想象你在一条安静的社区街道上开了一家咖啡馆,名叫“AI山谷”。你发现:花大钱在路口挂广告牌,路人看了一眼就忘;但隔壁楼里那位程序员,喝过一次你手冲的咖啡后,逢人就安利你。他甚至因为你在暴雨夜多送了他一把伞,发了一条长长的朋友圈。三个月后,你店里一半的陌生面孔,都是“听朋友说你们家不错”找来的。 这个故事里藏着AI产品增长最容易被忽视的秘密:品牌公关与口碑传播。它不像付费投放那样“花钱立竿见影”,更像往一口叫“信任”的蓄水池里慢慢注水——每条媒体报道、每次真诚回应、每场行业话题,都让水位涨一点;水位高了,用户愿意主动靠近你,获客成本悄悄降下来。这就是本文要讲透的:从信任资产、媒体关系到话题事件、口碑裂变,再到SEO协同与降本增效,把“让别人替你说话”变成一条可复制的增长路径。

岗位关联

对AI从业者而言,理解品牌公关与口碑传播,意味着从“花钱买流量”升级为“经营信任资产”——这是降低获客成本、穿越投放内卷时代的核心增长能力。

目录
  1. 可视化演示
  2. 第一节 信任资产——向“信任蓄水池”里注水
  3. 第二节 媒体关系——把记者当老朋友
  4. 第三节 话题事件——办一场让人自愿拍照的活动
  5. 第四节 口碑传播——让用户做你的自来水
  6. 第五节 SEO协同——让口碑被搜到
  7. 第六节 降本增效——水位高了,成本就低了
  8. AI 应用场景
  9. Python 演示
  10. 常见误区
  11. 面试题

可视化演示

展示系统处理流水线、实时性能指标曲线及多方案对比分析,包含数据流转、吞吐延迟监控与方案评估。

本节配有交互动效(进入视口后自动加载,约 3KB)。

系统可视化 处理流程:输入→处理→模型→输出 性能监控:实时指标 P=L×T

第一节 信任资产——向“信任蓄水池”里注水

你开的“AI山谷咖啡馆”,最值钱的不是那台双头咖啡机,而是熟客心里那杆秤:“这家店靠谱。”这杆秤看不见摸不着,但下雨天客人宁可多绕两条街也要走进你的店。它就是品牌信任——一笔存在用户心里的预存款,也是AI山谷这条街上最硬的通货。

在AI产品增长里,品牌公关和口碑传播干的,就是往这笔预存款里持续存钱。一条媒体报道,相当于存了50块;一次真诚的用户答疑,存了5块;一个击中共鸣的行业观点,存了20块。而一次敷衍的危机回应,可能一次性取走80块。每个AI从业者,都应该学会算这笔账——因为它决定了你的产品是被用户“顺手试试”,还是被“郑重选择”。

信任积累有个不可忽视的特性——衰减。用户一周没听到你的消息,他脑中“这产品还靠谱吗”的答案,会比上周淡一层。市场上有太多新东西在争夺注意力,所以品牌公关必须有节奏地做:不是爆发式刷存在感,而是稳定地往池中注水,用每一次正面事件对抗遗忘,直到水位高到难以被轻易撼动。

就像咖啡馆不能只在开业那天拼命做好一杯咖啡,之后就随缘——信任水位每天都会蒸发一点。稳定的出品、定期的活动、持续的真诚,才是让熟客记住你的真正配方。

Trustt=(1−λ)×Trustt−1+∑i=1nEi×Wi\text{Trust}_t = (1-\lambda)\times\text{Trust}_{t-1}+\sum_{i=1}^{n}E_i\times W_i
今日信任 = 昨日信任乘以遗忘留存率 + 本周所有公关事件带来的净增量。
  1. 昨日存量昨天为止用户心中积累的信任总量,是过去每一次品牌接触留下的总和。
    Trustt−1\text{Trust}_{t-1}
  2. 遗忘系数λ 表示每周被自然遗忘的信任比例,λ=0.2 时上周信任只能留下 80%,这就是“三天不露面,形象淡一半”的数学表达。
    (1−λ)(1-\lambda)
  3. 事件增量本周发生的第 i 次公关事件带来的信任变化,E_i 是曝光强度,W_i 是情感权重;负面事件的 W_i 为负,杀伤力远大于正面事件。
    Ei×WiE_i \times W_i
  4. 累加求和把本周所有正负事件加总,就是今天信任水位的净变化,对应着“持续注水而非一次性猛灌”的节奏。
    ∑i=1nEi×Wi\sum_{i=1}^{n}E_i\times W_i

