基于UGC內(nèi)容挖掘的To C傳播策略研究

張益勤

摘 要：全面To C是現(xiàn)在各企業(yè)重要的發(fā)展方向，To C傳播策略是各企業(yè)營(yíng)銷(xiāo)的重要指導(dǎo)方針。如何找到用戶，識(shí)別用戶喜愛(ài)的內(nèi)容是To C營(yíng)銷(xiāo)的關(guān)鍵。本文以小紅書(shū)上宏光MINIEV UGC內(nèi)容為樣本，通過(guò)抓取平臺(tái)上用戶創(chuàng)作的內(nèi)容，以文本聚類的方式進(jìn)行內(nèi)容分類，再根據(jù)內(nèi)容量級(jí)及互動(dòng)指標(biāo)篩選出優(yōu)質(zhì)內(nèi)容，并結(jié)合爆款內(nèi)容下面的評(píng)論分析進(jìn)行UGC內(nèi)容的深度挖掘，從而找到最受用戶或消費(fèi)者歡迎的內(nèi)容類型。結(jié)合案例研究結(jié)果及用戶特征，從品牌用戶資產(chǎn)沉淀、用戶共創(chuàng)營(yíng)銷(xiāo)、圈層用戶滲透三個(gè)方面提出To C傳播策略建議。

關(guān)鍵詞：UGC內(nèi)容 文本聚類 小紅書(shū) To C傳播策略

全面To C是企業(yè)向上發(fā)展的重要抓手，通過(guò)聆聽(tīng)用戶的聲音，研究目標(biāo)用戶對(duì)產(chǎn)品的反饋，可以更好地識(shí)別用戶需求和痛點(diǎn)，幫助品牌優(yōu)化產(chǎn)品功能和設(shè)計(jì)；通過(guò)研究消費(fèi)者日常發(fā)布的社媒內(nèi)容，挖掘其內(nèi)容偏好及生活習(xí)慣，可以幫助品牌更全面地了解目標(biāo)用戶的畫(huà)像，以便制定更具針對(duì)性的營(yíng)銷(xiāo)策略，為品牌營(yíng)銷(xiāo)提供多樣抓手；用戶內(nèi)容發(fā)布的平臺(tái)多種多樣，選擇一個(gè)品牌用戶活躍的平臺(tái)進(jìn)行研究更有意義。

眾多的內(nèi)容營(yíng)銷(xiāo)平臺(tái)中，小紅書(shū)的發(fā)展最為迅猛，從2022年的小紅書(shū)用戶畫(huà)像分析報(bào)告中可以看出，該平臺(tái)的月活用戶已超2億，72%的90后用戶，女性用戶占到7成。宏光MINIEV作為城市代步出行的新選擇，銷(xiāo)量一直蟬聯(lián)小型新能源車(chē)第一，從積累的龐大用戶群體畫(huà)像可以看出，女性用戶占比達(dá)到70%，和小紅書(shū)的女性占比高度一致。結(jié)合線上線下對(duì)于用戶觸媒習(xí)慣的調(diào)研，發(fā)現(xiàn)有90%的女性用戶均是從被小紅書(shū)上宏光MINIEV的內(nèi)容種草才產(chǎn)生的購(gòu)買(mǎi)決策?；谌巳禾卣骷坝|媒習(xí)慣的契合，小紅書(shū)作為宏光MINIEV傳播營(yíng)銷(xiāo)的主陣地，通過(guò)內(nèi)容種草提升口碑獲得社交裂變。此外，消費(fèi)者更愿意接受真實(shí)用戶即車(chē)主在小紅書(shū)上創(chuàng)作和分享的內(nèi)容，所以研究一些低粉絲量（粉絲量<10000）的UGC內(nèi)容發(fā)聲更有意義。因此，本文以宏光MINIEV在小紅書(shū)的受歡迎的UGC內(nèi)容為例，通過(guò)社交文本聚類模型，研究用戶喜歡的內(nèi)容類型，為車(chē)型在To C傳播策略提供指導(dǎo)意義。

