本篇文章整理自CMO训练营私房话第65期胡南西老师的线上分享《社交数据的营销场景》。
胡南西：蓝色光标传播集团大数据助理总裁，BlueMC新一代营销平台负责人，资深的Social营销和数据营销实战专家。
靠谱君首先邀您思考：
什么是社会化媒体？
社交数据的范畴是什么？
社交数据的类型有哪些？
中国特色的社交数据有哪些不同？
社交数据的应用场景有哪些？
1
社会化媒体
1.社会化媒体已经成为了主流媒体。2008年的时候，网站是最主流的媒体，当时论坛只是一个辅助的媒体。经过十年左右的发展，社会化媒体已经变成了最主流的媒体。
2.基本上所有的媒体都具有社会化的特征。例如，新闻、APP下面的评论，一个评论就相当于过去的一个小论坛，社会化媒体具备参与、公开、交流、对话、社区化、连通性等一系列的特征。
2
社交数据的范畴
过去的社交数据大部分是用户原创数据（UGC，例如论坛里的帖子、评论），现在的社交媒体已经不再局限于UGC了，还包括PGC和OGC。
PGC属于专业生产的内容。例如，知乎、微博大号，很多微信公众号，都属于专业人士，他们生产的内容非常专业。
OGC是职业生产的内容。例如，人民日报的微信公众号和微博号，由专人负责生产内容。
所以说，可以通过互联网方式收集和跟踪的所有社会化媒体上产生的数据，都可以称为社交数据。
3
社交数据的类型和特点
1.文本数据：发帖、回帖等文本数据，是社交数据里最大量的。
2.效果数据：相比较于过去传统媒体的效果不可视，只能靠猜或者说调研获取，社交媒体上的效果数据是可视的。社交媒体里的各种阅读数据、互动数据，绝大多数真实可见。当然也存在少量刷数的情况。
3.行为数据：某个社交账号在社交媒体上的各种行为。例如，转、评、赞、阅读、登录时间、发布时间，基本上是以一个社交媒体的ID为核心展开的，而且持续性会更好，这就让我们可以跟踪某个ID的持续行为，监测其行为的变化和行为特点，为其打上行为偏好标签。
4.关系数据：关注的人和粉丝都属于关系数据，关系数据是社交媒体独有的一种数据，通过社交关系数据，可以描绘出用户的关系图谱以及兴趣图谱。
举例：我们原本想通过杨幂发一篇帖子，但是由于预算不足转而找到与杨幂关系很好的另一个明星，这个明星发的文章，杨幂基本上都会转发、评论、点赞，所以我们有机会花较少的费用得到了类似的效果。
一个群体内部关系的节点通常是这个群体的KOL，微博里存在大量的关系数据。
相比于其他数据，社交关系数据的优势非常明显：
- 首先是丰富性：包括文本、关系、行为、效果、数据，它比其他任何媒体的数据种类更丰富。
- 其次是海量：无论是数据量、文本处理、关系演算等，都绝对属于大数据级别，社交媒体拥有最海量的数据。
- 第三是社交数据的完整性：由于开放性和技术可跟踪，社交数据的呈现、收集、跟踪监测都更及时，而且更完整。完整的数据有利于构建营销数据的应用方法。
- 第四是社交数据的真实性：过去的数据通常采取估算的方法。例如，线下调研数据的真实性会受到问卷的影响，社交数据相对来说是真实的言论关系和行为（除了少量刷数的行为）。
企业加入社会化媒体环境的三个步骤：聆听、出席、参与。
4
社交数据营销的三个步骤
1.监听和获取：选取想获得的数据源以及数据的字段。
2.确定规则：需要根据应用场景量身制定不同的规则，不断的积累算法，不断的优化算法，不断的优化规则，这个过程被称之为社交数据的结构化过程。
3.细分应用场景：通过可视化的维度得出一些可执行的营销方法，得出的数据进行洞察和应用，是社交数据的应用过程中最关键的部分。
社交数据的应用是业务导向，需要根据业务场景寻找满足需求的数据，通过构建标签维度把数据结构化。因为社交数据基本上是非结构化的，需要做大量结构化的动作，之后进行算法的优化和规则的处理，最后得出应用的结论。
5
中国特色的社交数据
中国的社交数据与国外的社交数据有着天壤之别，中国特有的防火墙催生了“中国特色”的社交媒体，整体使用习惯跟美国有较大差异，美国基本上代表了全球的趋势和习惯，全球大部分人会使用美国的社交媒体，唯独中国具备独特的社交媒体生态。
1.微博数据，它声称是中国最开放的社交平台，数据流通量巨大，数据价值极高，但微博现在对数据的把控也在提高，很多数据不会随便开放。
