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）、話題關聯性（與主體的關聯程度），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，“該產品使用體驗極差，客服態度惡劣”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.企業官微→行業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→企業全員D.新聞網站→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點通過平臺算法或用戶轉發快速觸達非關聯群體，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“關鍵節點”指的是：A.輿情首次出現的時間點B.輿情情感傾向發生轉折的時間點C.傳播量達到峰值的時間點D.以上都是答案：D解析：關鍵節點包括輿情起始點（首次出現）、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.詞頻統計B.社會網絡分析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據；其余選項為定量方法，依賴數據統計與模型計算。6.社交媒體輿情中“沉默的螺旋”現象指：A.多數人意見主導輿論場，少數派選擇沉默B.負面輿情因用戶回避討論而自然消退C.官方發聲后網民停止評論D.熱點話題因新事件出現而迅速降溫答案：A解析：“沉默的螺旋”理論核心是優勢意見的擴散導致少數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.企業危機輿情中，“次生輿情”通常指：A.危機事件首次引發的網絡討論B.因應對不當引發的新輿情C.競爭對手刻意制造的負面信息D.傳統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“產品質量問題→客服推諉→消費者聯合投訴”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/點贊）及內容特征，呈現立體傳播網絡。9.下列哪項不屬于輿情預警指標？A.負面信息增長率B.關鍵敏感詞出現頻率C.核心受眾地域分布D.關聯話題的聯動性答案：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、關聯話題（如“企業歷史問題”）被連帶討論；受眾地域分布屬于常規分析維度，非預警核心。10.大數據輿情分析中“數據清洗”的主要目的是：A.增加數據量以提高分析準確性B.去除重復、無效或噪聲數據C.統一數據格式便于模型訓練D.B和C答案：D解析：數據清洗包括去除重復/無效數據（如廣告、機器人發帖）和統一格式（如時間戳標準化、文本去標簽），確保后續分析的有效性。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）：追蹤輿情發展的時間線（起始、發酵、峰值、消退）及關鍵時間節點；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）：挖掘輿情產生的深層動因（產品問題、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/轉發、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。2.對比“情感分析”與“情緒分析”的區別，并說明在輿情研判中的不同作用。答案：區別：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線下行動），指導應對策略（如需優先安撫情緒而非解釋事實）。3.簡述“社會網絡分析（SNA）”在輿情傳播路徑研究中的具體應用步驟。答案：步驟：（1）數據采集：抓取輿情相關的用戶ID、互動關系（轉發/評論/@），構建傳播網絡數據；（2）節點識別：確定關鍵節點（中心節點：高轉發量用戶；橋梁節點：連接不同群體的用戶；邊緣節點：普通參與者）；（3）指標計算：計算網絡密度（互動頻繁程度）、中心性（節點影響力）、聚類系數（群體內聚力）等；（4）可視化呈現：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為中心節點）、傳播瓶頸（如跨平臺傳播斷層），為阻斷負面傳播（如聯系中心節點）或放大正面信息（如利用橋梁節點）提供依據。4.列舉三種常見的輿情誤判類型，并說明其產生原因。答案：（1）“數據過載誤判”：因片面依賴大數據總量（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：未進行數據清洗與質量評估。（2）“情感傾向誤判”：將中性信息（如“產品上市”）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（如個別用戶投訴），傳播量低；應對重點：快速監測（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）爆發期（發酵期）：傳播量激增，媒體/大V介入，情感傾向負面為主；應對重點：及時發聲（澄清事實/承諾處理），引導正向話題（如發布用戶好評），控制核心平臺（如微博評論區）。（3）消退期（平穩期）：傳播量下降，新話題轉移注意力；應對重點：持續監測（防止次生輿情），修復形象（如發布改進措施），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；應對重點：優化搜索結果（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，某國產新能源汽車品牌X因“電池自燃事故”被用戶在微博發布視頻（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，該微博轉發量超5萬，評論區出現“X車質量差”“電池供應商是小廠”“官方不作為”等關鍵詞，抖音、知乎等平臺出現類似投訴視頻，傳統媒體《財經時報》發布調查報道《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點。答案：傳播路徑梳理：（1）起始節點（第1天）：用戶@“X汽車吐槽”（粉絲5000的汽車類賬號）發布自燃視頻→觸發平臺推薦（微博“汽車”話題頁展示）；（2）擴散節點（第2天）：汽車垂直KOL@“車圈老周”（粉絲200萬）轉發評論“X車電池問題早有預兆，廠家品控存疑”→引發粉絲討論（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）爆發節點（第3天）：傳統媒體《財經時報》發布調查報道→被微博“新聞”話題頁收錄→轉發量突破5萬，知乎出現“X汽車電池供應商是否合格”高贊回答（點贊2萬）；（4）衍生節點（潛在）：若企業未回應，可能出現“X汽車股價下跌”“消費者聯合維權”等次生話題。關鍵節點識別：起始節點：用戶@“X汽車吐槽”的原始發帖（首次曝光）；加速節點：KOL@“車圈老周”的轉發（利用影響力擴大傳播）；質變節點：傳統媒體介入（提升事件權威性，推動從“用戶投訴”到“行業問題”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日用戶發帖→9月2日KOL擴散→9月3日媒體介入；傳播量：微博轉發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）。（2）傳播路徑與關鍵節點（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）、《財經時報》（需聯系記者核實報道依據）。（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：可能引發監管關注（如市場監督管理局介入調查）、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）：聯系發帖用戶（核實情況，承諾48小時內給出處理方案）、通過官微發布《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線（展示品控流程）、聯合電池供應商發布檢測報告（證明事故為個案）；長期：優化輿情監測（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）論述大數據時代公共關系輿情分析方法的創新與挑戰，并結合實例說明。答案：大數據時代，輿情分析方法在技術驅動下實現了從“經驗主導”到“數據+算法”的轉型，同時也面臨新的挑戰。一、方法創新1.數據采集的全面性提升：傳統方法依賴人工抽樣（如隨機選取100條評論），大數據技術可抓取全量數據（如某事件相關的100萬條微博、抖音評論），結合跨平臺數據（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，通過抓取全平臺數據發現，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”）；社會網絡分析結合動態傳播模型，可預測輿情走勢（如“若某KOL轉發，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，通過模型預測發現，若不及時回應，某百萬粉KOL的轉發將導致傳播量激增5倍，最終企業提前聯系該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：傳統分析需24小時生成報告，大數據平臺可實現“分鐘級”監測（如微博新帖5分鐘內進入分析系統），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“宰客”事件中，系統監測到“宰客”“天價”等關鍵詞在短視頻平臺30分鐘內增長200%，及時觸發預警，景區管理方2小時內發布整改公告，將負面傳播量控制在5000條以內（未預警情況下可能達10萬條）。二、面臨的挑戰1.數據質量問題：噪聲數據干擾：水軍刷帖（如“X產品超好，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。