1 小紅書(shū)宏光MINIEV UGC內(nèi)容挖掘研究

1.1 數(shù)據(jù)獲取

小紅書(shū)的數(shù)據(jù)包含幾大類，主要由筆記基本數(shù)據(jù)、個(gè)人信息、評(píng)論數(shù)據(jù)組成。小紅書(shū)筆記基本數(shù)據(jù)維度包含：用戶昵稱、標(biāo)題、內(nèi)容、內(nèi)容地址、發(fā)布時(shí)間、點(diǎn)贊量、評(píng)論量、筆記收藏量等。個(gè)人信息主要包含用戶昵稱、性別、IP屬地、用戶標(biāo)簽、關(guān)注人數(shù)、粉絲人數(shù)、獲贊及收藏?cái)?shù)等。本次研究主要使用筆記基本數(shù)據(jù)字段、個(gè)人信息中的粉絲人數(shù)字段以及評(píng)論數(shù)據(jù)，以上字段均可通過(guò)Python爬蟲(chóng)獲取。其中我們將用戶在帖子下面主動(dòng)進(jìn)行的動(dòng)作指標(biāo)做了加總，作為評(píng)估筆記熱度情況的綜合指標(biāo)，定義互動(dòng)量，互動(dòng)量等于點(diǎn)贊量、評(píng)論量、筆記收藏量的加和。

本文以“宏光MINIEV”作為關(guān)鍵詞，爬取小紅書(shū)上2022年1月-2022年3月的帖子，發(fā)現(xiàn)有超過(guò)33000條筆記，我們先通過(guò)用戶粉絲人數(shù)進(jìn)行第一輪篩選，其中粉絲數(shù)低于10000的有26000條筆記，再通過(guò)用戶昵稱去掉官方賬號(hào)及矩陣號(hào)發(fā)布的內(nèi)容，然后根據(jù)互動(dòng)量降序，得到互動(dòng)量TOP1000的UGC內(nèi)容信息。

將這1000條高互動(dòng)的UGC內(nèi)容進(jìn)行文本聚類分析，得出受歡迎的幾大內(nèi)容類型，再針對(duì)性的做深度挖掘?；诔墒斓哪Ｐ陀?xùn)練經(jīng)驗(yàn)，得出社會(huì)文本內(nèi)容聚類的標(biāo)準(zhǔn)化流程：【數(shù)據(jù)清洗】-【機(jī)器學(xué)習(xí)訓(xùn)練文本相似度】-【降維展現(xiàn)聚類情況】-【kmeans聚類呈現(xiàn)分類結(jié)果】-【輸出結(jié)果】

1.2 TOP1000UGC內(nèi)容文本聚類分析

1.2.1 數(shù)據(jù)清洗

對(duì)最終得到的1000條UGC內(nèi)容進(jìn)行數(shù)據(jù)清洗，去除一些非法字符，如表情，鏈接等，得到具備分析意義的內(nèi)容文本。

1.2.2 機(jī)器學(xué)習(xí)訓(xùn)練文本相似度

將清洗后的文本內(nèi)容通過(guò)bert embedding詞嵌入過(guò)程，將輸入文本中的每一個(gè)詞（token）送入token embedding層從而將每一個(gè)詞轉(zhuǎn)換成向量形式，以segment embeddings和 position embeddings兩個(gè)嵌入層輸入完成轉(zhuǎn)碼。同時(shí)把文字轉(zhuǎn)成經(jīng)過(guò)預(yù)訓(xùn)練模型的詞向量。這樣才能將內(nèi)容本文向量化，首先要將文本內(nèi)容進(jìn)行拆分和編碼，然后放到向量空間， Token Embeddings層完成了詞的向量表示，Segment Embeddings輔助BERT區(qū)別句子對(duì)中的兩個(gè)句子的向量表示，Position Embeddings讓BERT學(xué)習(xí)到輸入的順序?qū)傩?，上述Embeddings會(huì)被按元素相加，得到一個(gè)大小為（1，n，768）的合成表示。完成BERT編碼層的輸入。

這意味著Position Embeddings layer 實(shí)際上就是一個(gè)大小為（512，768）的lookup表，表的第一行是代表第一個(gè)序列的第一個(gè)位置，第二行代表序列的第二個(gè)位置，以此類推。因此，如果有這樣兩個(gè)句子“Hello world”和“Hi there”，“Hello”和“Hi”會(huì)由完全相同的position embeddings，因?yàn)樗麄兌际蔷渥拥牡谝粋€(gè)詞。同理，“world”和“there”也會(huì)有相同的position embedding。

