小红书百万博主如何炼成?美妆博主专访

“在小红书上如何快速涨粉?”是大家长期以来的疑惑,为此我们找到了小红书美妆博主小颠儿kini,让我们看看他在成为百万博主的道路上都总结了哪些心得吧!

采访手记:截止到发稿,美妆博主小颠儿kini在小红书上的粉丝量已经达214.4万。虽然最近宅在家中,但小颠儿kini依旧没有闲着,选品、拍视频、团队沟通……一刻未曾停歇,他也是在百般忙碌中抽空接受了千瓜数据的采访。

虽然是小红书的头部博主,拥有众多的粉丝,但小颠儿kini却没有一点架子,超级好聊,就像个有趣的老朋友。再枯燥的知识,在他口中也变得好玩起来,梗不断,笑不停。

接下来的,就让我们通过问答Q&A走进这位美妆博主。看看他被众多粉丝喜欢、信任的原因到底是什么?

01

一个百万美妆博主

成长之路

1.

千瓜:什么样的机缘巧合下,让你开始入驻小红书,成为一名美妆博主的?

小颠儿kini:2015年的时候,我已经是一名很成熟的化妆师了。

但是当时在小红书上,还是比较偏向普通用户的身份,分享一些图文日常。

后来在刷其它短视频的时候,发现有很多人分享美妆的内容。我当时就在想,(开玩笑的语气)我又有专业知识,又有口才,长得也不差,为什么不能也试一试呢?

于是在2018年底就开始了美妆博主的生涯。

图丨果集·千瓜数据-达人详情

果集·千瓜数据显示:小颠儿kini小红书账号注册时间为2015年5月22日,千瓜历史榜单共上榜735次。

2.

千瓜:小红书上有很多美妆博主,但你的风格却很突出,能在众人之中跳脱出来,这样的特色是怎样形成的呢?

小颠儿kini:最开始的时候我也是走专业路线。喜欢讲成分,讲二裂酵母发酵产物滤液啊等等的东西,当时涨粉到了100多万,也差不多是个瓶颈了。

后来因为疫情原因,我只能宅家拍摄,因为设备、场地等等受限,反而让我开始思考,怎么拍摄能更接地气,能让更多人听懂、喜欢。

于是作为一个东北人,我开始利用自身的优势,把那些听不懂的东西,说的更通俗有趣。没想到又收获了100多万的粉丝,我的风格也就变成了现在大家看到的样子。

图丨果集·千瓜数据-热门笔记

果集·千瓜数据显示:近1年关键词“成分”热门笔记150.75万,点赞总量1.38亿。如今,成分已经成为是小红书最火爆的护肤话题之一。

3.

千瓜:作为一名美妆博主,你居然能做到日更,每天压力会很大吗?

小颠儿kini:每天只要看到数据量好,压力就没有了,哈哈哈哈。我本身是白羊座,做事风风火火的性格,一定要有效率。

我当时拍视频,前期准备会比较用心,做足了充分前期准备,拍摄就更高效。我想把更多专业知识带给喜欢我的人,后来就做到了日更。

图丨果集·千瓜数据-笔记分析

果集·千瓜数据显示:3月1日-4月30日期间,小颠儿kini更新了53篇笔记,其中以视频笔记为主,爆文率高达86.79%。另外,在这期间还进行了5场小红书直播。

02

爆款内容打造心得

专和细

4.

千瓜:作为一名成功的美妆博主,你对新晋美妆博主有没有什么内容创作上的建议呢?

小颠儿kini:在前期还没什么粉丝基础,大家还不认识你是谁的时候,内容一定要专和细。

比如你想做美妆,那就只做美妆。而且还要细分自己是护肤类型博主还是彩妆类型博主,像我前期就是这样。

现在我已经到了第二阶段,会更加做自己。内容选择也会更丰富,就比如我自己特别喜欢的养生部分,相当于让小颠儿kini做了个升级,变成了2.0的版本。

5.

千瓜:近期印象深刻的一期内容创作是什么?

小颠儿kini:一个叫“小公鸡”的养生方法教学视频。就是把双臂夹紧,然后想小鸡一样捶打自己的两肋。

没想到发布以后在全平台就是一个爆火的一个概念。

包括很多名人都发布了同款视频,哈哈哈哈。能让现代都市人在忙碌生活中保持健康和快乐,还是很有成就感的。

图丨果集·千瓜数据-笔记分析

果集·千瓜数据显示:这篇“养生”视频笔记互动量(点赞、收藏、评论)累计突破10000。

特别是“小公鸡”教学视频片段,出现在评论热词的TOP5,养生教学引起粉丝的广泛共鸣。

03

品牌合作建议

直播选品、优质Brief

6.

千瓜:想你现在除了视频拍摄外,还有在小红书直播,你有什么选品经验可以和大家分享的吗?

小颠儿kini:消费者希望你的直播间能去把最近火的东西做到破价。

那除此之外,我还会让粉丝在小号上许愿,看看大家需要的到底是什么,然后我再去选择更符合粉丝画像的产品。

另外,我个人还比较青睐小众国货,希望能够支持国货的。同时,这些产品性价比也比较高,希望能够把好的东西推荐给更多人。

比如前段时间上过我直播间的谷记老谷头养生茶,就是我自己买来喝了之后,觉得很不错。然后再去跟品牌方谈的合作,因为有部分粉丝提议上链接,一开始以为只会卖个200份,结果一上架直接卖超了。

一方面是粉丝信任我,另一方面这个茶全网只有我在带,所以品牌自己都没想到第一次的效果会这么好。

7.

千瓜:如果有品牌方向你发出邀请,你会衡量哪些因素,然后选择合不合作?

小颠儿kini:第一就是使用感受。我会先要来试用装自己试用,就比如说我是油痘皮,如果我用完没有起痘的话,那证明它肯定不会闷痘。

第二就是看成分。看看它的成分里面有什么,适不适合大多数人。

第三就是宣传理念。你家的产品能干嘛,实际一点,比如祛痘、补水、抗皱等等,而不是整一些虚词。

8.

千瓜:你觉得自己在小红书生态当中扮演的是什么样的一个身份?

小颠儿kini:调和剂!我觉得世界上没有什么东西是完美的,作为产品它一定会有优点和缺点。

那作为美妆博主最重要的就是展现事情原本和始末,不吹不黑,是什么就是什么,而不是替粉丝去做判断。

总结

本期千访有幸邀请到小红书百万美妆博主小颠儿kini老师。以资深从业者的身份,为初创期的博主分享创作经验,也为品牌与博主的内容共创提供了更多切实有效参考,现总结如下:

初创沉淀期:小红书博主在内容创作初期,一定要专和细。要从自己擅长的领域切入,并逐渐形成自己的风格。

瓶颈突破期:基于粉丝需求和自身闪光点,创作有意思、有价值、以及有共鸣的内容,打造真正的爆款。

直播选品倾向于粉丝关注度高,以及高性价比的商品。

坚持真实的理念,将亲身使用过的产品,客观地分享给更多需要的人。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值