大數(shù)據(jù)環(huán)境下網(wǎng)絡(luò)輿情分析在企業(yè)管理中的應(yīng)用研究

余宏

（豫章師范學(xué)院數(shù)學(xué)與計算機分院，南昌330103）

0 引言

1 網(wǎng)絡(luò)輿情與企業(yè)網(wǎng)絡(luò)輿情

1.1 網(wǎng)絡(luò)輿情的大數(shù)據(jù)特征

輿情是指在一定的社會空間內(nèi)，作為主體的民眾對作為客體的企業(yè)、組織、個人及相關(guān)的中介性社會事件的發(fā)生、發(fā)展和變化所持有的信念、態(tài)度、意見和情緒的總和。網(wǎng)絡(luò)輿情是社會輿情在網(wǎng)絡(luò)空間中的映射，是社會輿情的直接反映。隨著移動互聯(lián)網(wǎng)技術(shù)的廣泛應(yīng)用，人們更習(xí)慣于通過網(wǎng)絡(luò)途徑表達(dá)自己對社會熱點事件的態(tài)度和看法，網(wǎng)絡(luò)已經(jīng)成為反映社會輿情的最主要的載體之一。

大數(shù)據(jù)（Big Data）是指數(shù)據(jù)規(guī)模大到無法通過常規(guī)軟件工具在一定時間范圍內(nèi)進(jìn)行捕捉、管理和處理的數(shù)據(jù)集合。大數(shù)據(jù)不但表現(xiàn)為數(shù)據(jù)體量巨大（Vol?ume），而且具有數(shù)據(jù)產(chǎn)生的速度快（Velocity）、數(shù)據(jù)類型多樣（Variety）、價值密度低（Veracity）等特點，簡稱大數(shù)據(jù)的4V特征。由于互聯(lián)網(wǎng)的開放性，加上移動互聯(lián)網(wǎng)應(yīng)用的普及，使得廣大的網(wǎng)民和社會群體通過網(wǎng)絡(luò)發(fā)表言論、上傳多媒體數(shù)據(jù)變得空前的便捷。這使得網(wǎng)絡(luò)輿情數(shù)據(jù)呈現(xiàn)海量式增長。其次，人們通過博客（Blog）、微信、論壇等應(yīng)用平臺參與評論時不僅有文本文字，還可以是圖片和視頻等非結(jié)構(gòu)化的數(shù)據(jù)，使得網(wǎng)絡(luò)輿情數(shù)據(jù)類型呈現(xiàn)多樣性特征。再次，網(wǎng)民參與網(wǎng)絡(luò)言論表達(dá)自由度大、輿論內(nèi)容的觀點多元而且多變，由于缺乏理性引導(dǎo)，網(wǎng)絡(luò)輿情環(huán)境復(fù)雜、變化快。最后，網(wǎng)絡(luò)輿情知識并不是在互聯(lián)網(wǎng)中直接存在，而是要通過信息技術(shù)手段從海量的網(wǎng)絡(luò)輿情來源數(shù)據(jù)中經(jīng)過挖掘獲得。可見，網(wǎng)絡(luò)輿情數(shù)據(jù)具備大數(shù)據(jù)的4V特征。

1.2 網(wǎng)絡(luò)輿情的社會網(wǎng)絡(luò)化特征

1.3 企業(yè)網(wǎng)絡(luò)輿情的特征

企業(yè)網(wǎng)絡(luò)輿情是網(wǎng)絡(luò)輿情在互聯(lián)網(wǎng)空間的進(jìn)一步降維映射，是以企業(yè)為對象、事件為核心，公眾借助網(wǎng)絡(luò)對企業(yè)事件表達(dá)的多種情緒、態(tài)度和意見的集合。

在當(dāng)前社會網(wǎng)絡(luò)大數(shù)據(jù)背景下，企業(yè)網(wǎng)絡(luò)輿情主要通過網(wǎng)絡(luò)博客、新聞網(wǎng)站、論壇、社交網(wǎng)絡(luò)應(yīng)用平臺（微信、微博、QQ等）及電子商務(wù)平臺進(jìn)行傳播，這種傳播方式使得企業(yè)網(wǎng)絡(luò)輿情與其他社會網(wǎng)絡(luò)輿情一樣，具有以下共同特征：

