大数据时代的汽车产品缺陷互联网舆情

2017-06-19 04:04吴梦
环球市场信息导报 2017年8期
关键词:数据源舆情危机

吴梦

随着互联网的迅猛发展,信息以爆炸式的发展开始充斥到人们的生活,我们开始从以物质生产消费为主向以信息消费为主转变。毋庸置疑种种迹象已经表明我们已经迈入了“大数据时代”,并且在未来的发展中还会扮演越来越重要的角色。在网络舆情大数据的大环境下,如何进行品牌的口碑评价及精准营销,准确把握网络舆情的内在特征及其演变过程中的潜在规律,成为品牌争夺市场先机的前提。笔者根据自己从业多年的舆情分析经验,从汽车产品缺陷的互联网舆情入手,运用数据分析从信息传播广度和信息传播深度这两个方面来呈现网络舆情大数据的普遍性与共性信息。

我国汽车市场从2015年增速明显放缓,逐渐进入供大于求的买方市场。品牌应该建立新的营销思维和策略,从而适应新的市场态势。在互联网新媒体的大环境下,品牌需要开始注重数字营销,加强品牌与社交媒体的互动沟通,塑造正面的品牌互联网形象。因此网络舆情管理变得日益复杂和重要,利用正面信息扩大宣传,遏制负面信息的蔓延,及时提出合理的令消费者满意的解决方案,这才能使得品牌在目标群体的选择里脱颖而出。本文将从最基本的信息抓取及初步的数据分析出发,阐述信息传播的广度及深度,以期在关于汽车产品缺陷舆情管理与分析中提供实践与参考。

目前舆情管理已经实现同时处理海量的互联网数据,常见的分析结果有产生的声量及趋势,数据源分析,热门话题分析,文本聚合分析,情感调性分析,用户画像分析及用户接受度分析等,从而能够对现实中有关品牌产品声誉和形象的网络舆论及时了解和迅速反馈,从而对其进行控制和改进,防范和减少品牌危机的发生。

大数据分析

定义关键词。信息量爆发式增长的大数据时代无疑对数据分析提出了更高层次的要求。我们必须快速地提取最需要的目标品牌相关信息,这就是定义关键词的意义所在,它有效地将我们面临的海量数据进行分类跟提取。我们需要对汽车产品的缺陷进行监测,首先需要对需监测汽车产品的故障进行分析汇总,通过对故障的判断以及围绕该缺陷的关键词云分析,提取最具有代表性的关键词组合。从汽车部分缺陷标签及建议关键词举例(见表1),我们可以看到,对于某些缺陷,我们需要不同的关键词组合来进行覆盖。例如,车内异味缺陷,根据消费者习惯用语及关键词频分析,我们需要用“品牌+车内+异味”,“品牌+车内+甲醛”,“品牌+车内+臭味”,“品牌+车内+有害气体”等来共同定义来实现相关信息的聚合。

数据的抓取。随着互联网行业的快速发展及传播媒介的不断翻新,我们需要明确目标数据在海量网络媒体的传播情况,从而以最快的速度抓取最相关的信息。在汽车产品缺陷分析里,我们对数据源的选择可以分为五个大类别:全国主流媒体覆盖:例如新浪网,网易网,凤凰网等,及重要汽车质量投诉网站:车质网,汽车产品缺陷中心,国家质检总局网站等;主要汽车垂直论坛:汽车之家,爱卡之家,易车,太平洋汽车等;微博:新浪微博;微信:公共账号;问答网站:百度知道,知乎,果壳等。数据的抓取立足于搜索引擎技术和文本挖掘信息技术,工具通过对数据源内容的自动采集和聚合分类。在本文的研究中我们选取某品牌乘用车2017年3月份部分缺陷信息在互联网上的传播情况。我们从产生的声量及趋势进行缺陷影响传播广度和深度分析。

