用什么监测工具可以进行微博舆情监测？

专业的微博舆情监测工具，推荐使用五节舆情，它可以对微博信息进行专业的分析：

1）通用分析，趋势分析，负面情况，地域分析等，top10等，可以分析微博的各个维度

2）微博评论分析，可以针对某些用户，进行定向微博评论分析，对评论进行舆情分析

3）针对微博评论，可以进行VOC分析，即进行客户之声聆听，进行聚类分析，抽取主流观点，并汇总分析

目标人群的“画像”信息提取

（1）目标人群的年龄分析

3位作家单条新媒体文章对应粉丝年龄分布

从上图可以看出，韩寒、郭敬明和李尚龙的微博粉丝的年龄段主要集中在“19-24岁”这个区间，这是“第一集团“，而“第二集团”是“25-34岁”这个年龄段区间，而韩寒的粉丝年龄段“第一集团“和”第二集团“人群相差无几，不过这也好解释，他的文风犀利但有深度，有自己的人生哲学（对比《后会无期》与《小时代》系列、《你只是看起来很努力》即可知）俘获广大80后粉丝有关。

综上所述，该公众号主要面向人群是19-24岁这个年龄段的人群，次要人群为25-34岁，据一般常识判断，粉丝群体应涵盖学生群体（高中生、大学生）、白领群体。

（2）目标人群的性别分析

3位作家单条微博对应的粉丝性别分布

据上图可知，几位作家对应的粉丝群体的性别主要以女性为主，尤其是郭敬明和李尚龙的粉丝群体女性占比极大，分别达到90%和75%上下，造成这种情况的原因如上分析。

综上所述，该公众号面向的人群主要是女性群体，加上年龄特征，即女青年。

（3）目标人群的地域分析

3位作家单条微博对应的粉丝地域分布

关于粉丝地域分布，笔者是想找出几位作家人群的共性分布区域，缩小地域范围，在几个区域进行集中发力，到时可以着力找当地的畅销文学、事件、人物等内容素材信息，打造粉丝群体喜闻乐见的文章；抑或找到当地有影响力的自媒体进行推广和互推；后期盈利变现也能有的放矢。

上面可以看出，上海、北京、广东三地的粉丝较多（当然也不排除这里的互联网发达，网民较多…），这里可以作为主攻区域。

（4）粉丝的兴趣图谱及情感需求分析

这部分需要对上述3条微博的互动粉丝的兴趣标签进行整理，并利用censydiam模型进行分析。

将三条微博的粉丝兴趣标签进行优先级赋值和归并计算，找出得分较高的前10个兴趣标签：

对粉丝兴趣标签进行处理

由此，我们可以得到公众号目标人群的10个最重要的特征，关于它的用户，笔者将在后面提到。

再经处理，得到如下“兴趣-行为动机”对应表和最终的3类主要情感需求象限。

3条微博粉丝的“兴趣-行为动机”对应表

目标人群的情感需求在Censydiam动机分析模型中的反映

由上述分析可知，公众号的粉丝的情感需求在Censydiam消费动机分析模型主要对应模型中的3个象限，即“享乐/释放”、“舒适/安全”和“个性/独特”。这三类情感需求象限其实对应的是三类不同的粉丝群体，所以在后续的公众号定位及栏目规划时需要兼顾三者的差异性需求。

好了，通过间接手段，我们获取了目标人群的用户画像，了解了他们的基本特征，这对我们进行公众号的内容规划、风格调性和粉丝获取渠道都很有帮助。

然而，对于微信公众号的定位来说，仅有上述信息是不够的，因为我们还需要确认目标人群的阅读偏好，知道哪些内容是他们喜闻乐见的，据此可以“投其所好”。

与其他的人工智能技术相比，情感分析(Sentiment Analysis)显得有些特殊，因为其他的领域都是根据客观的数据来进行分析和预测，但情感分析则带有强烈的个人主观因素。情感分析的目标是从文本中分析出人们对于实体及其属性所表达的情感倾向以及观点，这项技术最早的研究始于2003年Nasukawa和Yi两位学者的关于商品评论的论文。

随着推特等社交媒体以及电商平台的发展而产生大量带有观点的内容，给情感分析提供了所需的数据基础。时至今日，情感识别已经在多个领域被广泛的应用。例如在商品零售领域，用户的评价对于零售商和生产商都是非常重要的反馈信息，通过对海量用户的评价进行情感分析，可以量化用户对产品及其竞品的褒贬程度，从而了解用户对于产品的诉求以及自己产品与竞品的对比优劣。在社会舆情领域，通过分析大众对于社会热点事件的点评可以有效的掌握舆论的走向。在企业舆情方面，利用情感分析可以快速了解社会对企业的评价，为企业的战略规划提供决策依据，提升企业在市场中的竞争力。在金融交易领域，分析交易者对于股票及其他金融衍生品的态度，为行情交易提供辅助依据。

目前，绝大多数的人工智能开放平台都具备情感分析的能力，如图所示是玻森中文语义开放平台的情感分析功能演示，可以看出除了通用领域的情感分析外，还有汽车、厨具、餐饮、新闻和微博几个特定领域的分析。

