基于竞品数据采集的内容种草策略生成方法与流程

本发明涉及数据处理与内容运营，具体涉及基于竞品数据采集的内容种草策略生成方法。

背景技术：

1、在内容种草场景中，现有策略多依赖平台内部历史数据或粗粒度竞品分析，难以应对细分品类中短周期热点切换与用户兴趣突变的问题，尤其是在冷启动或长尾商品推广中，竞品内容分布呈现高离散、低可复用特征，导致策略生成存在时效滞后与转化不稳定的缺陷，难以精细刻画竞品内容对用户决策路径的影响，从而造成投放资源浪费及种草效率下降。

技术实现思路

1、本发明的目的是提供一种基于竞品数据采集的内容种草策略生成方法，以解决背景技术中不足。

2、为了实现上述目的，本发明提供如下技术方案：基于竞品数据采集的内容种草策略生成方法，包括：

3、获取竞品在多平台的内容发布数据及用户互动行为数据，进行清洗与时间对齐处理，形成包含发布时间、内容类型及反馈强度的竞品内容序列集；

4、基于所述竞品内容序列集，提取不同时间窗口内的传播增速、互动转折点及主题聚集特征，构建竞品传播特征集合；

5、依据所述竞品传播特征集合，识别关键影响节点并建立内容之间的关联关系链，计算相邻内容节点的传播延续概率，形成传播路径概率序列；

6、根据所述传播路径概率序列，对竞品内容的表现趋势进行时序重构，生成用户兴趣变化轨迹与内容表现变化之间的耦合关系，得到种草趋势预测曲线；

7、基于所述种草趋势预测曲线，计算不同内容要素的贡献权重，并与对应传播路径概率进行非线性组合，生成策略优先级分布图；

8、对所述策略优先级分布图进行多维特征提炼，提取包括内容形式偏好、发布时间敏感度及互动触发阈值在内的关键指标，并与预设规则库进行匹配；

9、当任一关键指标达到预设触发条件时，输出包含内容主题组合、发布节奏及渠道配置的内容种草策略方案。

10、优选的，形成竞品内容序列集包括：

11、采集竞品在多个内容平台的原始发布数据及用户互动行为数据，并依据平台标识与内容原始编号生成全局唯一内容标识；

12、对原始发布数据及用户互动行为数据进行异常值剔除、缺失值补全及秒级时间对齐处理，得到按统一时间基准排列的数据记录；

13、将浏览次数、点赞次数、评论次数及转发次数按照预设权重进行加权求和，得到反馈强度，并按照发布时间顺序形成竞品内容序列集。

14、优选的，构建竞品传播特征集合包括：

15、按照滑动时间窗口对竞品内容序列集进行分段，并依据相邻时间窗口的窗口反馈均值差异得到传播增速序列；

16、根据传播增速序列中正负方向变化位置及其前后反馈强度变化幅度，确定互动转折点；

17、统计各时间窗口内内容类型占比变化，当同一内容类型在连续不少于3个时间窗口内占比增幅均大于0.1时，确定主题聚集特征，并与传播增速序列、互动转折点对齐形成竞品传播特征集合。

18、优选的，识别关键影响节点包括：

19、遍历竞品传播特征集合，筛选传播增速值同时大于前一时间标记和后一时间标记的候选峰值位置；

20、计算候选峰值位置与最近互动转折点之间的时间间隔，当时间间隔不超过相邻时间窗口长度的0.3倍时，将对应内容标记为关键影响节点；

21、当多个候选峰值位置对应同一互动转折点时，优先选取传播增速值大的内容作为关键影响节点，传播增速值相同时选取反馈强度大的内容作为关键影响节点。

22、优选的，建立关联关系链包括：

23、以关键影响节点为起点，在其后的6至8个时间窗口内按照时间先后顺序查找后续内容节点，当相邻内容节点在不少于2个连续时间窗口内保持同一主题聚集特征，且对应内容类型占比均不低于0.2时，判定两节点之间存在有效关联；

