基于用户数据分析的微博营销效果评估体系优化

ＮＥＷ　Ｍａｒｋｅｔｉｎｇ　基于用户数据分析　的微博营销效果评估体系优化　摘要：社会媒体时代下，微博平台已经成为企业线上营　销传播中不可或缺的一部分。而伴随平台一起成长的灰色产业　“微博水军”也已成为了微博营销中的常态。水军的参与也给　微博营销效果的准确评估带来了巨大的挑战。本文基于大量的　用户数据研究，力图通过决策树模型对不同类别的水军与正常　用户间建立身份识别模型，并进一步对微博营销效果评估体系　的优化提出建议。　关键词：微博营销；评估体系；微博水军　依托于微博传播速度快、范围广、互动性强等特点，微博　已经成为企业线上营销的一大重要战场。中国互联网信息中心　（ＣＮＮＩＣ）发布了第３５次中国互联网发展统计报告。报告显示，　截止２０１４年１　２月，我国微博客用户规模为２．４９亿，网民使用率　为３８．４％。微博营销迅速发展的同时也伴随着“网络公关”、　“水军”等灰色产业的发展。这些虚假营销账号为了迎合客户　的需求，对某些品牌或产品进行不切实际的炒作或进行恶意攻　击，很大程度恶化了微博营销的环境，并对微博营销效果的准　确评估带来了挑战。　１、微博水军定义　目前关于微博水军的定义目前不下于十余种。并且随着技　术的发展，微博水军也在不断地“迭代升级”，关于水军的准　确描述也越来越困难。根据不同的文献定义，本文给微博水军　下了一个较为宽泛的定义：受雇于明确的组织或个人，利用虚　假账户通过微博平台进行带有特定目的的行为的网络人员。微　博水军的本质首先是存在某种商业关系，不论是受雇于公关公　司、企业或是个人。水军另一大特征就是利用虚假账户在微博　新浪徽博论坛博窖推广晶牌活动营销　￥１．Ｏ０　企业撒商与｝ｊｉ互动创意设计　口　兰回皿强　嘏南长　搬博粉账号出售粉大号徽博营销推广　１　４５９＾何替　徽博带粉的账号推广　姐　ｊ赶篮　●　徽博达人账户申请升缎徽博达人点亮　￥ｉ．Ｏ０　５０９＾付蔷　３０个绑定手机的粉好友　Ⅱ至矗　口　ｉ娅艇鼬盈　塑　南脚日　图２—１：淘宝搜索“微博粉”显示商家页面　上进行互动，也依此区别于“网络大Ｖ”，其账户的真实性以及　所带来的影响力与一般水军存在明显的不同。　微博水军收集以及分类　尽管微博水军通常被描述为“灰色产业”，但在中国最　大的电子商务网站淘宝网依然存在众多公开的水军卖家。通过　淘宝网的搜索功能检索“微博粉”就能找到提供“推广”　“营　销”服务的卖家。　笔者利用系统抽样的方法对３０位水军卖家进行了抽样调　查，了解微博水军的大致分类。为了保证粉丝购买的种类齐　全，笔者从上述１０４－水军卖家中进行购买，并创建微博实验账　号进行样本的收集，累计水军购买达１　０次，累计购水军约３０００　人次。通过对样本的初步观察归纳总结发现，水军大致可分为　以下两种类型：　“加粉类”以及“转发类”　“加粉类”水军指的是仅提供加粉服务不参与其他形式互　动的微博水军，发布内容以原创微博为主。“转发类”水军指　的是提供加粉以及转发评论服务的微博水军，发布内容以转发　微博为主。通过对这些微博水军的观察我们可以发现，随着近　几年技术的发展，微博水军的“质量”和辨识难度上不断得到　提升。曾经没有头像，没有粉丝，不发微博的所谓“僵尸粉”　已经不见踪迹。但是仔细观察这些微博水军，他们同一般用户　还是存在一定的差别。　３、基于用户数据挖掘的微博水军识别　在数据获取与分析方面，笔者利用公开的网络爬虫软件对　相应的微博数据进行搜集。并选择了ＳＰＳＳ　Ｍｏｄｅｌｅｒ１　４．１作为数　据分析工具，通过Ｍｏｄｅｌｅｒ中的内置的决策树Ｃ５．０算法对数据进　行处理建立分类模型。　３．１特征值选取　韩忠明，许峰敏等通过分析用户可信度方面的相关文献并　结合直观的分析，从用户属性和用户行为两个侧面对微博水军　的特征值进行挑选。本文借鉴这些特征，在其基础之上做了部　分处理和归纳，提出了以下几种具有代表性的用户属性特征，　建立分类模型。　１）认证身份：分为“／ｊｎｖ”、“达人”、“一般”。　２）关注数：微博账号关注者的数量。　３）粉丝数：微博账号粉丝的数量。　４）微博数：微博张账号发布的微博数量。　２１１１＝；．１１　衢菱３９　ＭＮｅｗ］ａｒｋｅｔｉｎｇ新营销　针・Ｉ莒　肖　５）平均微博长度：用户最近发布的１　５条微博所带字符的平　除水军中的虚假成分。由于微博水军主要通过“关注加粉”和　均数（包括原发与发的微博内容）。　“转发评论”行为来影响评估过程，因此以下仅以粉丝增长量　（１）粉丝增长量　６）离散系数：用户最近发布的１　５条微博的字数的标准差与　以及互动量两个指标作为示例。　均值的比率。　７）原刨率：用户最近发布的１　５条微博中的原创微博数占总　微博数的比率。　粉丝增长量指的是一段时间内，微博账号获得的粉丝　数量。　