很可惜 T 。T 您現(xiàn)在還不是作者身份，不能自主發(fā)稿哦～
如有投稿需求，請把文章發(fā)送到郵箱tougao@appcpx.com，一經(jīng)錄用會有專人和您聯(lián)系
咨詢?nèi)绾纬蔀榇河鹱髡哒埪?lián)系：鳥哥筆記小羽毛（ngbjxym）
開局一張圖
對數(shù)據(jù)應(yīng)用感興趣的朋友們好～古牧君這次跟大家分享一下，我們?nèi)粘Ｔ诰W(wǎng)上的留言評論，都會被怎么分析利用，能產(chǎn)生哪些價值。這也正好對應(yīng)了數(shù)據(jù)產(chǎn)品的一個子類——輿情數(shù)據(jù)產(chǎn)品
首先統(tǒng)一一下定義，我們在網(wǎng)上的各種留言評論包括彈幕，統(tǒng)統(tǒng)都可以歸為輿情數(shù)據(jù)的范疇，只不過在不同人眼中，有不同的應(yīng)用價值
輿情數(shù)據(jù)的應(yīng)用可以粗略分為面子和里子：
面子，主要是政府和企業(yè)，想及時知道大家的看法，尤其是有沒有罵的；以及如果有突發(fā)**件，需要盡快的知道，最好能在初始階段就控制好源頭，不要讓事情鬧大了
里子，主要是企業(yè)，想知道消費者對他的品牌或者產(chǎn)品有什么看法，好的壞的都可以，而且越具體越好。比如一款新車上市了，車企自我感覺良好，但消費者到底買不買帳？如果不買帳的話，到底是覺得哪兒有問題，告訴我們，我們好去改
這種事情在前互聯(lián)網(wǎng)時代是怎么搞定的呢？主要靠調(diào)研咨詢公司了。他們會擬定科學(xué)詳盡的問卷調(diào)研方案，然后通過電話或者直接出街拉人頭問問題，了解廣大用戶的心聲
這種做法，肉眼可見的問題就是人工成本高，需要鋪不少人力去打電話或者訪談；同時，周期也比較長，一般都是以月為單位計數(shù)；再有，就是操作空間比較大，畢竟中間隔著好幾個人工環(huán)節(jié)，你懂的......
來到互聯(lián)網(wǎng)時代，我們有專門針對輿情的數(shù)據(jù)產(chǎn)品來解決。一共5步，就可以產(chǎn)品化自動化的給出答案。這其中政府的事兒不好說，所以就只重點介紹下企業(yè)是怎么利用輿情數(shù)據(jù)，了解消費者對自家品牌or產(chǎn)品的看法
第一步就是構(gòu)建一個圖譜，叫行業(yè)知識庫也行。這個圖譜其實并沒有很高級，一個初級的行業(yè)圖譜，一個Excel文檔可以搞定了。它的作用很簡單，就是把那些非結(jié)構(gòu)化的輿情數(shù)據(jù)，通過關(guān)鍵詞映射到標(biāo)簽，轉(zhuǎn)化為結(jié)構(gòu)化的、可以被統(tǒng)計分析的數(shù)據(jù)
一般一個行業(yè)圖譜，都會有品牌、產(chǎn)品、細(xì)分市場和關(guān)注點這4類
品牌顧名思義，就是一個行業(yè)里大部分品牌的叫法，這些關(guān)鍵詞同時還能幫你框定一個行業(yè)的基本數(shù)據(jù)范圍
細(xì)分市場你可以理解為是跟品牌進行交叉組合的一個維度or標(biāo)簽，比如汽車行業(yè)里，車型、產(chǎn)地、能源類型等都可以作為細(xì)分市場，它往往是每個行業(yè)獨有的一種劃分方式。比如寶馬跟車型進行交叉組合，就可以有寶馬的suv、寶馬的轎車等不同的細(xì)分領(lǐng)域了