目前，微博的月活数据大概有3.76亿，日活数据有1.65亿，整个移动端的占比高达92%，微博中25个领域的阅读量超过100亿。微博数据兼顾文本数据、效果数据、关系数据、行为数据，同时它是最大的UGC文本数据库，目前没有任何一个平台可以比拟。
它的数据有一定的偏向特征，某些领域的数据比较欠缺，某些领域的数据居于主导地位。例如，在明星、影视、旅游等方面拥有海量数据，但是在一些垂直领域（汽车）的数据就比较少。
微博数据还是最大的兴趣偏好数据库之一，它的关系数据最为丰富开放，适合于各种营销的场景。例如，话题监测、危机监测、用户标签等等。
2.微信数据，微信的日均登录用户九亿，比微博用户多得多，拥有海量数据，但是微信数据相对来说不太开放，微信个人号中的数据基本上不可得。微信是最大的OGC和PGC文本数据库。
在一些垂直领域，微信不如垂直媒体丰富，但是在整个社会话题方面，它已经是最大文本数据库，它也是一个很大的兴趣偏好的数据库，每一个微信公众号基本上代表了一定的兴趣取向，它也适合各种话题监测、危机监测、用户标签。
3.百度贴吧数据，百度贴吧也是一个非常大的UGC数据库，主要是影视、游戏类的行为数据，数据类型非常丰富。百度贴吧中包含了各个种类的贴吧，但这类数据很少有相应的应用场景。
4.综合的购物评价数据，集中在各个购物网站里，是对整个商品具有参考价值的口碑及一定的销量数据。
5.知识数据。例如，果壳、知乎、分答这样的平台有很多知识数据，会时常出现对某个领域解读很深的知识性文章，如果有时候出现负面消息，就会对品牌造成巨大的伤害。
6.垂直领域数据，例如，汽车类的四大论坛，他们的数据非常被汽车品牌主认可；旅游类的各种OTA平台，蚂蜂窝、阿里妈妈的评价数据、论坛数据、攻略，基本上也是偏UGC性质或者PGC性质的数据，这些数据对整个垂直行业起到非常积极的作用。
6
数据的获取和处理
数据这么多，如果不是平台方自有数据，想要应用社交数据来进行营销的应用，在数据的获取方面往往会遇到很多障碍。目前中国还没有完整的数据交易体系，个别平台可以通过API接口获取一些数据，大多数数据都是不开放的。
所以很多数据需要建立爬虫工具去获取，各类数据的数据量、数据维度不一样，爬虫的技术难度也不一样。是按需原则还是全量原则，可以根据应用场景的需求来确定，也体现了一家数据第三方平台的实力。
数据获取之后，需要根据营销场景做各种的标签、规则、关联、算法、数据模型，建立一套实时处理系统。这里面各家的数据清洗根据场景的需求不同，有很大的差异。
举例，蓝标的标榜是一个微信公众号的营销价值评估榜，有一些与众不同的数据指标。例如阅读中位数，很多平台都会用最高阅读数作为衡量指标，但是中位数是对一段时间的表现进行评估，从而规避两个问题：第一，很多公众号会刷头条阅读数，而不会刷二条、三条阅读数；第二，有些公众号不是每天刷数，中位数可以作为综合衡量指标。
蓝标对公众号的营销价值的评估体系、评估指数，包括头条影响力、非头条影响力、影响力的稳定度、发稿稳定度、活跃度等5大维度，通过跟踪过去30天的数据来判断其是否可以合作。
具有中国特色的数据处理过程非常复杂。例如，刷数是常见的，在做效果评估时一定要规避刷数对营销的影响和最终判断结果的影响，所以需要有监测刷数的机制和技术手段。例如，营销贴的识别机制，现在的营销贴通过C-UGC（cosplay UGC）手段，几乎达到以假乱真的地步。
当甲方去评估某家公司数据质量的时候，需要一些技巧和方法。很多公司都声称具备海量数据，但是却不能及时将数据提供出来，因为他们基本上是按需爬数据，爬虫的质量有两个问题：第一，在数据的排序过程中，会缺失很多数据；第二，在时效性上，不能提供完整的旧数据。数据的爬取逻辑是一个重要指标。
7
社交数据的应用
除去某一些垂直类的场景，社交数据基本可以满足绝大多数营销场景的使用需求。营销场景可以分为监测、洞察、执行。
1.监测：发稿效果、投放效果、合作效果、运营效果，根据监测数据总结效果，为后续动作做参考。
2.洞察：目的是要制定策略，例如，用户策略、内容策略、投放策略、危机策略。
3.执行：社交数据，更偏向于社交媒体及相应场景的执行。它对于其他的执行可能有辅助作用，但是需要把数据做一定的打通才能实现。
8
社交数据的快速应用场景
1.快速反应场景（Quickly Response Marketing）。过去会主动做PR，现在的营销是反应式营销。例如，微信中的借势营销或海报营销，需要快速捕捉热点，一旦错过，营销效果就会大打折扣。
