← 中国市场现状下载 PDF ↓ Deutsch
DeepLink 技术报告 · 2026 年 11 月

小红书搜索情境下的声量占有率与群体认同:度量方法

Measuring Share of Voice and Group Affinity in Xiaohongshu Search

深通国际 数据科学组深通(杭州)国际教育科技有限公司 · DeepLink International

摘要 中国学生选择德国语言学校时,主要通过小红书的搜索结果及其评论区获取信息。搜索结果因时间和用户而异,单次观察不可复现;笔记之间、评论之间的影响力也相差悬殊。本文给出一套可重复的度量方法:以多轮搜索的折半一致性判定样本是否稳定,以名次折扣与互动热度定义笔记权重,并在此基础上定义三项指标,即信息供给率、声量占有率与群体认同。三项指标均为有界的无量纲比例,对刷屏和个别爆款内容不敏感,可在不同搜索词和不同时间之间比较。

关键词 声量占有率;群体认同;折半一致性;名次折扣;社交媒体搜索


1 问题与记号

给定一个搜索词,对其重复搜索 K 轮,每轮记录前 60 个结果。记笔记 n 在第 r 轮的名次为 pn,r,未出现时其名次折扣取 0。稳定出现且与行业相关的笔记构成样本集 N,其中由本方账号发布的子集记为 N∘。笔记 n 下的评论集合记为 Cn。被讨论的对象(学校)记为 b。每一次对学校的提及带有一个情感极性标注 σ∈[−1,1],−1 为明确否定,1 为明确认可。

2 抽样稳定性

搜索排序带有随机成分,需要先判断观察到的排序是否稳定。借用测量学中折半信度的思路 [2, 3]:把 k 轮搜索随机分成等大的两半 A、B,各自按累计名次折扣排出前 20 篇 T20(A)、T20(B),以两者的重合比例作为一次折半的一致性:

O(A,B)=|T20(A)∩T20(B)|min(|T20(A)|,|T20(B)|)(1)

对 S=60 次独立的随机折半取平均(随机种子固定,结果可复现):

Ck=1S∑j=1SO(Aj,Bj)(2)

自第 6 轮起每 2 轮计算一次 Ck。当最近 4 次取值的极差不超过容差 ε=0.04 时判定收敛并停止抽样,因此最少需要 12 轮:

maxi∈IkCi−mini∈IkCi≤ε, Ik={k−6,k−4,k−2,k}(3)

收敛值低于 0.60 的搜索词,其结果被标注为「分散」,相应指标仅供参考。未收敛的批次不计算任何指标。

3 笔记权重

名次越靠后,被看到的概率越低。采用信息检索评价中通用的对数名次折扣 [1]:

g(p)=1log2(p+1)(4)

笔记的曝光定义为各轮名次折扣的平均值:

En=1K∑r=1Kg(pn,r)(5)

互动热度由点赞数 Ln、收藏数 Fn、评论数 Mn 加权得到,取该批次内最近一次观测值:

Hn=10Ln+15Fn+20Mn(6)

笔记权重为曝光与热度平方根的乘积。对热度开平方,使权重随互动量次线性增长,避免个别爆款笔记支配全部结果:

wn=EnHn(7)

4 评论可见度

评论的影响力取决于它被看到的程度。设评论 c 获得 ℓc 个赞,在所属楼层中是第 jc 条回复(一级评论取 jc=0)。楼内前两条回复不折减,其后按次序衰减:

vc=1+ℓc1+0.5·max(0,jc−1), sc=vc(8)

后续计算一律使用 sc,理由与笔记权重的定义相同。

5 指标定义

5.1 信息供给率

信息供给率衡量搜索结果中有多大比重的内容由本方账号提供:

R=∑n∈N∘wn∑n∈Nwn(9)

5.2 声量占有率

声量只统计被提及的多少,不区分正负。笔记正文提到学校 b 时,b 获得整篇笔记的权重;评论提到 b 时,按该评论的可见度占本篇评论总量的比例分得相应份额:

Wb=∑n∈Nwn(𝟙b∈n+1Dn∑c∈Cn(b)sc)(10)

