基于社交网络的用户影响力分析方法及存储介质与流程

1.本发明涉及计算机软件技术领域，具体涉及一种基于社交网络的用户影响力分析方法及存储介质。


背景技术：

2.从传统的口口传播到媒体传播，再到信息爆炸时代，当今社会已经迎来了信息传播的第四个浪潮——影响力营销时代。数字营销在消费者眼中逐渐免疫、选择屏蔽。为了在信息爆炸的时代脱颖而出，品牌商需要通过客户群体中关键意见领袖(key opinion leader，简称kol)将产品及品牌精准传递给目标客群。影响力营销已然成为把品牌与消费者联系起来的最新也是最有效的手段。有数据统计，2017年有59％的品牌在影响力营销上加大了投入。
3.然而，重金投入的kol并不总能带来预期的回报，不同的kol的粉丝人群不同、在相同粉丝人群里的“人设”(即粉丝对kol的认知)也不尽相同，因此他们在不同人群中对相同产品，在相同人群中对不同产品的推荐影响力也差异巨大。如何为产品找到高投资回报率的kol成为品牌面临的巨大挑战。这要求品牌商深入理解、分析消费者所处的社交网络，找到其中的关键信息传播节点，并理解不同节点对不同信息的传播效力。


技术实现要素：

4.针对现有技术中的技术缺陷，本发明实施例的目的在于提供一种基于社交网络的用户影响力分析方法及存储介质，以解决背景技术中所提出的技术问题。
5.为实现上述目的，第一方面，本发明实施例提供了一种基于社交网络的用户影响力分析方法，包括：
6.获取用户的社交网络行为数据，建立用户的社交网络图模型；
7.根据所述社交网络图模型获取用户关注关系子图；
8.根据所述用户关注关系子图调用预设算法计算用户影响力得分；
9.按用户影响力得分的多少由多到少将用户进行排序，选取排序前l的用户作为高影响力用户。
10.进一步，所述社交网络行为数据包括用户个人信息、用户社交信息和用户兴趣信息。
11.进一步，在所述社交网络图模型中，用户与用户实体间建立关注关系边，用户与用户的不同类型的兴趣偏好实体之间建立兴趣边。
12.进一步，所述根据所述社交网络图模型获取用户关注关系子图，包括：
13.在所述社交网络图模型的基础上选取点类型为用户类型、边类型为关注类型，获取用户关注关系子图。
14.进一步，根据所述用户关注关系子图调用预设算法计算用户影响力得分，包括：
15.在所述用户关注关系子图上调用pagerank算法获得第一处理结果，对所述第一处
理结果进行线性函数归一化处理，获得第二处理结果；
16.将所述第二处理结果乘以100作为用户影响力得分。
17.进一步，在建立用户的社交网络图模型之后，所述方法还包括：
18.构建用户-兴趣标签二部图，执行鲁汶算法，划分兴趣群落；
19.计算兴趣群落对不同兴趣的兴趣度。
20.进一步，在划分兴趣群落之后、计算兴趣群落对不同兴趣的兴趣度之前，所述方法还包括：
21.剔除群落成员数量低于m个的兴趣群落。
22.进一步，所述计算兴趣群落对不同兴趣的兴趣度，包括：
23.根据每个群落成员对不同兴趣的提及次数计算每个群落成员对不同兴趣的兴趣度；
24.将所有群落成员对不同兴趣的兴趣度求和，得到所述兴趣群落对不同兴趣的兴趣度。
25.进一步，按照以下公式计算每个群落成员对不同兴趣的兴趣度i：
26.i＝log(提及次数)+1。
27.第二方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如第一方面所述的方法。
28.实施本发明实施例的方法，能够更快对社交网络中的用户行为数据进行分析，找到kol营销的最优解，快速把握市场先机。利用图数据库关联用户-用户、用户-兴趣标签之间的关系，分析系统能解决关系数据库无法快速进行多表数据之间的多层关联查询与计算的问题，品牌或商家能快速、精准定位目标用户及影响目标用户的kol，实现更大盈利。
附图说明
29.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。
30.图1是本发明实施例提供的基于社交网络的用户影响力分析方法的流程示意图；
31.图2是本发明实施例提供的用户的社交网络图模型的结构示意图；
32.图3是本发明实施例提供的基于社交网络的用户影响力分析系统的结构示意图。
具体实施方式
33.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
34.应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
35.还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目
的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
36.还应当进一步理解，本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
37.如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0038]
