CN112528167A - 一种基于社交媒体挖掘用户影响力的方法及电子装置 - Google Patents

一种基于社交媒体挖掘用户影响力的方法及电子装置 Download PDF

Info

Publication number
CN112528167A
CN112528167A CN202011524782.0A CN202011524782A CN112528167A CN 112528167 A CN112528167 A CN 112528167A CN 202011524782 A CN202011524782 A CN 202011524782A CN 112528167 A CN112528167 A CN 112528167A
Authority
CN
China
Prior art keywords
user
sharing
influence
instruction
link
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
CN202011524782.0A
Other languages
English (en)
Other versions
CN112528167B (zh
Inventor
徐靖
杨翌文
陈志良
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.)
Guangzhou Swift Breeze Information Technology Co ltd
Original Assignee
Guangzhou Swift Breeze Information Technology 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 Guangzhou Swift Breeze Information Technology Co ltd filed Critical Guangzhou Swift Breeze Information Technology Co ltd
Priority to CN202011524782.0A priority Critical patent/CN112528167B/zh
Publication of CN112528167A publication Critical patent/CN112528167A/zh
Application granted granted Critical
Publication of CN112528167B publication Critical patent/CN112528167B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9536—Search customisation based on social or collaborative filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/54—Interprogram communication
    • G06F9/547—Remote procedure calls [RPC]; Web services

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供了一种基于社交媒体挖掘用户影响力的方法，所述方法包括：S1.记录当前用户的分享行为；S2.通过开放平台在用户分享的链接上附加用户身份ID；S3.记录用户分享链接带来的新用户访问日志；S4.判断用户是否进行分享；S5.获取分享链接的访问日志，不断回溯上一级的分享者直至第一个分享者，并根据链接的访问日志的上下级关系构筑传播链；S6.对影响力判断结果进行可视化输出。该方法通过记录用户在社交媒体进行分享的行为，并在该用户的分享链接上附加一个带有其身份的ID，之后通过捕捉该分享链接的访问记录，来进行数据建模，描绘该用户的社交传播链，从而分析该用户影响力。