其中 Cn(b) 是笔记 n 下提到 b 的评论,Dn 是本篇评论可见度的归一化总量。为抑制刷屏,对在同一篇笔记下发表不少于 3 条评论、且占该篇评论数不低于 20% 的用户,其对同一学校的多次提及合并为一次,取其中最大的 sc,在 Dn 中也只计这一个最大值。声量占有率为归一化后的份额:

Vb=Wb∑b′Wb′(11)

显然 Vb∈[0,1] 且 ∑bVb=1。

5.3 群体认同

群体认同只使用评论,衡量评论区整体上认可谁。先在单篇笔记内计算。每位评论者 u 的发言权重取其在本篇中可见度最高的一条评论,并在评论者之间归一化:

πu,n=maxc∈Cn(u)sc∑u′maxc∈Cn(u′)sc(12)

同一评论者对同一学校的多次表态取平均,记为 σ¯u,b,n。学校 b 在本篇的认同净值为:

νb,n=∑uπu,nσ¯u,b,n(13)

读者对一篇笔记的印象通常由评论区的主流意见决定。以指数 γ=3 对净值作锐化,使领先者获得更大的份额,同时保留符号:

ab,n=sgn(νb,n)|νb,n|γ∑b′|νb′,n|γ(14)

另设两项修正。表态密度 δn 反映本篇评论区表态的明确程度;人数系数 φb,n 对只有个别人提及的学校作折减,其中 Ub,n 为本篇中提到 b 的不同评论者人数,阈值 U0=3:

δn=min(1,∑b|νb,n|), φb,n=min(1,Ub,nU0)(15)

跨笔记按笔记权重汇总,再以全部学校贡献的绝对值之和归一化:

Ab=∑n∈Nwnab,nδnφb,n(16)
Gb=Ab∑b′|Ab′|(17)

因此 Gb∈[−1,1],∑b|Gb|=1。Gb<0 表示否定意见占优。

6 性质

有界与可比。三项指标均为比例,不依赖样本的绝对规模,可在不同搜索词、不同批次之间比较。

对极端值稳健。热度与可见度均取平方根;评论者按人计权而非按条计权;高频评论者的重复提及被合并。单篇爆款或单个用户的刷屏不能决定结果。

可复现。指标计算不含随机成分,折半检验使用固定随机种子。同一批数据重复计算结果相同。

口径对所有对象一致。合作院校与其他学校使用完全相同的公式和参数。

7 参数与样本

表 1 参数取值

符号含义取值
—每轮记录的结果数60
T20折半比较的名单长度20
S随机折半次数60
ε收敛容差(最近 4 次的极差)0.04
—热度系数(赞 / 收藏 / 评论)10 / 15 / 20
—楼内回复衰减系数0.5
γ认同锐化指数3
U0人数系数阈值3
—高频评论者判定≥ 3 条且 ≥ 20%

表 2 本站引用批次的样本概况(2026 年 11 月 8 日至 9 日)

搜索词搜索次数一致性样本笔记评论信息供给率
德国语言班31.577.4%3866451.6%
德国语言学校38.867.0%3553339.1%
埃森语言班17.579.3%2642337.6%
德国语言班费用15.874.3%3853833.2%

8 局限

其一,数据只来自小红书一个平台。其二,每个批次是一个时间截面,不代表长期平均。其三,样本规模有限,每个搜索词约 30 至 40 篇笔记和数百条评论,排名靠后的对象提及很少,其名次不稳定。其四,合作院校的声量中包含本方账号发布的内容;我们另行计算只含第三方内容的份额作为对照。其五,对象名称按评论中的实际叫法记录,可能与学校的正式名称不同。

参考文献

  1. Järvelin, K., & Kekäläinen, J. (2002). Cumulated gain-based evaluation of IR techniques. ACM Transactions on Information Systems, 20(4), 422–446.
  2. Spearman, C. (1910). Correlation calculated from faulty data. British Journal of Psychology, 3(3), 271–295.
  3. Brown, W. (1910). Some experimental results in the correlation of mental abilities. British Journal of Psychology, 3(3), 296–322.
© 2026 深通(杭州)国际教育科技有限公司www.deeplink-edu.com