大数据营销 课件 第十章 内容营销

第十章内容营销1学习目标 掌握内容营销的基本策略 认识引爆内容的关键点 了解内容数据处理方法2本章思维导图3开篇案例可口可乐的内容营销“分享可口可乐（Share-A-Coke）”活动，鼓励顾客在社交媒体上以#ShareACoke为标签分享图片和故事等，并在Facebook上获得了约2500万名粉丝可口可乐在内容营销领域取得了巨大的成功归功于以下几点：个性化设计：顾客可以通过网站个性化定制方式，将自己的名字或者有趣的文字印在瓶子上，加强顾客与企业之间情感联系。数字化参与：可口可乐鼓励用户以#ShareACoke为标签分享图片和故事，导致分享、点赞、评论等社交效应，这有利于增加品牌知名度。行为召唤（calltoaction）：行动召唤行为是让用户在不知不觉中触发行为，而不是要求用户去做。分享可口可乐”活动引发了广泛的共鸣，人们通过购买印有亲人名字的可乐，寄托对亲人深切的思念之情。强大的故事叙述：“分享可口可乐”活动主要围绕某个故事展开，可以与爱情、亲情和友情相关。企业强大的故事叙述能力无形之中把顾客与品牌联系在一起，加强了与顾客之间的联系。

那么，什么是内容营销？成功实施内容营销的基本策略有哪些？4一、内容营销的内涵内容营销市场增长率较高：根据Technavio的市场研究报告，从2020年至2025年，内容营销市场预计将增长4178.5亿美元，复合年均增长率将达到16%。内容营销的定义，学术界有两种流派：一方面，一些学者表示内容营销是一种营销传播方式，是指企业通过官方渠道创造并向消费者传播营销内容。其目的在于提高现有顾客的参与度、吸引潜在顾客的注意并增加相关营销结果。另一方面，一些学者认为内容营销与传统的社会媒体营销不同，内容营销逐渐从以“销售”为目的转变为以“帮助”为目的。具体来说，内容营销是通过“讲故事”加强与顾客之间的联系，为顾客提供有价值的信息，而不是极力推销产品或服务本文对内容营销的定义：内容营销是指企业是以“讲故事”的方式为顾客提供有价值的信息，并不明确的进行品牌宣传。内容营销旨在激发人们对产品或服务的兴趣，加强与现有顾客之间的联系，吸引潜在顾客的注意力和帮助企业建立可持续的品牌忠诚度，其目的不在于获得即时销售，而是间接地、长期地获得销售。5第一节

引爆内容与内容营销社会媒体内容营销：企业通过在社交媒体上创造各种形式的内容，可以迅速吸引顾客注意。企业既可以在官方社交媒体平台上发布温暖的“品牌故事”，引起顾客的共鸣，也可以通过发布产品使用攻略和新产品发布等为顾客提供有价值的信息。影响者内容营销：企业通过挑选有影响力的人帮助企业创造内容，并借用其个人信任来建立用户的品牌意识。影响者在社交媒体平台通常有固定的追随者基础，他们拥有更广泛的人脉资源，可以触及企业无法覆盖的顾客，可以吸引更多的潜在顾客。交互式内容营销：交互式内容营销是通过互动形式给顾客带来好的购买体验，同时给顾客提供有价值的信息。游戏和测试这样的互动性内容可以增加与目标受众的互动，同时也能帮助企业收集有价值的信息。电子书和案例研究等形式的内容营销：下载电子书，则需要提供个人邮箱和姓名等个人信息，而这些信息有利于企业给顾客带来更有价值的个性化内容。企业通过案例研究可以将自身描述为该领域的专家，通过向潜在顾客展示他们是如何利用专业来帮助其他企业的，进而吸引潜在顾客。6二、内容营销的类别具有SMART目标：SMART目标，即明确性（Specific）、现实性（Realistic）、及时性（Timely）、可实现性（Attainable）和可测量（Measurable）。具体来说，明确性是指内容营销目标的明确性；现实性是指企业需要评估当前的流量、转化率等数据，根据自身实际情况去制定现实目标；及时性是指企业通过制定时间表高效地执行内容营销策略；可实现性是指企业需衡量自身是否具有实现内容营销目标的资源；可测量是指企业需要衡量内容营销目标的成功。锁定目标受众：目标受众是指企业希望捕获并能参与到内容活动的特定人群，企业需要对目标受众的痛点、动机、兴趣、地理位置以及人口统计数据等都有所了解。