（1）互聯(lián)網(wǎng)的無形無界及開放性結(jié)構(gòu)打破了人與人之間交流的時空限制，使得輿情信息的存在空間呈現(xiàn)開放性和虛擬性；

（2）移動互聯(lián)網(wǎng)應(yīng)用技術(shù)的發(fā)展增強了移動端信息推送功能，使得網(wǎng)絡(luò)輿情信息的傳播具有實時性；

本研究中，與≥90分組患者相比，<70分組患者LVEF較低、pro-BNP較高、住院時間更長、消化道出血更多見，心臟破裂或室間隔穿孔發(fā)生有增加趨勢。<70分組患者年齡更大、女性比例更高、因STEMI就診比例更高、急診介入治療比例更高、入院時收縮壓血壓稍低，這可能是其轉(zhuǎn)歸較差的原因。

（3）網(wǎng)絡(luò)參與主體可以通過網(wǎng)絡(luò)交互操作發(fā)表和傳播各種信息，使得網(wǎng)絡(luò)輿情具有交互性；

企業(yè)級網(wǎng)絡(luò)輿情與社會網(wǎng)絡(luò)輿情又存在一些區(qū)別：

（1）在輿情信息處理規(guī)模上：前者僅針對互聯(lián)網(wǎng)上與本行業(yè)企業(yè)相關(guān)的輿情信息進(jìn)行處理。因此，在使

社會網(wǎng)絡(luò)（Social Network）是指社會個體成員之間因為互動而形成的相對穩(wěn)定的關(guān)系體系。在社會網(wǎng)絡(luò)中，個體之間會形成“社交圈”和“興趣圈”等關(guān)系。

進(jìn)行網(wǎng)絡(luò)輿情分析的數(shù)據(jù)來源分為兩大類：一類是網(wǎng)民為表達(dá)自己針對某社會熱點事件的情緒、態(tài)度和意見而通過網(wǎng)絡(luò)發(fā)表的傾向性言論，可以是文字、圖片或視頻的形式。還有一類是反映參與輿論創(chuàng)建和傳播的網(wǎng)民之間的關(guān)系的數(shù)據(jù)。例如，網(wǎng)絡(luò)社交平臺用戶之間相互“加關(guān)注”成為“粉圈”，平臺服務(wù)器能將該類反映人際關(guān)系的數(shù)據(jù)進(jìn)行記錄，并描述成平臺用戶構(gòu)成的社會化網(wǎng)絡(luò)。以人人網(wǎng)為代表的社交網(wǎng)站用戶之間形成了“社交圈”網(wǎng)絡(luò)；以微博、知識分享平臺、消費點評網(wǎng)、團購網(wǎng)站等平臺的用戶之間其實都屬于基于興趣形成的社會化的關(guān)系網(wǎng)絡(luò)。相對于大眾網(wǎng)絡(luò)來說，這些“社交圈”和“興趣圈”對于企業(yè)進(jìn)行網(wǎng)絡(luò)營銷來說無疑有著更積極的促進(jìn)作用，優(yōu)勢更為明顯。用計算機搜索技術(shù)從網(wǎng)絡(luò)上獲取輿情原始數(shù)據(jù)時，可以通過構(gòu)建“企業(yè)信息關(guān)鍵詞詞典”，過濾出與企業(yè)相關(guān)的輿情信息，從而極大地降低企業(yè)輿情信息的處理負(fù)擔(dān)。

（2）在語料的積累和交互歷史的積累上：企業(yè)級的輿情數(shù)據(jù)往往比較集中在產(chǎn)品銷售平臺、企業(yè)的微信公眾號、官方微博及行業(yè)論壇，因此輿情數(shù)據(jù)采集比較簡單；而政府級的社會輿情數(shù)據(jù)來源是比較分散的，收集輿情資料難度大。

（3）在靶向目標(biāo)方面：企業(yè)輿情管理主要針對企業(yè)客戶、行業(yè)競爭者、合作伙伴等。相比之下，政府級的社會輿情管理范圍更廣，涉及社會的方方面面，靶向性較企業(yè)較弱。

