輿情數據的應用

本文會從輿情數據的獲取、預處理、文本分析、結論這幾個階段來講述輿情數據的應用場景。

一、輿情數據的價值

　　從新聞媒介、微博、貼吧、電商、論壇等渠道平台取到大量輿情數據後，具體應該如何應用？其中可能包含哪些有價值的內容？能實現什麼預期效果？

　　這些數據信息能在一定程度上分析表象背後的原因，分析「為什麼」，可以挖掘出包含其中的焦點、趨勢、關聯，幫助我們了解產品的市場反饋和用戶需求，為方向聚焦、策略引導、價值判斷提供依據。

二、輿情數據的獲取方法

1、數據爬蟲工具：可以根據我們的需要免費從網站上爬取數據（在設有反爬蟲機制的渠道，獲取輿情數據的難度會增加）

2、輿情數據平台購買：目前輿情數據平台僅有一家 第谷數據 和子產品 第谷搜索 可以進行輿情數據的搜索、下載。

三、輿情數據的清洗和預處理

用戶再互聯網上的編寫內容非常多樣化，文字中加入數字、字母、符號等內容也非常常見，段落和語句時常也表達不完整，偶爾還會出現很多重複的文字內容，比如評論「66666」「牛牛牛」等詞。數據的清洗首要的就是把這些垃圾數據清洗掉。ROST的「文本處理」功能可以用來進行文本的清洗工作。

我們還應根據需要對數據進行重新編碼。例如用戶評論大量提及了 「 第谷輿情數據 」，但表達方式可以有多種（如第谷、第谷數據、輿情數據）。為了便於分析，統一編碼是非常有必要的。

四：分詞

分詞就是把一段中文文本切割成一個個單獨的詞。中文分詞的難點在於書寫中文時字詞之間並沒有明顯的間隔或劃分，不像英文那樣可以根據自然書寫的間隔實現基本的分詞（如「we are family」可以直接拆分出「we」 「are」 「family」）。

五：詞頻和關鍵詞

詞頻就是某個詞在文本中出現的頻次。簡單來說，如果一個詞在文本中出現的頻次越多，這個詞在文本中就越重要，就越有可能是該文本的關鍵詞。

六、語義網路分析

語義網路分析是指篩選統計出高頻詞以後，以高頻詞兩兩之間的共現關係為基礎，將詞與詞之間的關係數值化處理，再以圖形化的方式揭示詞與詞之間的結構關係。基於這樣一個語義網路結構圖，可以直觀的對高頻詞的層級關係、親疏程度進行分析。

七、情感分析

對用戶輿情進行情感分析，主要是分析具有情感成分的辭彙的情感極性（即情感的正性、中性、負性）和情感強烈程度，然後計算出每個語句的總值，判定其情感類別。還可以綜合全文本中所有語句，判定總輿情數據樣本的整體態度和情感傾向。

八、總結

總的來看，輿情數據具備的優勢特點：

• 來源渠道豐富：不限於社交網路、新聞資訊媒體、電商平台、應用市場等。
• 覆蓋面廣，信息量大：覆蓋到不同特徵的人群，覆蓋到目標用戶、競品用戶等不同人群。
• 真實客觀：整體而言是用戶最直接的表達，能在一定程度上保證數據的真實客觀。
• 獲取成本低：基本上都能快速、免費的獲取，省時高效。

在工作中，輿情數據分析能讓我們在特定的分析研究背景下，以更小的代價了解到產品的市場反饋，用戶的態度認知和需求痛點，有效的達到研究、分析的目的。

-----------------------

特此感謝：微信公眾號【用鹽有點咸】的內容原版。

本文進行了修改及簡化。

如本文有侵害您的版權問題，請及時聯繫，我會儘快處理，謝謝！

推薦閱讀：