第4章

營銷大數(shù)據(jù)分析本章內(nèi)容

第1節(jié)

預(yù)測分析

第2節(jié)

文本分析

第3節(jié)

社交網(wǎng)絡(luò)分析

第4節(jié)

數(shù)據(jù)分析工具學(xué)習(xí)目標(biāo)

理解并掌握預(yù)測分析的內(nèi)容、作用及分析方法

理解并掌握文本分析的內(nèi)容、作用及分析流程

理解并掌握社交網(wǎng)絡(luò)分析的內(nèi)容、作用及分析指標(biāo)

了解數(shù)據(jù)分析常用工具及其特點(diǎn)導(dǎo)入案例

大數(shù)據(jù)助力京東物流顧客享受分鐘級(jí)收貨體驗(yàn)“購物車還沒清空，就接到了配送的電話”,“京東物流速度簡直不可思議”……京東物流數(shù)據(jù)顯示，2021年618期間，最快僅4分鐘就將快遞送至客戶手中。618當(dāng)日，京東穩(wěn)定履約背后的技術(shù)數(shù)據(jù)也首次公開：全國日均單量預(yù)測準(zhǔn)確率超過95.5%，32座亞洲一號(hào)護(hù)航，機(jī)器人倉單日訂單處理量超過100%，智能快遞車送達(dá)業(yè)務(wù)量同比增長24倍。通過大數(shù)據(jù)，京東能夠有效分析出消費(fèi)者的偏好，將消費(fèi)者的訂貨需求準(zhǔn)確傳達(dá)給最近的倉庫，精準(zhǔn)高速配送的同時(shí)也不會(huì)發(fā)生送錯(cuò)現(xiàn)象。京東物流“預(yù)測式發(fā)貨（AnticipatoryShipping）”正是利用大數(shù)據(jù)預(yù)測，直接鎖定潛在客戶需求，實(shí)現(xiàn)精準(zhǔn)營銷。根據(jù)預(yù)測結(jié)果，京東物流將貨物運(yùn)送至距離潛在客戶最近的物流網(wǎng)點(diǎn)，實(shí)現(xiàn)“單未下貨先行”；消費(fèi)者下單后，直接從距離最近的倉庫調(diào)撥貨物，讓消費(fèi)者購買商品實(shí)現(xiàn)“即買即得”。本章知識(shí)結(jié)構(gòu)預(yù)測分析文本分析數(shù)據(jù)分析工具營銷大數(shù)據(jù)分析社交網(wǎng)絡(luò)分析分析內(nèi)容：用戶行為、偏好、關(guān)系、價(jià)值預(yù)測分析方法：回歸、決策樹、隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、KNN算法等分析內(nèi)容：用戶特征、情感、需求分析分析流程：數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)分析社交網(wǎng)絡(luò)核心概念及相關(guān)理論分析內(nèi)容：營銷推薦網(wǎng)絡(luò)、用戶間關(guān)系、用戶與企業(yè)互動(dòng)分析分析指標(biāo)：網(wǎng)絡(luò)密度、中心度、凝聚子群等EXCEL、SPSS、SAS、R、Python、MATLAB、Tableau等預(yù)測分析概述丨預(yù)測分析方法一、預(yù)測分析概述第1節(jié)