第二节 媒体关系——把记者当老朋友

社区里有几位“消息灵通人士”:退休的老书记、爱拍探店视频的小鹿、写美食专栏的周编辑。他们不是你直接的客人,但一条街的人都会看他们的推荐。聪明的店主会怎么做?隔三差五请他们尝新豆子,新品上市前先让他们试饮,认真听他们的意见——不是为了“让他们发广告”,而是成为彼此信任的朋友。

AI产品的媒体关系同理。行业媒体的记者、垂直KOL、技术博主,就是B2B决策路上的“消息灵通人士”。一篇有公信力的深度报道,胜过一百条自夸广告。但很多增长负责人把媒体当“发稿渠道”,只在有消息要发时才想起对方,平时连个互动都没有——这样的关系,永远换不来真心的推荐。

成熟的媒体关系管理讲究“分级+节奏”。核心圈记者需要独家信息和真诚沟通:产品方向可以提前一步透露,数据洞察可以优先分享;战略层媒体要稳定供应优质内容:白皮书、案例研究、专家观点;外围渠道只需要“拿来即用”的转载素材包。维护频率从“月度深聊、周度更新”到“季度投喂”各有章法。

老朋友不是打折季才想起的人。平时你帮老书记修电脑、请小鹿最先试饮新豆,下雨天他们自然愿意说你好话。媒体关系的本质是一本长期人情账:你持续输出价值和尊重,关键时刻才能换来有分量的声音。

Vmedia=∑j=1mRj×Aj×DjV_{\text{media}} = \sum_{j=1}^{m} R_j\times A_j\times D_j
媒体关系总价值 = 每条关系触达广度、公信力、关系深度的乘积之和。
  1. 覆盖广度第 j 位媒体人的读者或粉丝数量,决定这条关系能触达多少人。
    RjR_j
  2. 权威含量这家媒体在目标用户心中的公信力,权威度越高,读者越愿意相信内容;同样是十万粉丝,专业媒体的说服力远大于营销号。
    AjA_j
  3. 关系深度对方愿意为你发声的意愿,从“只转发通稿”到“愿意做深度调查支撑你”,是质变的差距。
    DjD_j
  4. 加权汇总把每位媒体人的三项得分相乘并求和,得到整个媒体关系网络的总价值。
    ∑j=1mRj×Aj×Dj\sum_{j=1}^{m}R_j\times A_j\times D_j

第三节 话题事件——办一场让人自愿拍照的活动

每个月,你的咖啡馆都会有那么一两晚格外热闹:盲品猜豆大赛、咖啡渣种多肉工作坊。来的人不只是喝咖啡,他们拍照、录视频、发朋友圈,接下来一周还有人拿着截图来问。你没花一分钱广告费,却让整条街都在聊你——这就是话题事件的魔力。

AI公司也需要这种“发生后能被人聊三天”的事件。不是发布会那种讲完PPT就结束的自嗨,而是围绕用户真实痛点做一枚“钩子”:开源一个工具库、发布一份有洞察的行业报告、发起一场公开的模型评测挑战赛。话题事件的本质,是给大家提供“转发时的谈资”——让KOL帮你说话时不觉得尴尬,反而觉得有面子。

好的话题事件有三个设计要素:第一,扎心,瞄准真实痛点,让目标用户觉得“这说的不就是我”;第二,可参与,给观众一个能下场的入口,比如投票、挑战、共创;第三,有传播梗,一句金句、一张对比图、一组数据,让人转发言简意赅。传播的放大效应可以用几何级数来估算——首发的人每人带一点新转发者,新转发者又各自带一点,循环往复。

那天“盲品猜豆”的排队场景还历历在目——大家举着咖啡杯拍照,不是因为咖啡多好喝,而是因为自己“参与了有趣的事”,有了被朋友羡慕的谈资。AI话题事件同样如此:让人愿意聊的,不是事件多轰动,而是每个参与其中的人都觉得自己“有眼光、有品位”。