需要注意的是，除非另有说明，本技术使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
[0039]
评估用户在社交网络中的真实影响力，帮助品牌或商家快速找到影响力最大的kol。一个用户在社交网络中的影响力代表他将信息传递给更多受众的能力。社交网络中并不是粉丝数越多影响力一定越大。
[0040]
实际上，真正决定影响力的是粉丝的质量。如果一个用户的粉丝也有很多粉丝，甚至粉丝的粉丝也有很多粉丝，那么说明他的粉丝质量很好，信息可以高效地沿着关注链扩散到更大的网络中，他的影响力比相同粉丝数但粉丝质量低的kol影响力更大。这个方法所评估的用户影响力更为真实可靠。
[0041]
如图1所示，本发明实施例提供了一种基于社交网络的用户影响力分析方法的流程图。该方法运行在分析系统中，用于分析用户在社交网络上的真实影响力。方法具体可以包括：
[0042]
s100：获取用户的社交网络行为数据，建立用户的社交网络图模型。
[0043]
具体的，所述社交网络行为数据包括用户个人信息、用户社交信息和用户兴趣信息。其中，用户个人信息包括账号id、昵称、性别、城市等；用户社交信息包括关注关系等；用户兴趣信息包括用户喜欢的游戏、动漫、电影、品牌等。
[0044]
基于用户的社交网络行为数据建立图模型，用户与用户实体间建立关注关系边，用户与用户的不同类型的兴趣偏好实体之间建立兴趣边，图模型如图2所示。
[0045]
图模型中的点类型如表1-1所示。
[0046]
表1-1图模型中的点类型
[0047]
点类型属性用户账号uid、昵称、性别、城市、认证类型、粉丝数、关注数游戏游戏名动漫动漫名电影电影名明星人名汽车品牌品牌名服装品牌品牌名美妆品牌品牌名
[0048]
图模型中的边类型如表1-2所示。
[0049]
表1-2图模型中的边类型
[0050]
边类型起始点类型终止点类型属性关注用户用户/兴趣用户游戏提及数兴趣用户动漫提及数兴趣用户电影提及数兴趣用户明星提及数兴趣用户汽车品牌提及数兴趣用户服装品牌提及数兴趣用户美妆品牌提及数
[0051]
s200：根据所述社交网络图模型获取用户关注关系子图。
[0052]
具体的，在所述社交网络图模型的基础上选取点类型为用户类型、边类型为关注类型，获取用户关注关系子图。
[0053]
s300：根据所述用户关注关系子图调用预设算法计算用户影响力得分。
[0054]
具体包括：
[0055]
s301：在所述用户关注关系子图上调用pagerank算法获得第一处理结果，对所述第一处理结果进行线性函数归一化处理，获得第二处理结果；
[0056]
s302：将所述第二处理结果乘以100作为用户影响力得分。
[0057]
s400：按用户影响力得分的多少由多到少将用户进行排序，选取排序前l的用户作为高影响力用户。
[0058]
本实施例中，可以选取影响力得分排序前5的用户作为高影响力用户。例如，查询结果如表1-3所示。
[0059]
表1-3影响力分析结果
[0060]
排名昵称影响力评分1庞包1002陈展颜99.43白首不分离98.34la哥88.85我是兔兔小淘气86.0
[0061]
在表1-3中，昵称为“庞包”的用户影响力评分最高，说明该账号为样本群落中最有影响力的账号，不仅在社交群落中拥有更多粉丝，同时也被更多其他同样有影响力用户关注。对于需要对该群落进行营销活动的品牌来讲，如果营销的产品是日用品之类针对泛大众人群的产品，这样的kol可达到更好的营销活动效果。
[0062]
进一步，随着商品经济的发展，社会职能分化越来越明细，产品的目标用户画像也愈发多样化。在这种趋势下，将用户分为多种类型分别服务，尤为重要。根据不同的用户偏好，在产品设计上量体裁衣，进行个性化供给；根据不同的用户社群关系，因地制宜地选取最能精准触达用户的带货kol，进行千人千面的市场营销。
[0063]
用户细分的一种方法是：利用用户的兴趣标签，将人群划分为不同的兴趣群落，相同群落的用户兴趣偏好较为一致。利用图技术，构建“用户-兴趣标签”二部图，执行鲁汶算法(根据模块度分群)，可以将兴趣相同的用户分到同一个群落中。群落内用户的兴趣高度
相近，群落间用户的兴趣有明显的差异化。
[0064]
比如，不同时装品牌在做设计元素选择或者ip联名时，需要知道自己的目标客群还有哪些其它的兴趣，就可以通过用户-兴趣二分图来聚类找到不同用户之间的兴趣差别，从而展开精准的设计与商业决策。
[0065]
因此，本实施例中，在建立用户的社交网络图模型之后，所述方法还包括：
[0066]
s500：构建用户-兴趣标签二部图，执行鲁汶算法，划分兴趣群落。
[0067]
提取对不同服装品牌感兴趣的人群，并发现他们的其他兴趣。建立该人群用户-兴趣子图，执行鲁汶算法，划分人群兴趣群落。
[0068]
s700：计算兴趣群落对不同兴趣的兴趣度。
[0069]
具体包括：
[0070]
s701：根据每个群落成员对不同兴趣的提及次数计算每个群落成员对不同兴趣的兴趣度。
[0071]
具体的，按照以下公式计算每个群落成员对不同兴趣的兴趣度i：
