此为历史版本和 IPFS 入口查阅区,回到作品页
JY的興趣行李箱
IPFS 指纹 这是什么

作品指纹

【講座整理】品牌行銷九大輿情分析維度—iBuzz @NCCU MBA CEO論壇

JY的興趣行李箱
·
·

前言

iBuzz (亞洲指標數位行銷顧問股份有限公司) 是台灣第一間做海外內自動化網路口碑輿情搜集系統,來分享的 CEO 黎榮章 學長 也是政大企家班的校友!

據網路資料,他們在台灣的網路環境蒐集輿情口碑資料的總頻道來源超過17,289個,涵蓋八大頻道類型(新聞、文章、論壇、部落格、維基與FB粉絲團、Youtube、PTT)
同時也有針對中國大陸的網路口碑資訊蒐集,採80/20原則抓各產業別TOP30的熱門網站,包含七大頻道來源(新聞、文章、論壇、部落格、維基、電商、微博),共12940個頻道。
東南亞部分包含新加坡、馬來西亞、印尼、越南、菲律賓、泰國等城市,來源包含傳統媒體和臉書、IG等社交平台。
他們不僅服務品牌直客,同時也跟奧美集團、群邑集團、電通安吉斯集團、聯廣集團等4A大型代理商、公關公司搭配,提供網路大數據分析社群行銷解決方案。

好的,認識完iBuzz讓我們進入主題!

品牌行銷九大分析維度

*P.S. / 當天無法拍照,以下圖表皆為模擬示意*

(I) 產業環境分析

ex:化妝品在不同季度的討論趨勢(用文字雲表示)

(II) 產業競爭分析

  1. 品牌討論度排名:同一產業內,約會有前3大品牌佔據80%的討論度。

2. 品牌與產品的聲量占比:大家普遍講到這個品牌的時候,是打他的品牌字or產品名多?

Ex: 精品業相較於日用品品牌占比較多
Ex: OPPO 產品討論大於品牌太多

2. 產品內 效能指標討論度:
與商品字一起出現、有關產品系統效能的名詞、評價

(III) 企業集團分析

  1. 品牌P/N比 (正負情緒比) :
    將每一篇提及企業品牌的文章算出正、負面分數各一,最後再計算總共的(正面情緒分數/負面情緒分數),數值越高、品牌好感度越高。

(IV) 品牌健康分析(品牌情緒象限)

  1. 4象限:正面、負面、強烈、輕微
  2. 分別對品牌有哪些關鍵字、個別是落在什麼情緒、討論量有多少

(V) 產品力分析 (SWOT)

應用點:以往,行銷人員透過觀察、資料蒐集、發想寫出SWOT分析象限;但總有些無法一眼觀察出的pattern,透過文字探勘可以為行銷人員做SWOT增添靈感。

  1. 產品使用情境->顧客痛點
    將多篇使用心得文,進行文本及情感分析,從詞頻及語意判斷顧客痛點。
  2. 斷詞後做相關性分析,哪些商品和情緒描述之間的相關度較高(EX: 在同篇文章出現)

(VI) 活動成效檢核:

從前中後流程追蹤成效

  1. 活動宣傳
    線上投放
    自媒體經營
  2. 活動報名
    個人化資料
  3. 活動報到
    個人身份辨識
  4. 活動體驗

(VII) 廣告效果檢驗&優化

廣告投放前後監測:

  1. 各大主要論壇,投放前後、討論詞頻的變化(說服效果分析)
    適用於品牌曝光、促進知名度的廣告類型,可了解投放後,增加了多少與品牌主相關的討論。

廣告優化:

  1. 作為後續廣告素材的主題參考
    觀察討論集中在什麼熱詞,有可能是文案一開始並沒有強調到的
    ,此時就可以丟新一版廣告文案做A/B Test,看CTR是否增加。
  2. 聯播網內容相關:文章內容有出現關鍵詞才播送廣告
    在Google Ads可設定「多媒體廣告關鍵字」,讓廣告只出現在 「包含你設定的關鍵字」的網頁、影片、應用程式。
    如果我們發現廣告CTR不如預期,可以嘗試在多媒體廣告關鍵字,鎖定文字探勘得到的熱詞。但不宜鎖得太細,以免曝光量過少。

(VIII) 議題事件分析

  1. 聲量:提及次數、隨時間變化圖
  2. 來源占比:初次出現在不同內容平台的占比
  3. 擴散:隨時間擴散的平台分佈
  4. 隨時間變化的熱詞及正負面情緒

(IX) 消費者

資料來源不包含年齡、ip等資訊時,若要判斷受眾輪廓該怎麼做呢?

  1. 人口結構分析
    從用語回推 年齡、性別、區域等。(例如:會講「是在哈囉」的人,大概率落在14~21、說坐機捷通勤的人,大概率住在新北三重、新莊、林口、泰山)
  2. 生活型態
    透過語意反推 意見、興趣、休閒活動。(同上,例如:會講「高效學習」的人,大概率是互聯網產業、白領、喜歡閱讀)
  3. 人物性格分析
    文本分析 明星粉專、IG、微博日常發文用語、機器學習辨識圖像風格(穿搭風格),將微網紅分成多個大類別(如:文青、可愛、運動、嘻哈、知性、甲甲、憤青、專業權威感…等)
    方便迅速找到適合品牌主的網紅、代言人。

趨勢:圖像辨識 分析社群話題

用戶越來越習慣在 FB、IG 等社群平台分享梗圖短影片,文字探勘能抓到的比例不斷下降;說到因應方式,iBuzz舉例內部做的「反送中」議題IG分析,找出:

  • 社群流傳度前五名傳播梗圖/照片
    透過解析圖片風格、圖中文字來訓練分類器
  • 初期發布者、中晚期擴散用戶群

文末補充

這次iBuzz演講的主題—大數據輿情分析,就像開頭提過的,是從新聞、文章、論壇、部落格、維基與FB粉絲團、Youtube、PTT等來源,系統化蒐集整理口碑資料的過程。這邊整理台灣做輿情分析的重點公司,以及自己想要操刀可以用什麼工具?

輿情分析公司:

開源輿情分析工具:

CC BY-NC-ND 2.0 授权