產(chǎn)品是比品牌更小的一個粒度，比如寶馬x5、奧迪a6，它的粒度已經(jīng)細(xì)化到?jīng)]法再跟細(xì)分市場進行交叉組合了
最后是關(guān)注點，就是一般消費者會從哪些角度來評價一個品牌or產(chǎn)品。它可以有層級關(guān)系，比如汽車的外觀，可以進一步下鉆到具體的顏色啊、大燈啊、前臉啊什么的
具象一些，就是上面這個Excel截圖示例了。最關(guān)鍵的就是第一列的關(guān)鍵詞，品牌、產(chǎn)品、細(xì)分市場和關(guān)注點這4大類標(biāo)簽都是通過這些關(guān)鍵詞進行匹配的。比如一句話是“奧迪a1在國內(nèi)價格進一步走低”，那么它就會被打上品牌=奧迪、產(chǎn)品=奧迪a1、關(guān)注點=價格、車型=小型車、能源類型=傳統(tǒng)能源、廠商屬性=進口等一系列標(biāo)簽?？梢园l(fā)現(xiàn)，這里面有些標(biāo)簽映射關(guān)系是顯性的，比如產(chǎn)品和關(guān)注點，字面上提到了哪些詞，就會被打上對應(yīng)的標(biāo)簽；而另外一些標(biāo)簽是隱性的，依靠的就是行業(yè)圖譜，而這個行業(yè)圖譜的結(jié)構(gòu)基本都是依賴業(yè)務(wù)專家人工搭建，但關(guān)鍵詞那列會需要很多技術(shù)支持。比如同樣一個商品，官方有一種叫法，但消費者往往會賦予不同的昵稱，如果漏掉后者，就會遺漏很多輿情數(shù)據(jù)
有了一個框架，我們就可以滿世界的去爬數(shù)據(jù)了。正如上文演示，我們通過關(guān)鍵詞去匹配數(shù)據(jù)，但也需要先把控一下數(shù)據(jù)的來源。一般情況，企業(yè)都會比較重視兩微一抖，也就是微信、微博和抖音。微信指的是公眾號，這是一個很大的輿情數(shù)據(jù)來源；微博雖然大家日常很少發(fā)言了，但對于品牌宣傳來講，仍然是一個兵家必爭之地；抖音是新晉的廣告品宣投放重地，自然也不能放過。除此之外，一些行業(yè)垂直性的論壇貼吧，也經(jīng)常有高質(zhì)量、大密度的討論，自然也要搜羅進來
這些數(shù)據(jù)怎么來？對一些小廠商來說，只能靠爬蟲了，而且還經(jīng)常會被數(shù)據(jù)的擁有方通過各種反爬蟲手段屏蔽。所以這是個體力活，而且爬下來的數(shù)據(jù)量級很大，比如微博、公眾號、貼吧，很難做到全量的爬取，這就又要考驗存儲實力。所以你看，自己擁有這些數(shù)據(jù)，是多么省時省力
而且爬的時候也要挑，也有一定策略。比如微信公眾號吧，這里面有大量的自媒體，文章的標(biāo)題正文本身，就代表著作者的觀點，能量不小。比如前兩年的《騰訊沒有夢想》，著實讓騰訊的公關(guān)在夢里都得好好想想。同時，公眾號下面的精選評論，也都是網(wǎng)民的態(tài)度。那么問題就來了，有些文章，人家標(biāo)題就不會有汽車啊、奧迪啊這些詞，但正文里滿滿的都是對品牌的品頭論足，這種文章你爬不爬？還有些文章，標(biāo)題黨，蹭熱門，但正文滿不是那么回事兒，這種文章你爬不爬？還有些文章，本來是說奔馳的，結(jié)果評論翻車跑偏了，大家都聊奧迪去了，作為奧迪的廠商爸爸，這些評論你要不要？
誒......想想就頭大是不是？
