大數據時代的汽車產品缺陷互聯網輿情

吳夢

隨著互聯網的迅猛發展，信息以爆炸式的發展開始充斥到人們的生活，我們開始從以物質生產消費為主向以信息消費為主轉變。毋庸置疑種種跡象已經表明我們已經邁入了“大數據時代”，并且在未來的發展中還會扮演越來越重要的角色。在網絡輿情大數據的大環境下，如何進行品牌的口碑評價及精準營銷，準確把握網絡輿情的內在特征及其演變過程中的潛在規律，成為品牌爭奪市場先機的前提。筆者根據自己從業多年的輿情分析經驗，從汽車產品缺陷的互聯網輿情入手，運用數據分析從信息傳播廣度和信息傳播深度這兩個方面來呈現網絡輿情大數據的普遍性與共性信息。

我國汽車市場從2015年增速明顯放緩，逐漸進入供大于求的買方市場。品牌應該建立新的營銷思維和策略，從而適應新的市場態勢。在互聯網新媒體的大環境下，品牌需要開始注重數字營銷，加強品牌與社交媒體的互動溝通，塑造正面的品牌互聯網形象。因此網絡輿情管理變得日益復雜和重要，利用正面信息擴大宣傳，遏制負面信息的蔓延，及時提出合理的令消費者滿意的解決方案，這才能使得品牌在目標群體的選擇里脫穎而出。本文將從最基本的信息抓取及初步的數據分析出發，闡述信息傳播的廣度及深度，以期在關于汽車產品缺陷輿情管理與分析中提供實踐與參考。

目前輿情管理已經實現同時處理海量的互聯網數據，常見的分析結果有產生的聲量及趨勢，數據源分析，熱門話題分析，文本聚合分析，情感調性分析，用戶畫像分析及用戶接受度分析等，從而能夠對現實中有關品牌產品聲譽和形象的網絡輿論及時了解和迅速反饋，從而對其進行控制和改進，防范和減少品牌危機的發生。

大數據分析

定義關鍵詞。信息量爆發式增長的大數據時代無疑對數據分析提出了更高層次的要求。我們必須快速地提取最需要的目標品牌相關信息，這就是定義關鍵詞的意義所在，它有效地將我們面臨的海量數據進行分類跟提取。我們需要對汽車產品的缺陷進行監測，首先需要對需監測汽車產品的故障進行分析匯總，通過對故障的判斷以及圍繞該缺陷的關鍵詞云分析，提取最具有代表性的關鍵詞組合。從汽車部分缺陷標簽及建議關鍵詞舉例（見表1），我們可以看到，對于某些缺陷，我們需要不同的關鍵詞組合來進行覆蓋。例如，車內異味缺陷，根據消費者習慣用語及關鍵詞頻分析，我們需要用“品牌+車內+異味”，“品牌+車內+甲醛”，“品牌+車內+臭味”，“品牌+車內+有害氣體”等來共同定義來實現相關信息的聚合。

數據的抓取。隨著互聯網行業的快速發展及傳播媒介的不斷翻新，我們需要明確目標數據在海量網絡媒體的傳播情況，從而以最快的速度抓取最相關的信息。在汽車產品缺陷分析里，我們對數據源的選擇可以分為五個大類別：全國主流媒體覆蓋：例如新浪網，網易網，鳳凰網等，及重要汽車質量投訴網站：車質網，汽車產品缺陷中心，國家質檢總局網站等；主要汽車垂直論壇：汽車之家，愛卡之家，易車，太平洋汽車等；微博：新浪微博；微信：公共賬號；問答網站：百度知道，知乎，果殼等。數據的抓取立足于搜索引擎技術和文本挖掘信息技術，工具通過對數據源內容的自動采集和聚合分類。在本文的研究中我們選取某品牌乘用車2017年3月份部分缺陷信息在互聯網上的傳播情況。我們從產生的聲量及趨勢進行缺陷影響傳播廣度和深度分析。

