基于UGC内容挖掘的To C传播策略研究

张益勤

摘 要：全面To C是现在各企业重要的发展方向，To C传播策略是各企业营销的重要指导方针。如何找到用户，识别用户喜爱的内容是To C营销的关键。本文以小红书上宏光MINIEV UGC内容为样本，通过抓取平台上用户创作的内容，以文本聚类的方式进行内容分类，再根据内容量级及互动指标筛选出优质内容，并结合爆款内容下面的评论分析进行UGC内容的深度挖掘，从而找到最受用户或消费者欢迎的内容类型。结合案例研究结果及用户特征，从品牌用户资产沉淀、用户共创营销、圈层用户渗透三个方面提出To C传播策略建议。

关键词：UGC内容 文本聚类 小红书 To C传播策略

全面To C是企业向上发展的重要抓手，通过聆听用户的声音，研究目标用户对产品的反馈，可以更好地识别用户需求和痛点，帮助品牌优化产品功能和设计；通过研究消费者日常发布的社媒内容，挖掘其内容偏好及生活习惯，可以帮助品牌更全面地了解目标用户的画像，以便制定更具针对性的营销策略，为品牌营销提供多样抓手；用户内容发布的平台多种多样，选择一个品牌用户活跃的平台进行研究更有意义。

众多的内容营销平台中，小红书的发展最为迅猛，从2022年的小红书用户画像分析报告中可以看出，该平台的月活用户已超2亿，72%的90后用户，女性用户占到7成。宏光MINIEV作为城市代步出行的新选择，销量一直蝉联小型新能源车第一，从积累的庞大用户群体画像可以看出，女性用户占比达到70%，和小红书的女性占比高度一致。结合线上线下对于用户触媒习惯的调研，发现有90%的女性用户均是从被小红书上宏光MINIEV的内容种草才产生的购买决策。基于人群特征及触媒习惯的契合，小红书作为宏光MINIEV传播营销的主阵地，通过内容种草提升口碑获得社交裂变。此外，消费者更愿意接受真实用户即车主在小红书上创作和分享的内容，所以研究一些低粉丝量（粉丝量<10000）的UGC内容发声更有意义。因此，本文以宏光MINIEV在小红书的受欢迎的UGC内容为例，通过社交文本聚类模型，研究用户喜欢的内容类型，为车型在To C传播策略提供指导意义。

1 小红书宏光MINIEV UGC内容挖掘研究

1.1 数据获取

小红书的数据包含几大类，主要由笔记基本数据、个人信息、评论数据组成。小红书笔记基本数据维度包含：用户昵称、标题、内容、内容地址、发布时间、点赞量、评论量、笔记收藏量等。个人信息主要包含用户昵称、性别、IP属地、用户标签、关注人数、粉丝人数、获赞及收藏数等。本次研究主要使用笔记基本数据字段、个人信息中的粉丝人数字段以及评论数据，以上字段均可通过Python爬虫获取。其中我们将用户在帖子下面主动进行的动作指标做了加总，作为评估笔记热度情况的综合指标，定义互动量，互动量等于点赞量、评论量、笔记收藏量的加和。

本文以“宏光MINIEV”作为关键词，爬取小红书上2022年1月-2022年3月的帖子，发现有超过33000条笔记，我们先通过用户粉丝人数进行第一轮筛选，其中粉丝数低于10000的有26000条笔记，再通过用户昵称去掉官方账号及矩阵号发布的内容，然后根据互动量降序，得到互动量TOP1000的UGC内容信息。

将这1000条高互动的UGC内容进行文本聚类分析，得出受欢迎的几大内容类型，再针对性的做深度挖掘。基于成熟的模型训练经验，得出社会文本内容聚类的标准化流程：【数据清洗】-【机器学习训练文本相似度】-【降维展现聚类情况】-【kmeans聚类呈现分类结果】-【输出结果】

1.2 TOP1000UGC内容文本聚类分析

1.2.1 数据清洗

对最终得到的1000条UGC内容进行数据清洗，去除一些非法字符，如表情，链接等，得到具备分析意义的内容文本。

1.2.2 机器学习训练文本相似度

将清洗后的文本内容通过bert embedding词嵌入过程，将输入文本中的每一个词（token）送入token embedding层从而将每一个词转换成向量形式，以segment embeddings和 position embeddings两个嵌入层输入完成转码。同时把文字转成经过预训练模型的词向量。这样才能将内容本文向量化，首先要将文本内容进行拆分和编码，然后放到向量空间， Token Embeddings层完成了词的向量表示，Segment Embeddings辅助BERT区别句子对中的两个句子的向量表示，Position Embeddings让BERT学习到输入的顺序属性，上述Embeddings会被按元素相加，得到一个大小为（1，n，768）的合成表示。完成BERT编码层的输入。