数据的分析。在3月份中,通过定义关键词在覆盖范围内的数据源里,我们共抓取2239条关于该品牌异响的帖子,1772条烧机油相关的帖子,1573条断轴的帖子,1107条异味的原始帖子。从传播广度角度出发,我们可以看到关于异响的缺陷最为更多的消费者熟知,讨论得也更为广泛。我们进一步从产品来源进行分析(见图1),可以看出其中异响在垂直论坛讨论的最为集中,相反,断轴在微博上的传播是以蔓延的趋势呈现的。经过调查我们可以看出,该品牌的断轴事件在3月份有进行发酵,是因为有消费者群体集体维权的情况发生,才导致断轴在微博上占有大部分声量来源。

从传播深度出发,我们就要看信息与网民之间的互动,也就意味着将各个媒介平台的传播力指标数据标准化,比如阅读量,转发量,点击量,评论量及点赞量。

首先,我们可以看到,不同的媒介平台的传播力是不一样的,我们根据媒介的权威性,专业性,同时结合我们汽车产品缺陷监测的特殊需求,给出不同的权重指标。综合考虑传播力指标对我们缺陷信息传播影响力的不同,我们给出监测媒体的权重及不同传播力指标的互动权重(见表2)。从而得到评价事件媒体类别上传播深度的公式为:互动值=W*(求和(阅读量/转发量/点击量)*W1+求和(评论量/点赞量)*W2)。互动总值即将所有媒体类别的得分进行汇总。

在本文的研究中,我们选取的该品牌缺陷信息在主流媒体网站的互动量非常少,可以忽略不计,由此也发现网友更愿意在具有社交功能的平台进行进一步的沟通交流。经过计算我们得到其他各媒体平臺的互动值(见表3),我们可以很明显地看出,微信跟汽车垂直论坛与其他两个平台的互动值差别特别大,可以看出目标群体已经把交互平台转移到了微信与汽车垂直论坛。而微博的角色更多的是成为公告板的信息获取地,问答论坛由于没有汽车垂直论坛的专业性和集中性,也在互动值中表现不佳。总体来看,烧机油的互动总值最高,车内异味的互动总值最低,说明烧机油问题对于消费者来说是更容易抱怨,更容易引起品牌反感的危机事件。这也就给品牌一个处理缺陷危机的很有价值性的参考。

当我们综合考虑传播广度与传播深度时,我们发现汽车异响与烧机油已经在大范围的目标群体引起了负面信息量的释放,这就需要品牌开始针对性的提出相关解决措施,从而挽回失去的消费者群体,重塑良好的品牌形象。

危机预警

在现实舆情环境中,我们不光需要监测已有的缺陷信息,也要快速地确认是否有新的舆情危机发生。我们会通过舆情评判体系对事件进行预判及分级,笔者通过多年的舆情监测经验,现总结日常危机预警流程如下(见图2):

根据笔者的经验,如何正确设定危机预警的阈值才是危机预警的关键,笔者分析了大量的原始数据,建立了多个数据模型,最终总结出了一个最敏感的阈值预测供大家参考:当每日声量与前14日日均比的比例达到了2倍,就意味着该事件已经处于发酵初期。品牌需要做的是找出源头,解决问题,将危机消灭于萌芽期。如果任其发展下去,则势必成星火燎原之势。笔者利用该模型成功预测了某品牌危机事件。

综上我们可以看出,网络舆情信息作为大数据时代的重要的数据来源,它的数据蕴含着巨大的价值。本文只是挑取冰山一角,选取汽车产品缺陷舆情分析来展现了整个舆情监测管理的巨大力量,从定义关键词出发,到数据抓取,数据分析,并且从信息传播的广度跟深度出发,得出了可量化的网络信息影响力的综合评估情况,解决了因评估指标单一导致指标与数据源匹配度差的问题。在此理论上计算得出的汽车产品缺陷的信息传播力比较能够真实客观地反映出汽车缺陷在网络传播中所形成的影响力的大小,同时能够快速准确地锁定产品质量信息、评估潜在风险程度,实现提前危机预警,为品牌推广决策提供信息参考依据。

猜你喜欢
数据源舆情危机
高等教育的学习危机
Web 大数据系统数据源选择*
基于不同网络数据源的期刊评价研究
舆情
舆情
“危机”中的自信
舆情
基于真值发现的冲突数据源质量评价算法
微博的舆情控制与言论自由
分布式异构数据源标准化查询设计与实现