Description

一种基于社交媒体挖掘用户影响力的方法及电子装置
技术领域
本发明涉及计算机营销技术领域，特别是涉及一种基于社交媒体挖掘用户影响力的方法及电子装置。
背景技术
随着互联网技术发展，尤其是移动互联网以来，诞生了包括微博、微信、抖音、小红书等现象级的APP，人民群众在线上活动愈发活跃，可以说现在大众在日常生活中有将近一半的时间是花费在网络上的，通讯、社交、购物、学习等行为大部分行为从线下迁移到了线上。而在社交媒体愈加发达的今天，品牌与消费者的连接越来越直接，带来一种全新的，且利用KOL/KOC进行社交化营销的形式成为一种全新的营销模式。其中，KOL即关键意见领袖(Key Opinion Leader)，是营销学上的概念，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。KOC即关键意见消费者，英文全称为“Key Opinion Consumer”，对应KOL(Key Opinion Leader，关键意见领袖)。一般指能影响自己的朋友、粉丝，产生消费行为的消费者，其相比于KOL，KOC的粉丝更少，影响力更小，优势是更垂直、更便宜；在我们使用KOL/KOC进行社交化营销，该如何挖掘KOL/KOC(尤其是KOC作为消费者，并非直接在行业内已经具备足够的知名度)，成为一个问题。同样地，在与KOL/KOC进行社交化营销合作后，如何评判KOL/KOC带来的营销效果，也同样成为一个问题。基于这两个问题，可以通过算法抽象形成一个分析KOL/KOC影响力的问题，用以解决现有营销系统中不具备挖掘社交媒体影响力的问题。
因此，针对现有技术中存在的问题，亟需提供一种基于社交媒体挖掘用户影响力的技术显得尤为重要。
发明内容
本发明的目的在于提供一种基于社交媒体挖掘用户影响力的方法，以解决上述背景技术中提出的问题；该方法通过记录用户在社交媒体进行分享的行为，并在该用户的分享链接上附加一个带有其身份的ID，之后通过捕捉该分享链接的访问记录，来进行数据建模，描绘该用户的社交传播链，从而分析该用户影响力。
为了实现上述目的，本发明提供如下技术方案：
一种基于社交媒体挖掘用户影响力的方法，所述方法包括以下步骤：
S1：获取用户的分享操作信息，根据该用户分享操作信息，生成记录行为指令；将所述记录行为指令信息传送至系统，根据该指令信息，记录当前用户的分享行为；
S2：获取用户分享的链接信息，根据该用户分享的链接信息，生成附加身份ID指令；将所述附加身份ID指令传送至系统，根据该指令信息，通过开放平台在用户分享的链接上附加用户身份ID；
S3：获取用户分享链接的操作信息，根据该用户分享链接的操作信息，生成记录访问日志指令；将所述记录访问日志指令传送至系统，根据该记录访问日志指令，记录用户分享链接带来的新用户访问日志，并记录其上下级关系，构筑树状结构存储上下级关系，将树状结构数据存储至数据库；
S4：获取新用户访问的操作信息，根据该新用户访问的操作信息，生成分享判断指令；将所述分享判断指令传送至系统，根据该分享判断指令，判断用户是否进行分享，若经判断后，结果为“是”，则返回步骤S1，继续执行步骤S1～S4；若经判断后，结果为“否”，则停止执行；
S5：获取新用户分享判断结果信息，根据该新用户分享判断结果信息，生成回溯分享指令；根据该回溯分享指令，获取系统内存储的分享链接的访问日志，不断回溯上一级的分享者直至根源分享者，并读取链接的访问日志的上下级关系数据构筑传播链；
S6：获取传播链信息，生成可视化输出指令，对影响力判断结果进行可视化输出。
具体的，在步骤S5中，所述根源分享者，即为需要判断影响力的用户，以该用户为根节点进行回溯。
以上的，在所述步骤S5中，生成回溯分享指令的具体操作为：
S5-1：等待一段时间t，选择目标用户，将其标记为根源分享者，判断其影响力；
S5-2：以该根源分享者为根节点，从根节点开始，根据访问日志，检索其下所有节点构筑影响力树；
S5-3：遍历影响力树的节点，计算其广度和深度；
S5-4：根据算法p＝width*1+100*(2^depth)计算该根源分享者的影响力；其中，p为影响力，width为传播广度，depth为传播深度。
以上的，在所述步骤S2中，所述开放平台包括OpenAPI，通过OpenAPI在用户分享的链接上附加用户身份ID。
具体的，Open API即开放API，也称开放平台。所谓的开放API(OpenAPI)是服务型网站常见的一种应用，网站的服务商将自己的网站服务封装成一系列API(ApplicationProgramming Interface，应用编程接口)开放出去，供第三方开发者使用，这种行为就叫做开放网站的API，所开放的API就被称作OpenAPI(开放API)。
以上的，通过OpenAPI平台附加身份ID统计代码，根据该统计代码，得到具有父子关系的数据结构。
优选的，在所述步骤S5中，根据数据结构构筑传播链，其中，传播链中的每一个点代表一个参与传播的用户。
优选的，在所述步骤S6中，所述影响力判断过程为：根据传播链信息，用每个用户带来的下一级访问量来判决影响力；通过传播层级判断渗透效果。
具体的，渗透效果的判断标准为：层级越深，效果越好，用户影响力越大。
