如何利用Social Listening從社會化媒體中「提煉」有價值的信息？

時間 2020-12-28

原文原文鏈接

溫馨提示：文章篇幅過長，字數12000+，兼顧理論和實戰，乾貨滿滿。若圖片看不清，可點擊圖片，即可看到高清大圖。

背景

「大數據」一直是最近幾年全球很火的概念，從下圖Google Trends的最近5年的熱度趨勢圖和熱度搜索地域分佈可以看出，在這5年中，中國在大數據方面的熱度一路攀升，「居高不下」。

然而，即使這樣，大數據（分析）對於絕大部分人來說仍停留在概念層面，或者是給人很「高大上」、不接地氣的印象，因爲這個詞似乎和「技術」、「編程」緊密聯繫在一起。。。

其實不然，經過這幾年的發展，大數據應用已經觸手可及，比如筆者上面用到的谷歌趨勢，以及互聯網從業者很熟悉的百度指數、新浪微輿情、微指數等，都是一些大家觸手可及的大數據分析工具。藉助這些工具，我們只需要在瞭解業務知識的情況下，就能完成一些大數據趨勢分析、事件（傳播）分析、用戶畫像分析等。

在本文中，筆者將會介紹大數據分析主要的處對象---社會化媒體（Social Media），以及對社會化媒體進行分析的重要手段---社會化聆聽（Social Listening）。最後，筆者將以汽車行業的一個實操案例，來講述如何使用社會化聆聽（工具）來對社會化媒體大數據進行分析，雖然「隔行如隔山」，但「隔行不隔理」，其他領域的讀者也可以借鑑這種分析思路和方法，來幫助自己在產品設計/運營、市場調研中達成目標。

以下是本文的主要內容及行文結構。

一、什麼是社會化媒體

社會化媒體(Social Media)，也稱社交媒體，是互聯網信息中的絕對主體，它通常用來描述我們發佈在微博、微信、博客、淘寶、Facebook、Twitter、Instagram和 Snapchat 等平臺上的內容。

1.1 社交媒體/社會化媒體到底是什麼？

如果用一大堆令人生厭的屬於來定義這個詞彙，只會使事情變得更復雜，可能獲得清晰理解最好的方式是將它分拆成簡單的詞彙。

首先，讓我分別來看看「社會化」和「媒體」各自的含義如何：

「社會化」/「社交」：意指通過分享信息和接受信息來和其他人進行互動。
「媒體」：意指進行交流的工具或載體，如互聯網（而電視、收音機和報紙是更傳統的媒體形式）

好的，從這個兩個分開的詞彙，我們能給出「社會化媒體」一個基本的定義：

社會化媒體是一種基於互聯網應用的交流載體/工具，它可以使個人通過分享信息和消費信息來和他人進行互動。

具體來說，社會化媒體是人們彼此之間用來分享意見、見解、經驗和觀點的工具和平臺，現階段主要包括社交網站、微博、微信、博客、Facebook、Twitter、Instagram、論壇、淘寶、優酷和豆瓣等等。社會化媒體在互聯網的沃土上蓬勃發展，爆發出令人眩目的能量，其傳播的信息已成爲人們瀏覽互聯網的重要內容，不僅製造了人們社交生活中爭相討論的一個又一個熱門話題，更進而吸引傳統媒體爭相跟進。

值得一提的是，社會化媒體與傳統媒體（電視、報紙和廣播等）最顯著的不同點在於：社會化媒體的傳播過程中，社會大衆可以參與發佈和散播消息。

1.2 社會化媒體的一般特徵

假使你正在糾結於是否應該將某個網站劃入「社會化媒體」這一類別，那麼你可以看看，該網站是否符合以下特徵中的至少三種。

（1）個人賬戶。如果一個網站允許訪問者創建他們自己能夠登入的賬戶，那麼，這是一個良好的開始---社交互動即將發生！沒有個人賬戶，你就難以與他人在線上互動和信息共享。

（2）個人資料頁面。社會化媒體關乎人與人之間的交流溝通，那麼，個體的個人資料頁面對於展現個體來說是很有必要的。通常說來，一個涉及用戶信息的資料頁面會包含如下內容：頭像、個人簡介、個人網站、近期推送信息、個人推薦，以及近期的參與的活動，等等。