目标受众是特定的，企业需要深入目标靶心。若营销信息不够聚焦到目标人群，将会导致人们无法真正参与其中。讲好品牌故事：内容营销是一种吸引策略，企业通过讲故事的方式与目标受众和买家建立联系。企业通过在社交媒体上发布引人注目的品牌故事，有助于增强品牌知名度、增加顾客品牌记忆和提高顾客转化率。讲的品牌故事越好，就越能让顾客产生共鸣，越会赢得顾客的信任，越能增强顾客与品牌的情感连接。7三、内容营销的基本策略提供价值性内容：内容是内容营销背后的王者，内容营销的关键是建立信任，企业通过提供有价值的高质量信息，可以增加顾客信任。企业在进行内容营销时应优先考虑内容的质量而不是数量，高质量内容的发布。在信息过载的时代，优质的内容可以为企业带来核心竞争力。因此，企业在进行内容营销时应该把时间和精力聚焦在价值上，内容的质量和相关性胜过数量。实现个性化接触：个性化与情感联系密切，企业通过将顾客进行细分，对其实行个性化接触，可以改变与顾客的情感联系。例如，可口可乐的定制化活动，就是装在瓶子里的病毒营销。可口可乐允许人们在包装上加入个性化标签，这不仅从包装上赋予产品更多的感情，还通过拟人对话的方式与顾客产生互动，让产品不再是冷冰冰的。精准化内容投放：选取“合适”的人群进行内容播种，对于内容营销传播至关重要。明星、大V等影响者往往是内容播种的首选，因为他们有大量受众，并已在自己的受众中建立了信任。草根等“微影响者”他们也在内容营销中扮演重要的角色，他们服务的往往是更小众和忠实的受众。因此，无论是影响者还是“微影响者”，企业需要找出“合适”的人群进行内容播种，才能有效实现营销目标。8内容应具备可分享性：可分享性是指内容是否具备被人们分享的特性。有些帖子被很多人点赞、评论，却几乎无人分享，这些内容可能是与宗教、政治等敏感话题相关，也可能不具备话题的可谈论性。内容应能增加社交货币：人们会倾向分享维持或提升自身形象的内容去增加社交货币，分享不相关或者误导性的内容会让人们的声誉置于危险之中，并因此损失社交货币。内容应具有高唤醒情绪：Berger的研究发现具有高唤醒情绪的内容比低唤醒情绪的内容更具有病毒性，这是因为高唤醒情绪的内容更容易帮助大脑激活生理功能，从而引发人们的分享行为。内容应具有实用价值：企业不应过于强调宣传产品或曝光品牌，而应聚焦于向目标受众提供有价值的信息。有价值的信息会增加人们帮助他人的动机，这有利于提高人们进行内容分享的意愿。内容应具有独特新颖性：在信息过载的时代，内容同质化严重，在内容供大于求的现状里，新颖的内容可以为企业内容营销带来竞争力。识别关键影响者：影响者往往拥有一定的影响力，并已在目标受众中建立了信任。企业利用影响者投放内容，可以快速实现内容传播，达到引爆内容的效果。9四、引爆性内容的关键点内容营销发展更具人性化：未来企业将更聚焦于挖掘顾客的痛点和需求，将“同理心”融入到内容策略中，通过创造个性化的内容，与顾客建立联系。此外，未来企业将会进一步把内容作为与目标受众的对话，将原创故事融入到内容中，让企业的品牌个性闪耀。内容营销发展更具智能化：实现人工智能和内容营销者的结合，能为内容营销带来诸多好处。首先，人工智能技术有助于提高内容营销质量，帮助营销人员更高效的完成工作，同时也能为顾客带来更好的体验；其次，有了人工智能，企业可以收集和储存大量顾客数据，通过分析顾客历史行为为其制定个性化旅程，量体裁衣地为顾客提供更有价值的内容；再者，人工智能技术使企业从内容管理中解放出来，并对内容营销效果进行准确衡量。内容营销发展更具交互性：互动性内容的关键是创建双向对话，旨在鼓励用户积极参与，而不是被动观看互动性内容。互动性内容能让顾客在互动过程中获得乐趣，给目标受众留下深刻印象，并推动更高的参与度和培养强大的顾客品牌联系。10五、内容营销的发展趋势首先，文字形式的内容营销是较为广泛和流行的。“博客”是企业常用的文字内容创造平台。企业基于“博客”平台发布有用的文字信息，可以帮助用户获取价值。企业通过定期投放富有洞察力的高质量文章，可以帮助其在行业中建立权威和提升品牌的曝光度。