最后，通過(guò)計(jì)算cos角也就是相似度，得到多維空間內(nèi)的詞義相似度，完成文本的向量化操作。

1.2.3 降維展現(xiàn)聚類情況

PCA（Principal Component Analysis）是一種常見(jiàn)的數(shù)據(jù)分析方式，常用于高維數(shù)據(jù)的降維，可用于提取數(shù)據(jù)的主要特征分量。令散亂向量信息的提取聚合，模型降維，提取聚類。在向量空間中維度較多且稀疏，所以我們需要通過(guò)降維操作來(lái)直觀呈現(xiàn)聚類情況。用PCA技術(shù)對(duì)數(shù)據(jù)進(jìn)行降維，同時(shí)對(duì)新求出的“主元”向量的重要性進(jìn)行排序，根據(jù)需要取前面最重要的部分，將后面的維數(shù)省去，達(dá)到降維從而簡(jiǎn)化模型或是對(duì)數(shù)據(jù)進(jìn)行壓縮的效果。同時(shí)最大程度的保持了原有數(shù)據(jù)的信息。最后使用umap工具來(lái)plot出圖。以圖內(nèi)散點(diǎn)聚集情況來(lái)直觀確定kmeans的k的數(shù)值，如下圖。

1.2.4 kmeans聚類呈現(xiàn)分類結(jié)果

小紅書(shū)文本內(nèi)容通過(guò)算法模型得到如圖1所示，結(jié)果可以大致分為五類內(nèi)容，K等于5，進(jìn)行K-means聚類。以kmeans聚類模型為基礎(chǔ)，通過(guò)一次次重復(fù)選擇數(shù)據(jù)中心-計(jì)算距離-分組-再次選擇數(shù)據(jù)中心的流程，直到我們分組之后所有的數(shù)據(jù)都不再變化了，也就得到了上圖1-2展示的聚類結(jié)果。從結(jié)果中可以看到，這五類內(nèi)容分別是改裝攻略、提車(chē)日記、買(mǎi)車(chē)攻略、用車(chē)體驗(yàn)、車(chē)友活動(dòng)分享，然后將這五類內(nèi)容標(biāo)簽分別匹配貼到到最開(kāi)始的TOP1000條社交文本內(nèi)容中。再根據(jù)這些內(nèi)容的互動(dòng)指標(biāo)字段及內(nèi)容類型進(jìn)行數(shù)據(jù)透視，整理成數(shù)據(jù)圖表，結(jié)果如下圖2所示：

從圖2可以看出，改裝攻略類內(nèi)容數(shù)量最多且單篇互動(dòng)量最高，說(shuō)明該類型內(nèi)容用戶愿意在平臺(tái)進(jìn)行分享，而且在小紅書(shū)平臺(tái)熱度較高，容易引發(fā)用戶進(jìn)行互動(dòng)。其余四類內(nèi)容的單篇互動(dòng)量差異不大，說(shuō)明這幾種類型內(nèi)容在小紅書(shū)受歡迎程度差不多。通過(guò)對(duì)互動(dòng)指標(biāo)再進(jìn)行拆分，可以發(fā)現(xiàn)改裝攻略類內(nèi)容單篇點(diǎn)贊量、評(píng)論量及收藏量都高于其它幾類內(nèi)容，提車(chē)日記及買(mǎi)車(chē)攻略內(nèi)容單篇評(píng)論量也比較高，說(shuō)明用戶對(duì)于這三類內(nèi)容更愿意討論，對(duì)于改裝攻略的內(nèi)容更愿意收藏起來(lái)作為后續(xù)改裝的參考借鑒。鑒于改裝攻略類內(nèi)容的熱度明顯較高，將對(duì)這類內(nèi)容更加深入的洞察挖掘，從而給予精準(zhǔn)的營(yíng)銷(xiāo)策略建議。