（3）好友、粉絲、興趣社羣和標籤。個體會用他們的賬號去和其他用戶產生聯繫，比如相互加好友，關注感興趣的人，建立基於興趣愛好的社羣，以及因加入社羣和關注賬號形成的個人標籤。

（4）信息推送。當用戶和社會化媒體上的其他人發生聯繫時，他們基本上會說：「我想從這些人這邊獲取信息」，而這些信息正通過私信或Instant Messaging實時推送給他們的。

（5）個性化設置。社會化媒體通常給用戶留了足夠的空間去進行個性化設置，自定義自己的個人資料，組織自己的好友或者粉絲，管理他們能看到的各種信息流，甚至能設置（不）希望他們看到的信息。

（6）通知。任何告知用戶特定消息的APP或者網站毫無疑問是在玩弄社會化媒體的把戲。用戶可以選擇關閉或是開啓這些通知，並可以選擇接收他們想要的通知類型。

（7）信息更新、保存和發佈。如果一個網站或者APP允許你在有/無賬號的情況下發布幾乎所有形式的內容，那麼，它就是社會化的。而你發佈的內容可能是文本形式的信息，一張上傳的圖片，一個YouTube視頻，或者是一個可以跳轉到某篇文章的超鏈接。

（8）「點贊」和「發帖」選項。在社會化媒體中，我們發生互動最常見的兩種形式是:1)通過「喜歡/點贊」的選項來表達認可和讚許；2）能夠「發帖」功能來分享我們的觀點

（9）評論、評分和投票系統。除了點贊和發帖功能，許多社會化媒體的網站或APP都可以社區中的各種UGC信息進行評論、評分和投票。思考一下，你最喜歡的那些購物網站或者電影評論論壇，它們就運用了這種社會化媒體特徵。

1.3 社會化媒體的類別

正如上文所提及的，社會化媒體基本可以囊括現今互聯網世界的所有網站，它的分類版圖如下：

如上圖所示，社會化媒體基本可以分爲論壇、即時通訊、社區網站、視頻分享、維基百科、音樂社區等17個類別，每個類別下又有若干個網站/應用，可以看到，社會化媒體這個大家庭的體量是極其龐大的！

1.4 社會化媒體的重要性

1.4.1 我們無往不在社會化媒體的枷鎖之中

法國18世紀偉大的啓蒙思想家讓-雅克·盧梭有一句名言：

人是生而自由，卻無往不在枷鎖之中。自以爲是其他一切的主人的人，反而比其他一切更是奴隸。

放在現今數據爆炸、信息質量良莠不齊的互聯網時代，我們或許可以把「自由」理解爲選擇信息和閱讀信息的權力的自由。然而，只要我們身處互聯網社會化媒體的「信息洪流」之中，我們就無可避免的被它上面氾濫的信息所「裹挾」，也就是說，社會化媒體上的信息對現實世界中的每個人都有重大影響，我們每時每刻都間接的受到來自他人的影響。

值得注意的是，社會化媒體給我們構建了一個不同於現實社會、卻和現實社會保持着千絲萬縷的聯繫的虛擬社會（Virtual Society/Virtual Community/Artificial Society/Virtual Social）。

1.4.2 通過社會化媒體中來觀察現實世界中的客觀信息

在這個虛擬社會中，我們還是能看到很客觀的信息，如下圖所示，主要分爲四類信息：

（1）文本描述

人物節點的個人資料
刻畫事物的描述
對事件、行爲的描述

（2）網絡結構

個體和個體、個體和組織之間的社會網絡關係
傳播過程中的網絡結構

（3）時空信息

已標記的時空信息，需要從內容中識別的時間和空間信息

（4）操作行爲

閱讀、轉發、評論、收藏、點贊/喜歡、打賞、簽到

然後，透過這些由社會化媒體散播開來的信息，我們得以在沒有親身經歷的情況下，可以通過社會化媒體去感知這個客觀世界，而且在掌握相關常識的情況下，我們的個人理解跟現實的偏差不會太大。