S=E×Kn+1−1K−1S = E\times\frac{K^{n+1}-1}{K-1}
总传播量 = 首发共鸣量乘以等比数列求和,K 是裂变因子,n 是传播轮数。
  1. 首发共鸣第一批看到事件并愿意转发的种子人数,是整个传播链的地基,E 越大,引爆需要的 K 就越小。
    EE
  2. 裂变因子平均每个参与者带来的新转发者数量。K>1 时话题才会越滚越大;K<1 则几轮后自然熄火,所以“传播梗”的设计决定了 K 的高低。
    KK
  3. 等比求和从第一轮到第 n 轮,转发总量是等比数列求和;轮数 n 代表话题在时间轴上的续航能力。
    Kn+1−1K−1\frac{K^{n+1}-1}{K-1}

第四节 口碑传播——让用户做你的自来水

凌晨两点,一位赶项目的工程师客人准备离开,你顺手在打包袋里塞了一块手作曲奇,并附上手写便条:“上线辛苦了,明晚来店里,请你试新品冷萃。”第二天,他的朋友圈po了这张便条,配文:“这家店是懂程序员的。”于是,你又多了一批没见过你、却已经信任你的客人。

口碑传播的本质是“让用户体验好到愿意替你说话”。对AI产品来说,这意味着用户主动为你写评测、录教程、在社群里热心地解答新人的问题。这些来自用户的真实声音,可信度远高于任何官方宣传,而且不花一块钱广告预算。你唯一要做的,是把产品体验打磨好,并把分享的门槛降到最低。

口碑的扩散,在数学上很像传染病的传播:已经在帮你传播的用户,会以一定速率影响身边的人;这些受影响的人如果也满意,又会继续影响更远的人。当满意度高、分享链路顺畅时,这条传播链的速率就快;当体验差时,速率为负——负面口碑也在扩散。这就是为什么优秀的产品经理总是盯住NPS(净推荐值):它衡量的是口碑的传播速率。

那块曲奇的成本不到三块钱,却换来一条真情实感的朋友圈,触达到了几百个潜在客人。口碑的数学就是这么划算:小额的超预期体验,撬动的是传播速率 r 的显著提升;而 r 一旦抬起来,增长就不再依赖你的钱包,而依赖用户自己的嘴。

dNdt=r×N×(1−NM)\frac{dN}{dt}=r\times N\times\left(1-\frac{N}{M}\right)
口碑扩散速度 = 传播速率 × 现有传播者规模 × 市场未饱和比例。
  1. 瞬时速率单位时间内新增的“愿意帮你传播”的人数,也就是口碑传播的即时速度。
    dNdt\frac{dN}{dt}
  2. 传播系数口碑传播效率,由产品体验、分享激励和社交货币共同决定——曲奇和便条就是通过提升 r 来撬动传播的。
    rr
  3. 已有盘面当前正在为你传播的活跃用户数,N 越大,影响力辐射的面越广。
    NN
  4. 饱和修正当传播人数接近市场总量 M 时增长放缓;N 远小于 M 时接近指数增长,这正是“早期口碑看起来涨得飞快”的原因。
    1−NM1-\frac{N}{M}

第五节 SEO协同——让口碑被搜到

有个客人告诉你:“那天路过看你们家排队,好奇搜了一下,看到点评App上几十条五星,还有小鹿的探店视频,这才决定进来。”看到没有?口碑如果不沉淀,就只是散落在街角的闲聊;一旦沉淀成搜索页上的内容,它就成为一口引水渠,把路过的人源源不断地带进店里。

品牌公关和口碑传播有一个特别有价值的副产品——大量网页。媒体报道、KOL测评、用户讨论、行业榜单,都自然而然地包含你的品牌名、产品名和评价词。搜索引擎把这些页面当作“第三方对你的评价”。当潜在用户搜索“你的产品名 + 靠谱吗”时,看到的是真实口碑,而不是官网的自问自答。

要做到这一点,需要把PR和SEO工程师的活儿串起来:第一,在关键词矩阵中专门开辟“品牌词与评价词”分区;第二,每条公关稿、评测文发布后,通过产品结构优化让搜索引擎快速收录;第三,鼓励用户在知乎、小红书等平台发声,形成多平台占位;第四,用数据闭环验证效果——品牌词搜索量是否上升、搜索结果前两页正面覆盖率是否达标、官网是否吃到了这波流量。

咖啡馆门口那个被好评塞满的点评页面,就是你的SEO资产。你无法强迫任何人夸你,但你可以把已经存在的真实赞美整理好、排好版、放在最显眼的位置,让每个路过的人第一眼就看到——这正是公关与SEO的天作之合:公关负责制造内容,SEO负责把内容放上展台。