1.2.5 內(nèi)容深度挖掘

首先篩選出標(biāo)簽為“改裝攻略”類的內(nèi)容，進(jìn)行人工讀貼，發(fā)現(xiàn)用戶更傾向于內(nèi)飾氛圍環(huán)境的改造，其次是車(chē)貼、車(chē)色及內(nèi)飾方面的整體大改。從改裝面積、費(fèi)用成本、改裝人力成本來(lái)看，可以分為兩大類：一類為軟裝，即買(mǎi)即裝，且基本為局部小改；一類為硬裝，即為車(chē)輛外觀的主題改裝。軟裝主要表現(xiàn)為車(chē)主網(wǎng)購(gòu)局部部件，通過(guò)自己的DIY安裝擺設(shè)，打造個(gè)人喜愛(ài)的車(chē)內(nèi)氛圍環(huán)境，其中方向盤(pán)套、座椅套、坐墊、頭枕、腳墊為軟裝必改系列，其次為中控及出風(fēng)口小擺件配飾、鑰匙套、遮陽(yáng)簾等細(xì)節(jié)小裝飾。硬裝主題改裝是對(duì)于整車(chē)進(jìn)行車(chē)貼、包圍、部件加裝的裝飾，更傾向于車(chē)輛外觀的改裝，其中含有IP元素的卡通人物自帶熱度，玉桂狗系列及皮卡丘主題流量最高，然后是復(fù)古主題。

針對(duì)高互動(dòng)的爆款內(nèi)容進(jìn)行典型分析，選取互動(dòng)量過(guò)萬(wàn)的”整體復(fù)古內(nèi)飾風(fēng)格“硬裝及”夏日車(chē)內(nèi)遮陽(yáng)簾“的軟裝兩篇筆記，用python抓取筆記下面的用戶評(píng)論。然后通過(guò)對(duì)抓取出來(lái)的用戶評(píng)論進(jìn)行人工閱讀分類，發(fā)現(xiàn)用戶討論點(diǎn)主要分為五大類，其中對(duì)改裝效果的點(diǎn)贊支持及實(shí)用改裝物件的好物求購(gòu)提及頻率最高，由此可見(jiàn)，大家對(duì)于宏光MINIEV改裝文化的認(rèn)可及想要參與改裝的意愿。另外將發(fā)表評(píng)論的用戶昵稱與分享筆記的用戶昵稱相匹配，發(fā)現(xiàn)宏光MINIEV改裝的交流分享已經(jīng)成為用戶在小紅書(shū)平臺(tái)社交的橋梁，車(chē)主們互相在評(píng)論區(qū)分享回復(fù)自己的改裝心得。

2 傳播建議

2.1 直連用戶，沉淀品牌用戶資產(chǎn)

通過(guò)網(wǎng)絡(luò)爬蟲(chóng)技術(shù)抓取產(chǎn)品相關(guān)內(nèi)容，結(jié)合平臺(tái)內(nèi)容指標(biāo)，識(shí)別優(yōu)質(zhì)內(nèi)容創(chuàng)作者，以官方身份直連創(chuàng)作者，并進(jìn)行打標(biāo)簽，建立品牌自有KOC體系（KOC即為有傳播能力的用戶）。這些KOC通過(guò)記錄自己日常生活的用車(chē)場(chǎng)景及體驗(yàn)，以真實(shí)用戶的角度去發(fā)聲，更夠給平臺(tái)上的其他用戶帶來(lái)真實(shí)感及信任感。以上文案例研究的1000篇高互動(dòng)內(nèi)容為例，均是真實(shí)用戶分享，這樣的內(nèi)容更加真實(shí)，更容易獲得平臺(tái)上其他用戶的點(diǎn)贊及討論。因此，直連這些有傳播能力的用戶，組建品牌自有KOC矩陣，可以幫助品牌積累大量真實(shí)用戶分享筆記，增大產(chǎn)品曝光，提升產(chǎn)品美譽(yù)度。另外，這些KOC也可以受邀參加官方組建的線下活動(dòng)或者線上話題活動(dòng)，為官方話題傳播及產(chǎn)品迭代提供寶貴的資源及建議。

