本發(fā)明涉及新媒體運(yùn)營的培訓(xùn)管理，具體為一種基于新媒體運(yùn)營的培訓(xùn)管理方法。

背景技術(shù)：

1、新媒體技術(shù)，如社交媒體、短視頻平臺(tái)、直播平臺(tái)，在近年來取得了顯著的發(fā)展，這些平臺(tái)不僅提供了豐富的內(nèi)容創(chuàng)作和分發(fā)渠道，還通過大數(shù)據(jù)、人工智能的技術(shù)手段，實(shí)現(xiàn)了內(nèi)容的精準(zhǔn)推送和用戶行為的深度分析，隨著用戶需求的多樣化和個(gè)性化，如何精準(zhǔn)把握用戶需求，提高內(nèi)容創(chuàng)作的針對性和吸引力，成為新媒體運(yùn)營的重要課題，在新媒體時(shí)代，企業(yè)越來越依賴數(shù)據(jù)驅(qū)動(dòng)的決策和運(yùn)營，以提高品牌曝光度、銷售業(yè)績和競爭力，因此，將新媒體技術(shù)應(yīng)用于培訓(xùn)管理，成為企業(yè)提升培訓(xùn)效果的重要途徑。

2、現(xiàn)有的培訓(xùn)管理方法在數(shù)據(jù)收集方面往往局限于表面數(shù)據(jù)，包括點(diǎn)贊數(shù)和評論數(shù)，而忽視了數(shù)據(jù)的深度和質(zhì)量，例如，惡意評論和無關(guān)評論未能有效排除，導(dǎo)致數(shù)據(jù)失真，令數(shù)據(jù)的收集與處理存在局限性，且許多培訓(xùn)管理方法僅通過單一指標(biāo)來評估培訓(xùn)效果，而忽視了用戶參與度的多維度性以及內(nèi)容質(zhì)量的綜合考量，隨著新媒體平臺(tái)的發(fā)展和用戶行為的變化，原有的評估方法和權(quán)重因子不再適用，但現(xiàn)有的培訓(xùn)管理方法往往缺乏動(dòng)態(tài)調(diào)整機(jī)制，傳統(tǒng)的培訓(xùn)方法往往基于經(jīng)驗(yàn)及主觀判斷來制定培訓(xùn)內(nèi)容，未能充分考慮用戶需求和新媒體平臺(tái)的特性，導(dǎo)致培訓(xùn)效果不理想，培訓(xùn)內(nèi)容與用戶需求的脫節(jié)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于新媒體運(yùn)營的培訓(xùn)管理方法，解決了上述背景技術(shù)中所提出的問題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案，包含參與度、原創(chuàng)、內(nèi)容質(zhì)量以及培訓(xùn)后效果且基于新媒體運(yùn)營的培訓(xùn)管理方法；

3、包括數(shù)據(jù)收集模塊，綜合數(shù)據(jù)分析模塊和執(zhí)行與反饋模塊；

4、具體實(shí)現(xiàn)步驟如下：

5、通過所述數(shù)據(jù)收集模塊，收集新媒體運(yùn)營時(shí)的用戶互動(dòng)數(shù)據(jù)、觀看時(shí)長、內(nèi)容原創(chuàng)性評分和負(fù)面評論數(shù)量；

6、通過所述綜合數(shù)據(jù)分析模塊，分析并輸出參與度指數(shù)c，內(nèi)容質(zhì)量評估指數(shù)pg和培訓(xùn)效果評估指數(shù)px，并根據(jù)培訓(xùn)效果評估指數(shù)px，分析用戶參與度、內(nèi)容質(zhì)量的變化趨勢以及培訓(xùn)后的效果，所述綜合數(shù)據(jù)分析模塊包括有衡量用戶對內(nèi)容參與程度單元，原創(chuàng)與整體質(zhì)量評估單元和評估培訓(xùn)后實(shí)際影響單元；

7、基于培訓(xùn)效果評估指數(shù)px，并通過所述執(zhí)行與反饋模塊分析培訓(xùn)后效果的正向及負(fù)向影響，調(diào)整培訓(xùn)內(nèi)容、方法和策略，不斷優(yōu)化新媒體運(yùn)營的培訓(xùn)管理方法；

