新消费时代,微博为何成为品牌“焦虑症”的首选?

在这里插入图片描述

在大众媒体的时代,传播度较广的电视、报纸等媒体完全能满足品牌的营销需求。而在当下,流量红利消失已经是各行各业的共识,移动互联网带来的去中心化让各个应用变成孤岛,再加上消费者的时间、关注度等越来越趋向于碎片化,品牌塑造变得愈发艰难。

在这一时代背景下,塑造品牌的营销方式趋向多样化,营销场地也变得更加多元起来。在这些营销场地当中,微博成为品牌塑造过程中不可或缺的一部分,逐渐成移动互联网品牌建设的新基建。

用户“海岛”连成KOL“海域”,集约需求指明品牌方向

如今可以看到各式各样的新兴国潮品牌们从微博积蓄力量,蓬勃而出。微博对于品牌塑造的价值,首先就体现在这种孕育能力,而这种对品牌的孕育能力源于微博的公共社交价值。

微博的价值就是公共社交的价值,是从海岛到海域的价值,由一个个用户独立的小岛聚集,形成代表某一特定需求的公共海域,这片海域内公共的价值选择,就成为打造起一个新兴品牌的核心方向。

一方面,用户对于品牌的建立有着天然的“参与感”。

微博诞生的品牌中,总是沿着内容制作—粉丝积累—建立品牌这个阶段性过程演变的,起先,某一内容创作者的内容与观点赢得了一众粉丝的支持与认可,缓慢积累下这些对某一需求有着共同认可的用户群们,才共同组成了一个KOL建筑。

而经过这些用户日益鲜明的需求积累后,KOL才会根据这些需求,创办出相关迎合用户需求的品牌与产品。这一过程中,塑造KOL的就是用户本身,他们的支持才是品牌的底层建筑,也因此对于品牌的建立天然就存在一种参与感,更为亲切也更加具有粘性。

尤其是在如今以Z世代核心的消费场景中,这些年轻用户们更看重品牌背后的价值与真诚,而根据3月12日微博发布《2020微博用户发展报告》数据显示,微博用户群体趋于年轻化,48%的用户是90后,30%的用户是00后,年轻用户居多的微博,具有很广袤的消费孕育土壤。

在这里插入图片描述

例如李子柒、王饱饱、醉鹅娘等品牌,这些都是通过用户参与建立起来的品牌。李子柒、王饱饱创始人姚婧、醉鹅娘创始人王胜寒都是微博上的内容创作者,这些内容创作者通过内容积累一定的粉丝之后,开始建立品牌。

前期用户通过KOL创作的内容与KOL建立起信任关系,随着这些KOL品牌的建立,用户对于KOL的信任自然而然转嫁到他们创建的品牌上,使得这些由微博孕育出的品牌,天生具备一定的品牌知名度和忠诚度。

另一方面,这些创立起新品牌的KOL们本身就是集约化的需求代表,微博的用户们个性鲜明,他们集中体现出的商品诉求才更具有参考价值。

微博个性鲜明的年轻用户们使得他们所集中表达的诉求更为直接,从而使得满足他们集约化需求的品牌与产品也就更具有特色。比如李子柒独特的国风元素,王饱饱“减肥”“瘦”的元素,都成为它们品牌下契合用户集约化需求的点。

其实微博用户们这种集约化的需求,就好比电商平台们如今都在强调C2M反向定制,本质上就是在寻求更有颗粒感的用户反馈,而微博的商业属性天然的就扎根在其中,其品牌的诞生就游离在C端刚需之内。

而之所以微博用户的集约化需求能为品牌指明方向,还在于微博生态的本质是平等的。

微博构建起了一个品牌与用户的界域,这个界域构建的核心在于平等,微博平等的前提也就意味着微博信息的输出不是单向的企业→用户,而是双向、甚至多向的,在品牌方与用户方平等的信息往来之中,更有益于品牌的方向与价值选择修正,朝着更有益于用户、有益于长远发展的方向锤炼进步。

比如美妆品牌花西子在微博生态下的“用户共创”,就是用户集约化需求指明品牌方向的代表。

花西子在品牌筹备初期,用招募“试用体验官”的方式获取用户的反馈,并且也会收听用户在花西子微博官方号评论区的问题和产品吐槽。花西子在微博从用户身上获取直接反馈,听取用户需求,继而对产品、品牌方向修正。