那么到底什么是情感分析呢？从自然语言处理技术的角度来看，情感分析的任务是从评论的文本中提取出评论的实体，以及评论者对该实体所表达的情感倾向，自然语言所有的核心技术问题，例如：词汇语义，指代消解，此役小气，信息抽取，语义分析等都会在情感分析中用到。因此，情感分析被认为是一个自然语言处理的子任务，我们可以将人们对于某个实体目标的情感统一用一个五元组的格式来表示：(e,a,s,h,t)

以图为例，e是指某餐厅，a为该餐厅的性价比属性，s是对该餐厅的性价比表示了褒义的评价，h为发表评论者本人，t是19年7月27日。所以这条评论的情感分析可以表示为五元组（某餐厅，性价比，正向褒义，评论者，19年7月27日）。

情感分析根据处理文本颗粒度的不同，大致可以分为三个级别的任务，分别是篇章级、句子级和属性级。我们分别来看一下。

1 篇章级情感分析

篇章级情感分析的目标是判断整篇文档表达的是褒义还是贬义的情感，例如一篇书评，或者对某一个热点时事新闻发表的评论，只要待分析的文本超过了一句话的范畴，即可视为是篇章级的情感分析。

对于篇章级的情感分析而言有一个前提假设，那就是全篇章所表达的观点仅针对一个单独的实体e，且只包含一个观点持有者h的观点。这种做法将整个文档视为一个整体，不对篇章中包含的具体实体和实体属性进行研究，使得篇章级的情感分析在实际应用中比较局限，无法对一段文本中的多个实体进行单独分析，对于文本中多个观点持有者的观点也无法辨别。

例如评价的文本是：“我觉得这款手机很棒。”评价者表达的是对手机整体的褒义评价，但如果是：“我觉得这款手机拍照功能很不错，但信号不是很好”这样的句子，在同一个评论中出现了褒义词又出现了贬义词，篇章级的分析是无法分辨出来的，只能将其作为一个整体进行分析。

不过好在有很多的场景是不需要区分观点评价的实体和观点持有者，例如在商品评论的情感分析中，可以默认评论的对象是被评论的商品，评论的观点持有者也是评论者本人。当然，这个也需要看被评论的商品具体是什么东西，如果是亲子旅游这样的旅游服务，那么评论中就很有可能包含一个以上的观点持有者。

在实际工作中，篇章级的情感分析无法满足我们对于评价更细致，如果需要对评论进行更精确，更细致的分析，我们需要拆分篇章中的每一句话，这就是句子级的情感分析研究的问题。

2 句子级情感分析

与篇章级的情感分析类似，句子级的情感分析任务是判断一个句子表达的是褒义还是贬义的情感，虽然颗粒度到了句子层级，但是句子级分析与篇章级存在同样的前提假设是，那就是一个句子只表达了一个观点和一种情感，并且只有一个观点持有人。如果一个句子中包含了两种以上的评价或多个观点持有人的观点，句子级的分析是无法分辨的。好在现实生活中，绝大多数的句子都只表达了一种情感。

既然句子级的情感分析在局限性上与篇章级是一样的，那么进行句子级的情感分析意义何在呢？关于这个问题，需要先解释一下语言学上主观句与客观句的分别。在我们日常用语当中，根据语句中是否带有说话人的主观情感可以将句子分为主观句和客观句，例如：“我喜欢这款新手机。”就是一个主观句，表达了说话人内心的情感或观点，而：“这个APP昨天更新了新功能。”则是一个客观句，陈述的是一个客观事实性信息，并不包含说话人内心的主观情感。通过分辨一个句子是否是主观句，可以帮助我们过滤掉一部分不含情感的句子，让数据处理更有效率。

但是在实操过程中，我们会发现这样的分类方法似乎并不是特别准确，因为一个主观句也可能没有表达任何的情感信息，知识表达了期望或者猜测，例如：“我觉得他现在已经在回家的路上了。”这句话是一个主观句，表达了说话人的猜测，但是并没有表达出任何的情感。而客观句也有可能包含情感信息，表明说话者并不希望这个事实发生，例如：“昨天刚买的新车就被人刮花了。”这句话是一个客观句，但结合常识我们会发现，这句话中其实是包含了说话人的负面情感。

所以，仅仅对句子进行主客观的分类还不足以达到对数据进行过滤的要求，我们需要的是对句子是否含有情感信息进行分类，如果一个句子直接表达或隐含了情感信息，则认为这个句子是含有情感观点的，对于不含情感观点的句子则可以进行过滤。目前对于句子是否含有情感信息的分类技术大多都是采用有监督的学习算法，这种方法需要大量的人工标注数据，基于句子特征来对句子进行分类。

总之，我们可以将句子级的情感分析分成两步，第一步是判断待分析的句子是否含有观点信息，第二步则是针对这些含有观点信息的句子进行情感分析，发现其中情感的倾向性，判断是褒义还是贬义。关于分析情感倾向性的方法与篇章级类似，依然是可以采用监督学习或根据情感词词典的方法来处理，我们会在后续的小节详细讲解。