因此，我們可以透過社會化媒體來觀察世界，藉助這些根源於現實、但經過傳播者主觀思考重構的信息，我們可以發現一個能更全面的反映人與社會之間的交互關係的世界。

1.5 通過社會化媒體來感知現實世界中的公衆主觀信息

其實，社會化媒體上最具有價值的信息還是能反映人們情緒、情感、意識和精神等精神方面的主觀信息，這些對於從事商業活動的經營者來說價值非常大。

一般說來，社會化媒體上會傳播這樣幾類主觀信息，如下圖所示：

由此，透過社會化媒體，我們也可以感知到對商業社會價值意義更大的個體/羣體的主觀信息。

既然社會化媒體中的信息這麼有價值，那麼，問題來了，我們如何通過社會化媒體來獲知這些信息呢？這就引出下一個話題---

社會化聆聽（Social Listening）！

二、利用社會化聆聽獲取媒體重要信息

2.1 什麼是Social Listening？

在社交網絡年代，我們的每一條發佈、每一個評論，每一次轉發，每一次點贊，都反映了我們的習慣，喜好和消費習慣。通過社會化媒體去傾聽目標消費者的需求和意見已經成爲了今天品牌運營者的必修之技。企業們通過捕捉網絡上與品牌/產品/營銷事件相關的關鍵詞，去監測消費者都對品牌/產品/營銷事件說了什麼的行爲，被稱作社會化聆聽（Social Listening）。

說的通俗一點，社會化聆聽（Social Listening）就是指傾聽目標消費者和潛在消費者主動在網上曬出的內容。

在實踐中，它的意思是在社會化媒體（社交網絡，論壇和博客等）上捕捉提及品牌的內容，有趣的品牌話題，競爭對手以及所有對你品牌有意義的話題。

2.2 Social Listening對於企業的重要性

由於社會化聆聽的數據源於社會化媒體，所以這些數據信息有語義和關係雙重屬性，所以更加能從中發現基於社會化媒體中個體不經意見流露的真實行跡，所以對於社會化媒體來說，它的樣本對象不是個體，而是行爲本身。

從本質上來講，社會化聆聽調研是在一個開放式的命題下，可以得出更加的宏觀趨勢分析，更加洞察到趨於感性行爲的辨析，它主要的工作會花在數據處理和非結構化的數據分析負面。詳情請參看筆者的兩篇文章《數據運營|數據分析中，文本分析遠比數值型分析重要！（上）？》、《在運營中，爲什麼文本分析遠比數值型分析重要？一個實際案例，五點分析（下）》。

那麼社會化聆聽會在哪些方面幫助品牌和公司呢？Broadsuite Media Group的首席執行官Daniel Newman 在其發表的《Social Listening Enables Social Business》一文中曾總結爲市場概覽、競品分析、消費者情緒識別、售前支持、購買信號、客戶服務與關係維持，但筆者以爲，還可以加上2條:

「發掘意見領袖」。這類意見領袖能夠在企業的營銷事件中發揮極強的傳播力，能在大範圍內影響其他消費者的購買意向/購買行爲
「用戶畫像」。捕捉那些談論品牌/產品/營銷事件的用戶的相關用戶信息

下面，筆者將結合汽車行業的營銷實踐，來討論社會化聆聽是如何幫助企業實現其目標的。

2.2.1 市場概覽（Market Overview）

通過社會化聆聽，品牌可以更簡單地獲取對他們新產品和服務的目標市場的洞察，瞭解各個主要對手的市場影響力概況。

比如，當一個汽車製造商考慮開發一款新車系時，他們可以通過傾聽多個平臺（新浪微博、汽車之家、易車網等）的用戶UGC（User-Generated Content）去了解競爭廠商類似已上市車型的購買者對此款車的吐槽和希望這類車應有的新功能，以作爲打造新車的有力參考。

2.2.2 競品分析（CompetitiveAnalysis）

商業情報在現今日益開放的互聯網上對企業愈發重要，同時也愈發變得觸手可得。和市場概覽相似，社會化聆聽可以幫助你清晰地洞察到你的對手是誰，你的對手都在做什麼。

想象一下，一款新車在發佈前就清晰地知道消費者願意爲你的新車掏多少錢，知道他們想從你這裏找到哪些對手提供不了的新功能和服務。對社會化聆聽的使用就像是一個無孔不入的專屬FBI，可以使企業可以輕而易舉的獲取關於目標消費市場的幾乎所有信息。