（4）在輿情的處理方式上：企業(yè)輿情管理側(cè)重于在充分研究社會網(wǎng)絡(luò)的基礎(chǔ)上，主動對行業(yè)狀況、競爭對手動態(tài)及熱點事件相關(guān)的資訊進(jìn)行收集、分析，然后運用輿情分析的結(jié)果作出相應(yīng)的決策并實施相關(guān)的動作，以維護(hù)企業(yè)的切身利益。而政府輿情管理則重在監(jiān)督和防范，對不利于社會穩(wěn)定的輿論進(jìn)行疏導(dǎo)和處理，降低對社會的危害。

2 網(wǎng)絡(luò)輿情大數(shù)據(jù)分析方法

目前典型的網(wǎng)絡(luò)輿情分析方法主要有網(wǎng)絡(luò)調(diào)查法、基于文本內(nèi)容的輿情挖掘方法、Web使用挖掘及社會網(wǎng)絡(luò)計算等。

2.1 基于網(wǎng)絡(luò)調(diào)查的輿情分析

網(wǎng)絡(luò)調(diào)查法指的是利用互聯(lián)網(wǎng)的交互式信息溝通渠道來收集有關(guān)統(tǒng)計數(shù)據(jù)的一種方法，具體做法通常是在某網(wǎng)站或應(yīng)用平臺上發(fā)布問卷，由網(wǎng)民自行選擇填答，以獲取民眾對相關(guān)問題的態(tài)度或傾向性。

通過網(wǎng)絡(luò)調(diào)查獲取輿情信息有利于輿情管理工作化被動為主動，信息反饋及時、針對性強，便于更確切地了解網(wǎng)絡(luò)輿情的動向。缺點是調(diào)查結(jié)果的可靠性受受試者影響大，很難選取調(diào)查的“最優(yōu)抽樣”樣本。

2.2 基于文本內(nèi)容挖掘的網(wǎng)絡(luò)輿情分析

廣義上，網(wǎng)絡(luò)輿情分析包括從輿情數(shù)據(jù)的采集開始到提供輿情知識服務(wù)這一系列的過程，如圖1所示：首先是通過網(wǎng)絡(luò)爬蟲從互聯(lián)網(wǎng)上抓取輿情數(shù)據(jù)，對抓取的網(wǎng)頁進(jìn)行數(shù)據(jù)預(yù)處理，在數(shù)據(jù)預(yù)處理的基礎(chǔ)上抽取文本特征項并對文本進(jìn)行建模；然后利用數(shù)據(jù)分類和聚類等算法進(jìn)行輿情知識的挖掘；最后將分析結(jié)果以可視化、易理解的形式提供給用戶。

圖1 基于內(nèi)容挖掘的網(wǎng)絡(luò)輿情分析流程

上述過程除了要用到搜索引擎技術(shù)和自然語言處理技術(shù)外，最核心的技術(shù)包括網(wǎng)絡(luò)輿情話題發(fā)現(xiàn)與追蹤技術(shù)、網(wǎng)絡(luò)文本情感傾向性分析技術(shù)。

網(wǎng)絡(luò)輿情話題發(fā)現(xiàn)與追蹤指的是從互聯(lián)網(wǎng)上眾多討論話題的海量信息中找到熱點、敏感話題。傳統(tǒng)的做法是抽取文本關(guān)鍵詞作為文本特征，通過關(guān)鍵詞的相似性度量來進(jìn)行文本的聚類，但該方法產(chǎn)生的話題準(zhǔn)確性和可讀性不高。有學(xué)者提出將文本聚類問題轉(zhuǎn)換為話題特征聚類問題，并依據(jù)事件語言文本信息流進(jìn)行重新組織和利用，實現(xiàn)了話題的發(fā)現(xiàn)與追蹤，且話題分類的準(zhǔn)確度和可讀性大為提高。