Norganic=∑wVw×CTRw×BwN_{\text{organic}} = \sum_{w} V_w\times \text{CTR}_w\times B_w
自然流量 = 每个关键词的搜索量、点击率、品牌力加成三者的乘积之和。
  1. 搜索需求关键词 w 的月搜索量,例如“AI写作助手 好用吗”这类评价词每月可能被搜一万次,这就是口碑需求的基本盘。
    VwV_w
  2. 点击转化你的内容在搜索结果中的点击率,排名越靠前、标题越可信,点击率越高。
    CTRw\text{CTR}_w
  3. 品牌加成品牌信任带来的点击放大系数——口碑越好,用户越敢点你的结果,因为“这个名字好像在哪里见过”。
    BwB_w
  4. 按词汇总把所有相关词的自然流量加在一起,就是品牌公关通过搜索渠道带来的总增量。
    ∑wVw×CTRw×Bw\sum_{w}V_w\times \text{CTR}_w\times B_w

第六节 降本增效——水位高了,成本就低了

经营第三年,你翻看账本,发现一个惊喜:新客来源悄悄变了。最初全靠发传单、上团购广告,现在一半以上的新客是熟客带来的,还有人开车从隔壁城市专程来打卡。客单价几乎没变,但你花在“让陌生人认识你”上的钱越来越少——这就是边际成本递减。

AI产品增长的终极命题,就是降低获客的边际成本。付费投放是“买鱼”,每条鱼明码标价,价格越来越贵;品牌公关和口碑传播是“养鱼”,前期辛苦但鱼会自己繁殖:品牌心智建立后,自然流量、直接访问、老客复购、口碑推荐的比例持续上升,每一块钱的获客投入都被摊得越来越薄。这就是为什么头部AI公司敢在早期不计成本地做内容、做社区、做技术布道——他们买的是未来的低成本增长。

要量化这个效果,可以把获客成本拆成固定与可变两块。固定成本(内容团队、公关团队、工具订阅)摊到越来越多的用户头上;可变成本(投放出价、渠道分成)则被口碑驱动系数打折——口碑越好,同样一次投放带来的转化率越高,相当于可变成本实际变低了。当口碑驱动的新增占比从10%升到60%,整体获客成本会接近腰斩。

最值钱的咖啡店,不是拉花最漂亮的,而是那堵写满常客故事的墙——它让每个路过的人相信“这里值得进去”。AI产品最值钱的资产,是那些愿意主动说你好的人。把他们的力量放大,让蓄水池的水位持续抬高,增长就会像咖啡馆的常客一样,从四面八方、细水长流地涌来。

CACmarginal=CfixedNtotal+Cvariable×(1−ρ)\text{CAC}_{\text{marginal}} = \frac{C_{\text{fixed}}}{N_{\text{total}}} + C_{\text{variable}}\times\left(1-\rho\right)
边际获客成本 = 固定投入分摊 + 原始可变成本乘上口碑折扣。
  1. 固定分摊内容团队与公关团队的固定投入,被越来越多的用户摊薄,用户越多,每人的分摊越小。
    CfixedNtotal\frac{C_{\text{fixed}}}{N_{\text{total}}}
  2. 可变基线每获取一个新用户的投放成本,是买量的基础价格,也是“每条鱼的单价”。
    CvariableC_{\text{variable}}
  3. 口碑折扣口碑驱动系数 ρ 越高,可变成本的实际折扣越大——因为口碑带来的用户根本不需要花钱去买。
    (1−ρ)(1-\rho)

AI 应用场景

场景一:舆情雷达——给信任蓄水池装水位计

阶段:品牌监测与预警

解决的问题:信任水位稍不留神就会蒸干,负面事件发酵的代价是灾难级的。传统做法是人工刷新新闻列表,等发现负面热点时,讨论量早已爆了。AI用NLP情感分析工具,把全网关于品牌的每一条讨论都标记为正面、中性或负面,并按信任资产公式中的“事件强度 Eᵢ”和“情感权重 Wᵢ”实时打分,让公关团队在负面帖转变为媒体报道之前,就做好回应预案。

具体案例:某AI写作工具的公关部部署了自动舆情系统,每5分钟扫描一次全网。某天凌晨,一个“数据泄露”的质疑帖开始发酵,系统立刻把负面值超阈值的警报推送给公关负责人。团队赶在媒体跟进前发布透明回应,并把信任损失从-3缓解到-1,避免了事件升级。