此外，源源不断新鲜、有用的文章，也会博得用户关注，有助于建立用户的忠诚度和信任。其次，音频形式的内容营销是指以音频形式传播品牌理念，进而吸引听众。声音可以发生音调、音量和音色的变化，比文字形式的内容更具趣味性。企业通过音频向目标受众提供他们所需要的信息，可以提高他们的忠诚度和留存率。“播客”是企业进行内容营销的重要媒介，它是通过音频形式向目标受众传递有价值的信息。““播客”的订阅功能可以让人们及时接收到新的内容，声音让听众感受到话语背后的情感，加强企业与顾客之间的情感联系。最后，视觉内容营销是指通过图片和视频等视觉内容，向目标受众传递信息。与文字和音频形式的信息相比，视觉形式的内容会更容易理解，也会更加生动有趣。将企业LOGO图片添加到信息中，可以提高品牌知名度。直播等实时互动的视觉内容会提高顾客的参与度，加强与顾客的情感建立。与其他形式的内容相比，视觉形式的内容可以让企业脱颖而出，并加大内容营销成功的概率。11六、内容营销的文字、音频和视觉一、文本分析技术主题分析方法：题分析方法是一种系统地识别、组织和提供对整个数据集的主题模式洞察力的方法，主题分析方法不是对文本进行分类，而是从文本中提取主题，是一种自下而上的分析方法。文本分类技术：文本分类技术是由机器学习技术驱动的，它是将预定义的类别分配给自由文本文档的任务。监督学习和无监督学习算法：监督学习主要包括分类算法和回归算法，文本分析技术中比较流行的算法包括朴素贝叶斯和支持向量机等；无监督学习是指使用机器学习算法来分析和聚类无标记的数据集，即不需要人工干预就能发现隐藏的模式或数据分组，无监督学习主要用于聚类和数据降维等。自然语言处理法：自然语言处理法被用于非结构化文本数据的自动处理和分析，并允许计算机通过分析句子结构和语法来阅读，是文本分析技术中自动化程度最高的方法。12第二节

内容数据处理方法图像识别技术是计算机视觉的一种应用，致力于识别人、物体、地点和标识等对企业有价值的东西。它是通过机器学习算法和人工智能模型去完成一系列任务，包括目标检测、图像识别和图像分类。图像识别的建模过程，主要包括从图像中提取像素特征、用标记的图像训练模型和识别新图像这三个过程。图像识别技术主要运用机器学习算法和深度学习算法，包括支持向量机、BOF算法和Viola-Jones算法。13二、图像识别技术14语音识别技术是以语音为研究对象，对其进行识别、理解和反应的机器。它能使用程序将识别和理解后的语音转换为文本进行处理，其最终目的是实现人与机器的语言交流。语音识别技术主要包括隐马尔可夫模型（HMM)、人工神经网络（NNs）和动态时间规整算法（DTW）。三、语音识别技术第三节大数据内容营销的案例案例背景：企业在社交媒体平台（如微博）会发布帖子，营销人员怎样设计帖子的内容（图片和文本），从而促进更多的参与（点赞、转发和评论）案例流程：1.获取数据（涉及网络技术、网络爬虫技术）2.文本分析（使用LDA模型分析帖子的文本主题）3.图片分析（使用计算机视觉技术分析图片内容；介绍深度学习的使用方法）4.给出结论和建议15网络爬虫获取信息的步骤包括：1）获取网页获取网页是指获取网页中的源代码。Python中可以使用Requests库、Selenium库、Scrapy爬虫框架，模拟人类向网站的服务器发送请求。2）提取信息Python中可以使用re库、BeautifulSoup库、lxml库解析网页源代码提取信息。16一、网络爬虫基础知识3）保存数据①可以使用open(file_path).write()方法将数据保存为txt文件②使用csv库、pandas库将数据保存为csv文件③使用xlwt库、pandas库将数据保存为xlsx文件④使用PyMySQL库将数据保存至MySQL。4）编写程序自动化运行当需要获取大量数据时，可以编写成自动化脚本获取数据，需在编写程序时考虑各种异常情况并进行处理。17URL：UniformResourceLocator，统一资源定位器俗称“网址”HTML：HyperTextMarkupLanguage（超文本标记语言），HTML代码被浏览器解析之后便成了我们平常看到的网页。