８）用户活跃度：将用户注册时间与微博数的比值　９）粉丝关注比：粉丝数／关注数。　在该指标中，加粉水军以及转发水军的参与都有可能影响　到指标的准确性。指标优化可用以下公式表示：Ｆ’：Ｆｆ．　一ｆｈ．　。　ｔ１到ｔｏ时间内的新增粉丝数，　为了提高数据挖掘以及处理的效率，故在６、７、８－－个指标　Ｆ’：真实粉丝增长量，Ｆ　上仅取近期１　５条的微博作为数据基础。　３．２数据采集　需采集的数据分为三部分：加粉类微博水军、转发类微博　水军和正常用户。每一部分所抓取的内容包括：微博用户的粉丝　数、关注数、微博数、注册时间、最近十五条微博内容和注册时　间。在这里需加说明：微博水军的数据来自实验账号所购买的水　军信息。而真实用户的微博则是由小组成员随机选择的十位较活　跃的微博用户，以他们关注的用户作为正常用户的样本。　以下是标；佳化处理后带入模型实验账号的数据统计。　表３—１：带八模型的三类实验账号的数据统计　账号类型　账号个数　加粉水军　９３５　转发水军　６４０　正常用户　１５７５　总计　３１５Ｏ　３．３模型解释与实际意义　从相关数据可以看出，上述模型具有很高的准确度。但作　为数字模型仅是对输入的数据进行了相关运算，需要进一步解　释并对其实际意义进行探讨。　首先，就加粉水军与正常用户来说，　“原创率”、　“粉丝　关注比”是区分最重要的两个变量。在粉丝购买阶段，我们已　经注意到加粉水军发布的微博中绝大部分为原创微博，在数据　上即表现为极高的原创率。在粉丝关注比上，由于该类水军的　功能在于“关注加粉”，自然其关注人较多，而粉丝相对而言　较少。因此运用“粉丝关注比”能进一步对用户进行识别。　第二，就转发水军与正常用户来说，　“粉丝数”、　“离散　系数”、　“微博数”和“活跃度”是区分身份较重要的几个变　量。转发水军由于主要功能是实现“转发评论”，部分水军也　具有“关注加粉”的功能。因此转发水军之间也存在一定的差　别，增加了决策树的复杂性。根据运算得出的识别模型中，一　般来说转发水军的粉丝数较少并少于６８０的阙值。在粉丝小于　６８０的用户中，继续用微博长度的离散系数作为区分标准。由于　正常用户微博中发布微博的行为更加随意，转发和原创内容夹　杂评论因此微博长度的离散系数较高。另外由于转发用户转发　行为只针对其服务的营销账号，因此其发布的微博数以及活跃　度都偏低。　４、微博营销评估指标体系的优化　４．１既有指标　考虑到微博水军的参与，既有的指标无法准确的衡量微博　营销的真实效果以及水平。因此需要对既有指标进行优化，去　４０■－＇Ｅ：　Ｕ　ｌ己口１５．１１　ｔ　到ｔ。时间内的新增粉丝中的水军数。　（２）互动量：　互动量指的是～段时间内，微博账号获得的转发、评论、　点赞数的总和。　该指标主要受到转发水军的影响。指标的优化可用以下公　式表示：　Ｉ’＝Ｉ　ｉｈ．　。Ｉ’：真实互动量，Ｉ　ｔ１到ｔｏ时间内所有粉丝　的互动量，ｉ　：ｔ　到ｔ。时间内的水军的互动量。　除了上述两个指标外，营销评估中还可能涉及粉丝的性　别比例、地域来源等其他指标，都可以参考上述两个指标通过　“原指标计算一数据收集一模型识别一指标修正”的步骤进行　优化并得到反映真实情况的指标。　４．２新增指标　在上述指标优化中，我们已经能通过既有指标的优化了解　微博的真实营销效果，但是对水军总体状况还缺少应有的评估　指标进行相应的描述。为此我们提出了粉丝质量以及水军参与　率两个新增指标以完善上述评估过程。　（１）水军粉占比　水军粉占比指的是微博粉丝中微博水军所占的比例，用以　反映微博粉丝的总体质量。计算公式：Ｒ’＝ｔ．／Ｆ。Ｒ。：水军粉占　比，ｆ．：ｔ时间点的微博水军数，　：ｔ时间点的微博粉丝数。　（２）水军互动率　水军互动率指的是在某个时间段内水军产生互动量（转　发、评论、点赞数之和）占所有互动量之比。计算公式：Ｅ’＝　／　ｆ＋＋。Ｅ’：水军互动率，Ｉ　ｔ　到ｔｏ时间内所有粉丝的互动量，　ｉ　ｔ１到ｔ。时间内的水军的活动量。　除了上述两个新增指标外，企业针对其不同需求可以进　行更详细的水军分析，如计算具体转发水军数，加粉水军数等　等。具体指标可以参考上述“相关计算一数据收集一模型识　别一指标计算”的步骤进行计算得到相应值。ｃ　参考文献：　［１１殷俊，何芳．微博在我国的传播现状及传播特征分析［Ｊ】．河南大　学学报（社会科学版），２０１１，０３：１２４－１２９．　【２】金永生，王睿，陈祥兵．企业微博营销效果和粉丝数量的短期互动　模型［Ｊ】．．管理科学，２０１１，０４：７１－８３．　［３Ｊ赵爱琴，朱景焕．企业微博营销效果评估研究…．江苏商　论，２０１２，０１：８９－９２．　［４】唐兴通．社会化媒体营销大趋势：策略方法【Ｍ】．北京；清华大　学出版社，２０１１．　作者简介：　陈佳彬王新阳马双杰，中国传媒大学经济与管理学院　彭煊，中国传媒大学新闻学院。