這樣一份報告究竟是「最懂我的」還是「強行懂我？」

最新 03-21

每一年的年終，總能發現有不少勤勞的人會給自己寫一篇年終小結來回顧一下前一年自己的進步與不足，順便展望一下新年。利用這樣一個現象，許多品牌、平台開始嘗試幫助受眾們做年度分析總結報告。通過用戶UGC的傳播力度輕鬆收穫大幅度的聲量。

網易雲音樂在2017年通過情感營銷的方式，獲得了消費者的關注與認同！無論是此前的「樂評專列」，還是「音樂專機」，網易雲音樂都是在提供用戶「想要的」，而不是「想讓他們知道的」。

2018年初，網易雲音樂使用『開始』一個詞串起了網友的很多生活場景，並將一份針對聽友們過往音樂喜好而生成的「年度聽歌報告」H5推到了風口。通過向消費者展示了他這一年在網易雲音樂的聽歌足跡，通過「看見」自己聽到最多的歌詞，睡得最晚的一次，聽到的歌曲，聽過最多次的歌等大數據的研究，提供了一份「最懂」消費者的報告。

報告選取了用戶最關心的維度，展示了每個用戶專屬的聽歌數據。可以說，從某種程度上，這些音樂記憶，反映的也正是每位用戶這一年來的心路歷程和情感記憶。隨後，這個H5開始在朋友圈各種刷屏，不少用戶在轉發的同時，還配上了轉發語和驚嘆詞。然而，還是有不少人對網易雲音樂的這份年終總結髮出質疑，更有網友表示網易雲的演算法有問題——被「強行懂我」！如網友反饋：聽得最多的竟然是一個自己都不知道名字的獨立歌手；明明平時聽歐美歌多一點，總結下來卻是日韓歌等。

Kantar Media CIC 觀點

完成這種總結報告，對掌握了平台用戶幾乎所有聽歌數據的網易來說輕而易舉。這種一對一具有針對性的聽歌報告可以引發用戶互相分享的熱情，自發為網易雲打廣告，達到了出色的營銷效果，可謂十分成功。但也有不少人認為報告結果與預期不符，有多種可能因素。比如，人們聽歌的風格大多不止一種，用戶渴望看到自己的獨特性，有些用戶沒有經常聽歌的習慣，人的聽歌偏好是會變的等等。

對用戶的聽歌習慣進行分析，除了音樂平台所用的分析方法以外，Kantar Media CIC也有一套特有的自然語言挖掘系統：Rules Engine。根據預設的規則，對文檔自動進行類別標示(Category Annotation)和關聯(Association)。

以某位用戶為例：通過語義分析系統輔助，在預設規則中我們初步建立了五個級別的分類：語言、曲風、歌手、內容、情緒。文檔則取自該用戶聽的音樂的歌詞及其他信息。

通過這套系統，可以看到我們的分析與網易雲音樂的年度總結會有不一樣的結果。

我們首先得到了用戶所聽音樂中具有代表性的歌詞。之後需去了解該用戶的音樂習慣——喜歡日文還是英文，民謠還是流行；是周杰倫的死忠還是喜歡林俊傑更多一點；最近在關注愛情還是在思念親人？根據歌詞表達的情緒，還可以推測最近他過得是否開心。。。甚至，我們進一步將每個環節關聯了起來。可以推測這種情緒的來源是由於愛情、工作，或是家庭？從而為用戶提供更加生動、豐富、有效的服務。