#社会化媒体评估#指南针：粉丝数量之外，企业利用社会化媒体的评估是多方面的，下面的图包括了：①产品创新②品牌健康③营销优化④收益⑤执行效率⑥客户体验，要想全面评估这六点是少不了，只可惜国内还没有太多的工具，社会化媒体分析和评估工具大有可为！

①产品创新

评估优化对产品创新的贡献，通过社会化媒体工具，可以让用户参与到产品设计中去，星巴克就有专门的众包社区，让用户帮助企业改进产品，优化服务，说不得你下一款产品的推出得益于某个用户的点子；

上文，我们提到了关注数和粉丝数的比率，通过这个比率，我们可以大概估计一个用户当前的类型。下面，我们再来聊一聊微博数和上两个数据的关系。我们聊这个关系的时候，一个需要格外注意的要素，就是统计的周期，在一个限定的周期内来说明三个数据间的关系，可能更有意义。

我们来看看下面几种情况。（我们只挑两种较有代表性的情况来分析）

一. 一种较特殊的情况：一个比较新的ID，粉丝数迅速增长，微博数还很少。（统计周期假定为一周）。

在讨论这种现象之前，我们要去除掉名人、知名企业等这一类用户。我们就看普通用户，当他出现这个现象的时候，大概是怎么回事。我在新浪微博上，至少看到过多个这样的ID，他们几乎在几天之内，在发布的微博数还不超过100的情况下，粉丝数就达到了1000以上。这么高的粉丝数，是多数人可望而不可即的。经过观察，我发现，这类ID，大多在使用微博诱饵来引发其他ID的关注。微博诱饵与链接诱饵的本质是相同的，只不过，在结果上，链接诱饵是引发点击和流量，微博诱饵，则是引发关注。比如，上周，新浪微博上的一个新ID，他发布了一条微博，内容是，只要关注他的ID，关注者就会获得一份国内IT界名人的通讯录。这条微博被迅速地大量转发，几乎在一天之内，就获得了超过1800多个关注。

对于这样的ID，企业是否该把他作为关键人物呢？我的意见是要慎重。即使抛开道德、作弊等因素，这样吸引来的关注，其质量也值得怀疑。也就是说，当诱饵不再时，这个ID是否还有影响力，这是个问题，而那些为了利益而来的关注，其持久性也难以定论。但是，我们也不要急于完全否定这样的ID，我们可以适当在一个较长的周期内来观察其后续的行为，在某些情况下，这样的ID，也可能是一个策划奇才，尤其当他发布的诱饵，并非恶性炒作或恶意作弊时，这个人的话题能力，也可能是超强的。其影响力可能会逐步踏实。

二．一种较普遍的情况：关注数较多，微博数也很多，而粉丝数相对较少。

这种数据构成的ID，在数量上看是比较多的。也就是说，这种ID是微博上普遍存在的一种ID。如果在一定的周期内，这种数据构成变化不大的话，我们可以称其为较稳定的活跃ID。一般来说，这种ID活跃度和参与度，还是很好的，影响力则不是很大。我想这完全可以理解，毕竟，大多数的人不是具有影响力的人。

对于这样的ID，企业是否需要关注呢？这样的ID，我们还需要深入一点进行考察，而这个考察，重点应放在两个方面，即这个用户的Content Consumption和Content Contribution是如何的。考察一个用户喜欢（消费）什么内容，其自身又在贡献什么内容，是我们在社会化媒体上研究一个用户行为的最重要的两个方向。实际上，今后我们也将在别的分析中多次提到这两个方面。那么，回到刚才的问题，如果，一个用户，他是较稳定的活跃用户，他喜欢消费的内容（多数可以从他的评论、转发中看出来）以及他贡献的内容（他所发的微博）是与你的产品或服务相关的，那你就必须关注他，这些人，也许是普通的消费者，也许是客户中的长尾。可是，为什么我们要关注这些表现较为普通的ID呢？

前面我们曾经说，关注关键人物，是非常必要的，但我们也必须清楚，让关键人物发挥作用，也是最难的。另一方面，说服一个关键人物的难度，要远远大于说服一个普通人物。事情总是两难啊。就像你选择社会化媒体进行营销，你觉得终于可以和消费者们进行双向交流了，但你就必须要面对用户的直接的负面评价了。所以，关键人物需要关注，普通用户，实际也需要关注，只不过，普通用户，他们是通过小圈子来帮你传播罢了。

