AI加持，KOL影响力不再靠“猜”

继小红书和抖音KOL影响力预测研究结果取得品牌方积极反响后，数说故事的商业专家和香港城市大学的研究人员针对KOL影响力预测，进行了第二阶段研究：从大量互联网数据中采集分析，微博、微信和b站的KOL影响力有什么差异，如何把握KOL影响力进行最大化营销？

数说故事与香港城市大学共建的“AI联合实验室”（下面简称“AI联合实验室”），突破传统统计分析的能力边界，基于数说故事丰富海量的社媒互联网数据，利用人工智能、大数据挖掘分析、算法等技术，研究如何预测KOL品牌推广影响力。AI加持，让KOL影响力不再靠“猜”。

研究说明：

“AI联合实验室”本次研究的样本由微博、微信和b站社媒互联网数据，接近2000个KOL账号和超过10万条笔记和视频组成。利用机器学习技术和算法模型，对三个平台中的KOL粉丝数、粉丝量级、关注数、性别、还有内容和视频的相关互联网数据，如评论数、点赞数、收藏数、投币数、阅读数等进行研究。同时，“AI联合实验室”对KOL进行聚类分析，利用文本和视频分析技术，将同类KOL的每一条文章及视频内容进行词频分析。

-微博研究篇-

使用KOL特征和历史互动数据

可预测未来发文互动量

基于目前的数据能力，假设KOL发文互动量（评论数、点赞数、转发数三者合）越大，对其未来发文起到的互动影响就越大。因此，在研究实验中，“AI联合实验室”把KOL发文互动量特征作为因变量Y，将其他影响因素作为自变量X，利用机器学习，测试优选最佳算法模型，使用最佳算法模型进一步分析不同因素对互动量的影响。自变量X_i由该KOL本身的特征指标组成，如粉丝数、关注数等构成。基于微博研究的KOL互联网数据结构较单一，复杂模型容易过拟合，最终“AI联合实验室”测试优选出线性回归模型，来进行测试合训练。

研究变量一 ：KOL粉丝量、关注数

KOL粉丝数与关注数同样重要

我们把粉丝数和关注数分别进行训练，研究其作为发文数据特征，对KOL发文互动量有何影响。在线性回归模型中，根据粉丝数和关注数的显著性系数’0.0001’和‘0.6332’都为正数，表明粉丝数与关注数，对KOL的发文影响都成正相关，两者同样重要。值得一提的是，该训练结果与抖音平台一致，与小红书平台则不同。因此广告主在不同平台投放，还是要依据平台的流量推送规则，择优选择KOL。

研究变量二 ：评论、转发、点赞分析

"赞""评">"转"?！

将历史前5天的评论、转发、收藏互联网数据作为自变量，分析他们对于因变量第6天互动量的回归结果是否显著，以及观察系数来确定“赞”、“评”、“转”的正负影响。通过线性回归模型输出的结果，我们发现不管正向或者负向，使用历史点赞、收藏、评论对未来互动量进行预测的效果是显著。从P值（右红框）可以看出，除了15个变量均显著。整体上，评论和点赞对于互动量的影响相差不大，在对数据经过归一化后，发现历史评论对应的特征系数（x1,x4,x7,x10,x13）和历史点赞对应的系数（x3,x6,x9,x12,x15）要显著高于历史转发对应的系数。因此得出结论：评论和点赞要高于转发对于互动量的影响。

KOL历史发文内容

预测未来发文互动量

KOL的影响力除了其本身特征数据和互动数据外，发文内容也是影响要素之一。为了区分不同群组、不同粉丝量对内容的干扰。我们对KOL进行聚类分析，将自身特征相似的KOL放在一起分析内容，一方面可以减少不同群组KOL间的差异，排除其他因素的干扰。另一方面，也可以提升每类KOL的发文数量，提高统计分析的精确性。然后，从每类KOL的高互动内容中提取关键词及其重要性，使用关键词及其重要性预测互动量，寻找显著的关键词。最后按照品类、成分、内容形式等细分方面具体分析不同的关键词。

以KOL的粉丝数量作为聚类的互联网数据源，根据下图，可以看到智能区分了3类KOL，从分组统计的特征值来看，其刚好可以表示头、腰、尾三部分KOL。

采集到了文本互联网数据后，如何才能找到其中最有价值的关键词呢？又该如何构建文本特征呢？延续第一阶段的成功研究成果，我们依旧使用关键词提取TF-IDF算法，使用高频词来区分当前帖子，得出一下几点研究成果：

研究成果一

 不同类别的KOL，关键词重要性不一样 

“AI联合实验室”利用TF-IDF算法提取所有KOL发文内容的关键词，结合KOL的聚类结果，对KOL发文内容中关键词及其重要性得分提取后，会把KOL发帖内容中的关键词标记为特征向量X，去预测这些发帖最后的互动量y，并分析在这个过程中对预测起显著作用的维度及其对应的词语，这样就得到了对该类KOL而言，能提高发文互动量的相关词语。

在微博的结果中，不同类别KOL发文主要的词语差异集中在品类和品牌这两方面，如在品类方面，头部KOL的优势品类有发带、外套等，而腰部KOL的优势品类有卫衣、睡衣、T恤等，尾部KOL则擅长口红方面的产品营销。

与第一阶段研究成果对比发现，微博平台的KOL的发文显著性关键词均包含很多明星名字，且所有KOL的发文显著性关键词均包含品牌名称。统计微博平台的品牌大数据营销发现，相比于小红书、抖音更频繁，因此微博这个社媒平台拥有更多的品牌和粉丝关注，广告主可以依据AI算法，结合自身产品定位，选择合适的推广渠道、合适的类别KOL去进行大数据营销行为。

研究成果二

 不同类别的KOL关键词表现不一样的趋势

在平台方和营销节点的引导下，所有KOL呈现相同的场景变化趋势，但在同一时期，不同类型的KOL的高互动量关键词也表现出明显的差异。例如，在今年上半年，如果从品类分类去看，“美妆、底妆”等词可以为头部KOL带来更高的互动量；“彩妆、香水、洗护”等词则为腰部KOL带来更高的互动量；“水乳、项链”等词则为尾部KOL带来更高的互动量。

虽然不同级别的KOL发文趋势不同，但本次研究中，数说故事发现“国潮”一词，在各类别KOL的发文趋势中都带来了正向趋势。可见今年国潮流行趋势，势不可挡，同时也给品牌方提供新的大数据营销方向。但如果从场景上看，同样也是2月的时间里，头部和腰部KOL的重要性关键词比较一致，对尾部KOL的互动量重要性更高的关键词与头部和腰部相比，差异就很大了。

想知道微信、b站的研究结果与微博有什么不一样吗？请填写表单，获取数说故事完整的互联网数据研究报告吧！