預(yù)測分析預(yù)測分析的內(nèi)容

用戶行為預(yù)測從大量的歷史用戶數(shù)據(jù)中挖掘出用戶的特定行為及其規(guī)律，快速準(zhǔn)確地預(yù)測未來一定時(shí)間內(nèi)即將發(fā)生的用戶行為，如瀏覽、搜索、點(diǎn)擊、收藏、購買、流失、違約等未來行為動(dòng)向。用戶偏好預(yù)測基于歷史數(shù)據(jù)對(duì)用戶品類偏好、價(jià)格偏好、渠道偏好、品牌偏好等進(jìn)行預(yù)測，挖掘用戶興趣，為用戶提供“投其所好”的個(gè)性化產(chǎn)品和服務(wù)，增強(qiáng)用戶粘性及對(duì)企業(yè)的忠誠度。用戶關(guān)系預(yù)測基于用戶數(shù)據(jù)（如微博中的用戶基本信息、所在位置、微博內(nèi)容、粉絲用戶、關(guān)注用戶等屬性數(shù)據(jù)）進(jìn)行預(yù)測分析，挖掘用戶間潛在的鏈接關(guān)系，降低網(wǎng)絡(luò)稀疏性、提高營銷效率。用戶價(jià)值預(yù)測結(jié)合交易數(shù)據(jù)預(yù)測用戶整個(gè)生命周期的購買力，識(shí)別和重點(diǎn)維護(hù)高價(jià)值用戶。文本分析社交網(wǎng)絡(luò)分析數(shù)據(jù)分析工具預(yù)測分析預(yù)測分析概述丨預(yù)測分析方法一、預(yù)測分析概述第1節(jié)

預(yù)測分析預(yù)測分析在營銷中的作用

識(shí)別潛在客戶項(xiàng)目三項(xiàng)目二項(xiàng)目四企業(yè)通過大數(shù)據(jù)預(yù)測分析，能夠有效識(shí)別高質(zhì)量潛在客戶，并以高效、針對(duì)性地吸引和觸達(dá)客戶，使?fàn)I銷活動(dòng)更具目標(biāo)性，從而大幅降低成本。增強(qiáng)客戶粘性提升客戶價(jià)值減少客戶流失文本分析社交網(wǎng)絡(luò)分析數(shù)據(jù)分析工具預(yù)測分析企業(yè)通過大數(shù)據(jù)預(yù)測分析，能夠?yàn)榭蛻籼峁└鼉?yōu)惠便捷的產(chǎn)品或服務(wù)選擇，創(chuàng)造極致顧客體驗(yàn)，增強(qiáng)客戶粘性，鞏固客戶關(guān)系，提高客戶忠誠度。企業(yè)通過大數(shù)據(jù)預(yù)測分析，能夠識(shí)別客戶價(jià)值，從而對(duì)高價(jià)值目標(biāo)客戶重點(diǎn)營銷，同時(shí)提升低價(jià)值客戶貢獻(xiàn)度，充分挖掘現(xiàn)有客戶的潛力，獲取最大價(jià)值回報(bào)。企業(yè)通過大數(shù)據(jù)預(yù)測分析，預(yù)測顧客隱藏的趨勢與行為，識(shí)別潛在流失客戶，便于主動(dòng)出擊，實(shí)施挽回計(jì)劃，減少客戶流失，最大限度降低損失。文本分析社交網(wǎng)絡(luò)分析數(shù)據(jù)分析工具預(yù)測分析第1節(jié)

預(yù)測分析預(yù)測分析概述丨預(yù)測分析方法二、預(yù)測分析方法

回歸分析（RegressionAnalysis）回歸分析是在自變量和因變量間關(guān)系的基礎(chǔ)上建立回歸方程，并將該方程作為預(yù)測模型，根據(jù)自變量在預(yù)測期的值來預(yù)測因變量數(shù)值的分析方法。按照自變量個(gè)數(shù)分類，分為一元回歸和多元回歸分析；按照自變量和因變量間關(guān)系分類，分為線性回歸和非線性回歸。如谷歌在

2014年發(fā)布的通過電影相關(guān)搜索量數(shù)據(jù)提前預(yù)測電影上映首周票房收入的預(yù)測模型，采用的就是最為簡單的線性回歸方法，但其預(yù)測準(zhǔn)確度高達(dá)94%。線性模型雖然表面上看起來簡單，精準(zhǔn)度卻很高。越是簡單的模型越容易被人們理解和分析，簡單且效果好是實(shí)際應(yīng)用中一直追求的目標(biāo)。文本分析社交網(wǎng)絡(luò)分析數(shù)據(jù)分析工具預(yù)測分析第1節(jié)