这意味着Position Embeddings layer 实际上就是一个大小为（512，768）的lookup表，表的第一行是代表第一个序列的第一个位置，第二行代表序列的第二个位置，以此类推。因此，如果有这样两个句子“Hello world”和“Hi there”，“Hello”和“Hi”会由完全相同的position embeddings，因为他们都是句子的第一个词。同理，“world”和“there”也会有相同的position embedding。

最后，通过计算cos角也就是相似度，得到多维空间内的词义相似度，完成文本的向量化操作。

1.2.3 降维展现聚类情况

PCA（Principal Component Analysis）是一种常见的数据分析方式，常用于高维数据的降维，可用于提取数据的主要特征分量。令散乱向量信息的提取聚合，模型降维，提取聚类。在向量空间中维度较多且稀疏，所以我们需要通过降维操作来直观呈现聚类情况。用PCA技术对数据进行降维，同時对新求出的“主元”向量的重要性进行排序，根据需要取前面最重要的部分，将后面的维数省去，达到降维从而简化模型或是对数据进行压缩的效果。同时最大程度的保持了原有数据的信息。最后使用umap工具来plot出图。以图内散点聚集情况来直观确定kmeans的k的数值，如下图。

1.2.4 kmeans聚类呈现分类结果

小红书文本内容通过算法模型得到如图1所示，结果可以大致分为五类内容，K等于5，进行K-means聚类。以kmeans聚类模型为基础，通过一次次重复选择数据中心-计算距离-分组-再次选择数据中心的流程，直到我们分组之后所有的数据都不再变化了，也就得到了上图1-2展示的聚类结果。从结果中可以看到，这五类内容分别是改装攻略、提车日记、买车攻略、用车体验、车友活动分享，然后将这五类内容标签分别匹配贴到到最开始的TOP1000条社交文本内容中。再根据这些内容的互动指标字段及内容类型进行数据透视，整理成数据图表，结果如下图2所示：

从图2可以看出，改裝攻略类内容数量最多且单篇互动量最高，说明该类型内容用户愿意在平台进行分享，而且在小红书平台热度较高，容易引发用户进行互动。其余四类内容的单篇互动量差异不大，说明这几种类型内容在小红书受欢迎程度差不多。通过对互动指标再进行拆分，可以发现改装攻略类内容单篇点赞量、评论量及收藏量都高于其它几类内容，提车日记及买车攻略内容单篇评论量也比较高，说明用户对于这三类内容更愿意讨论，对于改装攻略的内容更愿意收藏起来作为后续改装的参考借鉴。鉴于改装攻略类内容的热度明显较高，将对这类内容更加深入的洞察挖掘，从而给予精准的营销策略建议。

1.2.5 内容深度挖掘

首先筛选出标签为“改装攻略”类的内容，进行人工读贴，发现用户更倾向于内饰氛围环境的改造，其次是车贴、车色及内饰方面的整体大改。从改装面积、费用成本、改装人力成本来看，可以分为两大类：一类为软装，即买即装，且基本为局部小改；一类为硬装，即为车辆外观的主题改装。软装主要表现为车主网购局部部件，通过自己的DIY安装摆设，打造个人喜爱的车内氛围环境，其中方向盘套、座椅套、坐垫、头枕、脚垫为软装必改系列，其次为中控及出风口小摆件配饰、钥匙套、遮阳帘等细节小装饰。硬装主题改装是对于整车进行车贴、包围、部件加装的装饰，更倾向于车辆外观的改装，其中含有IP元素的卡通人物自带热度，玉桂狗系列及皮卡丘主题流量最高，然后是复古主题。

