公共關系學輿情分析方法試題及答案一、單項選擇題（每題2分，共20分）1.下列哪項不屬于輿情分析的核心維度？A.情感傾向B.傳播速度C.受眾年齡D.話題關聯(lián)性答案：C解析：輿情分析的核心維度通常包括情感傾向（正面/負面/中性）、傳播速度（信息擴散效率）、話題關聯(lián)性（與主體的關聯(lián)程度），受眾年齡屬于受眾畫像的細分維度，非核心維度。2.基于自然語言處理（NLP）的情感分析中，“該產(chǎn)品使用體驗極差，客服態(tài)度惡劣”應標注為：A.正面情感B.中性情感C.負面情感D.混合情感答案：C解析：句中“極差”“惡劣”為明確負面評價詞匯，整體情感傾向為負面。3.下列哪種輿情傳播路徑屬于“裂變式傳播”？A.企業(yè)官微→行業(yè)KOL→粉絲群體B.普通用戶→平臺推薦→大量陌生用戶C.員工個人賬號→部門群組→企業(yè)全員D.新聞網(wǎng)站→官方微博→微信公眾號答案：B解析：裂變式傳播的特點是從單個節(jié)點通過平臺算法或用戶轉發(fā)快速觸達非關聯(lián)群體，符合“普通用戶→平臺推薦→大量陌生用戶”的擴散邏輯。4.輿情研判中“關鍵節(jié)點”指的是：A.輿情首次出現(xiàn)的時間點B.輿情情感傾向發(fā)生轉折的時間點C.傳播量達到峰值的時間點D.以上都是答案：D解析：關鍵節(jié)點包括輿情起始點（首次出現(xiàn)）、轉折點（情感/話題變化）、峰值點（傳播量最高），三者共同構成研判的時間錨點。5.下列哪項屬于定性輿情分析方法？A.詞頻統(tǒng)計B.社會網(wǎng)絡分析C.焦點小組訪談D.情感評分模型答案：C解析：定性方法側重主觀理解與深度挖掘，焦點小組訪談通過用戶討論獲取質性數(shù)據(jù)；其余選項為定量方法，依賴數(shù)據(jù)統(tǒng)計與模型計算。6.社交媒體輿情中“沉默的螺旋”現(xiàn)象指：A.多數(shù)人意見主導輿論場，少數(shù)派選擇沉默B.負面輿情因用戶回避討論而自然消退C.官方發(fā)聲后網(wǎng)民停止評論D.熱點話題因新事件出現(xiàn)而迅速降溫答案：A解析：“沉默的螺旋”理論核心是優(yōu)勢意見的擴散導致少數(shù)派因害怕孤立而沉默，最終形成“一方越來越大聲，另一方越來越沉默”的輿論格局。7.企業(yè)危機輿情中，“次生輿情”通常指：A.危機事件首次引發(fā)的網(wǎng)絡討論B.因應對不當引發(fā)的新輿情C.競爭對手刻意制造的負面信息D.傳統(tǒng)媒體與新媒體的交叉報道答案：B解析：次生輿情是主危機未妥善處理后衍生的新問題，如“產(chǎn)品質量問題→客服推諉→消費者聯(lián)合投訴”中的“客服推諉”即為次生輿情。8.輿情報告中“傳播矩陣”分析主要關注：A.不同平臺的傳播量占比及互動特征B.關鍵傳播者的粉絲數(shù)量與影響力C.輿情話題的關鍵詞分布D.情感傾向隨時間的變化趨勢答案：A解析：傳播矩陣需拆解各平臺（微博、微信、抖音等）的傳播貢獻度、用戶互動形式（評論/轉發(fā)/點贊）及內容特征，呈現(xiàn)立體傳播網(wǎng)絡。9.下列哪項不屬于輿情預警指標？A.負面信息增長率B.關鍵敏感詞出現(xiàn)頻率C.核心受眾地域分布D.關聯(lián)話題的聯(lián)動性答案：C解析：預警指標需反映輿情惡化風險，如負面信息增長過快、敏感詞（如“安全隱患”“欺詐”）高頻出現(xiàn)、關聯(lián)話題（如“企業(yè)歷史問題”）被連帶討論；受眾地域分布屬于常規(guī)分析維度，非預警核心。10.大數(shù)據(jù)輿情分析中“數(shù)據(jù)清洗”的主要目的是：A.