預(yù)測分析預(yù)測分析概述丨預(yù)測分析方法二、預(yù)測分析方法決策樹是一種樹形結(jié)構(gòu)，由3個(gè)主要部分組成：根節(jié)點(diǎn)、分支和葉子節(jié)點(diǎn)。最頂部的是根節(jié)點(diǎn)，表示一個(gè)待分類的數(shù)據(jù)類別或?qū)傩?，從根結(jié)點(diǎn)開始分支分裂，直到葉子節(jié)點(diǎn)給出結(jié)果。三種經(jīng)典算法：ID3、C4.5和CART算法，不同算法會(huì)根據(jù)不同標(biāo)準(zhǔn)選擇最優(yōu)的分裂屬性，進(jìn)而生成一棵完整的決策樹。右圖為一棵構(gòu)建好的決策樹。決策樹（DecisionTrees）文本分析社交網(wǎng)絡(luò)分析數(shù)據(jù)分析工具預(yù)測分析第1節(jié)

預(yù)測分析預(yù)測分析概述丨預(yù)測分析方法二、預(yù)測分析方法隨機(jī)森林通過建立多棵隨機(jī)生成的決策樹而形成。通俗來講，隨機(jī)森林是若干決策樹進(jìn)行“投票表決”的過程：每棵決策樹給出“投票結(jié)果”，隨機(jī)森林的輸出結(jié)果則是將若干單個(gè)決策樹的“投票結(jié)果”整合后的“最終投票結(jié)果”。仍以決策樹的分類問題為例，如果隨機(jī)森林中包含1000棵決策樹，有892棵決策樹的預(yù)測結(jié)果為“有購買意向”，108棵決策樹的預(yù)測結(jié)果為“無購買意向”，經(jīng)過1000棵決策樹的“投票表決”，判斷結(jié)果為該用戶有購買意向。隨機(jī)森林（RandomForest）文本分析社交網(wǎng)絡(luò)分析數(shù)據(jù)分析工具預(yù)測分析第1節(jié)

預(yù)測分析預(yù)測分析概述丨預(yù)測分析方法二、預(yù)測分析方法以一個(gè)經(jīng)典的單層神經(jīng)網(wǎng)絡(luò)為例，包含輸入層、中間層（也叫隱藏層）、輸出層三個(gè)層次。類比生物神經(jīng)元的工作原理，在人工神經(jīng)網(wǎng)絡(luò)中，一個(gè)神經(jīng)元有n個(gè)輸入，每一個(gè)輸入對(duì)應(yīng)一個(gè)權(quán)值w，神經(jīng)元內(nèi)會(huì)對(duì)輸入與權(quán)重做乘法后求和，求和的結(jié)果與偏置做差，最終將結(jié)果放入激活函數(shù)中，由激活函數(shù)給出最后的輸出結(jié)果。人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetwork）文本分析社交網(wǎng)絡(luò)分析數(shù)據(jù)分析工具預(yù)測分析第1節(jié)

預(yù)測分析預(yù)測分析概述丨預(yù)測分析方法二、預(yù)測分析方法支持向量機(jī)的基本思想是求解能夠正確劃分訓(xùn)練數(shù)據(jù)集并且?guī)缀伍g隔最大的分離超平面。SVM和線性回歸的思想有相似之處，兩者都是尋找一條最佳直線，但定義方法不同，線性回歸要求直線到各個(gè)點(diǎn)的距離最近，而SVM要求直線離兩邊點(diǎn)距離盡量大。如下圖，SVM劃分直線使得圓形和三角形分離盡量大。支持向量機(jī)（Support

Vector

Machine）文本分析社交網(wǎng)絡(luò)分析數(shù)據(jù)分析工具預(yù)測分析第1節(jié)