文本情感傾向性分析主要借助包括自然語言處理、機器學(xué)習(xí)、文本挖掘等計算機智能技術(shù)計算出網(wǎng)絡(luò)評論者的情感傾向。其中，支持向量機算法、樸素貝葉斯算法和基于字符的N-Gram模型這三種標(biāo)準(zhǔn)的監(jiān)督機器學(xué)習(xí)方法被證明是較好的情感分類算法。而且，文本內(nèi)容越短，其情感分析效果越好，這主要是因為長文本中所包含的不利于情感計算的噪音數(shù)據(jù)較多。

2.3 基于WWeebb使用挖掘的網(wǎng)絡(luò)輿情分析

網(wǎng)絡(luò)用戶在進(jìn)行網(wǎng)頁瀏覽和使用搜索引擎進(jìn)行信息搜索時都會在服務(wù)器上留下“足跡”，包括用戶的IP地址、訪問時間、訪問頁面的URL地址、搜索詞等日志信息。

根據(jù)Web瀏覽日志采集被高頻訪問的網(wǎng)頁樣本進(jìn)行聚類，根據(jù)聚類結(jié)果，選取用戶所關(guān)注的熱點頁面簇進(jìn)行特征詞抽取并構(gòu)建頁面簇特征向量，然后對全部網(wǎng)頁使用頁面簇特征向量進(jìn)行二次聚類，得出與熱點頁面相關(guān)度更高的網(wǎng)絡(luò)輿情網(wǎng)頁集，進(jìn)而可以了解網(wǎng)絡(luò)輿情的變化趨勢。

通過搜索日志記錄的某段時間的搜索詞進(jìn)行分析，可以推理出網(wǎng)民關(guān)注的熱點動向；通過對網(wǎng)絡(luò)用戶點擊瀏覽的搜索結(jié)果相關(guān)頁面進(jìn)行聚類分析，可以發(fā)現(xiàn)熱點事件及網(wǎng)絡(luò)輿情產(chǎn)生、變化的源頭。谷歌就通過搜索引擎服務(wù)器里記錄的搜索日志分析成功預(yù)測了禽流感爆發(fā)的時間和規(guī)模。

2.4 基于社會網(wǎng)絡(luò)計算的網(wǎng)絡(luò)輿情分析

所謂社會網(wǎng)絡(luò)計算就是通過計算機技術(shù)對社會數(shù)字軌跡進(jìn)行智能分析，了解社會已經(jīng)發(fā)生，監(jiān)控正在發(fā)生和預(yù)測將要發(fā)生的事情，為虛擬網(wǎng)絡(luò)社會的科學(xué)管理提供有效的參考依據(jù)。

在社會網(wǎng)絡(luò)中，有一大類是社交網(wǎng)絡(luò)，這類網(wǎng)絡(luò)的用戶，不但有內(nèi)容，用戶之間還相互關(guān)注、評論、轉(zhuǎn)帖，用戶之間的這種相互“關(guān)注”關(guān)系可以采用結(jié)構(gòu)圖來表示。在不同的社會網(wǎng)絡(luò)中，把內(nèi)部聯(lián)系緊密、外部聯(lián)系稀疏的一群用戶稱為社區(qū)，它代表著不同應(yīng)用領(lǐng)域的實體關(guān)系群。在社區(qū)中信息傳播的速度更快，社區(qū)中的網(wǎng)絡(luò)輿情主體之間進(jìn)行頻繁聯(lián)系，例如關(guān)注、評論、轉(zhuǎn)帖等互動過程，從而會產(chǎn)生社區(qū)輿論的“意見領(lǐng)袖”，他們很大程度上決定著整個社區(qū)的輿論走向。因此，從浩大的社會網(wǎng)絡(luò)中通過社區(qū)發(fā)現(xiàn)算法（如LCA算法）挖掘出高質(zhì)量的社區(qū)；以及從社區(qū)中找出意見領(lǐng)袖是社會網(wǎng)絡(luò)計算的基本任務(wù)。