在这种营销环境或营销趋势下，就要求企业去建立一整套快速反应的营销系统。它对整个技术系统和数据系统的要求很高。
2.快速反应系统：监测系统、规则系统、执行系统。第一步要获取数据；第二步要建立规则，清洗数据；第三步要立刻应用。监测和规则能够将数据清洗干净，快速得到洞察结果，快速应用。
举例，汽车营销。它非常注重口碑和用户反馈，然后根据反馈去做改进。例如新车上市。从经验来看，新车上市基本上有三个月至半年的口碑建立期，新车在消费者心中还没有很明确的形象，这个阶段也被称为黑箱期。这个时候需要大量的跟踪、监测来建立口碑。有的企业会发大量的新闻稿，有的企业会找专业媒体做试驾，有的企业会找行业专家来解说新车的性能。
若要把这些转化为用户或者车主的感知，就需要监测。在这个过程中去建立媒体库、口碑库、内容库、KOL库。当然新车上市除了这些之外，还要监测一些专业的微信公众号是否有恶意言论。
所以，建立快速反应系统需要一套社交工具。它的核心是解决三个问题：第一，尽量保证数据的完整性。第二，数据的获取、计算、分析时间快。第三，尽量保证数据的准确性。
3.九大快速反应场景
1）运营的监测，品牌在各大社交媒体账号的监测，其中监测效果、跟进评比、效果都需要做监测。
2）效果监测，一批稿子、一个话题、一个活动在某个社交环境里的成长整体如何都需要监测，而且是全部声量的监测，例如汽车的某一个点，在垂直领域里起到举足轻重的地位。
3）话题监测，例如竞品做了一个campaign之后的效果如何，或者热点事件合作之前，提前对话题进行测试，包括危机监测。因为现在的危机基本上都发生在社交媒体里，相比而言，传统媒体只在其中部分节点起一些推波助澜的作用，绝大多数的声量都在社交媒体里，整个影响危机走势的数据效果也体现在社交媒体中。
4）口碑监测，监测产品和竞品的口碑声量、口碑点变化等。口碑营销中，口碑是需要动态的去管理，无论是声量的覆盖，还是口碑点的提炼、传播、固化，都需要品牌有及时的把控。
5）运营策略，品牌的各种官方账号如何运营，定位怎样、每月的发布规划是什么。
6）内容策略，某一个活动通过什么样的内容跟消费者沟通也需要洞察。例如大家很喜欢联想某个电脑的颜色，如果再做文章或者campaign就要从这个点出发。
7）投放和KOL策略，例如与微博某个大号、明星号的合作。微信自媒体的投放计划等。
8）用户策略。在一些快速的执行项目中，需要快速地产生用户沟通策略，所以需要快速地洞察用户的特征，包括用户人口学特征、兴趣偏好、触媒习惯、内容偏好等，从而制定正确的执行策略。
9）危机策略。这更需要快速了解危机全貌，并且分析出一些关键点，比如关键话题点、关键KOL和媒介，从而制定应对策略。
9
深度研究场景
这类场景不只是针对营销部门，对企业的各个部门都有参考作用，当然它的发端来自于营销相关的一些部门。
1.市场概况的分析，社交媒体里存在大量的影响力或者声量，例如评估某个品牌整体的社会影响力，大量的数据来自社交媒体。
2.竞品的分析，社交媒体中的精品会相互关注，通过竞争策略体现。
3.消费者的情感识别。例如某汽车企业根据消费者的售后评价，以及竞品用户对竞品的售后评价来评估它的售后是不是能够打动用户，在此过程中会用到大量的社交数据。
4.口碑的分析，可以通过社交媒体的行为，以及一些兴趣偏好得出。例如发掘意见领袖，绝大多数人的领袖都是依靠PGC生存，这类营销一定要维护起来。
5.用户画像，也就是群体画像，利用大量的群体画像来分析用户。这种数据在社交媒体中大量存在，但是因为很多数据属于新生代，以抽样调查的方式收集起来，结构化很好，真实性却存在很大的质疑，社交数据的优势是数量巨大，所以重建规则至关重要。
在实际执行过程中，这些场景不仅要用到社交数据，还需要结合各种数据为客户做分析。
在某汽车案例中，收集很多用户的识别号（手机号、移动设备号），在此基础上如果匹配一些出行数据、购买行为数据以及互动行为数据，把它拿来做分析，再去找一些第三方的数据，结合起来做成更完整的用户画像。
发稿网软文代写、微信营销、微博营销、报纸广告、视频置顶、百度问答等多种互联网广告行业。发稿网平台有上千媒介编辑、专业写手、段子手、营销专家，为企业、公共机构和个人提供定制化的解决方案，将创意、智慧、技能转化为商业价值和社会价值。发稿网平台凭借多年的网络资源和客户资源积累，发展遥遥领先同行业其他软文平台。