HTTP和HTTPS：HTTP和HTTPS是访问资源需要的协议类型。HTTP中文叫超文本传输协议，用于从网络传输超文本数据到本地浏览器。请求：请求由客户端向服务端发出，用以请求服务器给出内容。请求分为4部分内容：请求方法（RequestMethod）、请求的网址（RequestURL）、请求头（RequestHeaders）、请求体（RequestBody）。18二、HTTP基本定义响应：响应是由服务端返回给客户端，返回请求的内容。响应可以分为3部分：响应状态码（ResponseStatusCode）、响应头（ResponseHeaders）和响应体（ResponseBody）。完整的HTTP请求过程：1）浏览器向服务器发送一个请求2）网站服务器对请求进行处理和解析，返回响应。3）响应里包含了网页的源代码等内容，浏览器对其进行解析，将网页呈现出来。19本文所需要获取的目标对象为：汽车行业的27个汽车品牌的官方微博，包括保时捷、奥迪、本田中国等。需要获取的数据内容为：品牌官方微博的账号信息，包括名字，微博认证内容，粉丝数，关注数等。需要获取品牌官方微博帖子内容为：发微博的时间，来源，帖子的图片，帖子的文本等。20三、文本内容的抓取、采集与预处理详细的数据获取步骤如下：（一）获取不同汽车品牌官方微博的uid值uid值是微博用来标识每一个用户的唯一值。进入微博官网，搜索奥迪，进入奥迪微博页面，上方/u/后面的值就是奥迪的uid值，奥迪的uid值为1841218153。21（二）获取品牌官方微博的账号信息品牌官方微博的账号信息的API接口是：“/profile/info?uid={uid}”，其中将“{uid}”替换为品牌微博的uid即可。比如获取奥迪的账号信息的url是：“/profile/info?uid=1841218153”。使用requests库依次访问每一个品牌账号信息的url，将会获得类似下面这种json格式的数据。22（三）对品牌官方微博的账号信息进行解析使用json库对品牌账号信息进行解析，可以得到品牌发贴总数、是否认证、关注它的人数、它关注的人数、品牌微博标语等信息。json.load()方法，用以读取json数据json.load().get()方法，用以解析json数据csv.writer().writerow()方法，将保存数据成csv格式文件23（四）获取品牌官方微博发布的每一个帖子信息品牌官方微博的帖子信息的API接口是“/api/container/getIndex?containerid=230413{uid}_-_WEIBO_SECOND_PROFILE_WEIBO&page_type=03&page={page}”。其中{uid}是品牌微博的uid，page表示面数，一面可以获得20个品牌帖子。如将{page}替换成1，可以获得第1到20个帖子，将{page}替换成2，可以获得第21到35个帖子。比如奥迪最近的第1到20个帖子的内容可以通过以下方式获得：“/api/container/getIndex?containerid=2304131841218153_-_WEIBO_SECOND_PROFILE_WEIBO&page_type=03&page=1”24（五）解析帖子信息使用json库对帖子信息进行解析，可以得到帖子创建时间、帖子文本内容、表情符号内容、＃号内容、帖子来源、是否是转发的帖子、艾特的内容、图片数量、图片链接、转发数量、评论数量、点赞数量等信息。（六）下载帖子图片根据第五步得到的图片链接，使用requests库下载图片。需要注意的是，下载图片需要保存二级制型的数据（也即requests.get(url).content），而不是Unicode型的数据（也即requests.get(url).text）。25主题模型（topicmodel）是以非监督学习的方式对文本集的隐含语义结构进行聚类的统计模型。