[0072]
i＝log(提及次数)+1。
[0073]
s702：将所有群落成员对不同兴趣的兴趣度求和，得到所述兴趣群落对不同兴趣的兴趣度。
[0074]
本实施例中，根据不同服装品牌群落统计群落成员对不同兴趣的兴趣度，这里的不同兴趣涵盖了电影、动漫、游戏，个人的兴趣度i＝log(提及次数)+1来衡量，兴趣群落对不同兴趣的兴趣度为该群落个人兴趣度之和。返回各品牌用户社群适合联名的ip，分群落展现兴趣度排名。
[0075]
进一步，在划分兴趣群落之后、计算兴趣群落对不同兴趣的兴趣度之前，所述方法还包括：
[0076]
s600：剔除群落成员数量低于m个的兴趣群落。
[0077]
本实施例中，样例数据中限定至少有5名成员的群落为值得分析的群落。
[0078]
本实施例中，最终反馈的分析结果如表1-4所示。
[0079]
表1-4细分人群的ip偏好
[0080]
社群编号ip类型ip名感兴趣人数社群兴趣度5动漫a游戏24.715电影毒液：致命守护者13.205电影唐人街探案13.085游戏我的夜间工作12.795游戏救援行动2：全职英雄12.398游戏振幅24.088动漫b游戏12.958游戏我的夜间工作22.698动漫宝石宠物12.618电影哈尔的移动城堡11.00
[0081]
从表1-4中可以发现仅有社群5与社群8同时含有服装品牌且群人数大于4人。社群5包含服装品牌vinus、艾莱依、加一尚品，对动漫《a游戏》、电影《毒液：致命守护者》等ip最
感兴趣；社群8包含服装品牌安奈儿、naturun、zara，对游戏《振幅》、电影《哈尔的移动城堡》等ip最感兴趣。基于这个数据集，服装品牌商zara在考虑设计要素时，可以考虑与上述ip联动，拓展用户圈层。用同样的无监督学习方法，也可以分析出各个群落中用户最喜欢的汽车品牌、食品品牌、明星，最适合带货的kol、最常使用app等，辅助精准营销决策。
[0082]
基于相同的发明构思，本发明实施例提供一种基于社交网络的用户影响力分析系统。如图3所示，该系统可以包括：一个或多个处理器101、一个或多个输入设备102、一个或多个输出设备103和存储器104，上述处理器101、输入设备102、输出设备103和存储器104通过总线105相互连接。存储器104用于存储计算机程序，所述计算机程序包括程序指令，所述处理器101被配置用于调用所述程序指令执行上述基于社交网络的用户影响力分析方法实施例部分的方法。
[0083]
应当理解，在本发明实施例中，所称处理器101可以是中央处理单元(central processing unit，cpu)，该处理器还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0084]
输入设备102可以包括键盘等，输出设备103可以包括显示器(lcd等)、扬声器等。
[0085]
该存储器104可以包括只读存储器和随机存取存储器，并向处理器101提供指令和数据。存储器104的一部分还可以包括非易失性随机存取存储器。例如，存储器104还可以存储设备类型的信息。
[0086]
具体实现中，本发明实施例中所描述的处理器101、输入设备102、输出设备103可执行本发明实施例提供的基于社交网络的用户影响力分析方法的实施例中所描述的实现方式，在此不再赘述。
[0087]
需要说明的是，关于基于社交网络的用户影响力分析系统的具体工作流程，可参考前述方法实施例部分，在此不再赘述。
[0088]
进一步地，本发明实施例还提供了一种可读存储介质，存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时实现：上述基于社交网络的用户影响力分析方法。
[0089]
所述计算机可读存储介质可以是前述实施例所述的后台服务器的内部存储单元，例如系统的硬盘或内存。所述计算机可读存储介质也可以是所述系统的外部存储设备，例如所述系统上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，所述计算机可读存储介质还可以既包括所述系统的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述系统所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
[0090]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专
业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0091]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0092]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0093]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