2.2.3 消費者情感識別（CustomerSentiment Identification）

企業一般都希望能快速洞察到他們的消費者對自身產品/品牌是否滿意，對哪些地方感到滿意，對哪些地方多有吐槽。而社會化聆聽正好爲消費者提供了分享他們對品牌的小情緒的發泄平臺。

比如，許多汽車品牌的各種車系都有在第三方垂直網站（如汽車之家、愛卡汽車、新浪汽車和搜狐汽車等）上建立相關論壇，去鼓勵消費者談論分享他們的想法。通過過濾掉這些社區裏的垃圾信息（主要是水軍發帖和無關信息），汽車品牌方可以更好地瞭解消費者對該車整體的滿意度如何，以及具體的吐槽點，以便爲後續製造設計和售後服務作參考。

2.2.4 售前支持（Pre-Sales Support）

當某個潛在客戶要考慮買些比較複雜的東西時，他們一般會立刻轉向社會化媒體求助。這時，影響力便會發揮巨大的作用，同時，社會化聆聽也同樣有着不可思議的效果。

還是以汽車行業的營銷爲例，可以想見這樣一個場景：

假若某個潛在的汽車買家，在進入了「汽車之家」上關於某款車型的某個論壇，發帖去討論該車型的各種利弊。如果你採用了社會化聆聽，也許就可以利用這樣的機會，將這個潛在客戶介紹給你們的銷售顧問。如此這般，你便有了一個從社會化媒體上轉化而來的買家。

2.2.5 購買信號（Purchase Signals）

另一個大家都急於尋找的商業洞見則是——人們購買產品的終極信號到底是什麼？到底是什麼導致了一個客戶的轉化或流失？

社會化聆聽的相關工具則能讓企業「監聽」到這些購買信號，並判斷一個真正的買家到底在尋找什麼。也許是他在微博或汽車論壇上最後點贊或分享的那段內容，那麼，能夠從他們這些行爲中總結出購買週期終端的共性嗎？

社會化聆聽使之成爲可能。

下面是奧迪汽車官方微博發佈的一條關於上海車展新亮相汽車的微博，很多粉絲都對詞條微博發表了評論。由此，我們可以從評論中發現和甄別出很多不同類型的用戶，後續可以採取不同的跟進策略。

2.2.6 發掘意見領袖（IdentifyInfluencers）

美國知名營銷網站sproutsocial.com在2015年做過一份針對美國民衆的調查，有如下2條重要的結論：

74%的消費者依賴社會化媒體來做出購買決策
90%的消費者信賴同儕的推薦，僅有33%的人相信廣告

MalcolmGladwell在《The Tipping Point》中也提出聯繫人、內行和推銷員這三種人際網絡中的重要角色，這些人其實就扮演了意見領袖的角色，這些人在傳播過程中會發揮「傳播樞紐節點」的重要作用，能夠促進品牌宣傳和影響其他人的購買意向，具體例子請參看筆者的《以<大秦帝國之崛起>爲例，來談大數據輿情分析和文本挖掘》的第二部分。

既然其他人的意見如此有價值，對於企業來說，如果能和那些在社羣中擁有影響力的人或者「時髦製造者」建立緊密的聯繫，進而利用他們強大的號召力，將會在品牌營銷中事半功倍，花費很小的精力就能得到較大的收益。此時，發掘這些意見領袖就顯得尤其重要了。

2.2.7 用戶畫像（Persona）

用戶畫像是海量真實用戶的典型代表,是建立在一系列真實數據之上的目標用戶模型。用戶畫像可以讓產品設計者和品牌營銷宣傳者在產品設計/營銷宣傳的過程中能夠拋開個人喜好和偏見，將焦點關注在目標用戶的動機和行爲上進行產品設計和營銷策略制定。

社會化聆聽可以快速鎖定那些在社會化媒體上討論品牌/產品/營銷事件的用戶，進而獲取到這部分最活躍的且最具價值用戶的畫像信息，從而給了產品設計者和品牌營銷者們提供參考。詳情請參考筆者的另一篇文章《當數據分析遭遇心理動力學：用戶深層次的情感需求浮出水面》。