句子级的情感分析相较于篇章级而言，颗粒度更加细分，但同样只能判断整体的情感，忽略了对于被评价实体的属性。同时它也无法判断比较型的情感观点，例如：“A产品的用户体验比B产品好多了。”对于这样一句话中表达了多个情感的句子，我们不能将其简单的归类为褒义或贬义的情感，而是需要更进一步的细化颗粒度，对评价实体的属性进行抽取，并将属性与相关实体之间进行关联，这就是属性级情感分析。

3 属性级情感分析

上文介绍的篇章级和句子级的情感分析，都无法确切的知道评价者喜欢和不喜欢的具体是什么东西，同时也无法区分对某一个被评价实体的A属性持褒义倾向，对B属性却持贬义倾向的情况。但在实际的语言表达中，一个句子中可能包含了多个不同情感倾向的观点，例如：“我喜欢这家餐厅的装修风格，但菜的味道却很一般。”类似于这样的句子，很难通过篇章级和句子级的情感分析了解到对象的属性层面。

为了在句子级分析的基础上更加细化，我们需要从文本中发现或抽取评价的对象主体信息，并根据文本的上下文判断评价者针对每一个属性所表达的是褒义还是贬义的情感，这种就称之为属性级的情感分析。属性级的情感分析关注的是被评价实体及其属性，包括评价者以及评价时间，目标是挖掘与发现评论在实体及其属性上的观点信息，使之能够生成有关目标实体及其属性完整的五元组观点摘要。具体到技术层面来看，属性级的情感分析可以分为以下6个步骤：

关于文本中的实体抽取和指代消解问题，我们已经在知识图谱的相关章节中做了介绍，这里就不再赘述。针对篇章级、句子级、属性级这三种类型的情感分析任务，人们做了大量的研究并提出了很多分类的方法，这些方法大致可以分为基于词典和基于机器学习两种，下面我们进行详细的讲解。

做情感分析离不开情感词，情感词是承载情感信息最基本的单元，除了基本的词之外，一些包含了情感含义的短语和成语我们也将其统称为情感词。基于情感词典的情感分析方法，主要是基于一个包含了已标注的情感词和短语的词典，在这个词典中包括了情感词的情感倾向以及情感强度，一般将褒义的情感标注为正数，贬义的情感标注为负数。

具体的步骤如图所示，首先将待分析的文本先进行分词，并对分词后的结果做去除停用词和无用词等文本数据的预处理。然后将分词的结果与情感词典中的词进行匹配，并根据词典标注的情感分对文本进行加法计算，最终的计算结果如果为正则是褒义情感，如果为负则是贬义情感，如果为0或情感倾向不明显的得分则为中性情感或无情感。

情感词典是整个分析流程的核心，情感词标注数据的好坏直接决定了情感分类的结果，在这方面可以直接采用已有的开源情感词典，例如BosonNLP基于微博、新闻、论坛等数据来源构建的情感词典，知网（Hownet）情感词典，台湾大学简体中文情感极性词典（NTSUSD），snownlp框架的词典等，同时还可以使用哈工大整理的同义词词林拓展词典作为辅助，通过这个词典可以找到情感词的同义词，拓展情感词典的范围。

当然，我们也可以根据业务的需要来自己训练情感词典，目前主流的情感词词典有三种构建方法：人工方法、基于字典的方法和基于语料库的方法。对于情感词的情感赋值，最简单的方法是将所有的褒义情感词赋值为+1，贬义的情感词赋值为-1，最后进行相加得出情感分析的结果。

但是这种赋值方式显然不符合实际的需求，在实际的语言表达中，存在着非常多的表达方式可以改变情感的强度，最典型的就是程度副词。程度副词分为两种，一种是可以加强情感词原本的情感，这种称之为情感加强词，例如“很好”相较于“好”的情感程度会更强烈，“非常好”又比“很好”更强。另外一种是情感减弱词，例如“没那么好”虽然也是褒义倾向，但情感强度相较于“好”会弱很多。如果出现了增强词，则需要在原来的赋值基础上增加情感得分，如果出现了减弱词则需要减少相应的情感得分。

另一种需要注意的情况是否定词，否定词的出现一般会改变情感词原本的情感倾向，变为相反的情感，例如“不好”就是在“好”前面加上了否定词“不”，使之变成了贬义词。早期的研究会将否定词搭配的情感词直接取相反数，即如果“好”的情感倾向是+1，那么“不好”的情感倾向就是-1。但是这种简单粗暴的规则无法对应上真实的表达情感，例如“太好”是一个比“好”褒义倾向更强的词，如果“好”的值为+1，那么“太好”可以赋值为+3，加上否定词的“不太好”变成-3则显然有点过于贬义了，将其赋值为-1或者-05可能更合适。

基于这种情况，我们可以对否定词也添加上程度的赋值而不是简单的取相反数，对于表达强烈否定的词例如“不那么”赋值为±4，当遇到与褒义词的组合时褒义词则取负数，与贬义词的组合则取正数，例如贬义词“难听”的赋值是-3，加上否定词变成“不那么难听”的情感得分就会是（-3+4=1）。