LDA（LatentDirichletAllocation）是常见的主题模型之一，用来推测文档的主题分布。它可以将文档集中每篇文档的主题以概率分布的形式给出。LDA模型假设整个语料库（即所有的文档）共享K个主题，每个文档是K个主题的某个未知比例的混合，每个词也属于某个未知主题。当我们浏览文章时可以发现一个规律，相同主题的词经常同时出现在同一文档中，不同主题的词只同时出现在少数文档中。LDA模型把一些经常同时出现的词归于一个主题，通过训练最大化文档中词的概率可以得到文档的主题分布和主题的词分布。26四、主题模型构建LDA模型的常用库是Gensim库。本案例使用所有帖子的文本数据、利用gensim库构建LDA主题模型，通过训练模型可以得到所有品牌帖子的主题分布以及每个帖子主要归属于哪个主题。以下是详细步骤：（一）对语料库进行分词中文文本分词常用的python库是jieba库。jieba库有三种文本分词模式，分别是精确模式、全模式和搜索引擎模式。精确模式把文本精确的切分开，不存在冗余单词。我们使用精确模式进行分词。（二）去除停用词停用词是没有多大意义、将这些词删除不会影响句子表达的含义的词。停用词通常包含两类。一类是使用十分广泛、过于频繁的一些单词。比如“我”、“就”之类词几乎在每个文档上均会出现。另一类是实际意义不大的词。这一类主要包括了语气助词、副词、介词、连词等。27（三）训练LDA主题模型使用gensim库，可以训练LDA主题模型。在训练之前需要确定潜在的主题数，主题数属于超参数，需要额外确定，我们选择的主题数是2到10。（四）计算困惑度困惑度（Perplexity）是用来评估一个语言模型的好坏的指标。困惑度最简单直观的解释是：困惑度反映的是你的模型对预测下一个字符时有多少可选项，困惑度越低说明你的模型对下一个字符预测的把握越大。例如，当困惑度为20时说明模型在预测下一个字符时它有20个选项，当困惑度接近1时说明你的模型预测下一个字符只有一个可选项，这从侧面也反映你的模型在预测这个字符时准确度很高，这就可以确定就是这个字符不可能是其他字符了。我们通过计算主题数为2到10的各个模型的困惑度，然后确定困惑度最低且主题数适中的模型为最优模型。28构建深度学习模型需要利用深度学习框架，常见的深度学习框架有TensorFlow、PyTorch和PaddlePaddle等。TensorFlow、PyTorch和PaddlePaddle分别由Google、Facebook（现改名Meta）、百度发布和维护。相比而言，PyTorch更有利于研究人员快速建立模型及进行小规模项目运行。TensorFlow更适合大规模部署，特别是需要跨平台和嵌入式部署时。PaddlePaddle发布了大量的预训练的深度学习模型，用户可以安装paddlehub库、下载了模型即可使用。29五、深度学习模型的使用使用深度学习模型的方法有以下三种：1）从0到1训练一个模型包含的步骤有：①准备清洗后的数据；②划分训练集、验证集和测试集；③模型训练和验证。此时需要注意防止过度拟合；④模型评估；⑤模型再训练；⑥模型的使用和部署。2）使用预训练的模型如果需要解决的问题和预训练模型解决的问题一致，可以直接使用预训练的模型进行预测。如果需要解决的问题和预训练的模型解决的问题类似但有不同，可以采用迁移学习的策略。迁移学习把已训练好的模型（预训练模型）参数迁移到新的模型来训练新模型，同时解冻预训练模型的最后几层进行重新训练。相比于从0到1训练一个模型，通过迁移学习训练的模型初始性能更好、模型提升的速率更快、得到的模型收敛更好等。303）调用API接口如百度在网站提供了语音识别、图像分类、文本分类等服务，服务有付费也有免费的，用户可以根据需要选择。举例：1）使用TensorFlow从0到1构建一个文本分类的TextCNN模型TextCNN网络是用来做文本分类的卷积神经网络模型。进行文本分类包含以下步骤：第一步，对数据进行手动编码。我们从10万条帖子样本中随机选择了5000条微博帖子，让两个人进行人工编码。