2.2.8 客戶服務與關係維繫（CustomerService and Retention）

在互聯網時代到來之前，追蹤用戶的抱怨和吐槽是一件極具挑戰性的事情。然而，伴隨互聯網時代應運而生的社會化聆聽讓企業擁有了傾聽和監測用戶關於產品的反饋和訴苦，以便請與儘早在產品生命週期發現關於產品的各類潛在問題，同時也能保證他們快速的響應消費者的任何要求。我們知道，獲取新顧客的成本是維持老客戶的6倍，社會化聆聽能夠提供一個穩定的平臺，讓品牌能夠主動與消費者產生連接和對話，幫助消費者解決問題，並留住他們。

在這裏，舉一個汽車行業之外的案例---消費者品牌Comcast（美國有線電視，寬帶網絡及電話服務供應商），Zappos和Bluehost，他們都擁有自己的團隊，能夠高頻率且深入地與消費者產生互動，管理並監測他們的行爲與路徑。運用社會化聆聽的方式來維繫客戶關係，在其他的服務行業例如機場和酒店，也成爲了一個快速發展的趨勢——他們希望打造一個強有力的、願意傳播並分享品牌口碑的品牌社羣。

2.3 Social Listening如何進行？

筆者認爲，社會化聆聽可以細分爲如下3個流程：

2.3.1 確定具體目標，設定社會化聆聽的策略

做一件事之前，先要明確做的目的---需要用「聆聽」到的結果來做什麼；以及據此設定相應的策略---設置何種關鍵詞組合以獲取指定信息、在哪些渠道去監測這些重要的信息，以及選擇哪個時間段來觀測信息。

比如下面這些目的和與其對應的策略設定：

想要識別出某汽車論壇主要的影響者/意見領袖？

監測指定論壇的用戶UGC信息，通過他們的發帖量，點贊量和粉絲量的多寡來確定主要的影響者。

發現新的市場機會？

看到潛在用戶對競爭對手的同類車型有哪些不滿，具體反映在負面的用戶措辭上。

監聽特定的標籤或者短語？

選擇和設置能反映關注內容的關鍵詞，可以採用「與」「或」「非」來進行關鍵詞組合。

比如，下面一個關於「奧迪A6汽車動力系統」的社會化聆聽關鍵詞設置方案：

2.3.2 選擇合適的社會化聆聽工具

市面上，可以進行社會化聆聽的工具有百度指數（百度司南）、微信指數、微指數和新浪微輿情（熱度指數、全網/微博事件分析、微博傳播分析、競品分析）等。它們之中，既有免費的、可做基礎分析的關鍵詞熱度查詢工具，也有收費、可做商業級分析的社會化聆聽工具。詳情可以參看筆者的《10款數據分析「工具」，助你成爲新媒體運營領域的「增長黑客」》的第二部分。

選好工具之後，通過設置特定的關鍵詞\關鍵語句\品牌名稱來追蹤全網\特定垂直網站的媒體報道和用戶UGC，發現新的機會，或是據此創造聽衆感興趣的內容。

2.3.3 結合具體業務場景，對社會化聆聽的結果進行分析

經過前面2個流程之後，就可以使用具體的社會化聆聽工具進行自動化操作，從而得出詳盡的結果了。然而，值得注意的是，得出的結果並不能直接使用，形成報告，需要結合所在行業的具體業務知識，進行去粗取精，去僞存真，過濾掉無效、無關信息，以及在專業知識的指導下對結果進行解讀。

下面，筆者將以一個汽車行業的案例，來詳細講述上面關於社會化聆聽的3個步驟。

三、社會化聆聽實操案例

-汽車社會化媒體大數據實踐

在第三部分，筆者將以奧迪汽車下的一款豪華車型---奧迪A6（（Audi A6）作爲實操案例，以此來對上面的理論部分的運用做一個簡要的解說。

因爲商業分析報告的價值很大（一份報告價值XXX萬），分析的複雜程度也與之呈正比，又因涉及商業機密，故筆者會略去一部分數據及重要的分析，力求在簡短的篇幅中，使讀者大致瞭解社會化聆聽實操的大體思路和流程。

對於該案例，筆者將採用如下圖所示的分析結構/流程：

3.1 數據準備

3.1.1 分析目標確定

（1）新車上市反饋收集

在新車上市階段，通過全網和特定垂直網站（汽車之家、愛卡汽車、新浪汽車和搜狐汽車等具有影響力的汽車垂直網站/論壇），快速找出用戶對新車在外觀、動力、操控等九個維度的媒體或用戶評價，對新車賣點是否認可，有哪些點被吐槽最多，對價格的預期等等。

