基于UGC內容挖掘的To C傳播策略研究

張益勤

摘 要：全面To C是現在各企業重要的發展方向，To C傳播策略是各企業營銷的重要指導方針。如何找到用戶，識別用戶喜愛的內容是To C營銷的關鍵。本文以小紅書上宏光MINIEV UGC內容為樣本，通過抓取平臺上用戶創作的內容，以文本聚類的方式進行內容分類，再根據內容量級及互動指標篩選出優質內容，并結合爆款內容下面的評論分析進行UGC內容的深度挖掘，從而找到最受用戶或消費者歡迎的內容類型。結合案例研究結果及用戶特征，從品牌用戶資產沉淀、用戶共創營銷、圈層用戶滲透三個方面提出To C傳播策略建議。

關鍵詞：UGC內容 文本聚類 小紅書 To C傳播策略

全面To C是企業向上發展的重要抓手，通過聆聽用戶的聲音，研究目標用戶對產品的反饋，可以更好地識別用戶需求和痛點，幫助品牌優化產品功能和設計；通過研究消費者日常發布的社媒內容，挖掘其內容偏好及生活習慣，可以幫助品牌更全面地了解目標用戶的畫像，以便制定更具針對性的營銷策略，為品牌營銷提供多樣抓手；用戶內容發布的平臺多種多樣，選擇一個品牌用戶活躍的平臺進行研究更有意義。

眾多的內容營銷平臺中，小紅書的發展最為迅猛，從2022年的小紅書用戶畫像分析報告中可以看出，該平臺的月活用戶已超2億，72%的90后用戶，女性用戶占到7成。宏光MINIEV作為城市代步出行的新選擇，銷量一直蟬聯小型新能源車第一，從積累的龐大用戶群體畫像可以看出，女性用戶占比達到70%，和小紅書的女性占比高度一致。結合線上線下對于用戶觸媒習慣的調研，發現有90%的女性用戶均是從被小紅書上宏光MINIEV的內容種草才產生的購買決策。基于人群特征及觸媒習慣的契合，小紅書作為宏光MINIEV傳播營銷的主陣地，通過內容種草提升口碑獲得社交裂變。此外，消費者更愿意接受真實用戶即車主在小紅書上創作和分享的內容，所以研究一些低粉絲量（粉絲量<10000）的UGC內容發聲更有意義。因此，本文以宏光MINIEV在小紅書的受歡迎的UGC內容為例，通過社交文本聚類模型，研究用戶喜歡的內容類型，為車型在To C傳播策略提供指導意義。

1 小紅書宏光MINIEV UGC內容挖掘研究

1.1 數據獲取

小紅書的數據包含幾大類，主要由筆記基本數據、個人信息、評論數據組成。小紅書筆記基本數據維度包含：用戶昵稱、標題、內容、內容地址、發布時間、點贊量、評論量、筆記收藏量等。個人信息主要包含用戶昵稱、性別、IP屬地、用戶標簽、關注人數、粉絲人數、獲贊及收藏數等。本次研究主要使用筆記基本數據字段、個人信息中的粉絲人數字段以及評論數據，以上字段均可通過Python爬蟲獲取。其中我們將用戶在帖子下面主動進行的動作指標做了加總，作為評估筆記熱度情況的綜合指標，定義互動量，互動量等于點贊量、評論量、筆記收藏量的加和。

本文以“宏光MINIEV”作為關鍵詞，爬取小紅書上2022年1月-2022年3月的帖子，發現有超過33000條筆記，我們先通過用戶粉絲人數進行第一輪篩選，其中粉絲數低于10000的有26000條筆記，再通過用戶昵稱去掉官方賬號及矩陣號發布的內容，然后根據互動量降序，得到互動量TOP1000的UGC內容信息。

將這1000條高互動的UGC內容進行文本聚類分析，得出受歡迎的幾大內容類型，再針對性的做深度挖掘。基于成熟的模型訓練經驗，得出社會文本內容聚類的標準化流程：【數據清洗】-【機器學習訓練文本相似度】-【降維展現聚類情況】-【kmeans聚類呈現分類結果】-【輸出結果】

1.2 TOP1000UGC內容文本聚類分析

1.2.1 數據清洗

對最終得到的1000條UGC內容進行數據清洗，去除一些非法字符，如表情，鏈接等，得到具備分析意義的內容文本。

1.2.2 機器學習訓練文本相似度

將清洗后的文本內容通過bert embedding詞嵌入過程，將輸入文本中的每一個詞（token）送入token embedding層從而將每一個詞轉換成向量形式，以segment embeddings和 position embeddings兩個嵌入層輸入完成轉碼。同時把文字轉成經過預訓練模型的詞向量。這樣才能將內容本文向量化，首先要將文本內容進行拆分和編碼，然后放到向量空間， Token Embeddings層完成了詞的向量表示，Segment Embeddings輔助BERT區別句子對中的兩個句子的向量表示，Position Embeddings讓BERT學習到輸入的順序屬性，上述Embeddings會被按元素相加，得到一個大小為（1，n，768）的合成表示。完成BERT編碼層的輸入。

