研究表明你的品牌是什么?

 
研究人员创建了一种可以成功预测消费者购买量的算法。该算法利用了消费者在社交媒体上的日常活动中的数据。品牌可以使用它来分析潜在客户。研究人员的方法将强大的统计建模技术与基于机器学习的图像识别相结合。
东京大学信息科学与技术研究生院山崎俊彦副教授及其团队探索了利用社交媒体数据等数据的有趣新方法。他们开发的某些应用程序对公司这样的实体有用，可以通过不同的方式来提高其有效性，尤其是在它们如何吸引和影响潜在客户方面。
“我向团队提出了两个问题：’是否有可能根据客户在社交媒体上与他们互动的方式来计算不同品牌之间的相似度?”而且，“如果是这样，品牌可以利用这些信息来改善自己的营销方式吗?””山崎表示。 “经过一段时间，努力和耐心，他们回来了，但答案很简单但很自信：’是!’”
但是他们的团队推论的方式绝非易事。社交媒体数据的计算分析通常称为挖掘，因为该术语表明这是一项艰巨而艰巨的任务。因此，该领域的研究人员利用各种计算工具以人类无法做到的方式分析社交媒体。
首席研究员Yiwei Zhang解释说：“过去，许多公司通过使用基于销售数据的客户调查和预测来改善营销策略。” “但是，这些操作非常耗时且不精确。现在，我们可以使用机器学习和复杂的统计分析等工具并拥有专门技术。”
该团队的工作是从选定品牌的追随者那里收集公开可用的社交媒体数据开始的。他们使用经过验证的图像识别和机器学习方法来分析和分类与品牌追随者有关的照片和主题标签。这揭示了消费者对不同品牌的行为方式。这些模式意味着研究人员可以计算不同甚至不相关品牌之间的相似度。
“我们根据购买历史和调查表评估了我们提出的算法，这对于提供购买信息的环境仍然很有用，” Zhang继续说道。 “实验结果表明，信用卡或点卡公司可以很好地预测客户过去的购买行为。我们的算法可以准确地预测客户尝试新品牌的意愿。”
这项研究对于利用社交媒体网络进行品牌新促销非常有用。购物中心和购物中心也可以使用它来计划它们包括的商店，或者商店自己选择要库存的品牌。这项研究甚至可以帮助品牌与合适的社交媒体影响者匹配，从而更好地宣传其产品。
Yamasaki总结说：“可视化以前看不见的东西总是很有趣的。” “人们可能会说专业人士已经’看到’了这种类型的模式，但是能够在数字上和客观上展示品牌之间的相似性是一项新的创新。我们的算法显然比仅凭直觉来判断这些事情更有效。”