然而更頭大的還在后面，數(shù)據(jù)清洗。行業(yè)圖譜階段，我們通過關(guān)鍵詞，盡量多的囊括一個行業(yè)的輿情數(shù)據(jù)，但里面有很多噪音雜質(zhì)，比如上面提到的標(biāo)題黨啊、還有各種廣告水軍，不把它們給清理干凈，你就很難聽到消費者真正的聲音
像標(biāo)題黨，我們可以通過正文去輔助判斷。交給機器學(xué)習(xí)就好了，只要文章字?jǐn)?shù)夠多，判斷它是否這個行業(yè)的準(zhǔn)確性就能足夠高；但一些評論數(shù)據(jù)就會犯難了，因為它字?jǐn)?shù)少，信息量小，這就需要用到上下文關(guān)系去判斷了。一提到上下文語義識別，就很難了，機器目前真心沒法像人一樣讀懂很多句子的潛臺詞以及上下的關(guān)聯(lián)。這種例子不僅標(biāo)題黨，一詞多義也是。比如紅牛，它既是飲料、又是個F1車隊、還是個球隊的名稱，這個詞要是出現(xiàn)在一大段文字中還好辦，也是就來一句“紅牛不錯”，你說你咋整？
好在，技術(shù)在不斷的進步，而且大數(shù)據(jù)時代嘛，大家都追求用足夠多的“好數(shù)據(jù)”淹沒稀釋那些“臟數(shù)據(jù)”，不影響大面兒上的結(jié)論就還好......
進一步，非常需要用情感模型來識別消費者的評價是好是壞。而且我們的目標(biāo)更高階一些，不僅僅要識別出消費者對品牌or產(chǎn)品的看法，還要具體到對品牌or產(chǎn)品的某個關(guān)注點的看法，這對情感模型也是一件頗有難度的事兒
比如“奔馳的外觀比較大氣穩(wěn)重，要是價格也能像外觀一樣就好了”，這句話里既有品牌詞（奔馳）、也有關(guān)注點詞（外觀、價格）、還有表達情感正負(fù)向的詞（大氣穩(wěn)重）。我們?nèi)祟愂潜容^好識別出來，這句話是夸奔馳的外觀，但對它的定價略有微詞
可對機器就比較犯難了，首先機器需要能識別出，“大氣穩(wěn)重”這個褒義詞跟“外觀”是一對兒，而不是修飾“價格”的；其次，機器還需要能理解“要是xxx也能像xxx一樣就好了”這種句式，稍有不慎就會把“價格”跟“好”湊成一對，那不就滿擰了么？～
本文為作者獨立觀點，不代表鳥哥筆記立場，未經(jīng)允許不得轉(zhuǎn)載。
《鳥哥筆記版權(quán)及免責(zé)申明》 如對文章、圖片、字體等版權(quán)有疑問，請點擊 反饋舉報
我們致力于提供一個高質(zhì)量內(nèi)容的交流平臺。為落實國家互聯(lián)網(wǎng)信息辦公室“依法管網(wǎng)、依法辦網(wǎng)、依法上網(wǎng)”的要求，為完善跟帖評論自律管理，為了保護用戶創(chuàng)造的內(nèi)容、維護開放、真實、專業(yè)的平臺氛圍，我們團隊將依據(jù)本公約中的條款對注冊用戶和發(fā)布在本平臺的內(nèi)容進行管理。平臺鼓勵用戶創(chuàng)作、發(fā)布優(yōu)質(zhì)內(nèi)容，同時也將采取必要措施管理違法、侵權(quán)或有其他不良影響的網(wǎng)絡(luò)信息。
一、根據(jù)《網(wǎng)絡(luò)信息內(nèi)容生態(tài)治理規(guī)定》《中華人民共和國未成年人保護法》等法律法規(guī)，對以下違法、不良信息或存在危害的行為進行處理。
1. 違反法律法規(guī)的信息，主要表現(xiàn)為：
1)反對憲法所確定的基本原則；