預(yù)測分析預(yù)測分析概述丨預(yù)測分析方法二、預(yù)測分析方法KNN算法的思路正如其名，是借助樣本點(diǎn)附近的K個(gè)“Neighbors”是什么類別來判斷該樣本的所屬類別。以經(jīng)典示意圖進(jìn)行說明。有兩類已知標(biāo)簽的數(shù)據(jù)（藍(lán)方塊和紅三角），綠圓圈是需要進(jìn)行分類判斷的樣本點(diǎn)。如果K=3（判斷范圍為小圓區(qū)域），范圍內(nèi)紅三角多，則綠圓圈屬于紅三角類別；而如果K=5（判斷范圍為大圓區(qū)域），范圍內(nèi)藍(lán)方塊多，則綠圓圈屬于藍(lán)方塊類別。KNN（K-NearestNeighbors）文本分析（TextAnalysis）又稱文本挖掘（TextMining)，是指從大量非結(jié)構(gòu)化文本數(shù)據(jù)中抽取特征詞進(jìn)行量化以表示文本信息。社交網(wǎng)絡(luò)分析數(shù)據(jù)分析工具預(yù)測分析文本分析第2節(jié)

文本分析文本分析概述丨文本分析流程一、文本分析概述文本分析可以回答“是什么？”“為什么？”揭示出非結(jié)構(gòu)化文本信息中的人物、事件、時(shí)間、地點(diǎn)等內(nèi)容反映用戶購買和使用產(chǎn)品的潛在動(dòng)機(jī)和真實(shí)需求為客戶體驗(yàn)、市場研究、用戶調(diào)查以及數(shù)據(jù)分析和媒體測量提供關(guān)鍵解決方案社交網(wǎng)絡(luò)分析數(shù)據(jù)分析工具預(yù)測分析文本分析第2節(jié)

文本分析文本分析概述丨文本分析流程這里是文本這里是文本這里是文本這里是文本數(shù)據(jù)采集數(shù)據(jù)分析二、文本分析流程數(shù)據(jù)預(yù)處理數(shù)據(jù)分析用戶交流記錄客戶投訴意見用戶產(chǎn)品評(píng)論用戶搜索記錄……分詞清洗剔除停止詞拼寫檢查詞干化關(guān)鍵詞抽取語義網(wǎng)絡(luò)分析情感傾向分析主題建模……社交網(wǎng)絡(luò)分析數(shù)據(jù)分析工具預(yù)測分析文本分析第2節(jié)

文本分析文本分析概述丨文本分析流程一、文本分析概述用戶特征分析對(duì)用戶在社交網(wǎng)絡(luò)平臺(tái)發(fā)表觀點(diǎn)、撰寫文章、與朋友互動(dòng)等活動(dòng)產(chǎn)生的文本進(jìn)行分析，得到能夠表達(dá)用戶日常行為的主題詞，進(jìn)而得知用戶特征。用戶情感分析用戶評(píng)論信息中包含著豐富的情感色彩和情感傾向，如喜、怒、哀、樂、批評(píng)、贊揚(yáng)等。基于這些帶有主觀色彩的評(píng)論，企業(yè)識(shí)別出用戶文本背后蘊(yùn)含的情緒或情感。用戶需求分析通過對(duì)用戶在社交平臺(tái)、購物網(wǎng)站上在線交流、分享經(jīng)驗(yàn)、發(fā)表評(píng)價(jià)等活動(dòng)生成的內(nèi)容進(jìn)行文本分析，能夠快速、準(zhǔn)確地捕捉用戶需求。文本分析的內(nèi)容在計(jì)算機(jī)找出輸入或識(shí)別等錯(cuò)誤后，根據(jù)檢查結(jié)果決定是否進(jìn)行改正將英文單詞的派生形式或中文詞語的同義詞提取和還原為對(duì)應(yīng)詞干對(duì)僅具有語言學(xué)的意義，而對(duì)所表達(dá)的內(nèi)容沒有太大意義的詞進(jìn)行過濾對(duì)文本中的HTML標(biāo)簽、URL地址、圖像等沒有實(shí)質(zhì)性意義的內(nèi)容進(jìn)行清洗按照一定規(guī)則對(duì)文本語料中的基本詞匯進(jìn)行劃分社交網(wǎng)絡(luò)分析數(shù)據(jù)分析工具預(yù)測分析文本分析第2節(jié)

