在信息化時代，網絡輿情對于企業來說如一柄時刻懸在頭頂的達摩克利斯之劍，稍有不慎就可能給品牌或產品帶來巨大的負面影響；而業界流傳的無數公關失敗案例已經反復證明，在輿情管理領域，事后彌補往往為時晚矣，而缺乏技術支撐的管理又讓人無從著手。本文從輿情的信息采集、預警等方面入手，告訴你如何搭建起完整的輿情管理體系。
如果你不相信輿情的重要性，就去看看近日沸沸揚揚的離婚案主角——某男星前妻的微博評論吧。
也許你認為，尋常網友的評論于當事人無關痛癢，但假設將來當事人想要拍電影，卻一無投資人二無觀眾，恐怕也是順理成章的結果。
輿情，是“輿論情況”的簡稱，指在一定社會空間內，圍繞社會事件的發生、發展和變化，民眾對社會管理者、企業、個人及其他各類組織及其政治、社會、道德等方面的取向產生和持有的社會態度。它是較多群眾關于社會中各種現象、問題所表達的信念、態度、意見和情緒等等表現的總和。
信息化時代，我們越來越深地感受到輿情、尤其是 網絡輿情 的影響力，盡管可能未必意識到。外出聚餐之前，你會打開大眾點評、參考過往食客的評價，而APP上一條條打分和評論正是一種輿情；買車、買家電之前，你也會瀏覽相關網站，或者在微博上搜索一番，看看某品牌或款式的評價如何，負面反饋多不多，這些評價和反饋也正是一種輿情。有時，一個低分、一條關于售后服務的消極評價，不但可能徹底打消你個人對品牌或企業的全部好感，甚至可能經過發酵、大量傳播，成為眾人關注的一時熱點，以至于企業不得不花費巨大成本，采用公關手段力求挽回。
當然，公眾形象始終是一件與其亡羊補牢、不如防患于未然的事情，因此輿情產業已經深入政府、媒體、教育科研、軟件等行業。大量輿情軟件公司和市場調查公司高速發展，以抓取網絡輿情數據為基礎技術，成為輿情服務業重要的技術型方陣。截至2012年1月16日，全國共有約68款經過工信部軟件司認定登記頒證的“輿情”軟件，市場上還存在大量未經認證的同類軟件。
目前，輿情分析機構主要提供的服務覆蓋了從輿情監控分析到研判、預警，再到提出應對策略；輿情管理已經從簡單粗暴的媒體宣傳，發展成更為精細化、全面化和專業化的運作，網絡輿情分析包含輿情信息采集、輿情事件預警、輿情智能分析與應對策略和輿情報告等多方面綜合分析。
輿情信息采集是輿情分析的基礎工作，需要對網絡上的輿情信息進行分類和擴展，從深度和廣度兩個方向采集，滿足后續分析要求。 輿情事件預警 則需要對熱點事件進行深度剖析，持續跟蹤熱點事件，分析事件發展趨勢，對事件進行監控并及時告警。 輿情智能分析與應對策略 可以幫助企業對從企業形象、產品口碑和輿情事件進行深入分析，對影響輿情的因素進行多角度判斷，傾向性分析與統計，提供應對策略方向以及策略收益分析。
輿情分析可以實現什么？
當前的輿情分析市場中，現有軟件廠商和傳媒科研機構各有所長，他們在政府部門的輿情分析中發揮著重要的角色。然而，這些廠商或機構往往注重信息采集，但收集了海量信息后，卻在利用大數據技術進行信息分析的思維方面有所欠缺。
作為由數據專家、建模專家和業務專家組成的團隊，KPMG大數據團隊認為，對海量信息的處理和分析才是輿情管理中的重點，而在掌握信息的基礎上，我們可以完成的工作包括：
1.輿情事件預警
輿情事件預警主要包含三個重要功能：
其一，對整個網絡輿情進行監控，及時甄別最新的輿情事件，有助于事件及早發現，及早處置；
其二，對熱點事件進行實時跟蹤，對事件熱度進行綜合評分，設置預警線，實時告警；
其三，探查事件熱度拐點，分析拐點背后原因，尋找事件意見領袖，研究意見領袖對輿情的影響；
其四，分析事件熱詞，識別熱詞傾向性。
2. 口碑管理
口碑管理的關鍵在于，通過網絡輿情數據，分析展示市場對于該品牌的形象描述，對比企業自身的期望，分析差異原因。在掌握數據的基礎上，我們贏對企業現有的宣傳策略進行診斷，對比各大宣傳平臺PV訪問量、UV訪問量等信息，針對各個宣傳平臺中企業形象信息，分析宣傳收益。以期指導企業根據分析結果，適當調整宣傳策略，以達到最好的宣傳效果。從產品、時間、地區、等維度分析口碑變動情況及熱詞分布，對熱詞進行情感判斷，識別口碑及熱詞傾向性。企業可針對分析結果，采取針對性的銷售策略，也可以針對反饋集中的問題對產品進行優化。
那么，在認知了概念的基礎上，要如何實現有效的輿情管理呢？
技術解決方案：如何實現輿情管理？