24、将满足有效关联的后续内容节点按照时间距离由近到远接入关键影响节点，形成关联关系链，时间距离相同时优先接入反馈强度较高的内容节点。

25、优选的，形成传播路径概率序列包括：

26、针对关联关系链中每一对相邻内容节点，以后节点反馈强度与前节点反馈强度之间的比值作为基础值；

27、依据两节点间传播增速变化方向的一致性对基础值进行修正，得到传播延续概率；

28、将同一关联关系链内各传播延续概率依次累积得到路径累计值，并将各路径累计值归一化处理，形成传播路径概率序列。

29、优选的，得到种草趋势预测曲线包括：

30、按照传播路径概率序列的时间顺序展开各路径段，将后节点反馈强度与传播延续概率相乘后叠加前节点反馈强度，得到重构反馈值，并结合路径概率形成内容表现的重构序列；

31、基于内容表现的重构序列计算连续时间窗口内的变化斜率及斜率变化率，当斜率变化率在相邻不少于3个时间窗口内保持同向变化时，确定兴趣演化区间并提取用户兴趣变化轨迹；

32、将用户兴趣变化轨迹与内容表现的重构序列进行时间对齐，并依据二者变化幅度比值形成耦合关系序列，对耦合关系序列进行连续性约束后得到种草趋势预测曲线。

33、优选的，生成策略优先级分布图包括：

34、依据种草趋势预测曲线中相邻趋势段耦合数值的变化方向，将趋势段划分为趋势上升区间、平稳区间及下降区间；

35、在各区间内统计内容要素出现频次及反馈强度占比，并将二者加权累积得到初始贡献值，再根据连续阶段内初始贡献值增幅对内容要素赋予增强系数，形成贡献权重；

36、将贡献权重与对应传播路径概率进行分段组合处理，并按照内容要素类别归集、分层及归一化排序，生成策略优先级分布图。

37、优选的，提取关键指标包括：

38、按照内容要素类别对策略优先级分布图进行分区，统计不同内容形式在各优先级层级中的占比变化，当某一内容形式在连续不少于2个优先级层级中占比提升均超过0.15时，确定内容形式偏好；

39、按照时间标记汇总策略优先级分布图中的区间数值，当某一时间段的优先级均值高于整体均值的预设倍数且波动范围小于整体波动基准的0.3倍时，确定发布时间敏感区间；

40、根据各内容对应的反馈强度及区间数值计算触发比值，当连续不少于3个内容的触发比值均高于设定基准值时，提取对应反馈强度的最小值作为互动触发阈值。

41、优选的，输出内容种草策略方案包括：

42、将内容形式偏好、发布时间敏感区间及互动触发阈值进行组合编码，并与预设规则库中的内容形式条件、发布时间条件及反馈强度条件逐条比对，选取匹配相似度不低于0.7的规则条目；

43、当内容形式偏好对应的匹配相似度不低于0.7，或者发布时间敏感区间内优先级均值达到预设倍数条件，或者连续内容触发比值达到设定基准值时，认定关键指标达到预设触发条件；

44、依据匹配规则条目读取高优先级层中的内容要素类别、优先发布时间段及平台反馈强度占比，输出包含内容主题组合、发布节奏及渠道配置的内容种草策略方案。

45、在上述技术方案中，本发明提供的技术效果和优点：

46、本发明通过构建竞品内容序列集并在统一时间基准下进行离散化处理，将原本跨平台、异步分布的内容发布与用户互动行为转化为具有统一时间刻度的连续信号序列，在物理意义上等同于对离散传播事件进行时域重采样与能量归一化处理。在此基础上，通过传播增速差分、相位变化识别及主题占比连续演化分析，将内容传播过程从单点统计转变为具备速度-加速度-结构聚集多维耦合特征的动态过程刻画方式。相较于现有仅基于热度或点击量排序的技术手段，本发明能够识别传播过程中的能量跃迁位置及结构性聚集趋势，从而解决细分场景下传播信号弱、噪声干扰大导致关键转化节点难以识别的技术问题，其直接技术效果在于提升对传播关键时刻及内容聚集方向的判别精度，使后续策略建立在稳定且可追溯的传播动力学基础上。

47、本发明通过构建传播路径概率序列并进行逐段加权累积，相当于在时间轴上对内容传播过程进行路径级能量传递建模，将各内容节点之间的影响关系转化为具有传递衰减与强化特性的链式结构，并结合趋势耦合约束实现对用户兴趣变化的连续重构。该过程类似于多路径信号在介质中的叠加传播与能量分布重构，使得最终形成的种草趋势预测曲线具备连续性与方向一致性。区别于现有技术中简单时间序列预测或规则驱动方法，本发明通过路径概率与内容贡献的非线性耦合，使策略优先级的形成依赖于真实传播路径中的能量分布与累积效应，从而有效解决用户兴趣滞后、策略响应不及时的问题，本发明能够提前刻画兴趣演化趋势并输出与传播结构一致的策略方案，提高内容投放的时序匹配度与资源利用效率。