文本分析文本分析概述丨文本分析流程（一）數(shù)據(jù)采集（二）數(shù)據(jù)預(yù)處理分詞清洗停用詞過濾拼寫檢查詞干化營銷文本數(shù)據(jù)來源渠道豐富，如社交平臺(tái)上的用戶交流記錄、客戶意見建議、在線口碑、用戶評(píng)論、搜索引擎中的用戶搜索記錄、用戶發(fā)表的微博等自媒體內(nèi)容等。社交網(wǎng)絡(luò)分析數(shù)據(jù)分析工具預(yù)測分析文本分析第2節(jié)

文本分析文本分析概述丨文本分析流程（三）數(shù)據(jù)分析關(guān)鍵詞抽取關(guān)鍵詞抽?。↘eywordsExtraction）可以精煉文本信息，讀者通過幾個(gè)關(guān)鍵詞便可領(lǐng)略文本大意。在提取得到關(guān)鍵詞后，還可對(duì)每個(gè)關(guān)鍵詞進(jìn)行詞頻統(tǒng)計(jì)，并制作個(gè)性化詞云圖。應(yīng)用：右圖為2021年鴻星爾克河南捐款事件網(wǎng)友評(píng)論的詞云圖，展示方法美觀、易視，看出關(guān)鍵詞有鴻星爾克、買、加油、鞋子、好、爾克、支持等，體現(xiàn)消費(fèi)者的積極態(tài)度。社交網(wǎng)絡(luò)分析數(shù)據(jù)分析工具預(yù)測分析文本分析第2節(jié)

文本分析文本分析概述丨文本分析流程（三）數(shù)據(jù)分析主題抽取主題抽?。═opicExtraction），或主題建模（TopicModeling），用來挖掘文本中隱含的主題以及各個(gè)主題間關(guān)聯(lián)變化。常用技術(shù)有LDA、LSA、PLSA等。應(yīng)用：以微博營銷為例，微博用戶標(biāo)簽常被用作內(nèi)容推薦的依據(jù)，然而自定義標(biāo)簽數(shù)量有限。企業(yè)可對(duì)用戶微博文本數(shù)據(jù)進(jìn)行主題抽取，分析得出用戶習(xí)慣、偏好等屬性標(biāo)簽，產(chǎn)生用戶畫像，對(duì)用戶進(jìn)行商品個(gè)性化推薦。社交網(wǎng)絡(luò)分析數(shù)據(jù)分析工具預(yù)測分析文本分析第2節(jié)

文本分析文本分析概述丨文本分析流程（三）數(shù)據(jù)分析關(guān)系抽取關(guān)系抽?。≧elationExtraction）是指基于社會(huì)網(wǎng)絡(luò)對(duì)文本中不同的詞語進(jìn)行分析，提取語義關(guān)系。應(yīng)用：如基于小米手機(jī)正面評(píng)論語義網(wǎng)絡(luò)圖，可以看出用戶評(píng)論的關(guān)注點(diǎn)（如“效果”、“屏幕”、“速度”、“拍照”等），還可以看出它們之間的關(guān)系（如“效果”與“待機(jī)時(shí)間”、“拍照”、“音效”、“速度”等性能密切相關(guān)）。社交網(wǎng)絡(luò)分析數(shù)據(jù)分析工具預(yù)測分析文本分析第3節(jié)

社交網(wǎng)絡(luò)分析社交網(wǎng)絡(luò)基礎(chǔ)知識(shí)丨社交網(wǎng)絡(luò)分析概述丨社交網(wǎng)絡(luò)分析關(guān)鍵指標(biāo)一、社交網(wǎng)絡(luò)基礎(chǔ)知識(shí)社交網(wǎng)絡(luò)（SocialNetwork），又稱社會(huì)網(wǎng)絡(luò)、社會(huì)化網(wǎng)絡(luò)，是指個(gè)體成員之間通過社交關(guān)系結(jié)成的網(wǎng)絡(luò)體系。個(gè)體，又稱節(jié)點(diǎn)（Node），可以是組織、個(gè)人、網(wǎng)絡(luò)ID等不同含義的實(shí)體或虛擬個(gè)體。六度分隔理論強(qiáng)關(guān)系弱關(guān)系頓巴數(shù)貝肯數(shù)社交網(wǎng)絡(luò)中的基礎(chǔ)理論及關(guān)鍵概念社交網(wǎng)絡(luò)分析數(shù)據(jù)分析工具預(yù)測分析文本分析第3節(jié)

