隨著移動互聯網、物聯網等新技術的迅速發展，人類進入數據時代。大數據帶來的信息風暴正深刻改變我們的生活、工作和思維方式，對網絡輿情管理也帶來深刻影響。
如何利用大數據實施輿情監控
1.將大數據和社會治理緊密結合起來，改進網絡輿情源頭治理。網絡輿情本質上是社情民意的體現，加強網絡輿情管理就是加強社會治理。要運用大數據強大的“關聯分析”能力，構建網絡輿情數據“立方體”，把網上網下各方面數據整合起來，進行分析，挖掘網絡輿情和社會動態背後的深層次關係，實現網絡輿情管理和社會治理的緊密聯動、同步推進。
2.將大數據和網上政務信息公開緊密結合起來，提升政府公信力。當前，美國政府已經建立統一的數據開放門戶網站，並提供接口供社會各界開發應用程序來使用各部門數據，此舉將政務公開從“信息層面”推進到“數據層面”，開闢了政府信息公開的新路徑。我們要在保障數據安全的基礎上，探索建立我國的大數據政務公開系統，引導社會力量參與對公共數據的挖掘和使用，讓數據發揮最大價值。
3.將大數據和日常輿情管理緊密結合起來，提高網絡輿情整體掌控能力。美國紐約市警察局開發了著名的ComStat系統，通過分析歷史數據繪製“犯罪地圖”，預測犯罪高發時間和地點，從而有針對性地加強警力配置，獲得巨大成功。這種“數據驅動”方法，對網絡輿情管理有一定的借鑑意義。要運用大數據突破傳統輿情管理的狹窄視域，建立網絡輿情大數據臺賬系統，實時記錄網站、博客、微博、微信、論壇等各個網絡平臺數據，全面分析輿情傳播動態，從瞬息萬變的輿情數據中找準管理重點、合理配置資源，提高管理效能。
4.將大數據和突發事件應對緊密結合起來，提高網絡輿情應急處置能力。大數據時代，社會突發事件與互聯網總是緊密相連、如影隨形，網絡既能成為突發事件的“助燃劑”，也能夠成為應對事件的有力工具。要建立“輿情量化指標體系”、“演化分析模型”等數據模型，綜合分析事件性質、事態發展、傳播平臺、瀏覽人數、網民意見傾向等各方面數據，快速準確地劃分輿情級別，確定應對措施，解決傳統的輿情分級中存在的隨意性、滯後性等問題，做到科學研判、快速處置。
5.將大數據和輿論引導緊密結合起來，提高感染力和說服力。大數據時代的輿論引導，一方面要“循數而為”，通過分析網上數據，建立網民意見傾向分析模型，瞭解網民的喜好和特點，做到“善說話、說對話”。另一方面要“用數據說話”。數據最有說服力，要在充分收集相關數據的基礎上，運用圖表等數據可視化技術，全面呈現事件的來龍去脈，讓網民既瞭解事件真相，也瞭解事件背景和歷史脈絡，消除輿論的“盲人摸象”效應，化解網民偏激情緒，實現客觀理性。
輿情方法論一：確認信息相關度
網絡平臺中與企業或機構完全相關的信息，輿論討論更為聚焦，輿情風險最大；部分相關的信息，輿論討論觀點較為分散，存在主要問題和次要問題之分，一般主要問題關注度較高，次要問題一定程度上被弱化；虛假相關信息，多為捏造、拼湊的不真實內容，輿情風險較低，但也應結合信息渠道、傳播量來判斷是否進行輿情處置，減少負面輿論影響。
輿情方法論二：信息渠道的影響力
權威媒體報道的事件具有發酵速度快、影響力大、真實性高的特點，輿情風險的級別較高。
微博、微信等自媒體個人賬號發佈的事件具有擴散時間慢、不確定性強的特點，需要核查事件真實性後再做出進一步的反應，輿情風險較低。但目前自媒體發展迅猛，也能夠快速吸引流量，尤其是網絡名人、網紅賬號擁有大量粉絲群體，其發佈的信息輿論關注度高，更易在短時間內引發輿情關注。
不同發佈渠道對輿情影響力不同，發酵風險則不同。判斷輿情風險的第二步是判斷信息發佈渠道的影響力。
輿情方法論三：媒介傳播量
信息傳播情況是判斷輿情風險的重要衡量因素。因此，研判輿情風險的第三步就是統計追蹤各媒體傳播量，根據不同量級最終確定是否或何時開展後續輿情處置工作。判斷輿情信息量需根據傳播規律，區別不同媒介、平臺傳播量的輿論影響力。例如，網絡新聞媒體的轉載量達到五十餘篇時，已經表明該信息獲得了輿論關注；而微博信息轉載五十餘次，微信公眾號、抖音視頻轉載五十餘次卻僅是少量傳播。
因此，在判斷輿情信息傳播情況時，需統計不同媒體的傳播量，數量越多輿情風險越大，而不同媒體的傳播量風險不能用統一數量作為指標。
網絡新聞媒體具有權威性，受眾群體眾多，一般少量轉發即可能獲得大量公眾關注，並帶動其他媒介共同擴散，因此輿情風險衡量數量門檻較低。自媒體平臺則具有不可靠性、圈層性，傳播數量需到達一定級別的數量，才能在輿論場中激起漣漪，引發輿論關注，輿情風險衡量數量門檻較高。
信息來源：網絡
圖片來源：網絡
如有侵權請聯繫刪文