增加數(shù)據(jù)量以提高分析準確性B.去除重復、無效或噪聲數(shù)據(jù)C.統(tǒng)一數(shù)據(jù)格式便于模型訓練D.B和C答案：D解析：數(shù)據(jù)清洗包括去除重復/無效數(shù)據(jù)（如廣告、機器人發(fā)帖）和統(tǒng)一格式（如時間戳標準化、文本去標簽），確保后續(xù)分析的有效性。二、簡答題（每題8分，共40分）1.簡述輿情分析的“5W1H”框架及其應用價值。答案：“5W1H”框架源于傳播學，應用于輿情分析時具體指：Who（主體）：識別輿情參與者（普通用戶、KOL、媒體、競品等）及其角色；What（內容）：分析輿情核心話題、關鍵信息點及傳播內容特征（文本/圖片/視頻）；When（時間）：追蹤輿情發(fā)展的時間線（起始、發(fā)酵、峰值、消退）及關鍵時間節(jié)點；Where（渠道）：明確輿情傳播的平臺（微博、抖音、知乎等）及各平臺的傳播權重；Why（原因）：挖掘輿情產(chǎn)生的深層動因（產(chǎn)品問題、政策影響、情緒共鳴等）；How（方式）：研究信息傳播的具體形式（原創(chuàng)/轉發(fā)、長文/短評、理性討論/情緒宣泄）。應用價值：通過結構化拆解，全面覆蓋輿情要素，避免分析遺漏；為后續(xù)研判（如判斷是否需干預）和應對（如選擇傳播渠道）提供清晰依據(jù)。2.對比“情感分析”與“情緒分析”的區(qū)別，并說明在輿情研判中的不同作用。答案：區(qū)別：情感分析（SentimentAnalysis）：側重判斷內容的傾向性（正面/負面/中性），基于文本中的評價性詞匯（如“優(yōu)秀”“差勁”）；情緒分析（EmotionAnalysis）：進一步細分具體情緒類型（憤怒、喜悅、擔憂、諷刺等），依賴情感詞典或深度學習模型識別情緒線索（如“太讓人失望了！”指向“失望”情緒）。作用：情感分析快速定位輿情整體傾向（如70%負面），用于判斷危機等級；情緒分析深入挖掘受眾心理（如“憤怒”情緒占比高可能引發(fā)線下行動），指導應對策略（如需優(yōu)先安撫情緒而非解釋事實）。3.簡述“社會網(wǎng)絡分析（SNA）”在輿情傳播路徑研究中的具體應用步驟。答案：步驟：（1）數(shù)據(jù)采集：抓取輿情相關的用戶ID、互動關系（轉發(fā)/評論/@），構建傳播網(wǎng)絡數(shù)據(jù)；（2）節(jié)點識別：確定關鍵節(jié)點（中心節(jié)點：高轉發(fā)量用戶；橋梁節(jié)點：連接不同群體的用戶；邊緣節(jié)點：普通參與者）；（3）指標計算：計算網(wǎng)絡密度（互動頻繁程度）、中心性（節(jié)點影響力）、聚類系數(shù)（群體內聚力）等；（4）可視化呈現(xiàn)：通過Gephi等工具繪制傳播圖譜，直觀展示信息流動方向（如從KOL到粉絲群的輻射式傳播）；（5）結論推導：識別核心傳播者（如某大V為中心節(jié)點）、傳播瓶頸（如跨平臺傳播斷層），為阻斷負面?zhèn)鞑ィㄈ缏?lián)系中心節(jié)點）或放大正面信息（如利用橋梁節(jié)點）提供依據(jù)。4.列舉三種常見的輿情誤判類型，并說明其產(chǎn)生原因。答案：（1）“數(shù)據(jù)過載誤判”：因片面依賴大數(shù)據(jù)總量（如10萬條討論），忽視有效信息占比（如90%為重復水軍帖），導致高估輿情影響；原因：未進行數(shù)據(jù)清洗與質量評估。（2）“情感傾向誤判”：將中性信息（如“產(chǎn)品上市”）誤標為正面，或忽略反諷語境（如“貴司服務真‘周到’”）；原因：情感分析模型未適配特定領域（如網(wǎng)絡用語）或人工審核缺失。