最后补充说一个平均数，也就是日发微博的平均数。如果我们统计一个ID从开始到现在总的日微博平均数的话，这个意义是不大的。所以，把统计周期设定为一周，然后，连续看每周的日平均发微博数，这样较能反映问题。如果这个连续的平均数数值都比较大，说明用户活跃程度高。反之则活跃程度低。然后，我们看每周的平均数的波动幅度，波动幅度小，说明用户稳定度较好，忠诚度较高，波动大，尤其当连续数据呈下降趋势时，则说明，该用户对微博的使用不稳定，甚至可能是短期用户。

下一篇，我们重点看看微博数，和辅助数据，如评论数、转发数之间的关系。

本文是一篇读者投稿，来自老黑。互联网信息监测从业者，社会化市场研究（自称为市场研究2.0）探索者。从事市场研究多年后兴趣转向互联网信息监测与深度研究。现就职于北京EverMotion（瑞意恒动）。喜欢户外，喜欢机械类DIY，喜欢英语语法和汉语古文（可惜后者没有好好琢磨过）……msn：haihongliang#hotmail.com，希望和大家多交流!

iWOM监测中有一个重要的功能就是信息的态度判断。国内建有监测系统的各家公司目前在这块有强调自动判断的，也有强调人工分拣的，当然也有两者相结合的。但几乎所有的公司都将机器自动判断作为以后的一个大方向。理由很简单，电脑就是模仿人脑的，人脑可以做的事情，后续必须陆续交给电脑。只有这样才能提高效率，降低成本。而且较多的技术人员会将之所以现在还在采用人工判断，不是因为技术本身的问题，更大程度上是文本差异的问题。因为大家会想当然地认为在文本相对简单的英文语境中机器自动判断的准确率会更高。

但真实的情况是怎样呢？

social media explorer上Jason Falls的一篇文章给出了我们阶段性的答案。文章中用监测系统Sentiment360的对比结果来做说明，话题是围绕国外一个电视节目。具体方法是没有人工的情况下抓取了特定一月的话题50000条，看其态度判断情况。然后从中抽样3000条（抽样比例达到6%，抽样误差应该低于3%），做人工判断。具体对比结果如下：

从结果我们看到两者相差50%左右。机器自动判断情况下，Passive（可认为是中立）的比例高达84%，但人工的情况下只有30%。Promotor（可认为是好评）比例自动判断情况下是11%，但人工情况下是63%。这种差异的巨大让人震惊。如果我们相信“错误的数据不如无数据”的话，那么机器自动判断完全应该直接放弃掉了。这还没完。作者文中还指出，自动抓取的数据中不相关的数据有23%（说实话，这一比例相对于国内一些系统的抓取相关比例来说算是好多了。主要原因笔者揣测跟其测试中没有要求信息的完整性 – 即将当期的数据全部抓完有关（数据的高覆盖率是监测系统必备的又一个特征））。中性信息比例过大，无用信息比例过大可能是机器自动识别短期内无法去除的弊端。

人工分析的重要性

等于即使在英文语境情况下，如果没有人工分析，机器出来的可能是完全的“错数据”。用这种数据来做决策是很可怕的。按我们通常人的习惯可能会得出的结论是：那还是说明系统智能化不够，需要再升级。但Jason Falls却说，有可能我们一开始让机器去做这类事情可能就是有缺陷的。但是在人工的情况下，不可避免的就是费用和效率问题。这点Jason Falls谈到的一些美国经验就是外包（outsourcing）。相信大家对这点都不陌生。而且提到了美国现在有些公司已经将人工分拣这块外包给国外一些英语发达的国家，例如菲律宾。

小结

纵观Jason Falls的这篇文章，我觉得对国内做舆情、口碑监测的系统的最大启发是：与其近最大可能地去完善机器自动分拣，还不如在操作流程，系统远程操作（包括便利性、安全性）等方面去下功夫。很简单，机器自动判别短期内可能是一个死胡同，操作流程的提高是效率和质量的保证；而系统远程操作可以为以后的外包打基础。看看目前大城市的call center都不断在外迁的现实，就可以看到从长远来说，舆情、口碑监测这块的人工外包会成为以后的一个趋势。