數據的分析。在3月份中，通過定義關鍵詞在覆蓋范圍內的數據源里，我們共抓取2239條關于該品牌異響的帖子，1772條燒機油相關的帖子，1573條斷軸的帖子，1107條異味的原始帖子。從傳播廣度角度出發，我們可以看到關于異響的缺陷最為更多的消費者熟知，討論得也更為廣泛。我們進一步從產品來源進行分析（見圖1），可以看出其中異響在垂直論壇討論的最為集中，相反，斷軸在微博上的傳播是以蔓延的趨勢呈現的。經過調查我們可以看出，該品牌的斷軸事件在3月份有進行發酵，是因為有消費者群體集體維權的情況發生，才導致斷軸在微博上占有大部分聲量來源。

從傳播深度出發，我們就要看信息與網民之間的互動，也就意味著將各個媒介平臺的傳播力指標數據標準化，比如閱讀量，轉發量，點擊量，評論量及點贊量。

首先，我們可以看到，不同的媒介平臺的傳播力是不一樣的，我們根據媒介的權威性，專業性，同時結合我們汽車產品缺陷監測的特殊需求，給出不同的權重指標。綜合考慮傳播力指標對我們缺陷信息傳播影響力的不同，我們給出監測媒體的權重及不同傳播力指標的互動權重（見表2）。從而得到評價事件媒體類別上傳播深度的公式為：互動值=W*（求和（閱讀量/轉發量/點擊量）*W1+求和（評論量/點贊量）*W2）。互動總值即將所有媒體類別的得分進行匯總。

在本文的研究中，我們選取的該品牌缺陷信息在主流媒體網站的互動量非常少，可以忽略不計，由此也發現網友更愿意在具有社交功能的平臺進行進一步的溝通交流。經過計算我們得到其他各媒體平臺的互動值（見表3），我們可以很明顯地看出，微信跟汽車垂直論壇與其他兩個平臺的互動值差別特別大，可以看出目標群體已經把交互平臺轉移到了微信與汽車垂直論壇。而微博的角色更多的是成為公告板的信息獲取地，問答論壇由于沒有汽車垂直論壇的專業性和集中性，也在互動值中表現不佳。總體來看，燒機油的互動總值最高，車內異味的互動總值最低，說明燒機油問題對于消費者來說是更容易抱怨，更容易引起品牌反感的危機事件。這也就給品牌一個處理缺陷危機的很有價值性的參考。

當我們綜合考慮傳播廣度與傳播深度時，我們發現汽車異響與燒機油已經在大范圍的目標群體引起了負面信息量的釋放，這就需要品牌開始針對性的提出相關解決措施，從而挽回失去的消費者群體，重塑良好的品牌形象。

危機預警

在現實輿情環境中，我們不光需要監測已有的缺陷信息，也要快速地確認是否有新的輿情危機發生。我們會通過輿情評判體系對事件進行預判及分級，筆者通過多年的輿情監測經驗，現總結日常危機預警流程如下（見圖2）：

根據筆者的經驗，如何正確設定危機預警的閾值才是危機預警的關鍵，筆者分析了大量的原始數據，建立了多個數據模型，最終總結出了一個最敏感的閾值預測供大家參考：當每日聲量與前14日日均比的比例達到了2倍，就意味著該事件已經處于發酵初期。品牌需要做的是找出源頭，解決問題，將危機消滅于萌芽期。如果任其發展下去，則勢必成星火燎原之勢。筆者利用該模型成功預測了某品牌危機事件。

綜上我們可以看出，網絡輿情信息作為大數據時代的重要的數據來源，它的數據蘊含著巨大的價值。本文只是挑取冰山一角，選取汽車產品缺陷輿情分析來展現了整個輿情監測管理的巨大力量，從定義關鍵詞出發，到數據抓取，數據分析，并且從信息傳播的廣度跟深度出發，得出了可量化的網絡信息影響力的綜合評估情況，解決了因評估指標單一導致指標與數據源匹配度差的問題。在此理論上計算得出的汽車產品缺陷的信息傳播力比較能夠真實客觀地反映出汽車缺陷在網絡傳播中所形成的影響力的大小，同時能夠快速準確地鎖定產品質量信息、評估潛在風險程度，實現提前危機預警，為品牌推廣決策提供信息參考依據。