优选的，在所述步骤S6中，渗透效果的判断标准包括广度因素和深度因素，通过读取用户的分享所带来的下一级新用户来获取广度因素，通过读取用户的分享及其最终传递到的末端层数来获取深度因素，综合广度因素及深度因素，判断渗透效果。
具体的，广度因素，即一个用户的分享，带来的下一级新用户；深度因素，即一个用户的分享，到最终传递到末端，一共有几层；其中，若广度和深度用指数来描述，则可以设置100个广度用户＝1层深度，例如一个用户的分享下一级带来了500个新用户，则该指数为500，其分享的最深层级为3层，则该指数为300，综合影响力指数为800。
优选的，所述社交媒体包括网页、APP。
本发明还提供了一种电子装置，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如前述的基于社交媒体挖掘用户影响力的方法。
本发明又提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如前述的基于社交媒体挖掘用户影响力的方法。
本发明的有益效果为：
本发明提供了一种基于社交媒体挖掘用户影响力的方法，该方法通过记录用户在社交媒体进行分享的行为，并在该用户的分享链接上附加一个带有其身份的ID，之后通过捕捉该分享链接的访问记录，来进行数据建模，描绘该用户的社交传播链，从而分析该用户影响力。其具有数据模型简单，分析流程简易且可视化程度高的优点。
附图说明
图1为本发明提供的基于社交媒体挖掘用户影响力的方法的流程示意图；
图2为本发明提供的基于社交媒体挖掘用户影响力的方法的具体流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。
如图1～2所示，本实施例提供了一种基于社交媒体挖掘用户影响力的方法，所述方法包括以下步骤：
S1：获取用户(即分享者)的分享操作信息，根据该用户分享操作信息，生成记录行为指令；将所述记录行为指令信息传送至系统，根据该指令信息，记录当前用户的分享行为；
S2：获取用户分享的链接信息，根据该用户分享的链接信息，生成附加身份ID指令；将所述附加身份ID指令传送至系统，根据该指令信息，通过开放平台在用户分享的链接上附加用户身份ID；
S3：获取用户分享链接的操作信息，根据该用户分享链接的操作信息，生成记录访问日志指令；将所述记录访问日志指令传送至系统，根据该记录访问日志指令，记录用户分享链接带来的新用户(即新访问者)访问日志，并记录其上下级关系，将记录的数据存储至数据库；
S4：获取新用户(即新访问者)访问的操作信息，根据该新用户访问的操作信息，生成分享判断指令；将所述分享判断指令传送至系统，根据该分享判断指令，判断用户是否进行分享，若经判断后，结果为“是”，则返回步骤S1，继续执行步骤S1～S4；若经判断后，结果为“否”，则停止执行；
S5：经过设定的时间后，获取新用户(即新访问者)分享判断结果信息，例如设定时间为48小时，则48小时候再获取判断结果信息，根据该新用户分享判断结果信息，生成回溯分享指令；根据该回溯分享指令，获取系统内存储的分享链接的访问日志，不断回溯上一级的分享者直至根源分享者(即需要判断影响力的分享者)，并读取链接的访问日志的上下级关系构筑传播链；
S6：获取传播链信息，生成可视化输出指令，对影响力判断结果进行可视化输出。
在本实施例中，在所述步骤S2中，所述开放平台包括OpenAPI，通过OpenAPI在用户分享的链接上附加用户身份ID。
具体的，Open API即开放API，也称开放平台。所谓的开放API(OpenAPI)是服务型网站常见的一种应用，网站的服务商将自己的网站服务封装成一系列API(ApplicationProgramming Interface，应用编程接口)开放出去，供第三方开发者使用，这种行为就叫做开放网站的API，所开放的API就被称作OpenAPI(开放API)。
在本实施例中，通过OpenAPI平台附加身份ID统计代码，根据该统计代码，得到具有父子关系的数据结构。
在本实施例中，在所述步骤S5中，根据数据结构构筑传播链，其中，传播链中的每一个点代表一个参与传播的用户。
在本实施例中，在所述步骤S6中，所述影响力判断过程为：根据传播链信息，用每个用户带来的下一级访问量来判决影响力；通过传播层级判断渗透效果。
具体的，渗透效果的判断标准为：层级越深，效果越好，用户影响力越大。
本实施例还提供了一种电子装置，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如前述的基于社交媒体挖掘用户影响力的方法。
本实施例又提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如前述的基于社交媒体挖掘用户影响力的方法。
根据上述说明书的揭示和教导，本发明所属领域的技术人员还可以对上述实施方式进行变更和修改。因此，本发明并不局限于上面揭示和描述的具体实施方式，对发明的一些修改和变更也应当落入本发明的权利要求的保护范围内。此外，尽管本说明书中使用了一些特定的术语，但这些术语只是为了方便说明，并不对本发明构成任何限制。