3 網(wǎng)絡(luò)輿情分析與企業(yè)管理的結(jié)合

在互聯(lián)網(wǎng)大數(shù)據(jù)時代，新媒體已經(jīng)成為公眾表達(dá)訴求的重要平臺與載體，特別是隨著移動互聯(lián)網(wǎng)技術(shù)的不斷創(chuàng)新和自媒體的快速發(fā)展，公眾關(guān)注社會熱點事件更加的便利，輿情信息的負(fù)向效應(yīng)容易迅速放大，從而引發(fā)熱點輿情事件。企業(yè)如果在輿情分析與應(yīng)對方面滯后，容易導(dǎo)致企業(yè)聲譽受損、經(jīng)營業(yè)績下降，給企業(yè)帶來重大負(fù)面影響。因此，如何全面、及時、準(zhǔn)確對網(wǎng)絡(luò)輿情信息進(jìn)行有效監(jiān)測，提高網(wǎng)絡(luò)輿情管理能力，是當(dāng)代企業(yè)保持良好形象、維護(hù)品牌口碑、提高市場銷售業(yè)績及促進(jìn)企業(yè)穩(wěn)健發(fā)展的重要戰(zhàn)略。

3.1 基于網(wǎng)絡(luò)輿情分析實現(xiàn)品牌危機管理

企業(yè)的品牌危機管理不是等到危機出現(xiàn)以后才去匆忙應(yīng)對，而應(yīng)該在企業(yè)的日常管理中有一套監(jiān)測和預(yù)警機制。企業(yè)可以根據(jù)自身所處的行業(yè)性質(zhì)、所生產(chǎn)的產(chǎn)品和服務(wù)以及企業(yè)品牌等相關(guān)信息確定輿情監(jiān)測的主題。利用主題特征關(guān)鍵詞對各大門戶網(wǎng)站新聞評論、論壇、大眾點評網(wǎng)、微博平臺等容易形成突發(fā)輿情事件的“爆發(fā)點”進(jìn)行布控，通過基于內(nèi)容的主題網(wǎng)絡(luò)輿情挖掘技術(shù)識別出某個時間段出現(xiàn)的有關(guān)本企業(yè)形象和品牌的熱門話題并對其進(jìn)行追蹤。一旦鎖定某輿情事件與本企業(yè)有關(guān)，接下來就要把握輿情事件的輿論動向，通過輿情文本情感傾向性分析技術(shù)了解網(wǎng)絡(luò)民眾對突發(fā)事件的態(tài)度和立場，從而為制定危機應(yīng)對策略提供依據(jù)。企業(yè)在采取了相關(guān)應(yīng)對措施后，可以通過網(wǎng)絡(luò)輿情主題跟蹤技術(shù)，分析近段時間新發(fā)表和轉(zhuǎn)發(fā)的文章、帖子的主題及文本的情感傾向性是否與輿情事件爆發(fā)初期相同，從而觀察和確定消費者、公眾和媒體等方面的輿論關(guān)注點、態(tài)度的變化，如果發(fā)現(xiàn)危機得到緩和，要采取措施轉(zhuǎn)移事件的關(guān)注點，以恢復(fù)和提升品牌形象。

3.2 基于網(wǎng)絡(luò)輿情分析實現(xiàn) .2 BB營銷

與傳統(tǒng)的B2C營銷模式相反，C2B（Customer to Business）是從消費者到企業(yè)的商業(yè)模式，即先有消費者提出個性化需求，后有企業(yè)按客戶需求進(jìn)行產(chǎn)品定制化生產(chǎn)。在傳統(tǒng)環(huán)境下，企業(yè)為單個用戶量身設(shè)計和定做一件產(chǎn)品的成本非常高企、價格昂貴。但隨著Web2.0的發(fā)展，在社會網(wǎng)絡(luò)大數(shù)據(jù)環(huán)境下，具有相同需求的消費者形成一個特殊的網(wǎng)絡(luò)子群，群里的用戶可以團購定制某個特殊產(chǎn)品，訂購數(shù)量達(dá)到一定規(guī)模后，就能達(dá)到降低生產(chǎn)成本和售價的目的，從而使得企業(yè)采用C2B營銷模式實現(xiàn)盈利成為可能。