此外，通過監測競品的產品反響及市場行爲，研究競品的優劣勢，尋找自己可以切入的產品賣點。

（2）品牌口碑診斷

通過電商數據、論壇數據、新聞數據，找出涉及本品牌評價的內容，利用情感分析、典型意見挖掘等文本挖掘技術，細分出涉及品牌評價的高頻表述，並結合網站的權重進行曝光程度評估，快速、有效地瞭解本品牌在互聯網上的口碑情況如何，爲品牌傳播策略的制定提供決策分析依據。

（3）車型綜合診斷

通過銷量診斷模型找出車型在哪些地區比較成功，哪些地區差強人意，哪些地區具備潛力，把這些銷售區域進行劃分。同時，和該區域的銷售標杆車型作對比，找到做得好的方面和不足之處，全面綜合診斷車型的區域表現。某些指標更能細化到每個城市，有助於客戶及時發現銷量背後的問題，爲市場策略制定提供參考。

3.1.2 數據採集範圍

採集範圍：全網/微博/汽車垂直網站（根據分析目的的不同調整數據採集範圍）
採集時間區間：2017-01-01~2017-4-30（絕大部分分析）、2017-3-28~2017-4-30（競品分析）

3.1.3 數據處理工具

新浪微輿情（熱度指數、信息監測、全網事件分析、微博事件分析、微博傳播分析、競品分析），通過設置領域內的關鍵詞組合來捕捉指定信息
頭條媒體實驗室，熱點追蹤
微指數，用戶畫像
Python，文本數據獲取、數據清洗、數據預處理及自然語言處理

3.2 全局性分析

3.2.1 全網聲量走勢

這裏筆者選取的分析時間段爲2017-01-01~2017-04-30，也就是截取了2017上半年4個月的全網口碑數據作爲分析對象。

從上圖中可以看出，在這段時間內，整體聲量曲線比較平穩，但在幾個時間節點出現了「波峯」（如上圖中的A、B、C、D、E、F），信息量陡增，這裏可能出現了有些社會熱門事件（如開豪車撞人事件、大規模召回事件等），或者是品牌公共宣傳引起的。弄清楚這些「波峯」形成的原因，即瞭解引起輿論大規模生成背後的原因，對於品牌日後的公關極有幫助。筆者將在精細型分析中對其中的F點的「波峯」進行深入分析。

3.2.2 信息來源分佈

在信息來源分佈中，筆者去除了微博這一渠道，原因是，這部分產生的用戶UGC信息量實在龐大，在信息來源渠道中佔據「頭名」。

從上面兩個圖可以看出，除去微博這一信息渠道之後，微信和百度貼吧的信息量佔據前兩名的位置。值得注意的是，其中，汽車垂直網站除了汽車之家之外，絕大部分的都是諸如今日頭條、一點資訊、上海熱線、騰訊新聞這樣的新聞網站，但可以想見，這類信息以新聞公關的軟文爲主。這類新聞應用擁有龐大的用戶羣，而且像今日頭條這類基於個性化推薦引擎技術，根據每個用戶的興趣、位置等多個維度進行個性化推薦資訊，往往會使品牌方/經銷商獲得精準的用戶，所以他們也對於在資訊類產品上投放廣告樂此不疲。

3.2.3 全網情感正負面分析

及時發現關於產品/品牌/營銷事件的負面訊息是十分重要的，因爲政務輿情應對中的「黃金4小時定律」也適用於企業的品牌公關。

上圖顯示，在2017-01-01~2017-04-30這段時間內，涉及奧迪A6的全網信息中，有22.74%的信息量是負面的，也就是對奧迪A6不利的信息，這個負面數值較高，品牌方/經銷商值得警惕，需要發現出現如此多負面訊息的原因，及時有效的進行負面口碑遏止。

點擊黃色「敏感」圓弧，進入負面訊息詳情，可進行人工甄別和分析，如下圖所示：

3.2.4 全網關鍵詞分析

下面是這段時間內全網涉及奧迪A6的所有信息的關鍵詞TOP20。假如我們對汽車行業和奧迪A6有足夠多的瞭解的話（也就是精通業務知識），那麼，通過這些關鍵詞，我們可以對奧迪A6的「全網印象」有一個整體的感知，瞭解全網關於奧迪A6涉及哪些方面，給後續分析提供思考框架。