场景二:话题弹药库——用数据选出值得办的活动

阶段:话题策划与素材生成

解决的问题:办话题活动最怕拍脑袋。AI通过NLP从论坛、社群、客服工单中挖掘真实痛点词,让策划人员找到“扎心”的主题;再由大模型批量生成金句、对比图、数据图表等“传播梗”,大幅降低KOL转发的表达成本,直接提升裂变因子 K。

具体案例:一家AI视频处理公司,用LLM分析了2万条开发者讨论,发现“视频转场太卡”的抱怨量三个月涨了三倍,于是策划了“极速转场挑战赛”,并配套生成10张对比截图供媒体直接引用。活动上线两周,品牌词搜索量上涨120%,16家媒体自发报道。

场景三:口碑飞轮驾驶舱——让边际成本看得见

阶段:效果度量与归因

解决的问题:品牌公关的钱花出去,老板问“到底带来了多少用户”?传统归因只能看到“最后一跳”,把功劳全记在广告头上。AI归因模型把新增用户拆成品牌直接搜索、媒体报道、口碑推荐、付费广告四个来源,动态估算口碑驱动系数 ρ,并据此算出每月的边际获客成本,让“养鱼”的价值不再是玄学。

具体案例:某SaaS公司接入归因分析后发现,37%的新用户在前7天内会搜索品牌词,且这批用户30日留存比其他渠道高22%。基于此,公司将预算结构从“80%投放+20%内容”调整为“50%投放+50%内容建设”,一个季度后获客成本下降31%。

Python 演示

python38 行
class TrustPoolSimulator:    """模拟品牌公关与口碑传播的信任蓄水池"""     def __init__(self):        self.trust_level = 0.0        # 信任水位,范围 0-20        self.user_count = 1000        # 初始用户数        self.share_rate = 0.05        # 基础口碑分享率     def run_brand_action(self, event_strength, forget_rate=0.2):        # 信任 = 昨日信任 x 留存率 + 新事件强度        self.trust_level = self.trust_level * (1 - forget_rate) + event_strength     def run_referral_round(self, satisfaction=0.6):        # 口碑传播带来的新人 = 用户基数 x 满意度 x 信任水位 x 分享率        added = int(self.user_count * satisfaction * self.trust_level * self.share_rate)        self.user_count += added        return added     def simulate(self, weeks=24, event_strength=12.0):        timeline = []        for week in range(1, weeks + 1):            if week % 4 == 1:                  # 每四周做一次公关节奏                self.run_brand_action(event_strength)            else:                self.trust_level *= 0.95       # 非活动周,信任轻微衰减            new_users = self.run_referral_round()            timeline.append((week, self.trust_level, self.user_count, new_users))        return timeline  if __name__ == "__main__":    sim = TrustPoolSimulator()    rows = sim.simulate()    for week, trust, users, new in rows:        print("week %02d | trust %5.2f | users %6d | new %4d" % (week, trust, users, new))    last = rows[-1]    print("-----------------------------------------------")    print("final users %d, total growth %.1f%%" % (last[2], (last[2] / 1000 - 1) * 100))
目的:模拟24周内,品牌公关动作如何注入信任水位、口碑传播如何带动用户增长。
  1. self.trust_level = self.trust_level * (1 - forget_rate) + event_strength这正是信任资产公式的落地:昨日信任乘以留存率,再加上本周事件带来的新信任。
  2. added = int(self.user_count * satisfaction * self.trust_level * self.share_rate)口碑带来的新用户数,由用户基数、满意度、信任水位和分享率四个因子共同决定。
  3. if week % 4 == 1:每四周安排一次品牌动作,模拟“稳定节奏”的公关策略,而非三天打鱼两天晒网。
  4. self.trust_level *= 0.95非活动周信任自然衰减5%,对应公式里的遗忘系数 λ。
  5. timeline.append((week, self.trust_level, self.user_count, new_users))记录每周水位与用户数,便于事后分析增长曲线。

常见误区

误区做公关不就是写几篇软文、找媒体发出去嘛,效果跟投广告差不多,甚至更慢,还不如把预算都花在投流上。

正解广告是买流量,公关是攒信任。软文发得再多,用户扫一眼就划走,换不来任何心智沉淀;真正有价值的是长期积累的媒体关系、行业事件和真实口碑。公关的结果不是“曝光”,而是“别人愿意替你说话”。信任蓄水池的水位从来不是靠软文堆出来的,而是靠一次次真诚的价值输出涨起来的。