第三种需要注意的情况是条件词，如果一个条件词出现在句子中，则这个句子很可能不适合用来做情感分析，例如“如果我明天可以去旅行，那么我一定会非常开心。”，在这句话中有明显的褒义情感词，但是因为存在条件词“如果”，使得这个句子的并没有表达观点持有者的真实情感，而是一种假设。

除了条件句之外，还有一种语言表达也是需要在数据预处理阶段进行排除的，那就是疑问句。例如“这个餐厅真的有你说的那么好吗？”，虽然句子中出现了很强烈的褒义情感词“那么好”，但依然不能将它分类为褒义句。疑问句通常会有固定的结尾词，例如“……吗？”或者“……么？”，但是也有的疑问句会省略掉结尾词，直接使用标点符号“？”，例如“你今天是不是不开心？”，这个句子中含有否定词和褒义词组成的“不开心”，但不能将其分类为贬义情感。

最后一种需要注意的情况是转折词，典型词是“但是”，出现在转折词之前的情感倾向通常与转折词之后的情感倾向相反，例如：“我上次在这家酒店的住宿体验非常好，但是这次却让我很失望。”在这个转折句中，转折词之前的“非常好”是一个很强的褒义词，但真实的情感表达却是转折词之后的“很失望”，最终应该将其分类为贬义情感。当然，也存在出现了转折词，但语句本身的情感并没有发生改变的情况，例如“你这次考试比上次有了很大的进步，但是我觉得你可以做得更好”，这里的转折词没有转折含义，而是一种递进含义。在实际操作中，我们所以需要先判断转折句真实的情感表达到底是哪个，才能进行正确的分析计算。

构建情感词典是一件比较耗费人工的事情，除了上述需要注意的问题外，还存在精准度不高，新词和网络用语难以快速收录进词典等问题。同时基于词典的分析方法也存在很多的局限性，例如一个句子可能出现了情感词，但并没有表达情感。或者一个句子不含任何情感词，但却蕴含了说话人的情感。以及部分情感词的含义会随着上下文语境的变化而变化的问题，例如“精明”这个词可以作为褒义词夸奖他人，也可以作为贬义词批评他人。

尽管目前存在诸多问题，但基于字典的情感分析方法也有着不可取代的优势，那就是这种分析方法通用性较强，大多数情况下无需特别的领域数据标注就可以分析文本所表达的情感，对于通用领域的情感分析可以将其作为首选的方案。

我们在机器学习算法的章节介绍过很多分类算法，例如逻辑回归、朴素贝叶斯、KNN等，这些算法都可以用于情感识别。具体的做法与机器学习一样需要分为两个步骤，第一步是根据训练数据构建算法模型，第二步是将测试数据输入到算法模型中输出对应的结果，接下来做具体的讲解。

首先，我们需要准备一些训练用的文本数据，并人工给这些数据做好情感分类的标注，通常的做法下，如果是褒义和贬义的两分类，则褒义标注为1，贬义标注为0，如果是褒义、贬义和中性三分类，则褒义标注为1，中性标注为0，贬义标注为-1

在这一环节中如果用纯人工方法来进行标注，可能会因为个人主观因素对标注的结果造成一定影响，为了避免人的因素带来的影响，也为了提高标注的效率，有一些其他取巧的方法来对数据进行自动标注。比如在电商领域中，商品的评论除了文本数据之外通常还会带有一个5星的等级评分，我们可以根据用户的5星评分作为标注依据，如果是1-2星则标注为贬义，如果是3星标注为中性，4-5星标注为褒义。又比如在社区领域中，很多社区会对帖子有赞和踩的功能，这一数据也可以作为情感标注的参考依据。

第二步是将标注好情感倾向的文本进行分词，并进行数据的预处理，前文已经对分词有了很多的介绍，这里就不再过多的赘述。第三步是从分词的结果中标注出具备情感特征的词，这里特别说一下，如果是对情感进行分类，可以参考情感词典进行标注，也可以采用TF-IDF算法自动抽取出文档的特征词进行标注。如果分析的是某个特定领域的，还需要标注出特定领域的词，例如做商品评价的情感分析，需要标注出商品名称，品类名称，属性名称等。第四步根据分词统计词频构建词袋模型，形成特征词矩阵，如表所示。在这一步可以根据业务需要给每个特征词赋予权重，并通过词频乘以权重得到特征词分数。最后一步就是根据分类算法，将特征词矩阵作为输入数据，得到最终的分类模型。

当训练好分类模型之后，就可以对测试集进行分类了，具体的流程与建模流程类似，先对测试的文本数据进行分词并做数据预处理，然后根据特征词矩阵抽取测试文本的特征词构建词袋矩阵，并将词袋矩阵的词频数据作为输入数据代入之前训练好的模型进行分类，得到分类的结果。

采用基于机器学习的方法进行情感分析有以下几个不足之处，第一是每一个应用领域之间的语言描述差异导致了训练得到的分类模型不能应用与其他的领域，需要单独构建。第二是最终的分类效果取决于训练文本的选择以及正确的情感标注，而人对于情感的理解带有主观性，如果标注出现偏差就会对最终的结果产生影响。

