功能相同,不再赘述。
关联模块605,用于将同一用户在不同设备或应用的搜索请求关联到所述用户。
在一种可能的实施方式中,第一请求包含所述预设类别的类别名及相关词中的至少一项。
在一种可能的实施方式中,搜索路径中包括的搜索请求为品牌了解类搜索请求。
本申请实施例各装置中的各模块的功能可以参见上述方法中的对应描述,在此不再赘述。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图7所示,是根据本申请实施例的确定品牌提及率的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图7所示,该电子设备包括:一个或多个处理器701、存储器702,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示图形用户界面(Graphical User Interface,GUI)的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图7中以一个处理器701为例。
存储器702即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的确定品牌提及率的方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的确定品牌提及率的方法。
存储器702作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的确定品牌提及率的方法对应的程序指令/模块(例如,附图5所示的搜索路径获取模块501、样本集合获取模块502和样本确定模块503)。处理器701通过运行存储在存储器702中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的确定品牌提及率的方法。
存储器702可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据确定品牌提及率的电子设备的使用所创建的数据等。此外,存储器702可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器702可选包括相对于处理器701远程设置的存储器,这些远程存储器可以通过网络连接至确定品牌提及率的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
确定品牌提及率的方法的电子设备还可以包括:输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接,图7中以通过总线连接为例。
输入装置703可接收输入的数字或字符信息,以及产生与确定品牌提及率的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置704可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(Liquid Crystal Display,LCD)、发光二极管(Light EmittingDiode,LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用集成电路(Application Specific Integrated Circuits,ASIC)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(programmable logic device,PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(Cathode Ray Tube,阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(Local Area Network,LAN)、广域网(Wide Area Network,WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,采用海量的搜索请求作为计算品牌提及率的数据。在用户的搜索路径中,获取包含类别的搜索请求与包含品牌的搜索请求的间隔满足预设条件的样本集合,从该样本集合中确定出品牌的提及次数,根据该提及次数及样本总量即可确定出品牌的提及率。由于摈弃了现有问卷调查的方式,因此能够降低品牌提及率的获取成本高,提高时效性,并提高数据可靠性。本申请实施例以用户实体为中心,将用户在不同设备或应用中输入的搜索请求关联起来,能够精确反映用户的搜索迁移。进一步地,本申请实施例从海量搜索请求中筛选出品牌了解类搜索请求,从而找到真正能够体现品牌资产的高质量样本。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (13)
1.一种确定品牌提及率的方法,其特征在于,包括:
获取多个用户的搜索路径,所述搜索路径包括按序排列的多个搜索请求;
从所述多个搜索请求中筛选预设类别的样本集合,所述样本集合中的样本包括第一请求与第二请求的间隔满足预设条件的搜索路径;所述第一请求为对应所述预设类别的搜索请求,所述第二请求为对应品牌的搜索请求;
在所述样本集合中,确定包括所述第一请求及对应预设品牌的所述第二请求的第一样本;
根据所述第一样本的数量以及所述样本集合中的样本数量,确定所述预设品牌的提及率。
2.根据权利要求1所述的方法,其特征在于,所述预设条件包括:
所述第二请求在所述第一请求之后出现,并且所述第二请求与第一请求之间的搜索请求数量不超过第一阈值;
或者,所述第二请求在所述第一请求之前或之后出现,并且所述第二请求与第一请求之间的搜索请求数量不超过第二阈值。
3.根据权利要求2所述的方法,其特征在于,所述预设条件还包括:所述第二请求与所述第一请求的间隔不超过时间阈值。
4.根据权利要求1至3任一所述的方法,其特征在于,所述获取多个搜索用户的搜索路径之前,还包括:将同一用户在不同设备或应用的搜索请求关联到所述用户;
所述搜索路径包括用户在多个设备或应用的搜索请求。
5.根据权利要求1至3任一所述的方法,其特征在于,所述搜索路径中包括的搜索请求为品牌了解类搜索请求,所述第一请求包含所述预设类别的类别名及相关词中的至少一项。
6.根据权利要求2所述的方法,其特征在于,所述获取预设类别的样本集合之前,还包括:
根据所述预设类别的特点及针对所述预设类别的搜索请求的数量,确定所述第一阈值或第二阈值。
7.一种确定品牌提及率的装置,其特征在于,包括:
搜索路径获取模块,用于获取多个用户的搜索路径,所述搜索路径包括按序排列的多个搜索请求;