2)危害國家安全，泄露國家秘密，顛覆國家政權(quán)，破壞國家統(tǒng)一，損害國家榮譽和利益；
3)侮辱、濫用英烈形象，歪曲、丑化、褻瀆、否定英雄烈士事跡和精神，以侮辱、誹謗或者其他方式侵害英雄烈士的姓名、肖像、名譽、榮譽；
4)宣揚恐怖主義、極端主義或者煽動實施恐怖活動、極端主義活動；
5)煽動民族仇恨、民族歧視，破壞民族團結(jié)；
6)破壞國家宗教政策，宣揚邪教和封建迷信；
7)散布謠言，擾亂社會秩序，破壞社會穩(wěn)定；
8)宣揚淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪；
9)煽動非法集會、結(jié)社、游行、示威、聚眾擾亂社會秩序；
10)侮辱或者誹謗他人，侵害他人名譽、隱私和其他合法權(quán)益；
11)通過網(wǎng)絡(luò)以文字、圖片、音視頻等形式，對未成年人實施侮辱、誹謗、威脅或者惡意損害未成年人形象進行網(wǎng)絡(luò)欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法規(guī)禁止的其他內(nèi)容；
2. 不友善：不尊重用戶及其所貢獻內(nèi)容的信息或行為。主要表現(xiàn)為：
1)輕蔑：貶低、輕視他人及其勞動成果；
2)誹謗：捏造、散布虛假事實，損害他人名譽；
3)嘲諷：以比喻、夸張、侮辱性的手法對他人或其行為進行揭露或描述，以此來激怒他人；
4)挑釁：以不友好的方式激怒他人，意圖使對方對自己的言論作出回應(yīng)，蓄意制造事端；
5)羞辱：貶低他人的能力、行為、生理或身份特征，讓對方難堪；
6)謾罵：以不文明的語言對他人進行負(fù)面評價；
7)歧視：煽動人群歧視、地域歧視等，針對他人的民族、種族、宗教、性取向、性別、年齡、地域、生理特征等身份或者歸類的攻擊；
8)威脅：許諾以不良的后果來迫使他人服從自己的意志；
3. 發(fā)布垃圾廣告信息：以推廣曝光為目的，發(fā)布影響用戶體驗、擾亂本網(wǎng)站秩序的內(nèi)容，或進行相關(guān)行為。主要表現(xiàn)為：
1)多次發(fā)布包含售賣產(chǎn)品、提供服務(wù)、宣傳推廣內(nèi)容的垃圾廣告。包括但不限于以下幾種形式：
2)單個帳號多次發(fā)布包含垃圾廣告的內(nèi)容；
3)多個廣告帳號互相配合發(fā)布、傳播包含垃圾廣告的內(nèi)容；
4)多次發(fā)布包含欺騙性外鏈的內(nèi)容，如未注明的淘寶客鏈接、跳轉(zhuǎn)網(wǎng)站等，誘騙用戶點擊鏈接
5)發(fā)布大量包含推廣鏈接、產(chǎn)品、品牌等內(nèi)容獲取搜索引擎中的不正當(dāng)曝光；
6)購買或出售帳號之間虛假地互動，發(fā)布干擾網(wǎng)站秩序的推廣內(nèi)容及相關(guān)交易。
7)發(fā)布包含欺騙性的惡意營銷內(nèi)容，如通過偽造經(jīng)歷、冒充他人等方式進行惡意營銷；
8)使用特殊符號、圖片等方式規(guī)避垃圾廣告內(nèi)容審核的廣告內(nèi)容。
4. 色情低俗信息，主要表現(xiàn)為：
1)包含自己或他人性經(jīng)驗的細(xì)節(jié)描述或露骨的感受描述；
2)涉及色情段子、兩性笑話的低俗內(nèi)容；
3)配圖、頭圖中包含庸俗或挑逗性圖片的內(nèi)容；