除了基于词典和基于机器学习的方法，也有一些学者将两者结合起来使用，弥补两种方法的缺点，比单独采用一种方法的分类效果要更好，另外，也有学者尝试使用基于LSTM等深度学习的方法对情感进行分析，相信在未来，情感分析会应用在更多的产品中，帮助我们更好的理解用户需求，提升用户使用智能产品的体验。

随着深度神经网络等算法的应用，情感分析的研究方向已经有了非常大的进展，但依然存在着一些难题是目前尚未解决的，在实操过程中需特别注意以下几种类型数据：

情绪轮在用户体验设计上被广泛的应用，很多情感化设计都是基于情绪轮进行的。但是在人工智能领域，将情绪进行多分类比情感分析的三分类任务要难得多，目前大多数分类方法的结果准确性都不到50%。这是因为情绪本身包含了太多的类别，而且不同的类别之间又可能具有相似性，一个情绪词在不同的语境下有可能表达的是不同的情绪类别，算法很难对其进行分类。即使是人工对文本进行情绪类别标注也往往效果不佳，因为情绪是非常主观性的，不同的人对不同的文本可能产生不同的理解，这使得人工标注情绪类比的过程异常困难。如何让机器可以理解真实的情绪目前还是一个未能攻克的难题。

基于机器学习的模型可以用于金融市场预测，以下是一些常用的方法：

1时间序列预测模型：基于历史数据来预测未来时间点的金融市场走势，如ARIMA、LSTM等。这些模型可以学习历史数据中的季节性和周期性等特征，然后预测未来的价格变化。

2基于统计学的建模：通过分析关键经济指标、政策变化等来预测市场的走势，如回归分析和因子模型。

3机器学习分类模型：根据历史数据对市场进行分类，如支持向量机、决策树等。这些模型可以学习历史数据中的模式，并基于这些模式对未来的市场进行分类。

4情感分析模型：利用自然语言处理技术，分析金融市场相关新闻和社交媒体数据中的情感，例如利用情感分析模型分析新闻报道的情感来预测股市。

以上模型需要根据具体的预测需求进行选择，在模型选择时需考虑数据质量、特征选择、模型调参等方面。

微博数据分析可深可浅，要想推测博主的经营策略则需要数据跟踪一段时间，最少的时间是一个星期。微博要实行实名制，这一举措对微博的健康发展作用很大，网络文化受到重视，微博营销也势必会越来越受重视，对微博进行数据分析有利于我们更好的去做微博，那么收集微博数据具体收集什么呢？从数据上看又能看出什么呢？

1 粉丝：从粉丝来看，粉丝数多的人自然能引起人注意，如果增长快的又能说明什么问题？

2 内容：从博主的微博内容来看，都是什么类型的微博呢？是单纯的原创，还是活动类的比如投票，有奖转发？博主每天发内容的频率如何？微博内容的来源，是原创的产品资讯还是各类的分享，还是说来自PP内容库呢？

3 转发：从微博转发来看，什么样的微博转发高，转发数多少，在转发的同时评论的人多吗？如果说转发多而且评论的人多的话能说明什么问题，转发高的微博的内容是什么类型，为什么转发高？还有其他一些细小的，比如是否可以私信，企业认证版的微博版块上有什么不同？

4 关注：从关注来看，博主都关注了些什么人，什么行业的，是否是同业呢？关注的人里，加V认证的人多吗？多的话能说明什么问题呢？

经过上述数据的收集后不难看出，博主最主要的策略是提高微博的转发数，来提高微博的影响力。那么怎么样提高微博的转发数呢，最重要的还是微博的内容，从收集的数据来看，往往活动内容的转发非常高，一般都会有几百。比如说：转发词条微博并且@3位好友，就有机会获得奖品。更甚者，博主会将某一条微博置顶，那么这条微博的转发数自然而 然就会提高了。

有部分企业博主的策略也值得借鉴，特别是对新建不久的企业微博来说。那就是先发大量有趣的微博分享，吸引大家来转发，那么有些人会固定的来访问微博， 就好比蜘蛛很有规律的来爬网站。然后过一段时间后，有了稳定的访客量后，适当的发些企业本产品的资讯，这条关于企业的微博转发数虽然没有其他的分享类高，但是其转发数也是可观的。

微博私信有什么作用？大部分企业微博都留有私信功能。笔者认为留有私信功能会更好。私信对于博主和网友的互动非常好，新版微博的私信有一个类似于聊天 窗口的版块，用过的人都很清楚，非常的方便。和网友沟通交流并不一定要@谁，@之后的语句是所有人都可见的，而私信则是私密的。作为一个粉丝数上了几十万 的博主和一个很普通的粉丝进行对话时，粉丝会非常乐于互动。这就增加了粉丝的黏性和忠实度。