社交網(wǎng)絡(luò)分析社交網(wǎng)絡(luò)基礎(chǔ)知識(shí)丨社交網(wǎng)絡(luò)分析概述丨社交網(wǎng)絡(luò)分析關(guān)鍵指標(biāo)一、社交網(wǎng)絡(luò)基礎(chǔ)知識(shí)數(shù)貝肯數(shù)名稱內(nèi)容結(jié)論營銷啟示六度分隔理論最多通過六個(gè)人，即可認(rèn)識(shí)任意一個(gè)陌生人。任何兩位素不相識(shí)的人之間總能夠產(chǎn)生必然聯(lián)系或關(guān)系。充分發(fā)揮社交網(wǎng)絡(luò)強(qiáng)勢傳播的杠桿作用，使信息擴(kuò)散更加高效順暢。強(qiáng)關(guān)系弱關(guān)系強(qiáng)關(guān)系是穩(wěn)定但范圍有限的社會(huì)關(guān)系，如親人；弱關(guān)系是關(guān)系較淺但更為廣泛的社會(huì)關(guān)系，如網(wǎng)友。強(qiáng)關(guān)系網(wǎng)絡(luò)成員互動(dòng)頻率較高，更容易產(chǎn)生信任；弱關(guān)系促成信息流動(dòng)，可以獲得更豐富的信息。強(qiáng)關(guān)系、弱關(guān)系分別通過用戶間的聯(lián)系深度和廣度，在成員的活躍維護(hù)方面和規(guī)模擴(kuò)張方面發(fā)揮重要作用。頓巴數(shù)頓巴教授研究得出，人類擁有穩(wěn)定社交關(guān)系的人數(shù)是148人，四舍五入為150人。大多數(shù)人只能與150人建立起實(shí)質(zhì)關(guān)系，超過一定數(shù)量后，個(gè)體間的交互及影響減弱很多。與客戶保持密切聯(lián)系，加強(qiáng)信任，建立起穩(wěn)定的社交關(guān)系；對(duì)擁有高價(jià)值資源的重點(diǎn)客戶加強(qiáng)聯(lián)系，實(shí)現(xiàn)人脈資源擴(kuò)張和資源價(jià)值放大。貝肯數(shù)貝肯一類普通演員與明星大腕發(fā)生聯(lián)系所需要的中間人數(shù)量在2.6-3之間?！靶∪宋铩币材芊浅＝咏W(wǎng)絡(luò)中心；隔離高鏈接性人物，即可阻斷兩個(gè)網(wǎng)絡(luò)之間的鏈接。不僅大V值得關(guān)注，像貝肯這樣的用戶也應(yīng)給予重視；高鏈接節(jié)點(diǎn)用戶流失可能造成整個(gè)網(wǎng)絡(luò)崩潰。社交網(wǎng)絡(luò)分析數(shù)據(jù)分析工具預(yù)測分析文本分析第3節(jié)

社交網(wǎng)絡(luò)分析社交網(wǎng)絡(luò)基礎(chǔ)知識(shí)丨社交網(wǎng)絡(luò)分析概述丨社交網(wǎng)絡(luò)分析關(guān)鍵指標(biāo)一、社交網(wǎng)絡(luò)基礎(chǔ)知識(shí)社交網(wǎng)絡(luò)通常以關(guān)系圖的形式表示。下圖表示一個(gè)由10個(gè)節(jié)點(diǎn)組成的小型網(wǎng)絡(luò)。節(jié)點(diǎn)間的連線表示個(gè)體間存在關(guān)系，連線越多表示聯(lián)系越密切。圖形表示對(duì)用戶間關(guān)系進(jìn)行分析，確定用戶社交圈及在社交圈中的地位、判斷社交圈中的信息擴(kuò)散速度等內(nèi)容利用營銷事件或產(chǎn)品的推薦網(wǎng)絡(luò)圖,分析網(wǎng)絡(luò)傳播的結(jié)構(gòu)、推薦路徑,找到熱點(diǎn)事件或產(chǎn)品，進(jìn)行有效營銷社交網(wǎng)絡(luò)分析數(shù)據(jù)分析工具預(yù)測分析文本分析第3節(jié)