样本集合筛选模块,用于从所述多个搜索请求中筛选预设类别的样本集合,所述样本集合中的各个样本包括第一请求与第二请求的间隔满足预设条件的搜索路径;所述第一请求为对应所述预设类别的搜索请求,所述第二请求为对应品牌的搜索请求;
样本确定模块,用于在所述样本集合中,确定包括所述第一请求及对应预设品牌的所述第二请求的第一样本;
提及率确定模块,用于根据所述第一样本的数量以及所述样本集合中的样本数量,确定所述预设品牌的提及率。
8.根据权利要求7所述的装置,其特征在于,所述预设条件包括:
所述第二请求在所述第一请求之后出现,并且所述第二请求与第一请求之间的搜索请求数量不超过第一阈值;
或者,所述第二请求在所述第一请求之前或之后出现,并且所述第二请求与第一请求之间的搜索请求数量不超过第二阈值。
9.根据权利要求8所述的装置,其特征在于,所述预设条件还包括:所述第二请求与所述第一请求的间隔不超过时间阈值。
10.根据权利要求7至9任一所述的装置,其特征在于,还包括:
关联模块,用于将同一用户在不同设备或应用的搜索请求关联到所述用户。
11.根据权利要求7至9任一所述的装置,其特征在于,所述搜索路径中包括的搜索请求为品牌了解类搜索请求,所述第一请求包含所述预设类别的类别名及相关词中的至少一项。
12.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
13.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910831029.7A CN112445892B (zh) | 2019-09-02 | 2019-09-02 | 确定品牌提及率的方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910831029.7A CN112445892B (zh) | 2019-09-02 | 2019-09-02 | 确定品牌提及率的方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112445892A true CN112445892A (zh) | 2021-03-05 |
CN112445892B CN112445892B (zh) | 2023-09-29 |
Family
ID=74734822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910831029.7A Active CN112445892B (zh) | 2019-09-02 | 2019-09-02 | 确定品牌提及率的方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112445892B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101681380A (zh) * | 2007-06-04 | 2010-03-24 | 通腾科技股份有限公司 | 位置引入数据传递设备、位置数据引入系统以及位置数据引入方法 |
CN103164424A (zh) * | 2011-12-13 | 2013-06-19 | 阿里巴巴集团控股有限公司 | 一种时效性词的获取方法和装置 |
CN104077366A (zh) * | 2014-06-13 | 2014-10-01 | 北京百度网讯科技有限公司 | 一种在网络设备中用于确定特征信息的方法和装置 |
CN104102723A (zh) * | 2014-07-21 | 2014-10-15 | 百度在线网络技术(北京)有限公司 | 搜索内容提供方法和搜索引擎 |
US20150302503A1 (en) * | 2014-04-22 | 2015-10-22 | Elizabeth Churchill | System and method to customize user experience based on brand resilience data |
US20150310446A1 (en) * | 2014-04-28 | 2015-10-29 | Kenneth D. Tuchman | Method and System for Providing Support Services Using Interactive Media Documents |
US20160132904A1 (en) * | 2013-05-31 | 2016-05-12 | Hewlett-Packard Development Company, L.P. | Influence score of a brand |
CN107305585A (zh) * | 2016-04-20 | 2017-10-31 | 谷歌公司 | 由键盘作出的搜索查询预测 |
US20180052932A1 (en) * | 2016-08-16 | 2018-02-22 | International Business Machines Corporation | Unbiasing search results |
CN109598524A (zh) * | 2017-09-30 | 2019-04-09 | 北京国双科技有限公司 | 品牌曝光效果分析方法及装置 |
CN109710792A (zh) * | 2018-12-24 | 2019-05-03 | 西安烽火软件科技有限公司 | 一种基于索引的快速人脸检索系统应用 |
US20190179917A1 (en) * | 2017-12-08 | 2019-06-13 | Apple Inc. | Geographical knowledge graph |
-
2019
- 2019-09-02 CN CN201910831029.7A patent/CN112445892B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101681380A (zh) * | 2007-06-04 | 2010-03-24 | 通腾科技股份有限公司 | 位置引入数据传递设备、位置数据引入系统以及位置数据引入方法 |
CN103164424A (zh) * | 2011-12-13 | 2013-06-19 | 阿里巴巴集团控股有限公司 | 一种时效性词的获取方法和装置 |
US20160132904A1 (en) * | 2013-05-31 | 2016-05-12 | Hewlett-Packard Development Company, L.P. | Influence score of a brand |