前面的两篇（1 2）博客，我们分别介绍了微博的三个基础数据和三个辅助数据。我们说，看懂这些数据，能在很大程度上帮助我们找到微博上的一些关键人物。而这些关键人物可能就是引发口碑的按钮。企业要进行微博营销，在前期，一个很重要的工作，就是建立关键人物的筛选清单（这个清单是动态添加或删除的），有了这个清单，你的微博营销，才能有针对性，才会形成注意力，否则，你会面对浩如烟海的微博ID做望洋兴叹状。

这里我要说下筛选关键人物的范围。

首先，从现有客户里筛选是必须的。也就是，在你的现实客户里，如果已经有一些人拥有了微博ID，那你就一定先筛选他们。

其次，从潜在客户里筛选，也是非常必要的。你要根据你的产品或服务的目标客户群，来筛选那些可能成为你的客户的微博ID。这是筛选的范围。在筛选的过程中，你可以根据三个基础数据，进行初步的筛选，确定需要进一步跟踪和分析的名单，这个过程要快一些。

然后，再通过对三个辅助数据的跟踪和分析，进一步明确可能的关键人物，逐步把注意力，集中到那些真正值得你发展的，或关注的ID上去，这个过程，可能稍微要漫长一点，因为可能需要你开始进行相关的统计了，但以后，你会发现，花费这个时间，还是值得的。

这些筛选，是你即将开始的微博营销的基础，你最终的目的，是要开始和他们沟通，并融入到他们当中。通过这种沟通和融入，你要与关键人物们建立一种社区关系（朋友），要记住，这不再是一种纯粹的商业关系，如果你想让他们真正实现口碑，就要通过这种关系使他们自觉自愿地参与到你的营销活动里来，这个问题会比较复杂，我们以后再详细讨论。我们现在，还是来说数据，我们要说一说，前两篇中讨论过的那些数据，如果综合起来看，还能告诉我们一些什么。

我们先把基础数据综合一下来看。

我们曾经说过的三个基础数据是：关注数、粉丝数、微博数。我们曾经在前面分别解读了这三个数据。现在，我们把它们综合起来看一下。

综合看关注数、粉丝数和微博数

关注数、粉丝数和微博数，都是一些数值型的统计指标，其表达的含义是直接的。为了进一步了解数据后面的秘密，我们现在开始需要设定一些比率指标，并通过这些比率来说明一些间接的含义。（注意：观察比率的前提是，你选择的博客ID的数据是比较丰富的，至少在某一项上，是丰富的，而所有数据量都非常小的ID，不具有考察价值）

上一篇博客，简单跟大家介绍了一下微博上的三个基础数据，这一篇，跟大家继续解读三个微博上的辅助数据：评论数、转发数和收藏数。

三个辅助数据

微博的辅助数据与上次介绍的三个基础数据有所不同。基础数据是显示一个微博ID在微博上的整体活动状态的，而辅助数据则显示的是单独一条微博的活动状态。也就是说，相对于微博的基础数据，辅助数据更微观。辅助数据实际上反应的是由一条微博所引发的，由其他微博ID参与的一系列互动行为，也就是我们常说的社会化媒体上的双向“对话”。而这些互动行为，才是微博的活力源泉。

如果说通过基础数据，我们开始对某些微博ID背后的人有了一个初步的印象，而这个印象还有些模糊、不确定，还只是描述了一个微博ID的轮廓，那么，通过对辅助数据的观察，你才可能更清楚地看到一些细节，也就是说，辅助数据，它能比较具体地反映一个人的人脉、影响力和传播效率。

如果你想更进一步了解这个ID，那么你下面要做的，就是统计了。因为辅助数据反映的是单条微博的活动状态，你想了解一个人的全貌的时候，你需要把这个ID的辅助数据加以汇总，比如，你可以统计这个ID所发的所有微博的总的评论数是多少（希望将来能有相关的微博统计分析工具）。这样，再配合上基础数据，你就可以更清楚地了解这个ID的影响力如何，传播效率又如何。总之，对辅助数据的统计及分析，能让你的观察结果变得更清晰。