技术特征：
1.一种基于社交网络的用户影响力分析方法，其特征在于，包括：获取用户的社交网络行为数据，建立用户的社交网络图模型；根据所述社交网络图模型获取用户关注关系子图；根据所述用户关注关系子图调用预设算法计算用户影响力得分；按用户影响力得分的多少由多到少将用户进行排序，选取排序前l的用户作为高影响力用户。2.如权利要求1所述的一种基于社交网络的用户影响力分析方法，其特征在于，所述社交网络行为数据包括用户个人信息、用户社交信息和用户兴趣信息。3.如权利要求1所述的一种基于社交网络的用户影响力分析方法，其特征在于，在所述社交网络图模型中，用户与用户实体间建立关注关系边，用户与用户的不同类型的兴趣偏好实体之间建立兴趣边。4.如权利要求3所述的一种基于社交网络的用户影响力分析方法，其特征在于，所述根据所述社交网络图模型获取用户关注关系子图，包括：在所述社交网络图模型的基础上选取点类型为用户类型、边类型为关注类型，获取用户关注关系子图。5.如权利要求1所述的一种基于社交网络的用户影响力分析方法，其特征在于，根据所述用户关注关系子图调用预设算法计算用户影响力得分，包括：在所述用户关注关系子图上调用pagerank算法获得第一处理结果，对所述第一处理结果进行线性函数归一化处理，获得第二处理结果；将所述第二处理结果乘以100作为用户影响力得分。6.如权利要求1所述的一种基于社交网络的用户影响力分析方法，其特征在于，在建立用户的社交网络图模型之后，所述方法还包括：构建用户-兴趣标签二部图，执行鲁汶算法，划分兴趣群落；计算兴趣群落对不同兴趣的兴趣度。7.如权利要求6所述的一种基于社交网络的用户影响力分析方法，其特征在于，在划分兴趣群落之后、计算兴趣群落对不同兴趣的兴趣度之前，所述方法还包括：剔除群落成员数量低于m个的兴趣群落。8.如权利要求6所述的一种基于社交网络的用户影响力分析方法，其特征在于，所述计算兴趣群落对不同兴趣的兴趣度，包括：根据每个群落成员对不同兴趣的提及次数计算每个群落成员对不同兴趣的兴趣度；将所有群落成员对不同兴趣的兴趣度求和，得到所述兴趣群落对不同兴趣的兴趣度。9.如权利要求8所述的一种基于社交网络的用户影响力分析方法，其特征在于，按照以下公式计算每个群落成员对不同兴趣的兴趣度i：i＝log(提及次数)+1。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-9任一项所述的方法。

技术总结
本发明实施例公开了基于社交网络的用户影响力分析方法及存储介质，方法包括：获取用户的社交网络行为数据，建立用户的社交网络图模型；根据所述社交网络图模型获取用户关注关系子图；根据所述用户关注关系子图调用预设算法计算用户影响力得分；按用户影响力得分的多少由多到少将用户进行排序，选取排序前L的用户作为高影响力用户。本方法能够更快对社交网络中的用户行为数据进行分析，找到KOL营销的最优解，快速把握市场先机。利用图数据库关联用户-用户、用户-兴趣标签之间的关系，分析系统能解决关系数据库无法快速进行多表数据之间的多层关联查询与计算的问题，品牌或商家能快速、精准定位目标用户及影响目标用户的KOL，实现更大盈利。实现更大盈利。实现更大盈利。


技术研发人员：吴菁 周研 张晨
受保护的技术使用者：浙江创邻科技有限公司
技术研发日：2023.03.14
技术公布日：2023/8/1