從上圖中可以看出，對於奧迪A6的討論，集中在售後服務（「投訴量」、「維權」、「4S店」、「汽車投訴網」、「服務」、「質量問題」、「汽車三包」、「訴求」）的探討上。而根據前面的正負面情感分析，可以瞭解到這部分的口碑較差。

以下是全網關於奧迪A6的關鍵詞TOP200形成的關鍵詞詞雲，我們可以從中發現很多意想不到的信息，再次，分析原理同上，筆者在此不多做分析。

3.2.5 用戶畫像分析

因微博上的用戶量龐大，且用戶信息相對完整，故筆者對這段時間內，微博上關於奧迪A6有過提及的用戶進行用戶畫像分析。

（1）性別

從上面可以看出，這段時間內對奧迪A6有過討論的用戶的男女性別佔幾斤三七開，符合常識（男性較女性更關注車）。

（2）年齡

從上圖中可以看出，25-34歲、19-24歲這兩個年齡段，也就是中青年羣體對於奧迪A6較爲關注，不管發佈這些信息的人是否買過車，毫無疑問，中青年羣體日漸成爲購車主力。

（3）地域分佈

從上圖中可以看出，微博上關於奧迪A6的信息量分佈，北京、廣東、江蘇等地的信息量最大，說明這些省市區的媒體/微博用戶關於奧迪A6的討論較多，某種程度上表面了這些地區對該車感興趣的（潛在）用戶較多，或者被品牌營銷信息「洗腦」的力度大，購買意願會強於其他地區的用戶，值得奧迪品牌方/經銷商重點佈局。

以上是關於奧迪A6在全網上粗線條的、整體性的分析，接下來，筆者將結合汽車行業的具體業務需求，簡要討論一下跟奧迪A6相關的精細型分析。

3.3 精細型分析

3.3.1 突出輿情事件剖析

在全局性分析的「全網聲量走勢」部分，A、B、C、D、E、F這幾個點是全網聲量曲線的「波峯」，也就是當天的全網信息量陡增。現在以F點的情況爲例，探明其發生的原因。

點擊F點，觸發信息詳情頁面，用以發現熱點出現的原因。連續翻動詳情頁，發現關於兩個熊孩子玩火引發奧迪A6的新聞出現在多個信息渠道且數量龐大，可以確定是該條信息引起了這一天的輿論高潮。

緊接着，筆者找到其中一條傳播影響力大的微博。

本來，這場慘劇跟奧迪A6沒有直接的關係，因爲這個突發事件責任不在車，而在於熊孩子調皮，家長也沒有看好孩子。但是，奧迪A6卻被莫名其妙的捲進了海量的社會事件報道中，和「熊孩子」、「火災」搭上關係的，經過衆多媒體和微博大V的跟進傳播，難免會強化或損失掉部分重要信息，事情在後續的傳播中會逐漸失真，搞不好會被別有用心的人加以利用。

古斯塔夫·勒龐在《烏合之衆》裏提到「羣體表現出來的感情不管是好是壞，其突出的特點就是極爲簡單而誇張…不幸的是，羣體的這種誇張傾向，常常作用域一些惡劣的感情…」總之，品牌方若不對此類報道加以正確的引導，很容易給不明真相的吃瓜羣衆留下不好的印象。

3.3.2 口碑詳情分析

除了上面關於奧迪A6的整體口碑情況，品牌商更感興趣的是關於汽車本身（包含服務），哪些方面的市場上的反響較好，哪些讓用戶吐槽不已，而後者是他們更爲關注的，直接關係到這款車在市場上的成敗。

根據各大汽車垂直論壇上，用戶對汽車的評價的側重，筆者將其劃分爲操控、外觀、價格等9個維度，包含「硬件」（材料、外觀、零部件等）和「軟件」（價格、售後服務等）兩大方面。