這意味著Position Embeddings layer 實際上就是一個大小為（512，768）的lookup表，表的第一行是代表第一個序列的第一個位置，第二行代表序列的第二個位置，以此類推。因此，如果有這樣兩個句子“Hello world”和“Hi there”，“Hello”和“Hi”會由完全相同的position embeddings，因為他們都是句子的第一個詞。同理，“world”和“there”也會有相同的position embedding。

最后，通過計算cos角也就是相似度，得到多維空間內的詞義相似度，完成文本的向量化操作。

1.2.3 降維展現聚類情況

PCA（Principal Component Analysis）是一種常見的數據分析方式，常用于高維數據的降維，可用于提取數據的主要特征分量。令散亂向量信息的提取聚合，模型降維，提取聚類。在向量空間中維度較多且稀疏，所以我們需要通過降維操作來直觀呈現聚類情況。用PCA技術對數據進行降維，同時對新求出的“主元”向量的重要性進行排序，根據需要取前面最重要的部分，將后面的維數省去，達到降維從而簡化模型或是對數據進行壓縮的效果。同時最大程度的保持了原有數據的信息。最后使用umap工具來plot出圖。以圖內散點聚集情況來直觀確定kmeans的k的數值，如下圖。

1.2.4 kmeans聚類呈現分類結果

小紅書文本內容通過算法模型得到如圖1所示，結果可以大致分為五類內容，K等于5，進行K-means聚類。以kmeans聚類模型為基礎，通過一次次重復選擇數據中心-計算距離-分組-再次選擇數據中心的流程，直到我們分組之后所有的數據都不再變化了，也就得到了上圖1-2展示的聚類結果。從結果中可以看到，這五類內容分別是改裝攻略、提車日記、買車攻略、用車體驗、車友活動分享，然后將這五類內容標簽分別匹配貼到到最開始的TOP1000條社交文本內容中。再根據這些內容的互動指標字段及內容類型進行數據透視，整理成數據圖表，結果如下圖2所示：

從圖2可以看出，改裝攻略類內容數量最多且單篇互動量最高，說明該類型內容用戶愿意在平臺進行分享，而且在小紅書平臺熱度較高，容易引發用戶進行互動。其余四類內容的單篇互動量差異不大，說明這幾種類型內容在小紅書受歡迎程度差不多。通過對互動指標再進行拆分，可以發現改裝攻略類內容單篇點贊量、評論量及收藏量都高于其它幾類內容，提車日記及買車攻略內容單篇評論量也比較高，說明用戶對于這三類內容更愿意討論，對于改裝攻略的內容更愿意收藏起來作為后續改裝的參考借鑒。鑒于改裝攻略類內容的熱度明顯較高，將對這類內容更加深入的洞察挖掘，從而給予精準的營銷策略建議。

1.2.5 內容深度挖掘

首先篩選出標簽為“改裝攻略”類的內容，進行人工讀貼，發現用戶更傾向于內飾氛圍環境的改造，其次是車貼、車色及內飾方面的整體大改。從改裝面積、費用成本、改裝人力成本來看，可以分為兩大類：一類為軟裝，即買即裝，且基本為局部小改；一類為硬裝，即為車輛外觀的主題改裝。軟裝主要表現為車主網購局部部件，通過自己的DIY安裝擺設，打造個人喜愛的車內氛圍環境，其中方向盤套、座椅套、坐墊、頭枕、腳墊為軟裝必改系列，其次為中控及出風口小擺件配飾、鑰匙套、遮陽簾等細節小裝飾。硬裝主題改裝是對于整車進行車貼、包圍、部件加裝的裝飾，更傾向于車輛外觀的改裝，其中含有IP元素的卡通人物自帶熱度，玉桂狗系列及皮卡丘主題流量最高，然后是復古主題。