从微博中孕育而出的品牌,在建立的过程中,微博用户海岛连成KOL海域,借着用户的“参与感”完成品牌的孕育,使得品牌在诞生时就具备优势;微博用户的集约化需求基于微博内部平等的生态,也为品牌提供更鲜明的持续发展方向。

用流量池的宽度与深度,为品牌长远发展铺路

除了对品牌的孕育价值外,微博的品牌塑造价值还蕴含在其广告营销价值之中。

根据今年1月12日发布的《2020中国互联网广告数据报告》数据显示,2020年中国互联网克服全球疫情的严重影响,互联网广告全年收入4971.61亿元(不包含港澳台地区),比2019年度增长13.85%,增幅较上年减缓4.35个百分点,仍维持增长态势。

可以见得,营销广告在移动互联网时代的地位不断攀升,各媒体平台的价值日益凸显。这其中微博作为有着庞大用户基数的公域社交平台,在整个中国互联网广告营销中的地位不言而喻。

横向上来讲,微博的流量池足够宽,能够更广泛的进行信息裂变。

流量池的宽度决定了微博上信息覆盖的范围,以此为基础展开的内容投放更能在存量市场中占据主导权。据微博2021年Q1财报数据显示,2021年3月,微博MAU(月活跃用户数)为5.3亿,微博DAU(日活跃用户数)为2.3亿,是国内用户数领先的内容平台。

在大众媒体薄弱的年代,拥有足够宽度流量池的微博,取代了一部分大众媒体的功能,成为品牌投放大众展示类广告的首要阵地。

例如代表着实时舆论情况、传播度较广的微博热搜榜,成为手机、化妆品、衣服等大众消费类品牌的营销选项之一。原因在于微博热搜榜属于面向全体用户的公域领域,是微博流量池宽度的最佳体现地。

而这些品牌特性属于大众向产品,产品的覆盖面越广,潜在的用户转化率就越高,也就越容易实现单位投入的高ROI。

纵向上来讲,微博的流量池足够深,能够更深入的触达到精准用户。

如今智能营销的核心之一就是转化链路的精炼,寻求的是效率的提升,依托于微博的算法技术,营销广告的内容更容易实现供需对接,达到了营销、广告和技术的结合,从而提升B端企业广告投放的ROI,实现企业最短转化链路的效率提升。

品牌通过微博触达精准用户的方式,可以是微博推出的创作者广告共享计划,也可以是微博搜索结果,还可以是热门、关注等页面,根据用户不同,推送的广告也不同。

例如一个游戏玩家浏览一条微博时,下方可能是《原神》、《和平精英》的推送,而孕期妈妈在浏览时下方的广告就可能变成了某个纸尿裤、奶粉的品牌推送。

而且,微博的超话、话题、同城等是品牌根据用户群体属性不同进行针对性营销的绝佳场所。例如#五块钱以下的雪糕有多好吃#话题下,小布丁等怀旧雪糕成了新一代“网红”。

另外,由于微博适合孕育品牌、打造品牌,在微博上的品牌越来越多,人们也就习惯在微博上获取品牌的最新活动信息,或者在企业发生负面事件后上微博看企业的相关回应。微博如今已经成为品牌发声的官方渠道,这为品牌带来了不少好处。

最明显的是品牌在微博上的营销具有长效价值。

前段时间打榜事件后,在2018年同样与“票”绑定的农夫山泉微博官方号对粉丝的劝诫以及限购措施被用户“挖坟”,获得全网好评,被认为是有社会责任感的企业。

在这里插入图片描述

品牌在微博上的发声,会成为企业构建品牌形象的一环,在时间的长河中长期存在,也使得微博的营销不但具有精准性,更具有长效性,好的案例与方案能够跨越时间展示自己的闪光点。

也正是由于微博流量的宽度和深度,以及微博平台内存在的长效价值,微博逐渐成为如今移动互联网时代品牌营销中不可或缺的一部分,持续保持高速增长。

阿里巴巴当代掌门人逍遥子张勇曾这样说道:一个平台,在这个过程当中,关键不是自己做了什么,而是创造了技术、工具和能力,创造了一种能力去服务别人。

作为社交平台的微博,在数字化时代的进程中不断挖掘出越来越多的商业服务价值,从孕育品牌到塑造品牌,逐渐成为移动互联网时代品牌建立的新基建,成为品牌们迈向数字经济时代经营的必要条件。

  • 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
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