微博的发展被很多人看好，特别是实名制后，分析对手的微博或者是排名在前的微博将有助于我们的微博潮流中站稳脚跟。

sc-cpda       数据分析公众交流平台

一微博营销的内容

（1）微博营销中内容是最重要，也是最难操作的一部分，听众喜欢听有价值的信息，没人喜欢广告，也没有人喜欢个人的生活琐事，名人也不例外。而企业进行品牌营销为目的的推广活动时，不是科技也不是财力决定着营销的效果，能否尊重用户的习惯，不要以过多的企业信息或者产品信息干扰听众的内容属性才是最宝贵的。微博营销依然是效果为重的营销方式，追求效果营销的实质没变。微博内容首先应认清其主要的分享特性和特征，“新鲜、有趣、有用”的分享特征对听众来说是关键的考量因素。“新鲜”就是强调了内容要具有及时性和实时性，微博是一种时空部分差异化的文字交流，碎片化的流传形式注定对时效性的要求较高；“有趣”要求要有看点，也就是围观的趣味性，加上针对细分化听众的“有用”价值的体现，才能围观、收听和加粉。内容编辑和策划的重要性也正在于此，分享要有价值，转发要给个理由，加粉要给个期望，紧扣主流活跃粉丝特征的内容可以持续发布，加强用户的黏性。

(2)微博营销过程中内容的选择和发布

从微博发布的内容上分的话，大致可以吧内容分为：体验分享、促销活动、劲爆话题、产品信息等四类。作为苏宁易购这么一个大平台来说，主要诉求是品牌的传播，所以产品或是服务的体验分享，以及结合促销活动的内容提炼就是一个比较理想的话题导入方式，这里面最关键话题之间的连结，融入企业产品服务等信息进入话题，通过促销活动提高转发率，这里面要注重连续性和完整性，不要期望一次把所有的内容都写上，每次只写上一个点，可以采用开放性话题导入，减少闭合性话题，推动互动，形成话题前后循环，尤其是当你的潜在客户已经对你的产品或者服务感兴趣，或者你的现有客户通过微博发表与你产品相关的建议，一定要及时的反馈。如果对方是褒奖，可以转发微博来为自己间接宣传，如果对方是意见或者建议，一定要在短时间回复，快速解决问题，让围观的群体看到诚意，积累听众们的口碑。

微博营销及时内容的展示与推广，更是情感的体验和持续互动，产品也好，服务也罢，所有的这些都需要融入现实中粉丝群的生活中去，那就要把微博内容生活化，娱乐化，必须通过一条条编辑过细节的微博内容潜移默化去感染粉丝，从而与粉丝之间建立一个情感的纽带，让粉丝们觉得你对他们是有益的，他们愿意去聆听你，愿意接受你的品牌，愿意尝试接受你推荐给他们的产品信息，甚至愿意帮你传播，这就是微博营销中内容的感染力量。但无论怎样，老老实实做内容，重视内容的价值，通过内容反映的各项指标指导微博营销工作。毕竟，没有内容就无法吸引和留住粉丝，没有粉丝又谈什么营销，所以，照顾好你的粉丝，就应该从内容开始。

二、微博营销的基本法则

要想在微博营销的过程中，更好的把微博营销做到位，还需要遵循一些基本法则，可以大致归纳出以下6种基本法则：

（1）有趣

微博不能太枯燥、太官方了，如果没有趣味，你的微博，也就是你的个人广播电台的听众，就不愿意转发你的微博，也就无法完成你的初衷。如果没有粉丝转发你的微博，那微博就没有效果了。所以第一条原则，一定要有趣。

（2）互动

在传统的媒体中，比如报纸做营销是无法互动的，通过微博，如果有人对你的产品感兴趣，发送了评论，可以跟他互动，帮助他解决问题，一般帮助他解决了问题，他也可能把这些转发出去，帮助有相同问题的朋友，互动建立跟粉丝关系，这是长期关系的一个重要的方面。奥巴马在大选的时候，关注他的粉丝，而希拉里则没有关注她的粉丝。所以，互动是与粉丝建立关系的重要方面。

（3）真诚

真诚不仅是微博营销的基本法则，其实也是做任何事，做任何互动交流的基本原则。一提到营销，人们往往想到夸张、虚饰、忽悠、不择手段，但是，虚假可能获得一时的小利，却不能获得人们长期的信任。你可以忽悠一个月，两个月，但是你不能忽悠三年五年。微博营销绝对是一个以年计算的长期行为。微博上交朋友和现实中一样，好的声誉就是财富。积累良好的声誉需要时间，而没有真诚的互动就不可能有良好的声誉。与电视、门户网站的传统广告相比，受众的负面情绪在微博上更容易得到表达和传播。你可以通过搞定电视台、门户网站的主编而阻断负面情绪的传播，但你不能封住所有微博受众的口，所以真诚原则在微博营销上比其他传统营销更为迫切。微博营销的从业人员首先要消灭传统营销中普遍存在的侥幸忽悠的职业习性，以真诚的态度对待你的听众——你的潜在朋友。

（4）乐观开朗

在现实中，我们可以发现，人们更愿意和乐观开朗的人交朋友。微博上的互动交往也不例外。除了“嫉妒”你的乐观开朗外，没有人会讨厌你的幽默感，没有人会讨厌你与他分享快乐。乐观开朗原则要求微博营销从业人员本身的性格是乐观开朗的，他（她）应该有足够的热情与“陌生人”交往，与“陌生人”分享自己的快乐和生活体验，他（她）不会成天抱怨这抱怨那，变成一个诉苦型的话痨。实际上，无论是在国外的twitter上，还是在国内的新浪微博、腾讯微博上，幽默的段子，恶搞的，滑稽的视频总是获得大众的青睐——男女老少皆宜。适度的与你的朋友分享这些好玩的东西有百利而无一害。