4)帶有性暗示、性挑逗等易使人產(chǎn)生性聯(lián)想；
5)展現(xiàn)血腥、驚悚、殘忍等致人身心不適；
6)炒作緋聞、丑聞、劣跡等；
7)宣揚低俗、庸俗、媚俗內(nèi)容。
5. 不實信息，主要表現(xiàn)為：
1)可能存在事實性錯誤或者造謠等內(nèi)容；
2)存在事實夸大、偽造虛假經(jīng)歷等誤導(dǎo)他人的內(nèi)容；
3)偽造身份、冒充他人，通過頭像、用戶名等個人信息暗示自己具有特定身份，或與特定機構(gòu)或個人存在關(guān)聯(lián)。
6. 傳播封建迷信，主要表現(xiàn)為：
1)找人算命、測字、占卜、解夢、化解厄運、使用迷信方式治??；
2)求推薦算命看相大師；
3)針對具體風(fēng)水等問題進行求助或咨詢；
4)問自己或他人的八字、六爻、星盤、手相、面相、五行缺失，包括通過占卜方法問婚姻、前程、運勢，東西寵物丟了能不能找回、取名改名等；
7. 文章標(biāo)題黨，主要表現(xiàn)為：
1)以各種夸張、獵奇、不合常理的表現(xiàn)手法等行為來誘導(dǎo)用戶；
2)內(nèi)容與標(biāo)題之間存在嚴(yán)重不實或者原意扭曲；
3)使用夸張標(biāo)題，內(nèi)容與標(biāo)題嚴(yán)重不符的。
8.「飯圈」亂象行為，主要表現(xiàn)為：
1)誘導(dǎo)未成年人應(yīng)援集資、高額消費、投票打榜
2)粉絲互撕謾罵、拉踩引戰(zhàn)、造謠攻擊、人肉搜索、侵犯隱私
3)鼓動「飯圈」粉絲攀比炫富、奢靡享樂等行為
4)以號召粉絲、雇用網(wǎng)絡(luò)水軍、「養(yǎng)號」形式刷量控評等行為
5)通過「蹭熱點」、制造話題等形式干擾輿論，影響傳播秩序
9. 其他危害行為或內(nèi)容，主要表現(xiàn)為：
1)可能引發(fā)未成年人模仿不安全行為和違反社會公德行為、誘導(dǎo)未成年人不良嗜好影響未成年人身心健康的；
2)不當(dāng)評述自然災(zāi)害、重大事故等災(zāi)難的；
3)美化、粉飾侵略戰(zhàn)爭行為的；
4)法律、行政法規(guī)禁止，或可能對網(wǎng)絡(luò)生態(tài)造成不良影響的其他內(nèi)容。
二、違規(guī)處罰
本網(wǎng)站通過主動發(fā)現(xiàn)和接受用戶舉報兩種方式收集違規(guī)行為信息。所有有意的降低內(nèi)容質(zhì)量、傷害平臺氛圍及欺凌未成年人或危害未成年人身心健康的行為都是不能容忍的。
當(dāng)一個用戶發(fā)布違規(guī)內(nèi)容時，本網(wǎng)站將依據(jù)相關(guān)用戶違規(guī)情節(jié)嚴(yán)重程度，對帳號進行禁言 1 天、7 天、15 天直至永久禁言或封停賬號的處罰。當(dāng)涉及欺凌未成年人、危害未成年人身心健康、通過作弊手段注冊、使用帳號，或者濫用多個帳號發(fā)布違規(guī)內(nèi)容時，本網(wǎng)站將加重處罰。
三、申訴
隨著平臺管理經(jīng)驗的不斷豐富，本網(wǎng)站出于維護本網(wǎng)站氛圍和秩序的目的，將不斷完善本公約。
如果本網(wǎng)站用戶對本網(wǎng)站基于本公約規(guī)定做出的處理有異議，可以通過「建議反饋」功能向本網(wǎng)站進行反饋。
(規(guī)則的最終解釋權(quán)歸屬本網(wǎng)站所有)