（3）“傳播趨勢誤判”：僅關注當前傳播量（如日增5000條），未考慮平臺算法（如抖音次日推薦可能引爆），導致低估后續(xù)風險；原因：缺乏對平臺傳播機制的深度理解。5.說明“輿情生命周期”各階段的特征及公關應對重點。答案：（1）潛伏期（萌芽期）：負面信息零星出現(xiàn)（如個別用戶投訴），傳播量低；應對重點：快速監(jiān)測（設置關鍵詞預警），主動溝通用戶（如私信解決問題），避免擴散。（2）爆發(fā)期（發(fā)酵期）：傳播量激增，媒體/大V介入，情感傾向負面為主；應對重點：及時發(fā)聲（澄清事實/承諾處理），引導正向話題（如發(fā)布用戶好評），控制核心平臺（如微博評論區(qū)）。（3）消退期（平穩(wěn)期）：傳播量下降，新話題轉移注意力；應對重點：持續(xù)監(jiān)測（防止次生輿情），修復形象（如發(fā)布改進措施），鞏固正向輿論（如KOL深度報道）。（4）長尾期（殘余期）：偶有提及（如搜索舊聞），情感傾向趨穩(wěn)；應對重點：優(yōu)化搜索結果（SEO），沉淀正面內容（如案例庫），防止歷史問題被翻舊賬。三、案例分析題（每題15分，共30分）案例：2023年9月，某國產(chǎn)新能源汽車品牌X因“電池自燃事故”被用戶在微博發(fā)布視頻（配文：“剛買3個月的X車，充電時突然起火，廠家至今無人處理！”）。截至第3天，該微博轉發(fā)量超5萬，評論區(qū)出現(xiàn)“X車質量差”“電池供應商是小廠”“官方不作為”等關鍵詞，抖音、知乎等平臺出現(xiàn)類似投訴視頻，傳統(tǒng)媒體《財經(jīng)時報》發(fā)布調查報道《X汽車電池安全隱患調查》。問題1：運用輿情分析方法，梳理該事件的傳播路徑并識別關鍵節(jié)點。答案：傳播路徑梳理：（1）起始節(jié)點（第1天）：用戶@“X汽車吐槽”（粉絲5000的汽車類賬號）發(fā)布自燃視頻→觸發(fā)平臺推薦（微博“汽車”話題頁展示）；（2）擴散節(jié)點（第2天）：汽車垂直KOL@“車圈老周”（粉絲200萬）轉發(fā)評論“X車電池問題早有預兆，廠家品控存疑”→引發(fā)粉絲討論（評論1.2萬），抖音用戶同步上傳類似事故視頻（播放量80萬）；（3）爆發(fā)節(jié)點（第3天）：傳統(tǒng)媒體《財經(jīng)時報》發(fā)布調查報道→被微博“新聞”話題頁收錄→轉發(fā)量突破5萬，知乎出現(xiàn)“X汽車電池供應商是否合格”高贊回答（點贊2萬）；（4）衍生節(jié)點（潛在）：若企業(yè)未回應，可能出現(xiàn)“X汽車股價下跌”“消費者聯(lián)合維權”等次生話題。關鍵節(jié)點識別：起始節(jié)點：用戶@“X汽車吐槽”的原始發(fā)帖（首次曝光）；加速節(jié)點：KOL@“車圈老周”的轉發(fā)（利用影響力擴大傳播）；質變節(jié)點：傳統(tǒng)媒體介入（提升事件權威性，推動從“用戶投訴”到“行業(yè)問題”的升級）。問題2：假設你是X汽車公關部負責人，需撰寫一份輿情研判報告，應包含哪些核心內容？請結合案例說明。答案：核心內容及案例應用：（1）輿情基本情況：時間線：9月1日用戶發(fā)帖→9月2日KOL擴散→9月3日媒體介入；傳播量：微博轉發(fā)5萬+、抖音播放80萬+、知乎點贊2萬+；情感傾向：負面占比85%（關鍵詞“質量差”“不作為”高頻出現(xiàn)）。（2）傳播路徑與關鍵節(jié)點（同問題1，需簡要總結）。（3）受眾分析：核心受眾：汽車愛好者（微博/知乎用戶）、潛在消費者（關注安全性能）；關鍵傳播者：@“車圈老周”（需評估其過往立場，是否為競品合作KOL）、《財經(jīng)時報》（需聯(lián)系記者核實報道依據(jù)）。