大数据舆情分析到底在分析什么：数据源算法与业务产出拆解

「我们基于大数据做舆情分析。」这句话几乎出现在每一家供应商的PPT首页。采购负责人听到耳朵里，往往只剩下一个模糊印象：很厉害，但不知道厉害在哪。大数据舆情分析到底「大」在哪里、机器在算什么、最后算出来的东西能干什么——这三个问题不搞清楚，为「大数据」三个字付的溢价就是糊涂账。

把概念拆开，大数据舆情分析无非三层：数据从哪来、算法算什么、产出给谁用。

一、数据层：大在广度，更大在速度

舆情数据的「大」首先不是存量大，而是两个动态指标：覆盖广度和刷新速度。覆盖广度上，一套成体系的采集要触达新闻网站、社交图文、短视频、直播、论坛、问答社区、公众号等200+信息源，且每个源的抓取规则要跟着平台改版持续维护；刷新速度上，从内容发布到进入分析库，行业主流水平已到分钟级，支撑起5分钟级预警。非结构化是另一层含义：文本、图片、视频、评论区混在一起，需要分别走文本分析、OCR识别、语音转写等不同的处理管道。所以「大数据」的第一个诚实的翻译是：广、快、杂，而不是简单的「多」。

二、算法层：机器实际在算五件事

• 实体识别：从海量文本里认出品牌名、产品名、人名、地名、机构名，回答「这条信息在说谁」。别名的归一是难点——同一个品牌的简称、绰号、谐音都要认到一起去。
• 情感分析：判断一条内容的情绪倾向。行业语义分析准确率约92%，意味着反讽、「黑话」、表情符号混合的语境仍会误判，所以严肃场景的定性必须保留人工复核环节。
• 聚类分析：把十万条零散讨论自动归并成几十个话题簇，回答「大家主要在吵哪几件事」。某快消品牌曾靠聚类发现，关于自己的讨论焦点在两周内从价格悄悄迁移到了包装环保问题，及时调整了沟通重点。
• 传播分析：还原一条信息的扩散路径——谁首发、哪些账号是放大节点、在哪个时点出圈。这是处置决策的关键依据：资源该投给源头沟通还是节点沟通，看的就是这张图。
• 趋势预测：基于历史传播曲线外推走向，给出「可能继续升温」或「趋稳回落」的概率判断。注意，这一层是概率参考，不是水晶球。

三、产出层：四种能落地的东西

• 预警：算法层的实时产出，按分级规则推送到人。
• 报告：日报、周报、专报，机器出数据底稿、人出研判结论，这是目前质量最稳的人机分工。
• 口碑画像：一段时期内主体的声量结构、情感结构、高频话题结构，用于品牌体检和竞品对照。
• 决策支持：高频诉求清单反哺产品与客服改进，传播节点清单指导媒介资源投放。

四、验收时别被概念绕进去：三个问题

• 「给我看实时数据。」现场搜一个当天的新话题，看系统里多久出现、覆盖几个源。真大数据不怕现场验。
• 「情感判错了怎么办？」听对方怎么答。诚实的答案是「准确率约92%、重要定性人工兜底」；拍胸脯说「接近百分百」的，可以直接划掉。
• 「历史数据能查多久？」回溯能力背后是存储成本，能给出明确年限和检索速度的，才是真有数据积累的服务商。

天峰律政在36800+次舆情处置的实战中形成的判断是：大数据舆情分析的价值从来不在「大」，而在「快、准、能落地」——快在预警分钟级触达，准在重要结论有人工兜底，落地在产出直接对接处置动作。采购者盯住这三点，就不会为漂亮的概念多付钱，也不会为便宜的概念买错单。

常见问答

问：大数据分析和普通的关键词监测有什么区别？ 答：关键词监测回答「有没有提到我」，大数据分析回答「在说我什么、谁在放大、会往哪走」。前者是告警器，后者是分析引擎；实际产品里两者是包含关系，分析能力建立在监测数据之上。选型时重点看对方在聚类、传播分析上的真实演示，而不是概念页。

问：情感分析92%的准确率，拿来写正式报告够吗？ 答：趋势性结论够用，单条定性要复核。十万条数据的整体情感分布，92%的准确率足以支撑趋势判断；但对某一条关键内容、某一个重大事件的定性，必须用剩下的人工复核把误判筛掉，这是行业通行的稳妥做法。

问：中小企业用得上这些分析能力吗？ 答：用得上，但不必全买。中小企业的刚需是预警加基础报告，聚类和传播分析在突发时按需调用即可。选产品时确认「基础套餐含什么、高级分析能否按次开通」，比一上来买全功能套餐更经济。

本文技术原理为行业通用知识整理，不同供应商的技术路线与能力指标存在差异，具体以产品实测与合同约定为准。