下面我们从信息和人脉这两个角度，把三个辅助数据分别来解读一下。

评论数。评论数是其他微博ID对某一条微博的评论的数量。一条微博评论数的多少，它反映了什么情况呢？首先，从信息（内容）的角度，它至少可能反映两方面的情况，一是博主原创能力如何（信息质量），二是博主在原创能力不高的情况下，眼光是否敏锐、独到（话题能力），是否总能找到引发讨论的话题。其次，从人脉的角度，评论数的高低，还反映博主对fans群的影响力如何。我们知道，有的微博内容也没有什么出奇，但因博主人脉广泛，依然能引来相当多的“友情评论”，比如“抢沙发”之类的评论，这说明博主对fans具有一定的影响力。那么，汇总的评论数，主要反映的也就是博主的原创能力、话题能力和影响力（人脉）。

其实这是最近在工作中的一点小感慨：所采访的一家公司，非要闹着把新闻报道改成公关软文的样子，一切与他们公关宣传的原有设想不一样的地方，即使是很小的、毫无负面影响的细节，也不想放过，可真叫人哭笑不得。我跟他们说，读者都不是傻子，你把个好好的报道改成软文样子，大家看两眼就知道是假的，对你们而言又有什么好处？之前搜资料的时候也随手搜到了这家公司某个店的大众点评页面，点评很少，而且竟然有60-70%的点评是负面的，而且公司没有给出任何回应。据我所知这家公司的服务其实还不错，但如果潜在用户看到这样的评论页面，十有八九是要投奔他们的竞争对手了。这家公司在网上的宣传力度并不弱，在社会化媒体上也有动作，但是从对待新闻报道和冷清且负面的大众点评页面来看，其沟通态度还是典型的单方向传播，只是把自己想说的东西强制性地表达出去，疏于聆听用户的意见。

社会化媒体时代首先要学会聆听用户

其实社会化媒体营销这事，和传统公关部门的思维不是太对路。要进行社会化媒体营销的公司，由谁来负责这个工作，是个问题。难点一在于，市场部和公关部成员大多还习惯于让别人听自己说的，没有意识到社会化媒体的时代，聆听用户的意见才应该排到首位；难点二在于，要使社会化营销产生效果，单是市场部或公关部的人员参与是不够甚至不行的。

来看看榜样的做法：戴尔全球副总裁马尼什·梅赫塔在接受采访时说，戴尔在全球有一个专门的社会化媒体和社区部门，负责戴尔的社会化媒体战略、投资、培训、评估和全球化等大方向，这个部门和中国本地的工作人员一起合作，摸索出适合中国地区但又符合公司整体战略的本地社会化媒体战略和策略。

而在戴尔中国社会化媒体营销的实施阶段，是一个跨部门的团队在合作，成员包括企业传播部，市场部，技术支持部，客户服务部和销售部。这个团队构成颠覆了传统营销团队的概念，大家的背景很不一样，而且很多人以前从来没有做过营销。马尼什·梅赫认为这样反而使得他们的心态轻松，自然真实。来自Dachis Corporation的Peter Kim认为，很多市场营销人员担心社会化媒体营销会改变企业营销部门的组织构架，戴尔的例子印证了这个观点。

社会化媒体上的聆听将改变组织架构

最后翻译一篇来自Chris Boudreaux，一位在社会化营销领域经验丰富的埃森哲经理的文章“社会化媒体上的聆听将改变组织架构”。在新的传播环境下，会发生变化的将不仅仅是营销部门。当然，解决方案是见仁见智的，作者在文中也并没给出定论，欢迎大家一起讨论这个话题。

为了让投资回报率最大化，那些积极地在社会化媒体上聆听用户对话的组织认识到他们的角色、工作职责和架构设计需要发生一些改变了。

首先，你需要一支能利用各种工具“聆听”的队伍，以及将聆听的结果顺利传递到组织其他人那里的一套机制。于是问题出现了：这个聆听队伍应该属于哪个部门？市场部、销售部、客服部或者其他什么地方？

最近IBM推出一款名为SPSS数据挖掘与文本分析工作台建模器（SPSS Modeler data mining and text analytics workbench）的社会化媒体工具。该工具通过分析来自微型博客Twitter、博客网站和其它网络服务的数据，测算出消费者的sentiment（情感）。IBM称，包括海军联邦信贷协会（Navy Federal Credit Union）、语言软件提供商Rosetta Stone和广告公司Money Mailer都已采用该款软件，来掌握消费者对它们的品牌、产品和竞争对手的好恶程度。该款软件还可被政治团体、营销与广告机构、调研公司、以及诸多的组织和实业所使用。

