“内容云”发布官宣，AI语音识别深度解析视频营销信息

目前我们处于被视频充斥的时代，通过传统的文本匹配方式越来越难获取足够的内容营销信息，进而在进行消费者洞察（Consumer Insight）或内容营销策略洞察时，容易造成大量信息缺失。因此数说故事结合了视频语音转文本、图像OCR（图像中文字识别）、基于内容的图像特征识别等CSR（计算机语音识别）和CV（计算机视觉识别）技术，针对视频进行多维度解析，挖掘更多内容营销和消费者研究的相关发现。

本文中数说故事利用语音转文本的能力，聚焦抖音上的部分内容营销视频，进一步探索内容营销视频的特征。

数说故事选定抖音平台2021/7/26-2021/7/31的部分数据，识别提及美妆和食品行业的部分品牌视频。其中，通过标题或正文识别到的后续称为“文字识别”，而仅可通过视频语音转文本后识别到的后续称为“语音额外识别” 。

我们发现，语音额外识别的视频数远远高于文字识别的视频数。其中：

也就是说，补充语音转文本的识别能力后，识别的视频数是文本识别的3倍！

对比文本识别vs语音额外识别的内容，语音识别的视频会获得更高互动。同时，从传播效率角度来看，这些通过语音额外识别的内容所带来的互粉比（互动量/粉丝数）也明显更高；

在这里，我们定义粉丝量低于100万粉丝的KOL为尾部KOL，100万至500万为腰部KOL，高于500万粉丝量的为头部KOL。

不同粉丝量级的KOL（头/腰/尾部）的发文量占比采用TGI的概念。TGI是通过对比整体发文大盘中头腰尾部KOL的整体发文量计算得来，大于100代表这类内容的占比相比大盘水平显著多。

聚焦美妆品牌：

⭐ 头部KOL相对更多的使用文字提及的方式发帖，相较语音提及，也获得了更好的互动。

⭐ 腰部KOL较多使用语音提及的方式，同时也获得了更好的互动情况。

⭐ 尾部KOL通过语音额外识别到的内容获得了更好的互动，是文字提及视频的2倍多。

聚焦食品品牌：

⭐ 头/腰部KOL，较多在正文中提及品牌名称，但其文字识别的内容不及语音额外识别到的视频的互动表现。

剧情类、vlog、测评、科普类的视频更多地倾向不在文本中体现品牌或产品内容。教学教程类和剧情类的语音提及发帖表现最好，互粉比高于文字提及视频的1.5-2倍。其中，互动量最高的是通过语音额外识别的一篇由“猛男表妹”发布的完美日记小细跟皮箱礼盒推广视频，该视频配以有趣的故事情节和略带反转的结尾，引起网友的互动。

目前数说故事已经将抖音和小红书平台的视频进行语音识别的深度解析工作，并将于10月推出“内容云”，以视频的深度解析为基础，支持内容管理在数据、洞察、策略、行动四个方面的闭环。从语音转文本和图像字符识别（OCR）入手，后期结合计算机视觉（CV）以及用户大数据样本框、AI写作等硬核能力，全面赋能内容生态的数字化建设。