为何常见:广告的逻辑是“付费即见效”,习惯了这种直接交易的思维后,很难理解公关这种需要长期经营才见效的方式,于是误以为公关只是“高级一点的广告”。

误区给用户发红包、搞分享邀请返利,用户就会积极帮我传播,把产品分享给朋友,口碑自然就起来了。

正解金钱激励驱动的传播是“薅羊毛”,用户为了奖励转发,受众一眼看穿,口碑荡然无存。真正的口碑来自“超预期体验+社交货币”:用户觉得分享你这件事本身显得自己有品位、有见识,而不是为了赚那五块钱。程序员客人愿意发那条朋友圈,是因为“这家店懂我”,不是因为咖啡钱被免了。

为何常见:因为“发红包最简单”,用金钱直接购买分享行为,逻辑直观、容易汇报,还能短期拉数据;但它忽略了口碑的核心是“自发”,一旦激励停止,传播就归零。

误区出了负面报道,赶紧找关系删帖、压热搜,让信息消失,用户看不到就没事了,危机公关就是删稿。

正解删稿只能让信息暂时消失,已经看到的用户反而会因为“删帖行为”而更加确信问题存在。信任蓄水池原理告诉我们:亏空可以用更多正面积累来弥补,但堵住消息渠道只会让质疑越烧越旺。正确的做法是快速回应、透明处理、用持续的行动重建信任——你的水位够高,才扛得住一次意外取款。

为何常见:删稿见效快、可控性强,容易产生“已经处理完了”的假象;而公开回应意味着不确定性和责任,心理上更难接受。

误区用户想用你的产品会直接输入官网网址,做品牌搜索词优化纯属多余,把精力花在这个上面不如多投几组竞品词。

正解用户在购买决策前,几乎一定会搜索“品牌名 + 评价词”来验证。如果你的搜索结果前两页是竞品的负面对比、过期传言或一片空白,潜在用户会当场流失。品牌词SEO就是把“别人对你的评价”这页纸擦亮,让口碑可被看见、可被验证——这也是决策心理学中“购买前验证环节”的必然需求。

为何常见:技术团队习惯从“功能/流量”角度看SEO,忽视了用户决策过程中“搜一下口碑”这个关键动作,觉得自家产品名字本来就该排在第一位。

误区等口碑做起来以后,付费投放可以完全停掉,零成本获客才是终局,再投广告就是浪费钱。

正解口碑和付费投放是“发动机”和“燃料”的关系。口碑降低的是转化成本和引荐成本,但你仍然需要付费投放去触达那些还没听说过你的人——尤其是新市场、新人群的冷启动。高认知度的品牌做投放,转化率更高,所以口碑反而让每一次投放更值钱。停掉投放等于放弃扩大触达半径,增长会慢慢撞到天花板。

为何常见:把“边际成本递减”误解为“成本可以归零”,忽略了任何增长都有触达边界,口碑能提高转化效率,但不能凭空让陌生人认识你。

面试题

Q1. 品牌公关与付费广告最本质的区别是什么?

单选题 · easy

  • A.公关立即带来大量新订单
  • B.公关积累长期信任资产← 正确答案
  • C.公关能覆盖更广的人群
  • D.公关不需要投入任何预算

答案:B。公关是往信任蓄水池里注水,属于长期资产积累;广告是买即时流量。A 错在“立即”,公关的效果是滞后的;C 错在覆盖面通常不如投放;D 完全违背常识,公关同样需要预算投入。

Q2. 信任资产公式中的遗忘系数 λ 表示什么?

单选题 · easy

  • A.用户对品牌的自然遗忘速度← 正确答案
  • B.品牌每周发布的媒体报道数
  • C.用户购买产品的平均单价
  • D.产品更新迭代的技术指标

答案:A。λ 是每周被遗忘的信任比例,对应“三天不露面,形象淡一半”的衰减规律。媒体数量、产品单价、技术指标都与遗忘系数无关,它们对应的是公式中事件增量或用户行为的部分。

Q3. 与媒体建立长期关系最核心的要点是什么?