IBM表示，来自社交网络的数据能够与软件内部数据进行融合，创造出关于消费者的更精确的情报。该公司表示，“机构将能够把所有的结构化资料与各种来自文件、电子邮件、呼叫中心记录、以及社交媒体的文本信息结合在一起。”

已在使用IBM这款软件的企业，主要用其来改善客户关系管理（CRM），为产品和营销做出更具有针对性的选择。Rosetta Stone战略研究与分析副总裁尼诺·尼诺夫（Nino Ninov）表示，“预测分析使我们能够调节主动和无偏见的消费者反馈，并从战略上改变我们的业务。我们当前还能够监控竞争对手和产业的网站，以更好的理解公众对我们竞争对手的认识情况。”

不过作为一个高级产品，SPSS数据挖掘与文本分析工作台建模器对小企业来说太过于复杂和昂贵，界面不够直观和有好，但对于大型公司来说，这款工具能够很好地满足他们的需求。那么接下来就简单介绍下这款软件的神奇之处吧！

学会倾听，这是进行社会化媒体营销的第一步，这一点不用多说了吧?昨天和艾颂聊到社会化媒体分析这个话题，社会化媒体分析也是始于倾听。那么，怎么才能有效倾听，让自己的倾听工作变得可持续，可控制以至帮助品牌达到商业目的呢?在制定计划之前我们首先来了解下社会化网络上对话的五个W:

WHAT—-人们在讨论什么?关键的对话是什么?
WHEN—-这些对话是什么时候发生的?(包括历史的和实时的)激烈程度如何?
WHERE—- 这些对话发生在哪里?激烈程度如何?
WHO—-什么人在讨论?他们的影响力如何?
WHY—-他们为什么讨论你？积极的还是负面的？

下面我们整理了六个步骤,每个步骤罗列了一些你需要回答的问题,也许对你在制定社会化媒体监测计划的时候有所帮助:

1. 选择需要重点监测的领域

• 你是否只是监测特定的品牌?
• 对你的品牌来说,哪些监测关键字是最重要的,为什么?
• 你期望社会化媒体监测帮你做什么或者了解什么?
• 在这一点上,你是否需要做竞争对手和行业分析?
• 什么样的业务领域可以从理解社会化网络上的评论和谈话获益？
• 是否有特殊的措施或者市场活动能让你去独立跟踪监测?

2. 制定你的目标和评估标准

• 你希望通过社会化媒体监测达到什么目标?更明确一点,比如” 我们要找出在社会化媒体上出现的客户服务问题并反馈给给我们的线下渠道。”
• 何时制定?
• 哪些可以作为制定这些的基准,现状如何?
• 哪些是评估社会化媒体监测成功或者说明正在向着目标靠近的要素?
• 哪些用以说明进程的测量标准是可以追踪和评估的?
• 与在其他领域的评估有什么关系,比如说在客户服务,市场营销,产品开发等领域. 

在社会化媒体的监控和管理中，最为困难的一项任务就是情感分析。之前我们也有一篇企业如何利用情感分析提升价值的文章.Radian6提供的监控工具中的情感分析是需要人工分析的，一周的耗时也在10小时以上。有鉴于此，笔者尝试了许多监控工具，在这里与大家分享使用经验。

1. Radian6
一直在这个行业处于领先定位，优势在于他们引进了the most results并且提供了一系列的很好的工具，不过缺点就在于情感分析方面存在不足。不过使用者还是必须知道他们有着很棒的团队，也有着优秀的维修/支持网络。
价格-起价在500美元/月和100美元/用户

2. Scout Labs
一个十分优秀的软件，拥有众多的很棒的功能，而且一个简洁的仪表盘上显示所有的监控数据，同时其“智能引擎”还可以过滤掉搜索结果中的垃圾内容。界面类似于Addict-O-Matic，但是其工具更具可操作性，同时也有一个小巧实用的引用工具，可以以截图的形式显示相关内容。由于用户人数不受限制，所以这个工具可以很容易地被客户服务、产品营销等多部门分享。

不过不足在于，与Radian6相比，这个工具提供的结果会少很多，不过其提供的自动情感分析的效果与人工的情感分析相当。同时，还有一些显示交谈分享的简易图。
价格-起价199美元/月 用户数量不限