3.3.2 口碑詳情分析

綜合全網關於這9各維度正面聲量的絕對量和相對量的數值大小，得到如下圖所示的各維度口碑對比圖。

由上圖可以看到，行駛過程（轉向系統或方向盤、駐車制動等）的正面聲量最大，說明奧迪A6這部分在市場上的口碑反饋較好；操控（轉向燈或轉向燈開關、遙控鎖等）的正面聲量居第二的位置，但負面聲量的絕對值和相對比重較大，值得奧迪製造商/品牌商注意。

與此類似的還有，內飾、舒適性這兩個維度，都是負面聲量的絕對值和相對佔比較高。

3.3.3 競品分析

這部分，筆者選取了在市場上跟奧迪A6處於競爭關係的另外5款車型作爲競品分析的對象，它們分別是奔馳E級（Benz E-Class）、寶馬5系（BMW 5 Series）、阿爾法·羅密歐166（Alfa Romeo 166）、捷豹S型、雷克薩斯GS（Lexus GS）。

因互聯網時代的信息傳播具有短、平、快的特點，市場形勢也是瞬息萬變，故爲了保持時效性，筆者僅選取近一個月的全網數據作分析。

（1）傳播走勢對比

在分析時間段內,寶馬5系的全網聲量曲線一直處在最上方，表明該車在全網傳播方面「碾壓」了其他5款車，全網信息傳播居於第二的奧迪A6僅在4-5和4-8這兩天略微超過前者。緊跟這兩款車其後的是奔馳E級。

可以看出，寶馬5系和奔馳E級是奧迪A6 的主要對手，需要密切關注它們品牌方的「營銷攻勢」。

（2）負面走勢對比

「樹大招風「，在分析時間段內，全網傳播處於領先地位的寶馬5系，在互聯網上敏感報道數最多，並在2017-04-25時達到頂峯，爲444條，其次爲"奧迪A6"、"奔馳E級"、"雷克薩斯GS"。

弄清楚競品產生負面消息的原因，對品牌自身來說非常重要---把他人的「教訓」當做自己的「經驗」，可以避免無謂的損失。

（3）正負面高頻詞彙

這部分是關於這幾款車在近一個月內的全網印象（信息的關鍵詞提取），由此可以一窺全貌，對於感興趣的關鍵詞可以進行深入的「鑽取」分析。

如上圖所示，"奔馳E級"的負面高頻詞彙主要以"曝光"、"僞裝"、"事故"爲主;"奧迪A6"的負面高頻詞彙主要以"事故"、"受損"、"曝光"爲主;"寶馬5系"的負面高頻詞彙主要以"無語"、"飆車"、"曝光"爲主;"阿爾法·羅密歐166"的負面高頻詞彙主要以"無語"、"飆車"、"曝光"爲主;"捷豹S型"的負面高頻詞彙主要以"百姓"、"千篇一律"爲主;"雷克薩斯GS"的負面高頻詞彙主要以"停售"、"召回"、"短命"爲主。

（4）競品各維度對比分析

將這6款競品車型放在上面所提及的汽車口碑的9個維度上做對比分析，結果如下圖所示：

由上圖可以看出，奧迪A6在外觀、內飾、服務這3個方面的正面口碑較爲明顯；而寶馬5系在行駛過程上有較明顯的優勢，奔馳E級在空間和操控上的口碑甚好。

然而，奧迪A6在汽車配置、行駛過程和空間等方面是「短板」，市場正面口碑較其他5款車系偏弱，這是奧迪製造商/品牌方需要着重改進和注意的方面。

3.3.4 關聯詞分析

以下數據來源於選自「頭條媒體實驗室」，基於今日頭條7億累計激活用戶，7800萬日活用戶（截至2016年12月底）的海量行爲數據及文章數據，因用戶覆蓋面廣和用戶基數龐大，對其相關人羣進行分析可以起到「管中窺豹」、「一葉知秋」的效用。如果該用戶點擊並閱讀跟「奧迪A6」相關的文章，則判定該用戶對該車感興趣。

這裏的相關詞的「相關性」基於詞彙之間的「共現原理」得到，詳情請參看筆者之前的文章《如何用數據分析，搞定新媒體運營的定位和內容初始化？》第三部分，以下是「相關性」的計算公式：

關鍵詞A和關鍵詞B的相關度 = 同時包含關鍵詞A和關鍵詞B的文章的閱讀數 / 包含關鍵詞A的文章的閱讀數

上圖初看較爲複雜，但細分爲3個維度就很容易理解了：