因此企業(yè)首先需要通過社會網(wǎng)絡(luò)計算，從浩大的社會網(wǎng)絡(luò)中挖掘出對某類產(chǎn)品有共同興趣的用戶群；接下來需要采用情感傾向性分析技術(shù)，對“興趣圈”子群內(nèi)客戶發(fā)表的輿情信息（如客戶對產(chǎn)品或賣家的相關(guān)評論）進(jìn)行挖掘以了解用戶的意圖；企業(yè)還可以參與興趣用戶群的討論，并優(yōu)化企業(yè)輿情管理。

3.3 基于網(wǎng)絡(luò)輿情分析實現(xiàn)信息推薦系統(tǒng)

當(dāng)今，互聯(lián)網(wǎng)已成為人們獲取信息的重要途徑，然而互聯(lián)網(wǎng)上的“信息泛濫”使人們很容易在海量的信息中迷失，商品信息推薦系統(tǒng)就是要根據(jù)用戶的不同需要、興趣、習(xí)慣等個性化因素，向用戶提供差異化的商品或服務(wù)以滿足用戶的個性化需求。其核心就是通過采集和分析用戶信息來獲取用戶的偏好特點和行為模式，然后把滿足該特點和模式的商品或服務(wù)信息傳送給潛在目標(biāo)用戶，以解決“信息泛濫”的問題。

常用的推薦方法有基于Web使用日志挖掘進(jìn)行關(guān)聯(lián)推薦和社會網(wǎng)絡(luò)信任關(guān)系推薦。例如，通過分析用戶在Web日志、搜索日志及購物清單中留下的瀏覽、搜索、購買商品的“痕跡”，獲取用戶的購物習(xí)慣、偏好及潛在需求商品的屬性，然后利用關(guān)聯(lián)規(guī)則技術(shù)找出與該商品屬性相似的產(chǎn)品，并在用戶瀏覽商品時進(jìn)行自動推薦。像京東商城、亞馬遜和天貓等就是采用該方法進(jìn)行商品個性化推薦。

社會網(wǎng)絡(luò)個性化信息推薦可以分為用戶之間的信息推薦、及企業(yè)對用戶的信息推薦。社會網(wǎng)絡(luò)中潛藏著用戶之間的信任關(guān)系，信任關(guān)系強的用戶之間預(yù)示著他們之間進(jìn)行信息傳播更便捷、更頻繁。因此挖掘出群體用戶之間的行為依賴關(guān)系有助于社會網(wǎng)絡(luò)中信息的個性化推薦的應(yīng)用。另外，通過社會網(wǎng)絡(luò)計算找出興趣群社區(qū)中的權(quán)威用戶，企業(yè)管理者可以和發(fā)現(xiàn)的權(quán)威用戶建立友好關(guān)系，讓其經(jīng)常轉(zhuǎn)發(fā)或評述與企業(yè)有關(guān)的正面信息；而對于企業(yè)的負(fù)面信息，力爭使權(quán)威用戶的鄰居少進(jìn)行或不進(jìn)行擴散。

4 結(jié)語

隨著Web2.0技術(shù)的廣泛應(yīng)用，網(wǎng)絡(luò)用戶成為互聯(lián)網(wǎng)內(nèi)容的創(chuàng)造者，可以輕松發(fā)布關(guān)于企業(yè)動態(tài)的信息，表達(dá)自己的情緒和意見，反饋使用產(chǎn)品的體驗等企業(yè)輿情信息。同時，由于網(wǎng)絡(luò)用戶的社會網(wǎng)絡(luò)化特征，網(wǎng)絡(luò)用戶發(fā)布的網(wǎng)絡(luò)輿情信息會推送至“社交圈”、“興趣圈”內(nèi)的好友與關(guān)注者，并通過他們的轉(zhuǎn)發(fā)、分享等操作傳播至更廣的范圍，從而給企業(yè)的品牌聲譽和經(jīng)營效益產(chǎn)生重大影響。為此，企業(yè)應(yīng)該對與自身相關(guān)的網(wǎng)絡(luò)輿情進(jìn)行密切監(jiān)控與引導(dǎo)，降低負(fù)面輿情對企業(yè)的影響；通過對企業(yè)網(wǎng)絡(luò)輿情的深入分析，挖掘出有價值的輿情知識服務(wù)于企業(yè)的管理創(chuàng)新。