一种品牌认知评估方法、装置及电子设备与流程

摘要: 本技术涉及人工智能,具体而言,涉及一种品牌认知评估方法、装置及电子设备。背景技术:1、随着生成式大语言模型(artificialintelligencelarg...
一种品牌认知评估方法、装置及电子设备与流程

本技术涉及人工智能,具体而言,涉及一种品牌认知评估方法、装置及电子设备。

背景技术:

1、随着生成式大语言模型(artificial intelligence large language model,llm)的全面普及,豆包、deepseek、kimi、腾讯混元、通义千问等主流大模型已成为用户消费决策、品类选购、品牌对比的核心信息入口。用户通过向大模型发起咨询类提问获取产品推荐、品牌优劣、选购建议,大模型输出的品牌排序、曝光频次、评价倾向直接决定消费者心智,品牌在大模型场景下的认知占位、推荐优先级、信息覆盖度,已成为品牌数字化运营、ai(artificial intelligence)内容优化的核心观测指标。

2、传统品牌监测、舆情分析系统诞生于搜索引擎、社交媒体时代,核心数据源为公开网页、短视频、社交评论,依靠网络爬虫抓取静态公开文本,采用关键词匹配、浅层文本统计实现品牌声量、情感倾向监测,长期作为品牌口碑、传播效果的评估工具。但生成式ai具备交互动态生成、对话私有化、输出文本表述无统一规范、多模型推理逻辑差异大等独有特征,传统监测体系的底层架构、数据采集方式、数据处理逻辑、量化评估标准均无法适配大模型交互场景,导致无法精准、稳定、可复现地评估品牌在生成式大模型生态中的用户心智占位,企业无法量化大模型场景下品牌与竞品的认知差距,无法跟踪营销投放、内容优化后的ai声誉变化,难以定位品牌认知薄弱场景与关键词,缺少客观数据支撑ai渠道品牌优化决策。

技术实现思路

1、有鉴于此,本技术的目的在于提供一种品牌认知评估方法、装置及电子设备,以克服上述至少一种缺陷。

2、第一方面,本技术实施例提供了一种品牌认知评估方法,包括:

3、基于多源用户行为数据,构建区分行业、场景及认知维度的交互问题库,交互问题库包括多条交互问题,每条交互问题标注有行业标签、场景标签及认知维度标签;

4、从交互问题库中选取指定场景及指定关键词对应的目标交互问题,并行调用多个大语言模型对目标交互问题进行多轮模拟交互,获得不同大语言模型输出的第一原始回复数据;

5、确定第一原始回复数据对应的第一品牌认知指标;

6、在与前一次多轮模拟交互相同的条件下,采用相同的目标交互问题再次执行多轮模拟交互,确定第二品牌认知指标;

7、基于第一品牌认知指标及第二品牌认知指标的比较结果,评估在指定场景及指定关键词下的品牌认知变化趋势。

8、在可选的实施方式中,从交互问题库中选取指定场景及指定关键词对应的目标交互问题的步骤,包括:从交互问题库中选取指定场景及指定关键词对应的候选交互问题;基于每个候选交互问题的当前热度,选取目标交互问题。

9、在可选的实施方式中,多源用户行为数据包括语言模型脱敏交互数据、用户消费行为与态度调研数据、网民行为数据,基于多源用户行为数据,构建区分行业、场景及认知维度的交互问题库的步骤,包括:从语言模型脱敏交互数据、用户消费行为与态度调研数据、网民行为数据中分别提取交互问题,以构建问题集;确定问题集中每个交互问题的当前热度;对问题集中的交互问题分配行业标签、场景标签和认知维度标签,并设置相应的热度值,形成结构化的交互问题库。

10、在可选的实施方式中,并行调用多个大语言模型对目标交互问题进行多轮模拟交互,获得不同大语言模型输出的第一原始回复数据的步骤,包括:针对每个目标交互问题,将目标交互问题分别多次输入每个大语言模型中,执行多轮模拟交互,获得目标交互问题对应的第一原始回复数据。

11、在可选的实施方式中,在获得不同大语言模型输出的第一原始回复数据之后,还包括:对第一原始回复数据进行标准化及信息补全处理,以利用经过标准化及信息补全处理后的第一原始回复数据确定第一品牌认知指标。

12、在可选的实施方式中,通过以下方式对第一原始回复数据进行标准化处理:针对第一原始回复数据中的研究对象,检索标准化规则库中是否存在匹配的目标对象;若不存在匹配的目标对象,则利用大语言模型识别出该对象对应的标准名称,并生成对象与标准对象之间的映射关系;将映射关系存储在标准化规则库中,以更新标准化规则库。

13、在可选的实施方式中,通过以下方式对第一原始回复数据进行信息补全处理:确定第一原始回复数据的信源信息中是否包括有效的网站名称;若不包括有效的网站名称,则利用大语言模型对信源地址的识别能力自动补全网站名称。

14、在可选的实施方式中,品牌认知指标至少包括:品牌声量份额、第一推荐度、前十推荐度、品牌展示度、品牌连接度及以上五个指标分别对应的声量均衡指数。

15、第二方面,本技术实施例还提供了一种品牌认知评估装置,所述装置包括:

16、问题库构建模块,用于基于多源用户行为数据,构建区分行业、场景及认知维度的交互问题库,交互问题库包括多条交互问题,每条交互问题标注有行业标签、场景标签及认知维度标签;

17、模拟交互模块,用于从交互问题库中选取指定场景及指定关键词对应的目标交互问题,并行调用多个大语言模型对目标交互问题进行多轮模拟交互,获得不同大语言模型输出的第一原始回复数据;

18、第一指标确定模块,用于确定第一原始回复数据对应的第一品牌认知指标;

19、第二指标确定模块,用于在与前一次多轮模拟交互相同的条件下,采用相同的目标交互问题再次执行多轮模拟交互,确定第二品牌认知指标;

20、变化趋势确定模块,用于基于第一品牌认知指标及第二品牌认知指标的比较结果,评估在指定场景及指定关键词下的品牌认知变化趋势。

21、第三方面,本技术实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如上述的品牌认知评估方法的步骤。

22、本技术实施例带来了以下有益效果:

23、本技术实施例提供的一种品牌认知评估方法、装置及电子设备,方法包括:基于多源用户行为数据,构建区分行业、场景及认知维度的交互问题库,交互问题库包括多条交互问题,每条交互问题标注有行业标签、场景标签及认知维度标签;从交互问题库中选取指定场景及指定关键词对应的目标交互问题,并行调用多个大语言模型对目标交互问题进行多轮模拟交互,获得不同大语言模型输出的第一原始回复数据;确定第一原始回复数据对应的第一品牌认知指标;在与前一次多轮模拟交互相同的条件下,采用相同的目标交互问题再次执行多轮模拟交互,确定第二品牌认知指标;基于第一品牌认知指标及第二品牌认知指标的比较结果,评估在指定场景及指定关键词下的品牌认知变化趋势。

24、本技术实施例能够通过构建多标签的结构化交互问题库、多模型并行执行多轮模拟交互获得回复数据,基于前后两期指标的对比来分析品牌认知变化趋势,能够实现稳定、可复现的大模型生态品牌心智量化评估,精准量化品牌与竞品认知差距,与现有技术中的品牌认知评估方法相比,解决了无法精准、可复现地评估品牌在生成式大模型生态中的用户心智占位以及企业无法量化大模型场景下品牌与竞品的认知差距的问题。

25、为使本技术的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。