（4）風險評估：直接風險：影響銷量（潛在消費者因安全疑慮放棄購買）；衍生風險：可能引發(fā)監(jiān)管關注（如市場監(jiān)督管理局介入調查）、供應鏈質疑（電池供應商被連帶負面）；可控性：當前處于爆發(fā)期初期，及時回應可防止進一步惡化。（5）應對建議：短期（24小時內）：聯(lián)系發(fā)帖用戶（核實情況，承諾48小時內給出處理方案）、通過官微發(fā)布《關于電池自燃事件的說明》（承認問題，不推諉責任）；中期（37天）：邀請媒體參觀電池生產(chǎn)線（展示品控流程）、聯(lián)合電池供應商發(fā)布檢測報告（證明事故為個案）；長期：優(yōu)化輿情監(jiān)測（增加“電池安全”“自燃”等關鍵詞預警）、建立用戶投訴快速響應機制（2小時內私信溝通）。四、論述題（20分）論述大數(shù)據(jù)時代公共關系輿情分析方法的創(chuàng)新與挑戰(zhàn)，并結合實例說明。答案：大數(shù)據(jù)時代，輿情分析方法在技術驅動下實現(xiàn)了從“經(jīng)驗主導”到“數(shù)據(jù)+算法”的轉型，同時也面臨新的挑戰(zhàn)。一、方法創(chuàng)新1.數(shù)據(jù)采集的全面性提升：傳統(tǒng)方法依賴人工抽樣（如隨機選取100條評論），大數(shù)據(jù)技術可抓取全量數(shù)據(jù)（如某事件相關的100萬條微博、抖音評論），結合跨平臺數(shù)據(jù)（微博+微信+知乎），還原更真實的輿論場。例如，2022年某手機品牌“充電門”事件中，通過抓取全平臺數(shù)據(jù)發(fā)現(xiàn)，80%的負面評論來自抖音用戶（因短視頻更直觀展示問題），而傳統(tǒng)抽樣可能遺漏這一關鍵渠道。2.分析維度的深度拓展：情感分析從“正/負/中”升級為“細粒度情感識別”（如“憤怒”“失望”“擔憂”），通過預訓練語言模型（如BERT）可識別反諷（如“貴司效率真高，等了半個月沒結果”）；社會網(wǎng)絡分析結合動態(tài)傳播模型，可預測輿情走勢（如“若某KOL轉發(fā)，24小時內傳播量將增長300%”）。例如，某食品品牌“過期原料”事件中，通過模型預測發(fā)現(xiàn)，若不及時回應，某百萬粉KOL的轉發(fā)將導致傳播量激增5倍，最終企業(yè)提前聯(lián)系該KOL說明處理進展，避免了危機擴大。3.實時性與預警能力增強：傳統(tǒng)分析需24小時生成報告，大數(shù)據(jù)平臺可實現(xiàn)“分鐘級”監(jiān)測（如微博新帖5分鐘內進入分析系統(tǒng)），結合機器學習模型（如LSTM時間序列預測），可提前12小時預警負面輿情。例如，2023年某旅游景區(qū)“宰客”事件中，系統(tǒng)監(jiān)測到“宰客”“天價”等關鍵詞在短視頻平臺30分鐘內增長200%，及時觸發(fā)預警，景區(qū)管理方2小時內發(fā)布整改公告，將負面?zhèn)鞑チ靠刂圃?000條以內（未預警情況下可能達10萬條）。二、面臨的挑戰(zhàn)1.數(shù)據(jù)質量問題：噪聲數(shù)據(jù)干擾：水軍刷帖（如“X產(chǎn)品超好，沒有問題”的重復內容）、機器人賬號（自動生成的無意義評論）占比可能達30%50%，若未有效清洗，會導致“正面輿情占比高”的誤判。例如，某美妝品牌“過敏門”事件中，企業(yè)因未識別出5萬條“好評”為水軍帖，誤判輿情可控，最終因真實用戶投訴被曝光導致信任危機。隱私與合規(guī)風險：抓取用戶個人信息（如手機號、地址）可能違反《個人信息保護法》，需通過匿名化處理（如用“用戶ID123”代替真實姓名）平衡分析需求與法律要求。