（5）宽容

宽容意味着大气和绅士分度，而苛刻意味着小气和“独裁”，没有多少人会喜欢苛刻性格的人。当然，宽容不意味着没有价值观，不意味着凡事做“和事老”，相反地，你应该有鲜明的价值观，并且坚持这种价值观，不随波逐流，左右摇摆。一个好的例子是：谷歌在“不作恶”价值观上的坚持为其赢得了巨大的声誉。摇摆、随波逐流与真诚原则相抵触，势必对品牌形象带来严重的损害。但是要记住微博营销的目的，如果你做的是纯粹商业上的营销，你就要尽量避免与商业无关的价值观的争论。

（6）个性魅力

在微博上做推广的企业和个人很多，微博营销因此也竞争激烈，千篇一律的营销手段使得受众产生审美疲劳，只有那些具有个性魅力的微博账号（其实是账号后面的微博营销者）才能脱颖而出。如同现实生活中一样，个人“品牌”最有价值的核心部分就是个人魅力。微博营销者这个角色至关重要，因为他（她）就是你的企业的网络形象大使，他（她）的个性魅力代表了企业的个性魅力。个性魅力包括许多因素，前文所说的乐观、幽默、宽容都是个性魅力的维度，除此之外，敢作敢为、坦率、有爱心、执着、好奇心、创造性、智慧、善解人意等等都是个性魅力的具体维度，不可能要求微博营销从业人员都具有这些魅力因素，事实上这是不可能的。一个总的法则是：选择与你企业形象相符的微博营销人员，如果企业品牌形象是创造力强，那你的微博销售人员最好就是那些极具创新思维的人；如果你的企业品牌是体贴呵护（如女性用品企业），那么就选择那些善解人意的人来做微博营销。

三、微博营销的要点

要想微博达到一定的效果，还需要注意以下，微博营销过程中的一些要点，可以总结为10大基本要点：

（1）话题

根据你的目标听众设定话题，就是要在微博设立初期制定内容策略，就像一本杂志的主编设定杂志内容策略是类似的。微博的最终目的其实是分享内容。对于企业来说，运用好社会化媒体的关键在于内容策略。

（2）标签

设好了可以帮你找来你想找的人，如果标签不设好，就算你有1万粉丝也没有用的。当然不同的时间需要用不同的标签，让搜索结果一直能处在第一页，这样才有机会被你想要的用户关注。

（3）善用大众热门话题

每小时热门话题排行以及每日热门话题排行都是很有用的，因为这些话题适合微博的每个人，并且善加策划进我们的营销内容，可以增加被用户搜索到的几率。一般在热门关键词亲厚加双井号，如苏宁易购

（4）主动搜索相关话题

把企业所在的行业中用户常问的问题总结整理出来，把重要的关键词提取，比如：苏宁易购、全国高校菁英营销大赛、苏宁易购社会化媒体互动营销方案等随时关注微博用户讨论内容，主动搜索，主动去于用户互动。

（5）制定有规律的更新频率

每日发6-20条，一个小时都能发1-2条，频率和节奏把握不好，会让粉丝流失。

（6）让内容有“连载”

比如每天推荐一个好作品或热门资讯，每周发布一次活动结果，连载会让粉丝的活跃度增高。

（7）规划好发帖时间

微博有几个高峰，上班、午休、下午四点后、晚上八点，要抓住这些高峰人群时间发帖，才可能提高阅读率和高转发率。

（8）善用关注

在你微博推广前期，关注能够让你迅速聚集粉丝。对新浪来说每天最多只能关注500个人，关注的上限人数为2000人。

（9）活动

一定要定期举办活动，活动能带来快速的粉丝增长，并且增加忠诚度以及建立与竞争对手的区隔。

（10）互动

创造有意义的体验和互动。只要做到这两点，客户和潜在客户才会与你交流，才会分享你的内容。

粉丝超过一百，就好像是一本内刊；超过10万，就是一份都市报；超过100万，就是一份全国性报纸；超过1000万，就是电视台；超过1亿，就是CCTV。各大网站都已经把微博提升到了战略位置，微博的使用范围是所有网民的四分之一，并且，手机用户均可使用，目前手机用户是7亿人，那么做好微博的营销已经成了当务之急了。

四、微博营销的技巧

在微博营销实际应用过程中，，在遵循基本法则上，再加入一些技巧性的东西，也可以让微博营销更快捷高效。多运用一下一些相关的微博营销技巧如：

（1）微博的数量不在多而在精

有的人在建立微博的时候，一开始没有定位好主题，今天觉得这个网站的微博很不错，就建立了一个微博用户，明天可能觉得这类主题的微博不错，也建立了一个。剑微博就和运营网站有点类似，个人站长总是觉得这个号就换，换来换去结果一个也没做成功。在做微博时也要讲究专注，因为一个人精力是有限的，杂乱无章的内容只会浪费时间和精力，所以要做精，重拳出击才会取得好的效果。