编码前讨论并制定了分类标准，编码时设置了最短编码时间，如果两者的编码结果不一致将加上另外一人进行讨论，三者共同讨论确定最终的编码结果。这些措施保证了编码结果的准确。31第二步，对文本进行分词并删除停用词。此步骤类似于“主题模型”中的步骤。第三步，划分训练集和测试集。我们将80%的样本（也即4000个样本）划分为训练集，20%的样本划分为测试集。训练的时候使用3200个样本训练，800个样本验证。第四步，填充每个样本至一样的长度。有的帖子包含50个词，有的包含10个词，我们使用空格，将每个句子统一填充到120的长度。第五步，模型的训练和评估。我们的模型使用的优化器是Adam优化器，损失函数是sparse_categorical_crossentropy，衡量指标是sparse_categorical_accuracy，为了防止过拟合dropout参数设置为0.5。模型总共训练了50次，最终模型在训练集和验证集上的准确率为0.75。第六步，对剩余的数据进行预处理后，调用训练好的模型预测所属的类别。322）使用预训练的模型进行预测访问网站“/hublist”，可以查看百度发布的各种预训练模型。如文本情感分类模型的网址为：“/hubdetail?name=senta_lstm&en_category=SentimentAnalysis”，使用前需要安装python和paddlehub库。进行文本情感分类的步骤为：第一步，下载文本情感分类模型。使用hub.Module(name="senta_lstm")代码下载模型。第二步，对文本进行情感分类。如使用senta.sentiment_classify(texts=['今天我很开心'])进行情感分类，它返回的结果是这句话有0.986的概率是正面的。33第三部分是调用API使用深度学习模型。我们使用的服务是图片人脸检测，网址为“/ai-doc/FACE/yk37c1u4t”，具体的使用步骤如下：第一步，访问网址/doc/Reference/s/9jwvz2egb，获取AK和SK。AK（AccessKeyID）/SK（SecretAccessKey），主要用于对用户的调用行为进行鉴权和认证，相当于百度智能云API专用的用户名及密码。34第二步，访问网址/oauth/2.0/token?grant_type=client_credentials&client_id={AK}&client_secret={SK}，获取token，一个token可以使用30天。其中{AK}即为第一步获取的AK，{SK}即为第二步获取的SK。第三步，访问网址“/rest/2.0/face/v3/detect?access_token={token}”获取人脸检测结果，其中{token}是第二步获取的token。使用网络爬虫调用post方法访问这个网址时，需要构建params传入图片的信息。35微博图像的分析包含语义层次的分析和非语义层次的分析。进行语义层次的分析，比如通过图像分类、目标检测、文字识别图片中包含的物体和对象；进行非语义层次的分析，比如通过计算图片的色调、饱和度和亮度计算图片的色彩丰富度、平均饱和度和平均亮度等。第一，使用图像分类的深度学习方法。图像分类是从给定的分类集合中给图像分配一个标签的任务，常用的图像分类深度学习网络模型有Vgg系列、Resnet系列、Inception系列和Densenet系列。使用图像分类模型，可以根据概率给图像分配多个标签，如车：50%，人：45%，球：5%，其中p是图片分配到某物体类别的概率。通过公式-Σplog(p)计算图像的复杂度，图像对象越多，复杂度越高。36六、微博图像分析第二，使用目标检测的深度学习方法目标检测的任务是找出图像中的目标（物体），并确定它们的类别和位置。我们使用人脸检测，可以获得帖子图片中人脸的数量、大小和位置。然后我们使用了通用目标检测方法，可以获得帖子图片中是否包含产品（汽车）以及其他目标的信息。第三，使用光学字符识别（OCR）模型我们注意到有些帖子的图片中会包含一些文字，我们使用