2.2 官方搭建平臺(tái)，用戶參與，共同打造汽車(chē)潮改文化

通過(guò)優(yōu)質(zhì)內(nèi)容的挖掘及深入洞察，了解到用戶對(duì)改裝的興趣熱度最高，所以官方可以舉辦大型的改裝文化活動(dòng)。不僅能為品牌活躍車(chē)主搭建交流平臺(tái)提供改裝能力及創(chuàng)意展示機(jī)會(huì)，加強(qiáng)車(chē)主對(duì)品牌的認(rèn)可及信任，產(chǎn)生品牌共鳴；同時(shí)，活動(dòng)現(xiàn)場(chǎng)能產(chǎn)生大量營(yíng)銷(xiāo)素材及內(nèi)容，通過(guò)消費(fèi)者宣發(fā)，可為品牌沉淀海量?jī)?yōu)質(zhì)品牌內(nèi)容，反哺品牌在社交媒體上的內(nèi)容量及霸屏率。例如五菱宏光MINIEV策劃落地的潮創(chuàng)盛典，1000多名潮改車(chē)主帶著自己的愛(ài)車(chē)從全國(guó)各地來(lái)參展，近萬(wàn)名用戶在現(xiàn)場(chǎng)參觀交流，其中敘利亞戰(zhàn)車(chē)風(fēng)格的潮改車(chē)熱度在各平臺(tái)獲得近百萬(wàn)互動(dòng)，過(guò)千萬(wàn)曝光。整體活動(dòng)的舉辦使得宏光MINIEV在各平臺(tái)的搜索熱度提升了2倍，獲得了用戶的高度認(rèn)可，例如用戶評(píng)論”只有五菱才有汽車(chē)文化“。

2.3 圈層滲透，拓展更多圈層用戶

圈層營(yíng)銷(xiāo)可以更好地針對(duì)特定社交圈層用戶進(jìn)行營(yíng)銷(xiāo)活動(dòng)，從而增加用戶的忠誠(chéng)度和品牌認(rèn)知度。品牌基于用戶偏好的改裝內(nèi)容進(jìn)行挖掘，識(shí)別車(chē)主偏好的內(nèi)容圈層，例如以“肉桂狗”“皮卡丘”為代表的萌系日漫角色，利用圈層內(nèi)容的熱點(diǎn)、黑話或內(nèi)容合作持續(xù)向圈層用戶釋放品牌的友好信號(hào)，逐步滲透該圈層的用戶。另外，也可以利用品牌層面的IP合作聯(lián)動(dòng)去觸達(dá)圈層用戶，讓消費(fèi)者體會(huì)到品牌對(duì)其興趣愛(ài)好的關(guān)注，并執(zhí)行落地一些行動(dòng)，例如五菱X喜茶、五菱X迪士尼的合作，都觸達(dá)到了相應(yīng)的圈層用戶，并獲得了一致好評(píng)。

3 結(jié)語(yǔ)

To C傳播是各大品牌聚焦的傳播重點(diǎn)，好的To C傳播策略是品牌建設(shè)及用戶口碑樹(shù)立的重要指導(dǎo)方向。本文從宏光MINIEV在小紅書(shū)平臺(tái)優(yōu)質(zhì)的UGC內(nèi)容進(jìn)行挖掘分析，洞察用戶聲音。針對(duì)用戶喜愛(ài)的內(nèi)容及用戶聲音，從用戶直連組建品牌自有KOC體系、官方與用戶聯(lián)動(dòng)打造汽車(chē)潮創(chuàng)文化、圈層用戶拓展三個(gè)方面提出了To C傳播策略建議，對(duì)于品牌及產(chǎn)品的To C傳播具有一定的借鑒意義。

參考文獻(xiàn)：

[1]李忠美，黃敏. 新媒體背景下“種草”式內(nèi)容營(yíng)銷(xiāo)的對(duì)策研究——以小紅書(shū)為例[J]. 商場(chǎng)現(xiàn)代化，2022，（21）：1-3.

[2]袁書(shū)芹，傅蓉蓉. 基于內(nèi)容社區(qū)的品牌傳播效果研究——以小紅書(shū)元?dú)馍譃槔齕J]. 現(xiàn)代營(yíng)銷(xiāo)（下旬刊），2022，（10）：38-40.

[3]楊霽青. 基于網(wǎng)絡(luò)UGC內(nèi)容分析的廬山旅游品牌形象研究[D].江西師范大學(xué)，2021.

[4]褚凱旋. UGC內(nèi)容特征對(duì)用戶點(diǎn)贊和收藏行為的影響研究[D].暨南大學(xué)，2019.

注釋：

To C：To Consumer，即企業(yè)直接面向終端客戶，直接為消費(fèi)者提供產(chǎn)品或服務(wù)

UGC：User Generated Content，即用戶原創(chuàng)內(nèi)容

KOC：Key Opinion Consumer，即關(guān)鍵意見(jiàn)消費(fèi)者