2021-08-04 1238 20

基于互联网社交媒体大数据的Social Listening（4）- 汽车社会化媒体大数据实践【上】

作者：苏格兰折耳喵

在这一部分，笔者将以奥迪汽车下的一款豪华车型---奥迪A6（（Audi A6）作为实操案例，以此来对上面的理论部分的运用做一个简要的解说。

因为商业分析报告的价值很大（一份报告价值XXX万），分析的复杂程度也与之呈正比，又因涉及商业机密，故笔者会略去一部分数据及重要的分析，力求在简短的篇幅中，使读者大致了解社会化聆听实操的大体思路和流程。

对于该案例，笔者将采用如下图所示的分析结构/流程：

1 数据准备

1.1 分析目标确定

（1）新车上市反馈收集

在新车上市阶段，通过全网和特定垂直网站（汽车之家、爱卡汽车、新浪汽车和搜狐汽车等具有影响力的汽车垂直网站/论坛），快速找出用户对新车在外观、动力、操控等九个维度的媒体或用户评价，对新车卖点是否认可，有哪些点被吐槽最多，对价格的预期等等。

此外，通过监测竞品的产品反响及市场行为，研究竞品的优劣势，寻找自己可以切入的产品卖点。

（2）品牌口碑诊断

通过电商数据、论坛数据、新闻数据，找出涉及本品牌评价的内容，利用情感分析、典型意见挖掘等文本挖掘技术，细分出涉及品牌评价的高频表述，并结合网站的权重进行曝光程度评估，快速、有效地了解本品牌在互联网上的口碑情况如何，为品牌传播策略的制定提供决策分析依据。

（3）车型综合诊断

通过销量诊断模型找出车型在哪些地区比较成功，哪些地区差强人意，哪些地区具备潜力，把这些销售区域进行划分。同时，和该区域的销售标杆车型作对比，找到做得好的方面和不足之处，全面综合诊断车型的区域表现。某些指标更能细化到每个城市，有助于客户及时发现销量背后的问题，为市场策略制定提供参考。

1.2 数据采集范围

采集范围：全网/微博/汽车垂直网站（根据分析目的的不同调整数据采集范围）
采集时间区间：2017-01-01~2017-4-30（绝大部分分析）、2017-3-28~2017-4-30（竞品分析）

1.3 数据处理工具

新浪微舆情（热度指数、信息监测、全网事件分析、微博事件分析、微博传播分析、竞品分析），通过设置领域内的关键词组合来捕捉指定信息
头条媒体实验室，热点追踪
微指数，用户画像
Python，文本数据获取、数据清洗、数据预处理及自然语言处理

2 全局性分析

2.1 全网声量走势

这里笔者选取的分析时间段为2017-01-01~2017-04-30，也就是截取了2017上半年4个月的全网口碑数据作为分析对象。

从上图中可以看出，在这段时间内，整体声量曲线比较平稳，但在几个时间节点出现了“波峰”（如上图中的A、B、C、D、E、F），信息量陡增，这里可能出现了有些社会热门事件（如开豪车撞人事件、大规模召回事件等），或者是品牌公共宣传引起的。弄清楚这些“波峰”形成的原因，即了解引起舆论大规模生成背后的原因，对于品牌日后的公关极有帮助。笔者将在精细型分析中对其中的F点的“波峰”进行深入分析。

2.2 信息来源分布

在信息来源分布中，笔者去除了微博这一渠道，原因是，这部分产生的用户UGC信息量实在庞大，在信息来源渠道中占据“头名”。

从上面两个图可以看出，除去微博这一信息渠道之后，微信和百度贴吧的信息量占据前两名的位置。值得注意的是，其中，汽车垂直网站除了汽车之家之外，绝大部分的都是诸如今日头条、一点资讯、上海热线、腾讯新闻这样的新闻网站，但可以想见，这类信息以新闻公关的软文为主。这类新闻应用拥有庞大的用户群，而且像今日头条这类基于个性化推荐引擎技术，根据每个用户的兴趣、位置等多个维度进行个性化推荐资讯，往往会使品牌方/经销商获得精准的用户，所以他们也对于在资讯类产品上投放广告乐此不疲。