社交網(wǎng)絡(luò)分析社交網(wǎng)絡(luò)基礎(chǔ)知識(shí)丨社交網(wǎng)絡(luò)分析概述丨社交網(wǎng)絡(luò)分析關(guān)鍵指標(biāo)二、社交網(wǎng)絡(luò)分析概述社交網(wǎng)絡(luò)分析（SocialNetworkAnalysis）是基于信息學(xué)、數(shù)學(xué)、社會(huì)學(xué)、管理學(xué)、心理學(xué)等多學(xué)科的理論和方法，理解人類各種社交關(guān)系的形成、行為特點(diǎn)以及信息傳播規(guī)律的一種可計(jì)算分析方法。內(nèi)容營銷推薦網(wǎng)絡(luò)分析用戶間關(guān)系分析觀察用戶對(duì)企業(yè)品牌、產(chǎn)品及促銷優(yōu)惠活動(dòng)的情緒及反應(yīng)，制定實(shí)時(shí)社交網(wǎng)絡(luò)回應(yīng)決策，優(yōu)化調(diào)整營銷策略用戶與企業(yè)互動(dòng)分析根據(jù)社交網(wǎng)絡(luò)分析識(shí)別出的用戶社交關(guān)系，將相關(guān)產(chǎn)品信息推廣和擴(kuò)散至目標(biāo)用戶，有效拓展?jié)撛诳蛻糍Y源企業(yè)在進(jìn)行營銷時(shí)，僅通過將信息告知少量KOL，足以使信息最大限度在社交網(wǎng)絡(luò)上進(jìn)行傳播并影響其他用戶定位KOL加速信息傳播社交推薦拓展客戶資源對(duì)社交媒體平臺(tái)的用戶生成內(nèi)容和行為進(jìn)行分析，精準(zhǔn)識(shí)別客戶需求，實(shí)現(xiàn)客戶和資源的精準(zhǔn)匹配識(shí)別需求實(shí)現(xiàn)精準(zhǔn)匹配作用社交網(wǎng)絡(luò)分析數(shù)據(jù)分析工具預(yù)測分析文本分析第3節(jié)

社交網(wǎng)絡(luò)分析社交網(wǎng)絡(luò)基礎(chǔ)知識(shí)丨社交網(wǎng)絡(luò)分析概述丨社交網(wǎng)絡(luò)分析關(guān)鍵指標(biāo)三、社交網(wǎng)絡(luò)分析關(guān)鍵指標(biāo)網(wǎng)絡(luò)密度網(wǎng)絡(luò)密度為網(wǎng)絡(luò)中實(shí)際存在邊數(shù)與可容納邊數(shù)上限的比值。網(wǎng)絡(luò)密度=當(dāng)前關(guān)系數(shù)÷理論最大關(guān)系數(shù)0≤網(wǎng)絡(luò)密度≤1以微信群為例：家庭群，群成員均為家庭成員，彼此非常熟悉，網(wǎng)絡(luò)密度為1；微商群，成員彼此間幾乎不認(rèn)識(shí)，網(wǎng)絡(luò)密度幾乎接近于0；社區(qū)團(tuán)購群，群成員同住一個(gè)社區(qū)，彼此存在一定聯(lián)系，網(wǎng)絡(luò)密度在0-1之間。社交網(wǎng)絡(luò)分析數(shù)據(jù)分析工具預(yù)測分析文本分析第3節(jié)

社交網(wǎng)絡(luò)分析社交網(wǎng)絡(luò)基礎(chǔ)知識(shí)丨社交網(wǎng)絡(luò)分析概述丨社交網(wǎng)絡(luò)分析關(guān)鍵指標(biāo)三、社交網(wