利用机器学习创建品牌人物角色

原文：https://medium.com/hackernoon/creating-brand-personas-with-machine-learning-647d9314baaa

作为一名开发人员，我通常不参加我们的品牌战略会议，但鉴于这个特别的会议是关于 20nine 的品牌，我能够体会到他们是如何工作的。我们的任务之一是想出一个最能代表公司个性的角色(真实的或虚构的)。

大约在同一时间，我参加了一个当地的会议，并旁听了一个关于根据用户的 Twitter 活动预测他们的消费习惯和偏好的演讲。后来，我研究了 API 背后的科学，这使得这成为可能——IBM Watson 的人格洞察力。个性洞察服务基于开放词汇方法从内容输入中推断个性特征。它根据数千个性格测试分数以及相应的 Twitter 账户进行了训练。

我的假设是，通过浏览一家公司的网页，我们可以很好地了解该品牌的“个性”，并将其与名人进行匹配，以创建一个人物角色。我实际上能够找到这个示例应用程序来帮助创建这个:https://github . com/Watson-developer-cloud/your-Cameron-match

关于个人资料

除了了解 API 之外，我还必须弄清楚根据给定的数据到底推断出了什么信息。沃森的人格洞察力使用三个著名的模型来确定人格特征。

五大银行

“大五”是最广泛使用的模型，用于描述个性特征以及一个人如何与世界打交道。该模型有 5 个维度:宜人性、责任心、外向性、情绪范围和开放性。

需要

这些描述了产品的哪些方面会引起一个人的共鸣。该模型包括十二种特征需求:兴奋、和谐、好奇、理想、亲近、自我表达、自由、热爱、实用、稳定、挑战、以及结构

价值观念

这些描述了影响一个人决策的激励因素。该模型包括五种价值观:自我超越/帮助他人、保守/传统、享乐主义/享受生活、自我提升/获得成功、开放改变/兴奋。

你可以在这里阅读更多相关内容:https://www . IBM . com/Watson/developer cloud/doc/personal-insights/user-overview . html

建筑

我手动抓取了大约 150 个名人推特账号进行分析。使用 Twitter API，我抓取名人的推文，并通过 Personality Insights API 发送出去。输出被保存到 MongoDB 实例中，以便稍后与品牌进行比较。

接下来，我在 node.js 中构建了一个非常简单的网站抓取器，它抓取顶级 URL 并删除页面中的所有标题、段落和跨度标签。由于它只抓取顶级 URL，输入主页 URL 和博客 URL 可能会返回不同的结果，因为额外的博客页面会在后者上被拾取。沃森将内容组合在一起并进行分析。

然后，我们可以将任何网站与我们之前保存的名人进行比较。

Example output for 20nine.com

为了更进一步，我还抓取了大约 150 个全球最大品牌的 Twitter 账户，并使用相同的机制进行对比。

Example output for 20nine.com

比较所有品牌

创建这个工具的一个意想不到的结果是能够比较和对比保存的品牌。他们可以按行业进行筛选和分析，以发现特定市场的潜在趋势和人物角色差距。

以下是这些品牌在挑战性、想象力和实用性方面的例子。

看到像迪士尼和 MTV 这样的公司在想象力方面得分很高，而红牛在挑战方面得分很高，这真是令人着迷。例如，如果我们希望一个品牌更富有想象力，我们可以研究迪士尼推出的内容，使其更倾向于这种个性特征。

机器学习正被用于越来越多的挑战，所以用数学和数据参与品牌化过程很有趣。

有兴趣看看我做的工具吗？你可以在这里查看:【http://insights.20nine.com/[。](http://insights.20nine.com/)