单选题 · easy

  • A.每次合作前临时谈好报价
  • B.持续为媒体方提供价值← 正确答案
  • C.只在发布会当天联系对方
  • D.要求记者必须按口径发布

答案:B。媒体关系像社区邻里关系,平时互相照应,关键时刻人家才愿意帮你。A 是交易型对待,C 是工具型对待,D 是控制型对待,都无法建立真正的信任,只有持续输出价值才能换来信赖。

Q4. 在话题传播公式 S=E×(Kⁿ⁺¹-1)/(K-1) 中,K>1 表示什么?

单选题 · mid

  • A.每个转发者平均带来一个以上新转发者← 正确答案
  • B.品牌每月的广告投放预算持续超标
  • C.产品用户留存率超过了百分之百
  • D.内容发布频率达到了历史最高水平

答案:A。K 是裂变因子,平均每个参与者带来的新转发者数量。K>1 时话题才会越滚越大,K<1 则几轮后熄火。预算、留存、发布频率都不是 K 的定义,它们可能影响 K,但不等于 K 本身。

Q5. 口碑扩散模型 dN/dt=rN(1-N/M) 中,M 代表什么?

单选题 · mid

  • A.当前已经参与传播的活跃用户总数
  • B.潜在市场中可能被触达的总人数← 正确答案
  • C.媒体每月报道品牌的累计次数
  • D.产品每月新增功能点的数量

答案:B。M 是潜在市场总量,当传播人数 N 接近 M 时增长放缓,否则口碑会无限膨胀——这符合真实世界中“人传人总有边界”的直觉。活跃用户数是 N,媒体次数和功能点与市场容量无关。

Q6. 为什么口碑驱动系数ρ提升能让获客成本下降?

单选题 · mid

  • A.因为新增用户中广告转化占比提高
  • B.因为固定成本摊薄且可变成本打折← 正确答案
  • C.因为品牌完全没有必要再投放广告
  • D.因为用户规模下降导致费用减少

答案:B。ρ 提升意味着更多用户靠口碑而来,广告花费被摊薄,同时口碑信任让广告转化率上升,相当于可变成本打了折。A 说反了,口碑占比提高恰恰意味着广告转化占比下降;C 过于绝对;D 方向完全错误。

Q7. 品牌词SEO(搜索品牌名+评价词)的核心价值是什么?

单选题 · mid

  • A.帮助用户完成购买前的信任验证← 正确答案
  • B.替代产品官网全部内容建设
  • C.直接提高算法的模型推理速度
  • D.降低产品后端服务器的运维成本

答案:A。用户购买前会搜索“品牌+评价”来验证口碑,品牌词SEO 把真实评价呈现在搜索结果中,促成决策。它不替代官网内容建设,更不影响算法推理速度或服务器运维成本。

Q8. 策划话题事件时,下列哪些设计要素是必需的?

多选题 · mid

  • A.瞄准用户群体共同真实痛点← 正确答案
  • B.设计观众可参与的互动环节← 正确答案
  • C.预留方便二次传播的梗素材← 正确答案
  • D.强制媒体付费转载新闻通稿

答案:ABC。话题事件三要素是“扎心痛点、可参与、有传播梗”,分别对应共鸣感、参与感和社交货币,三者共同决定裂变因子 K。D 是反向操作,强制付费转载会损伤公信力,也违背口碑传播的自发原则。

Q9. 哪些做法符合“公关制造内容,SEO放大内容”的协同思路?

多选题 · hard

  • A.评测文章发布后优化收录← 正确答案
  • B.在关键词矩阵加入品牌词← 正确答案
  • C.追踪品牌词搜索量变化← 正确答案
  • D.集中删除所有负面讨论

答案:ABC。A 是让公关产出的评测被搜索引擎收录,B 是让品牌词占据搜索入口,C 是建立数据闭环验证效果,三项共同构成协同链路。D 是删稿思维,违背透明原则,而且删负面讨论并不能提升品牌内容的搜索权重。

Q10. 在信任资产公式中,下列哪些操作能提高情感权重 W_i?

多选题 · extreme

  • A.发布深度行业洞察报告← 正确答案
  • B.用社媒真诚回应用户疑问← 正确答案
  • C.策划可参与的开源活动← 正确答案
  • D.用付费软文刷屏新闻源

答案:ABC。深度报告、真诚互动、参与式活动都通过真实价值换取正面情感权重,对应信任水池中的“高质量注水”。D 是付费软文,读者缺乏信任基础,权重低且可能引发反感,甚至产生负面的 W_i。