针对高互动的爆款内容进行典型分析，选取互动量过万的”整体复古内饰风格“硬装及”夏日车内遮阳帘“的软装两篇笔记，用python抓取笔记下面的用户评论。然后通过对抓取出来的用户评论进行人工阅读分类，发现用户讨论点主要分为五大类，其中对改装效果的点赞支持及实用改装物件的好物求购提及频率最高，由此可见，大家对于宏光MINIEV改装文化的认可及想要参与改装的意愿。另外将发表评论的用户昵称与分享笔记的用户昵称相匹配，发现宏光MINIEV改装的交流分享已经成为用户在小红书平台社交的桥梁，车主们互相在评论区分享回复自己的改装心得。

2 传播建议

2.1 直连用户，沉淀品牌用户资产

通过网络爬虫技术抓取产品相关内容，结合平台内容指标，识别优质内容创作者，以官方身份直连创作者，并进行打标签，建立品牌自有KOC体系（KOC即为有传播能力的用户）。这些KOC通过记录自己日常生活的用车场景及体验，以真实用户的角度去发声，更够给平台上的其他用户带来真实感及信任感。以上文案例研究的1000篇高互动内容为例，均是真实用户分享，这样的内容更加真实，更容易获得平台上其他用户的点赞及讨论。因此，直连这些有传播能力的用户，组建品牌自有KOC矩阵，可以帮助品牌积累大量真实用户分享笔记，增大产品曝光，提升产品美誉度。另外，这些KOC也可以受邀参加官方组建的线下活动或者线上话题活动，为官方话题传播及产品迭代提供宝贵的资源及建议。

2.2 官方搭建平台，用户参与，共同打造汽车潮改文化

通过优质内容的挖掘及深入洞察，了解到用户对改装的兴趣热度最高，所以官方可以举办大型的改装文化活动。不仅能为品牌活跃车主搭建交流平台提供改装能力及创意展示机会，加强车主对品牌的认可及信任，产生品牌共鸣；同时，活动现场能产生大量营销素材及内容，通过消费者宣发，可为品牌沉淀海量优质品牌内容，反哺品牌在社交媒体上的内容量及霸屏率。例如五菱宏光MINIEV策划落地的潮创盛典，1000多名潮改车主带着自己的爱车从全国各地来参展，近万名用户在现场参观交流，其中叙利亚战车风格的潮改车热度在各平台获得近百万互动，过千万曝光。整体活动的举办使得宏光MINIEV在各平台的搜索热度提升了2倍，获得了用户的高度认可，例如用户评论”只有五菱才有汽车文化“。

2.3 圈层渗透，拓展更多圈层用户

圈层营销可以更好地针对特定社交圈层用户进行营销活动，从而增加用户的忠诚度和品牌认知度。品牌基于用户偏好的改装内容进行挖掘，识别车主偏好的内容圈层，例如以“肉桂狗”“皮卡丘”为代表的萌系日漫角色，利用圈层内容的热点、黑话或内容合作持续向圈层用户释放品牌的友好信号，逐步渗透该圈层的用户。另外，也可以利用品牌层面的IP合作联动去触达圈层用户，让消费者体会到品牌对其兴趣爱好的关注，并执行落地一些行动，例如五菱X喜茶、五菱X迪士尼的合作，都触达到了相应的圈层用户，并获得了一致好评。

3 结语

To C传播是各大品牌聚焦的传播重点，好的To C传播策略是品牌建设及用户口碑树立的重要指导方向。本文从宏光MINIEV在小红书平台优质的UGC内容进行挖掘分析，洞察用户声音。针对用户喜爱的内容及用户声音，从用户直连组建品牌自有KOC体系、官方与用户联动打造汽车潮创文化、圈层用户拓展三个方面提出了To C传播策略建议，对于品牌及产品的To C传播具有一定的借鉴意义。

参考文献：

[1]李忠美，黄敏. 新媒体背景下“种草”式内容营销的对策研究——以小红书为例[J]. 商场现代化，2022，（21）：1-3.

[2]袁书芹，傅蓉蓉. 基于内容社区的品牌传播效果研究——以小红书元气森林为例[J]. 现代营销（下旬刊），2022，（10）：38-40.

[3]杨霁青. 基于网络UGC内容分析的庐山旅游品牌形象研究[D].江西师范大学，2021.

[4]褚凯旋. UGC内容特征对用户点赞和收藏行为的影响研究[D].暨南大学，2019.

注释：

To C：To Consumer，即企业直接面向终端客户，直接为消费者提供产品或服务

UGC：User Generated Content，即用户原创内容

KOC：Key Opinion Consumer，即关键意见消费者