8、所述數(shù)據(jù)收集模塊所用到的設(shè)備包括數(shù)據(jù)分析軟件，社交媒體平臺(tái)分析工具，原創(chuàng)性檢測工具；

9、所述綜合數(shù)據(jù)分析模塊所用到的設(shè)備包括計(jì)算器及編程腳本；

10、所述執(zhí)行與反饋模塊所用到的設(shè)備包括培訓(xùn)管理系統(tǒng)。

11、可選的，所述衡量用戶對內(nèi)容參與程度單元的計(jì)算公式如下：

12、

13、hc＝(d1+a*yp1)+(d2+a*yp2)；

14、其中：

15、c為參與度指數(shù)；

16、hc為用戶互動(dòng)總數(shù)；

17、f為內(nèi)容分享總數(shù)；

18、gk為平均觀看時(shí)長；

19、d1為分享前點(diǎn)贊總數(shù)，d2為分享后點(diǎn)贊總數(shù)；

20、yp1為分享前有效評論總數(shù)，為yp2為分享前有效評論總數(shù)；

21、a為權(quán)重因子，a用于調(diào)整點(diǎn)贊和有效評論之間的相對重要性；

22、log(gk+1)所使用的log函數(shù)用于平滑長時(shí)間觀看對參與度的貢獻(xiàn)。

23、可選的，所述原創(chuàng)與整體質(zhì)量評估單元的計(jì)算公式如下：

24、

25、ef＝(d2+a*yp2)/n；

26、fp＝fpt1+fptn*e；

27、其中：

28、pg為內(nèi)容質(zhì)量評估指數(shù)；

29、yc為原創(chuàng)評估指數(shù)；

30、ef為分享率，n為分享總數(shù)；

31、fp為負(fù)面評論總數(shù)；

32、fpt1為開始時(shí)間段負(fù)面評論數(shù)，fptn為結(jié)束時(shí)間段負(fù)面評論數(shù)；

33、b和e均為權(quán)重因子，b是負(fù)面評論總數(shù)fp的調(diào)節(jié)權(quán)重的因子，e是結(jié)束時(shí)間段負(fù)面評論數(shù)fptn的調(diào)節(jié)權(quán)重的因子；

34、t為調(diào)節(jié)因子，t用于根據(jù)其他標(biāo)準(zhǔn)來調(diào)整內(nèi)容質(zhì)量評分，其他標(biāo)準(zhǔn)包括專家評審。

35、可選的，所述評估培訓(xùn)后實(shí)際影響單元的計(jì)算公式如下：

36、

37、其中：

38、px為培訓(xùn)效果評估指數(shù)；

39、xg為培訓(xùn)后用戶行為改變指數(shù)，包括更頻繁的創(chuàng)作和更高的分享率；

40、xgprev為培訓(xùn)前用戶行為基準(zhǔn)指數(shù)；

41、cafter為培訓(xùn)后參與度指數(shù)；

42、cbefer為培訓(xùn)前參與度指數(shù)；

43、c為權(quán)重因子，c用于調(diào)整評論數(shù)量變化對培訓(xùn)效果評估的影響；

44、ypafter為培訓(xùn)后有效評論數(shù)；

45、ypbefer為培訓(xùn)前有效評論數(shù)。

46、可選的，基于所述評估培訓(xùn)后實(shí)際影響單元輸出的培訓(xùn)效果評估指數(shù)px的正向及負(fù)向的影響及調(diào)整如下：

47、s1、若培訓(xùn)效果評估指數(shù)px提升，表面用戶更加積極地參與，即反映參與度指數(shù)c增加以及內(nèi)容質(zhì)量評估指數(shù)pg增加，進(jìn)而形成良性正向循環(huán)，當(dāng)保持運(yùn)營現(xiàn)狀；

48、s2、若參與度指數(shù)c下降以及內(nèi)容質(zhì)量評估指數(shù)pg下降，即直接影響并反映培訓(xùn)效果評估指數(shù)px產(chǎn)生下降，進(jìn)而形成負(fù)向影響，當(dāng)根據(jù)評估結(jié)果調(diào)整培訓(xùn)內(nèi)容、方法和策略，從而重新激發(fā)正向循環(huán)。

