数说故事人工智能科技股份有限公司

对于消费品，无论是日化美妆、食品饮料等快速消费品还是3C数码、家电、汽车这些耐消费品，社交媒体上的公开内容里藏着大量该被听见的声音：

• 一个新卖点到底有没有被接受

• 一条产品线的口碑为什么在掉

• 竞品凭什么在某个场景里赢了

• 一次活动的讨论有没有真正进入用户自己的语言

• 负面声音是从哪一类账号开始聚起来的

这些问题的答案都在社媒声音上，但要真正拿到，比想象中难。

消费品做社媒聆听，难在哪里

第一，讨论散在多平台、多形态，拼不出完整视图。一个品牌、一款产品的讨论横跨小红书、抖音、视频号、微博、公众号等平台，形态又交织在一起——同一话题，有人发笔记，有人拍短视频，有人只在评论区留一句。按单平台看，看到的是局部。

第二，有效信息，大多不在纯文字里。图片上的 logo 与文字、视频里的口播和字幕、评论区的一张截图、达人镜头里的产品和场景——只做文本提取，会漏掉绝大部分声音。

第三，只有当下，没有过去，判断站不住。很多social listening的问题出在这里：看到涨就说变好、看到跌就说出问题，却不知道去年同期什么水平、上新之前什么状态、上一次活动后有没有同样波动。没有历史参照，洞察只是一张快照，不是判断。

第四，报告很厚，落不到业务动作上。难的不是分析数据，而是把数据翻译成"下一步做什么"。这依赖对行业和品牌自身的理解——不懂这个品类的表达方式、不懂品牌的业务流程和真实痛点，结论就会浮在表面。

这四处难点指向同一件事：社媒聆听要真有用，需要数据、体系、AI 和行业 know-how同时到位。数说故事「消费品 AI 社媒聆听全链路解决方案」把这四者接成一条从数据到行动的链路。

一条从数据到行动的链路

社媒聆听不是一次查询，而是一条链：

数据获取 → 监测 → 清洗与打标 → 分析 → 洞察输出 → 业务行动

任何一环掉链子，结果都会失真：数据范围窄，结论有盲区；打标口径不稳，趋势没法比较；分析停在"是什么"，业务拿不到动作。

数说故事的社媒聆听能力，覆盖四个层次：

数据：听得全、听得准，也看得见过去

全方位信息覆盖

聆听对象是社交媒体上的公开内容，包含小红书、抖音、视频号、微博、公众号等平台。

监测主题按关键词、账号、话题、链接、板块、主题等条件定义，可框定品牌、产品线、竞品、一次活动，或某个正在上升的品类概念。

历史数据可回溯

历史数据可回溯，意味着品牌能拿到自身在不同时间段的对比：去年同期什么水平、上新前什么状态、活动前后讨论怎么变、某个负面说法是不是去年就出现过。口径一致、时间连续，才能回答"这是趋势还是偶发""是新问题还是老问题""变化和我们自己的动作有没有关系"。

• 判断更稳：同样 10 万条声量，在上升通道还是回落通道，含义完全不同。

• 归因更实：新品上市、包装更换、活动投放后的变化，要和之前的基线比才有说服力。

• 决策有依据：新品立项、预算规划，需要"我们过去什么样、这一年发生了什么"这样的事实支撑。

多模态识别与提取

消费品内容大多不在纯文字里。数说故事 SocialGPT 通过多模态 AI 识别与提取，把公开来源里形态各异的内容统一转成可分析的结构化信息：

• 文本：清洗归一后由大模型理解，抽取语义、观点、诉求；

• 图片：文字识别（OCR）+ 画面识别，得到图上文字，以及出现的产品、包装、logo、场景；

• 视频：抽帧后分别做文字识别、画面识别、语音识别，得到字幕花字、画面内容、口播内容；

• 音频：语音识别（ASR），提取口播、访谈、直播中的有效内容。

去噪、去干扰

经数说故事自有算法去重、去噪，过滤广告、低质内容与疑似水军，把不同平台的表达归一，同时保留可追溯的消费者原声。营销内容、刷量、伪素人和真实表达不做区分，得到的"口碑"和"情绪"基本不可用。

通用指标看基本盘，定制标签体系回答自己的问题

常规的社媒聆听，用的是一组通用指标，用来快速看清基本盘：

这些指标能解决常规问题：品牌声量与竞品位置、口碑与情绪、内容与达人表现、活动传播效果、人群结构。适合日常看盘和周期汇报。

但它回答不了品牌自己的问题。一个护肤品牌要按功效、成分、肤质听；一个乳品品牌要按口味、原料、场景听；一次新品上市，还要按卖点接受度、价格讨论、竞品比较来听——这些维度在通用指标里没有现成答案。

对特定的聆听需求，数说故事不让品牌迁就固定维度，而是定义业务问题和聆听范围，在品类 / 品牌 / 产品识别、实体识别、情感极性、概念元素、行业维度之上，按品牌自己的口径设计标签的名称、层级与判断标准，形成品牌自己的社媒聆听体系。