US20150302503A1 (en) * | 2014-04-22 | 2015-10-22 | Elizabeth Churchill | System and method to customize user experience based on brand resilience data |
US20150310446A1 (en) * | 2014-04-28 | 2015-10-29 | Kenneth D. Tuchman | Method and System for Providing Support Services Using Interactive Media Documents |
CN104077366A (zh) * | 2014-06-13 | 2014-10-01 | 北京百度网讯科技有限公司 | 一种在网络设备中用于确定特征信息的方法和装置 |
CN104102723A (zh) * | 2014-07-21 | 2014-10-15 | 百度在线网络技术(北京)有限公司 | 搜索内容提供方法和搜索引擎 |
CN107305585A (zh) * | 2016-04-20 | 2017-10-31 | 谷歌公司 | 由键盘作出的搜索查询预测 |
US20180052932A1 (en) * | 2016-08-16 | 2018-02-22 | International Business Machines Corporation | Unbiasing search results |
CN109598524A (zh) * | 2017-09-30 | 2019-04-09 | 北京国双科技有限公司 | 品牌曝光效果分析方法及装置 |
US20190179917A1 (en) * | 2017-12-08 | 2019-06-13 | Apple Inc. | Geographical knowledge graph |
CN109710792A (zh) * | 2018-12-24 | 2019-05-03 | 西安烽火软件科技有限公司 | 一种基于索引的快速人脸检索系统应用 |
Non-Patent Citations (1)
Title |
---|
单文盛等: ""企业微博营销传播效果评估指标研究"", 《长沙大学学报》, pages 15 - 19 * |
Also Published As
Publication number | Publication date |
---|---|
CN112445892B (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11645316B2 (en) | Question answering method and language model training method, apparatus, device, and storage medium | |
US9619524B2 (en) | Personalizing scoping and ordering of object types for search | |
CN112087371B (zh) | 一种即时通讯群组的搜索方法、装置、设备和存储介质 | |
US11449682B2 (en) | Adjusting chatbot conversation to user personality and mood | |
US11132406B2 (en) | Action indicators for search operation output elements | |
TWI643076B (zh) | 金融非結構化文本分析系統及其方法 | |
CN111708934B (zh) | 知识内容的评价方法、装置、电子设备和存储介质 | |
CN103150352A (zh) | 用于生成相关搜索查询的系统 | |
US10691679B2 (en) | Providing query completions based on data tuples | |
US20210241163A1 (en) | Establishing a communication session between client terminals of users of a social network selected using a machine learning model | |
CA2917140A1 (en) | Social network for employment search | |
CN111127051B (zh) | 多渠道动态归因方法、装置、服务器及存储介质 | |
US11748429B2 (en) | Indexing native application data | |
CN112084150A (zh) | 模型训练、数据检索方法,装置,设备以及存储介质 | |
CN111460292A (zh) | 模型评估方法、装置、设备和介质 | |
CN110674404A (zh) | 链接信息生成方法、装置、系统、存储介质及电子设备 | |
CN107423362B (zh) | 行业确定方法、对象获取方法和装置、客户端、服务器 | |
US20220276067A1 (en) | Method and apparatus for guiding voice-packet recording function, device and computer storage medium | |
CN108345620B (zh) | 品牌信息处理方法、装置、存储介质及电子设备 | |
US10262061B2 (en) | Hierarchical data classification using frequency analysis | |
CN112445892B (zh) | 确定品牌提及率的方法、装置、电子设备及存储介质 | |
CN103514187B (zh) | 一种提供搜索结果的方法及装置 | |
CN106528624B (zh) | 信息显示方法及装置 | |
CN111881255B (zh) | 同义文本获取方法、装置、电子设备及存储介质 | |
CN112905872B (zh) | 意图识别方法、装置、设备和可读存储介质 |
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 |