Claims (10)

1.一种基于社交媒体挖掘用户影响力的方法，其特征在于，所述方法包括以下步骤：
S1：获取用户的分享操作信息，根据该用户分享操作信息，生成记录行为指令；将所述记录行为指令信息传送至系统，根据该指令信息，记录当前用户的分享行为；
S2：获取用户分享的链接信息，根据该用户分享的链接信息，生成附加身份ID指令；将所述附加身份ID指令传送至系统，根据该指令信息，通过开放平台在用户分享的链接上附加用户身份ID；
S3：获取用户分享链接的操作信息，根据该用户分享链接的操作信息，生成记录访问日志指令；将所述记录访问日志指令传送至系统，根据该记录访问日志指令，记录用户分享链接带来的新用户访问日志，并记录其上下级关系，构筑树状结构存储上下级关系，将树状结构数据存储至数据库；
S4：获取新用户访问的操作信息，根据该新用户访问的操作信息，生成分享判断指令；将所述分享判断指令传送至系统，根据该分享判断指令，判断用户是否进行分享，若经判断后，结果为“是”，则返回步骤S1，继续执行步骤S1～S4；若经判断后，结果为“否”，则停止执行；
S5：获取新用户分享判断结果信息，根据该新用户分享判断结果信息，生成回溯分享指令；根据该回溯分享指令，获取系统内存储的分享链接的访问日志，不断回溯上一级的分享者直至根源分享者，并读取链接的访问日志的上下级关系数据构筑传播链；
S6：获取传播链信息，生成可视化输出指令，对影响力判断结果进行可视化输出。
2.根据权利要求1所述的方法，其特征在于，在所述步骤S5中，生成回溯分享指令的具体操作为：
S5-1：等待一段时间t，选择目标用户，将其标记为根源分享者，判断其影响力；
S5-2：以该根源分享者为根节点，从根节点开始，根据访问日志，检索其下所有节点构筑影响力树；
S5-3：遍历影响力树的节点，计算其广度和深度；
S5-4：根据算法p＝width*1+100*(2^depth)计算该根源分享者的影响力，其中，p为影响力，width为传播广度，depth为传播深度。
3.根据权利要求1所述的方法，其特征在于，在所述步骤S2中，所述开放平台包括OpenAPI，通过OpenAPI在用户分享的链接上附加用户身份ID。
4.根据权利要求3所述的方法，其特征在于，在所述步骤S2中，通过OpenAPI平台附加身份ID统计代码，根据该统计代码，得到具有父子关系的数据结构。
5.根据权利要求4所述的方法，其特征在于，在所述步骤S5中，根据影响力树构筑传播链，其中，传播链中的每一个点代表一个参与传播的用户。
6.根据权利要求5所述的方法，其特征在于，在所述步骤S6中，所述影响力判断过程为：根据传播链信息，用每个用户带来的下一级访问量来判决影响力；通过传播层级判断渗透效果。
7.根据权利要求6所述的方法，其特征在于，在所述步骤S6中，渗透效果的判断标准包括广度因素和深度因素，通过读取用户的分享所带来的下一级新用户来获取广度因素，通过读取用户的分享及其最终传递到的末端层数来获取深度因素，综合广度因素及深度因素，判断渗透效果。
8.根据权利要求1所述的方法，其特征在于，所述社交媒体包括网页、APP。
9.一种电子装置，其特征在于，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如权利要求1～8中任一所述的基于社交媒体挖掘用户影响力的方法。
10.一种计算机可读介质，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如权利要求1～8中任一所述的基于社交媒体挖掘用户影响力的方法。
CN202011524782.0A 2020-12-21 2020-12-21 一种基于社交媒体挖掘用户影响力的方法及电子装置 Active CN112528167B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011524782.0A CN112528167B (zh) 2020-12-21 2020-12-21 一种基于社交媒体挖掘用户影响力的方法及电子装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011524782.0A CN112528167B (zh) 2020-12-21 2020-12-21 一种基于社交媒体挖掘用户影响力的方法及电子装置