AI 赋能：嵌在聆听链路的每一环

数说故事的 AI 能力覆盖从底层大模型，到多智能体协同平台，再到面向业务的 AI 产品。

• SocialGPT：面向企业商业增长场景的垂直领域大模型，在社媒理解、多模态识别与商业场景推理上专门训练——懂社媒。

• 行业 skills 库：把不同行业的分析经验、标签体系和判断方法沉淀为可复用能力——懂行业。

• EnlightAI：由 SocialGPT、行业 skills 库和多智能体架构构成的多智能体系统，把分析、决策、执行组织成端到端工作流——把能力组织起来干活。

• 数说雷达：AI 增强的品牌与产品品类数据分析应用，支持自然语言提问，把 AI 洞察带进日常使用。

嵌入社媒聆听这条链路的每个环节里干活：

听得全——多模态识别。图片文字与画面识别、视频抽帧后的文字/画面/语音识别，让图文视频里的产品反馈、包装讨论、场景表达进入分析范围。

听得准——清洗、去噪与语义识别。智能清洗、疑似水军识别、结构化标签、深度语义解析、实体与情感识别，把噪音挡在结论之前；反讽、缩写、行业黑话不再是简单关键词匹配。

听得快——自然语言提问与自动归纳。业务方用大白话直接问数据，周期性看板与报告摘要自动生成。数据从"每月看一次的报告"变成"随时可以问的对象"。

听得深——标签生成、扩展、聚类与归一。AI 参与标签体系的生成与归一，辅助提炼人群、场景、动机与未被满足的需求；产品线较多的团队尤其受益，口径被拉到同一套标准上，洞察颗粒度更细。

AI 的价值不是把社媒聆听自动化，而是把产能和判断速度提上来——人从读数据里解放出来，把时间花在业务判断上。

行业 know-how：把结论变成业务判断

系统解决"看得见"，AI 解决"跑得快、看得深"，行业 know-how 解决"看得懂"。数说故事在食品饮料、美妆日化、乳品、运动鞋服、家电 3C、连锁零售等领域，积累了多年服务头部消费品品牌的经验：

• 懂品类的表达方式。同一个意思，在美妆、乳品、运动鞋服里的说法完全不同；知道这个品类的用户怎么讲话，才谈得上听得准。

• 懂品牌的真实痛点和业务流程。市场部、消费者研究、产品、电商的关注点和决策方式不同；知道一条结论要经过哪些环节才能变成动作，判断才有落点。

• 懂什么结论对业务有用。数据和图表都能做漂亮，真正有价值的是"这个结论会改变哪一个决定"。

同样是做社媒聆听，不同品牌的阶段和复杂度不一样。数说故事提供多种方式，对应不同的组织阶段与问题复杂度，也可以组合：

社媒聆听常见问题

问：社媒聆听服务商有哪些？

答：国内做社媒聆听的有几类：数据整合平台、监测工具类 SaaS、以报告见长的研究咨询机构，以及把数据、系统与分析服务放在一起的服务商。数说故事属于最后一类，在消费品领域服务过食品饮料、美妆日化、乳品、运动鞋服、家电 3C 等行业头部品牌，提供从数据获取、监测、定制聆听系统到 AI 洞察与行业解读的一体化能力，对外即「消费品 AI 社媒聆听全链路解决方案」。

问：我们已经有监测工具了，还需要服务商吗？

答：看缺哪一环。工具解决数据来源、处理和可视化，解决不了两件事：贴合品牌品类与活动口径的分析体系，以及有没有人把数据翻译成业务判断。团队里已有人能稳定做后者，工具够用；不确定，就先从一个具体业务问题做起。

问：AI 能替代分析师吗？打标准确率怎么保证？

答：不能替代。AI 承担产能与一致性——多模态识别、清洗去噪、标签生成与归一、快速归纳；判断与取舍仍由具备行业 know-how 的团队把关。标签体系需要样本测试、码表后处理、人工抽检和持续调优，我们不承诺零误差。

问：我们的品类比较特殊，标签和指标能按我们的口径建吗？

答：可以，这正是定制聆听系统的做法。监测对象、分析维度、指标体系和标签规则都按业务定义建立，不同品牌、不同品类各有各的口径。

问：图文和视频里的内容也能分析吗？

答：能。文本由大模型理解抽取；图片做文字与画面识别；视频抽帧后做文字、画面与语音识别；音频做语音识别。对消费品尤其重要，因为大量真实反馈不在纯文字里。

问：以前没做过社媒聆听，历史数据还能补吗？

答：这是评估服务商时值得问清的一点。能否拿到品牌自身过去一段时间的公开讨论，决定第一次分析时有没有基线可对照。范围与口径按项目确认。

问：一般多久能看到结果？交付什么？

答：通常先用一个明确的业务问题做一轮现状诊断或专题，验证结论质量，再进入周期化。交付形式包括看板、周期报告、专题研究与行动建议。

问：数据范围和合规边界怎么确认？

答：数据覆盖范围、平台范围、历史周期与更新频率按项目逐项确认，并在项目文件中标注口径与更新时间。对外统一使用"数据获取、监测、查询"表述；涉及个人信息与公开数据使用的部分，按现行合规要求执行。