無論采用什么方法或技術，最高形態都是完整的系統，因此搭建輿情分析系統是最有效率的輿情管理手段。
輿情分析系統分為三個主要模塊，輿情信息采集、輿情分析引擎和輿情應用。輿情信息通過輿情采集模塊流入輿情分析引擎，分析引擎負責數據加工處理、分析輿情信息，最終分析結果通過輿情應用展示，分析過程中的數據分別存在輿情數據庫和查詢索引數據庫。
1. 輿情信息采集：爬蟲技術
輿情信息采集的基礎在于，使用當前十分成熟的網絡爬蟲技術，對指定網站的數據進行爬取。目前，網頁信息的抓取策略主要可以分為廣度優先、最佳優先和深度優先三種。由于深度優先經常會受到限制，所以在團隊實踐中，我們主要采用廣度優先和最佳優先，部分數據采取深度優先策略。市面上的開源網絡爬蟲工具多達100多種，他們各有所長，而我們以Python為主，以其他開源軟件為輔，從網絡上抓取所需信息。另外，需要注意的是，現在大多數網站都采取了反爬蟲技術，我們在搜集數據時，還需要使用多種技術手段對付反爬蟲技術。
2. 輿情分析引擎
應用爬蟲技術抓取的數據，通過一系列ETL過程，存儲在本地系統中，使用SAS、R等工具對數據進行分析挖掘。對關鍵詞進行情感分析和綜合評分，標注關鍵詞的事件、時間、地區、關聯用戶、關聯詞等信息，計算該詞的頻率，在同一事件中的占比等等數據。
3. 輿情應用
下面以汽車行業為例簡單介紹示例展示輿情系統的應用界面，具體展示內容可以依據客戶要求進行定制。
a. 口碑管理
圖1是我們通過輿情分析得到的品牌形象，可見該品牌留給消費者的印象主要是“安全”和“適合成功者”；假如企業期望的品牌核心形象為安全和時尚，可見兩個形象存在一定偏差，企業需在宣傳策略上做出一定調整。
圖1
“聲量診斷”也具有重要的參考價值。我們分析其宣傳品牌文化的渠道和平臺，比較各個平臺的PV訪問量（頁面瀏覽量）和UV訪問量（通過互聯網訪問、瀏覽這個網頁的自然人數量），以及贊同數（圖2），然后再比較各個平臺間品牌形象的差異。
圖2
“口碑變化”幫助我們分析展示各類產品的口碑變化趨勢（圖3），其中紅色代表較上期下降，綠色代表較上期增長，可以點擊任意立柱鏈接到圖4。圖4展示當期影響口碑的熱詞，熱詞大小代表權重，如頻度、瀏覽人數和支持人數等；顏色代表傾向性，紅色代表負面傾向，藍色代表正面傾向。另外，系統還支持地區間口碑對比（圖5）。
圖3
圖4
圖5
b. 輿情事件預警
輿情監控系統采用準實時跑批和手動跑批兩種方式，實時把握網絡熱點事件動向，如圖6所示，針對2012款速騰進行全網搜索，通過模型算法計算當前熱度值，并展現熱詞情況，儀表盤指向紅色部分，熱度值已超預警值，系統告警。熱度值計算方法采用聲量加權重的方式，微博的聲量為V，權重系數為v，微信的聲量為W，權重系數為w，新聞網頁的聲量為D，權重為d，搜索引擎的聲量為S，權重為s，熱度值為H=v*V w*W d*D s*S，權重系數由客戶和咨詢方商議協定。市場主流的權重系數為，v=0.15，w=0.4，s=0.25，d=0.2。其中，熱詞的大小代表熱詞頻度，根據語義分析判斷傾向性并以顏色標出，藍色代表正面傾向，紅色代表負面傾向，灰色代表無傾向。圖中折線代表該產品熱度隨時間變化趨勢。
圖6
圖7
圖7對輿情事件趨勢中任意時間點進行鉆取，分別對其傾向性、職業、收入、網站、平臺、性別、年齡段、學歷和城市類型等不同維度，展示各個人群對此事件的情感傾向性。就這樣，我們的輿情管理系統的主要功能已經搭建成功了。
輿情管理大約算是一項新興產業，但輿情絕非一種新鮮事物，每個人一直都有很多話要說、很多觀點要發布。就在我們發布這篇文章時，打開微博、微信或任何較為流行的媒體平臺和論壇時，明星、品牌、企業、熱點……仍在一刻不停地經受輿情的考驗，而成功或毀滅往往就蘊含在每一段文字中間，可能無法預測，可能難以控制。
然而歸根結底，輿情仍是一種信息、一種數據。
在網絡上，無數未能掌握輿情管理的品牌或企業眼看著自己一步一步被無序的輿論之海淹沒，最終窒息。然而，只要成功運用了輿情管理的思維和方法，輿情的數據流就是有規律的，是可以預測、甚至可以調控的：每一條輿情言論，都可能是企業塑造形象的契機。
注：數據分析網遵循行業規范，任何轉載的稿件都會明確標注作者和來源，若標注有誤或遺漏，請聯系主編郵箱：[email protected]
Tags: 數據分析
文章來源：http://www.afenxi.com/post/26296