針對高互動的爆款內容進行典型分析，選取互動量過萬的”整體復古內飾風格“硬裝及”夏日車內遮陽簾“的軟裝兩篇筆記，用python抓取筆記下面的用戶評論。然后通過對抓取出來的用戶評論進行人工閱讀分類，發現用戶討論點主要分為五大類，其中對改裝效果的點贊支持及實用改裝物件的好物求購提及頻率最高，由此可見，大家對于宏光MINIEV改裝文化的認可及想要參與改裝的意愿。另外將發表評論的用戶昵稱與分享筆記的用戶昵稱相匹配，發現宏光MINIEV改裝的交流分享已經成為用戶在小紅書平臺社交的橋梁，車主們互相在評論區分享回復自己的改裝心得。

2 傳播建議

2.1 直連用戶，沉淀品牌用戶資產

通過網絡爬蟲技術抓取產品相關內容，結合平臺內容指標，識別優質內容創作者，以官方身份直連創作者，并進行打標簽，建立品牌自有KOC體系（KOC即為有傳播能力的用戶）。這些KOC通過記錄自己日常生活的用車場景及體驗，以真實用戶的角度去發聲，更夠給平臺上的其他用戶帶來真實感及信任感。以上文案例研究的1000篇高互動內容為例，均是真實用戶分享，這樣的內容更加真實，更容易獲得平臺上其他用戶的點贊及討論。因此，直連這些有傳播能力的用戶，組建品牌自有KOC矩陣，可以幫助品牌積累大量真實用戶分享筆記，增大產品曝光，提升產品美譽度。另外，這些KOC也可以受邀參加官方組建的線下活動或者線上話題活動，為官方話題傳播及產品迭代提供寶貴的資源及建議。

2.2 官方搭建平臺，用戶參與，共同打造汽車潮改文化

通過優質內容的挖掘及深入洞察，了解到用戶對改裝的興趣熱度最高，所以官方可以舉辦大型的改裝文化活動。不僅能為品牌活躍車主搭建交流平臺提供改裝能力及創意展示機會，加強車主對品牌的認可及信任，產生品牌共鳴；同時，活動現場能產生大量營銷素材及內容，通過消費者宣發，可為品牌沉淀海量優質品牌內容，反哺品牌在社交媒體上的內容量及霸屏率。例如五菱宏光MINIEV策劃落地的潮創盛典，1000多名潮改車主帶著自己的愛車從全國各地來參展，近萬名用戶在現場參觀交流，其中敘利亞戰車風格的潮改車熱度在各平臺獲得近百萬互動，過千萬曝光。整體活動的舉辦使得宏光MINIEV在各平臺的搜索熱度提升了2倍，獲得了用戶的高度認可，例如用戶評論”只有五菱才有汽車文化“。

2.3 圈層滲透，拓展更多圈層用戶

圈層營銷可以更好地針對特定社交圈層用戶進行營銷活動，從而增加用戶的忠誠度和品牌認知度。品牌基于用戶偏好的改裝內容進行挖掘，識別車主偏好的內容圈層，例如以“肉桂狗”“皮卡丘”為代表的萌系日漫角色，利用圈層內容的熱點、黑話或內容合作持續向圈層用戶釋放品牌的友好信號，逐步滲透該圈層的用戶。另外，也可以利用品牌層面的IP合作聯動去觸達圈層用戶，讓消費者體會到品牌對其興趣愛好的關注，并執行落地一些行動，例如五菱X喜茶、五菱X迪士尼的合作，都觸達到了相應的圈層用戶，并獲得了一致好評。

3 結語

To C傳播是各大品牌聚焦的傳播重點，好的To C傳播策略是品牌建設及用戶口碑樹立的重要指導方向。本文從宏光MINIEV在小紅書平臺優質的UGC內容進行挖掘分析，洞察用戶聲音。針對用戶喜愛的內容及用戶聲音，從用戶直連組建品牌自有KOC體系、官方與用戶聯動打造汽車潮創文化、圈層用戶拓展三個方面提出了To C傳播策略建議，對于品牌及產品的To C傳播具有一定的借鑒意義。

參考文獻：

[1]李忠美，黃敏. 新媒體背景下“種草”式內容營銷的對策研究——以小紅書為例[J]. 商場現代化，2022，（21）：1-3.

[2]袁書芹，傅蓉蓉. 基于內容社區的品牌傳播效果研究——以小紅書元氣森林為例[J]. 現代營銷（下旬刊），2022，（10）：38-40.

[3]楊霽青. 基于網絡UGC內容分析的廬山旅游品牌形象研究[D].江西師范大學，2021.

[4]褚凱旋. UGC內容特征對用戶點贊和收藏行為的影響研究[D].暨南大學，2019.

注釋：

To C：To Consumer，即企業直接面向終端客戶，直接為消費者提供產品或服務

UGC：User Generated Content，即用戶原創內容

KOC：Key Opinion Consumer，即關鍵意見消費者