（2）个性化的名称

一个好的微博名称不仅便于用户记忆，也可以取得不错的搜索流量。这个和个人站长取网站名称类似，好的网站名称如：百度、淘宝、新浪等都是很简洁易记的。当然，企业如果建立微博，准备在微博上进行营销，就像苏宁易购，就可以以“苏宁易购”来做微博的用户名称。

（3）巧妙利用模板

一般的微博平台都会提供一些模板给用户，企业可能选择与行业特色相符合的风格来，这样更贴切微博的内容。当然，如果有能力自己设计一套有自己特色的模板风格也是不错的选择。

（4）使用搜索检索，查看与自己相关的内容

每个微博平台都会有自己的搜索功能，企业可以利用该功能对自己已经发布的话题进行搜索，查看一下自己内容的排行榜，与别人微博内容对比。可以看到微博的评论数量、转发次数，以及关键词的提到次数，这样可以了解微博带来的营销效果。

（5）定期更新微博信息

微博平台一般对发布信息频率不太做限制，但对于营销来说，微博的热度与关注度来自微博的可持续话题，企业要不断制造新的话题，发布与企业相关信息，才可以吸引目标客户的关注。刚发的信息可能很快被后面的信息覆盖，要想长期吸引客户注意，必定对微博定期更新，这样才能保证微博的可持续发展。当然，长期更新好、新颖的话题，还可能被网友转发或评论。

（6）善于回复粉丝们的评论

（7）与@的灵活运用

微博中发布内容时，两个“”间的文字是话题的内容，我们可以在后面加入自己的见解。如果要把某个活跃用户引入，可以使用“@”符号，意思是“向某人说”。比如：“@苏宁易购欢迎您的参与”。在微博菜单中点击“@我的”，也能查看到提到自己的话题。

（8）学会使用私信

（9）确保信息真实与透明

（10）不能只发企业产品或广告内容

有的微博很直接，天天发布大量产品信息或广告宣传等内容，基本没有自己的特色。这种微博虽然别人知道你是做什么的，但是绝不会加以关注，微博不是单纯的广告平台，微博的意义在于信息分享，没兴趣是不会产生互动的。

五、微博营销中需注意的“雷区”

（1）雷区一：盲目跟风，微博是“万金油”？

微博的确很神奇，但绝对不是“包治百病”。不要因为看到大家都开始用微博做营销，就立刻奋不顾身、投入其中，最后不得其法、丧失信心。世界上没有最好的企业营销方式，只有最适合企业自身的。企业的潜在目标客户是否在微博上有一定的数量，他们在微博上活跃主要关注什么、需要什么，找到企业和用户之间的联系等，这些是需要企业提前去调研的。

（2）雷区二：未计划就执行，品牌形象难统一

很多企业都是雇佣刚毕业的大学生来负责微博，由于缺乏微博操作培训，在微博沟通中容易产生口气低龄化的通病。针对微博营销没有统筹规划，找一个人负责微博，就让他来做计划，执行一段时间，可能换岗、离职又换下一个人来做，中间可能就停止更新很长一段时间。企业微博好像患有“精神分裂症”，日常更新和回复的语调都不统一，客户体验度很差。

（3）雷区三：忽视内容本身，迷恋粉丝数增长

到目前为止有多少企业仍将粉丝数作为考核微博营销唯一指标，从微博私信中卖僵尸粉的活跃程度就可想而知了。虚荣心这个可以理解，很多企业主自己都买了上万粉丝，但如果无法发掘出粉丝的价值对于企业本身来说毫无意义。

微博营销和其他网络营销方式一样，仍旧是内容为王。企业针对微博必须有内容的规划设计：发什么内容、目标人群分析、要达到的效果和推广的目的必须有明确方向，这样才能够帮助微博维护人员执行，最明显的体现形式是“XX”系列标签的利用。

（4）雷区四：企业微博运营没有想象中那么容易

企业微博营销绝对不是一个低门槛、低成本的营销方式。看起来似乎就是搞个头像、名字、背景等，每天发140个字/条的内容就可以了开展。但实际上是看似简单，其实是最有难度的营销方式，需要操作者具备多方面的能力，广告、市场营销、危机公关都有涉及，140个字的微博文案堪比一篇软文，既要好玩有趣、又要让用户认为有利可图，从而有兴趣参与评论或者转发。

可以看看目前做得较好的企业微博营销，基本都是团队运作，绝对不是开个微博每天发点内容就是微博营销。

企业微博营销是长期的，绝非一日之功、立竿见影。在前期没有活跃粉丝的时候，你发的内容根本没人回应，何谈互动，何谈价值。因此如何增加真实活跃粉丝、持续提供有价值的微博信息、与用户合理有效的互动、如何评估企业微博营销效果等都是企业微博运营需要考虑的内容。

尽管微博本身的企业微博产品仍在摸索，在产品展示和互动还不具备差异化，如何针对微博用户精准营销的思路还不明朗。但企业开展微博营销已成必然，更深入的认识和了解微博营销的特点，谨防误区和盲点。