49、可選的，所述培訓(xùn)效果評估指數(shù)px產(chǎn)生負(fù)向影響進(jìn)行重新評估的過程中，隨著用戶行為的變化和新媒體平臺(tái)的發(fā)展，原有的權(quán)重因子包括a、b、c，以及調(diào)節(jié)因子t均需要重新校準(zhǔn)。

50、可選的，所述衡量用戶對內(nèi)容參與程度單元在計(jì)算點(diǎn)贊總數(shù)d和有效評論總數(shù)yp時(shí)，若存在同一人多次點(diǎn)贊并同時(shí)評論的情況，通常需要進(jìn)行查重處理以確保數(shù)據(jù)的準(zhǔn)確性，具體的查重處理方法如下：

51、s1、在社交媒體及內(nèi)容管理系統(tǒng)中，每個(gè)用戶通常帶有一個(gè)唯一的標(biāo)識符，即用戶id，通過記錄每個(gè)用戶id的點(diǎn)贊和評論次數(shù)，自動(dòng)去除重復(fù)計(jì)數(shù)；

52、s2、對于同一用戶，設(shè)置一定的時(shí)間間隔，包括幾分鐘及幾小時(shí)，來區(qū)分連續(xù)的點(diǎn)贊及評論行為，以避免將短時(shí)間內(nèi)的重復(fù)行為視為多次有效互動(dòng)；

53、s3、對于匿名評論，通過自然語言處理，進(jìn)行內(nèi)容分析來識別重復(fù)的評論，其中包括對文本相似度的檢測。

54、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果如下：

55、一、本發(fā)明通過收集和分析多維度數(shù)據(jù)，包括點(diǎn)贊數(shù)、有效評論數(shù)、觀看時(shí)長、內(nèi)容分享次數(shù)，并結(jié)合衡量用戶對內(nèi)容參與程度單元所計(jì)算的用戶參與度，為培訓(xùn)管理者提供科學(xué)的數(shù)據(jù)支持，使其能夠基于數(shù)據(jù)制定和調(diào)整培訓(xùn)策略。

56、二、本發(fā)明中的原創(chuàng)與整體質(zhì)量評估單元綜合考慮了內(nèi)容分享次數(shù)、負(fù)面評論數(shù)量、原創(chuàng)性評分以及調(diào)節(jié)因子的多個(gè)因素，為內(nèi)容質(zhì)量提供了全面而準(zhǔn)確的評估，這有助于培訓(xùn)管理者識別內(nèi)容中的不足之處，并針對性地進(jìn)行改進(jìn)，且針對負(fù)面評論數(shù)量的細(xì)化計(jì)算，有助于令內(nèi)容質(zhì)量評估對于負(fù)面評論的衡量計(jì)算更為準(zhǔn)確。

57、三、本發(fā)明中的評估培訓(xùn)后實(shí)際影響單元通過對比培訓(xùn)前后的用戶參與度、內(nèi)容質(zhì)量以及用戶行為變化的指標(biāo)，為培訓(xùn)效果提供了科學(xué)的評估方法，這有助于培訓(xùn)管理者了解培訓(xùn)的實(shí)際效果，并根據(jù)評估結(jié)果調(diào)整培訓(xùn)內(nèi)容、方法和策略。

58、四、本發(fā)明整個(gè)培訓(xùn)管理系統(tǒng)是一個(gè)動(dòng)態(tài)的過程，需要定期重新評估和調(diào)整，且通過重新校準(zhǔn)權(quán)重因子和調(diào)節(jié)因子的參數(shù)，確保評估結(jié)果的準(zhǔn)確性和有效性，并適應(yīng)新媒體平臺(tái)的發(fā)展和用戶行為的變化。

59、五、本發(fā)明基于新媒體運(yùn)營的培訓(xùn)管理方法，注重用戶需求和反饋的收集與分析，通過提升用戶參與度和內(nèi)容質(zhì)量來滿足用戶需求，從而增強(qiáng)用戶黏性和忠誠度。