Publications (2)

Publication Number Publication Date
CN112528167A true CN112528167A (zh) 2021-03-19
CN112528167B CN112528167B (zh) 2022-03-11

Family

ID=75002192

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011524782.0A Active CN112528167B (zh) 2020-12-21 2020-12-21 一种基于社交媒体挖掘用户影响力的方法及电子装置

Country Status (1)

Country Link
CN (1) CN112528167B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150120717A1 (en) * 2013-10-25 2015-04-30 Marketwire L.P. Systems and methods for determining influencers in a social data network and ranking data objects based on influencers
US20150199369A1 (en) * 2014-01-13 2015-07-16 International Business Machines Corporation Social balancer for indicating the relative priorities of linked objects
CN105049290A (zh) * 2015-08-11 2015-11-11 精硕世纪科技（北京）有限公司 页面访问监测方法及装置
CN106354733A (zh) * 2015-07-17 2017-01-25 中移(苏州)软件技术有限公司 一种微博用户影响力计算方法及装置
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
CN111210357A (zh) * 2019-12-26 2020-05-29 南京富士通南大软件技术有限公司 基于社交网络信息交互的用户影响力获取方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150120717A1 (en) * 2013-10-25 2015-04-30 Marketwire L.P. Systems and methods for determining influencers in a social data network and ranking data objects based on influencers
US20150199369A1 (en) * 2014-01-13 2015-07-16 International Business Machines Corporation Social balancer for indicating the relative priorities of linked objects
CN106354733A (zh) * 2015-07-17 2017-01-25 中移(苏州)软件技术有限公司 一种微博用户影响力计算方法及装置
CN105049290A (zh) * 2015-08-11 2015-11-11 精硕世纪科技（北京）有限公司 页面访问监测方法及装置
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
CN111210357A (zh) * 2019-12-26 2020-05-29 南京富士通南大软件技术有限公司 基于社交网络信息交互的用户影响力获取方法

Also Published As

Publication number Publication date
CN112528167B (zh) 2022-03-11

Similar Documents

Publication Publication Date Title
Wang et al. Industrial big data analytics: challenges, methodologies, and applications
US11615331B2 (en) Explainable artificial intelligence
CN107025509B (zh) 基于业务模型的决策系统和方法
Tolk et al. Reference modelling in support of M&S—foundations and applications
US11416754B1 (en) Automated cloud data and technology solution delivery using machine learning and artificial intelligence modeling
US20170185904A1 (en) Method and apparatus for facilitating on-demand building of predictive models
Chai et al. Understanding competencies in platform‐based product development: Antecedents and outcomes
TW202326537A (zh) 反欺詐風險評估方法、訓練方法、裝置及可讀存儲介質
CN109543925A (zh) 基于机器学习的风险预测方法、装置、计算机设备和存储介质
US20160117328A1 (en) Influence score of a social media domain
WO2014193399A1 (en) Influence score of a brand
Li et al. Study on the interaction between big data and artificial intelligence
CN114090755A (zh) 基于知识图谱的回复语句确定方法、装置及电子设备
CN107368499B (zh) 一种客户标签建模及推荐方法及装置
US20230342798A1 (en) Risk assessment management system and method
Chen et al. TraceGra: A trace-based anomaly detection for microservice using graph deep learning
Liu et al. User behavior discovery from low‐level software execution log
Agrawal et al. Predicting co‐change probability in software applications using historical metadata
Kajan et al. Real-time tracking and mining of users’ actions over social media
Hamid et al. GenAIPABench: A benchmark for generative AI-based privacy assistants
CN112528167B (zh) 一种基于社交媒体挖掘用户影响力的方法及电子装置
Balaraman et al. E-commerce trends and future analytics tools
Burmeister et al. Unraveling Privacy Concerns in Complex Data Ecosystems with Architectural Thinking.
CN116243910A (zh) 微服务领域划分方法、装置、电子设备及存储介质
Pajo et al. Systematic online lead user identification-case study for electrical installations

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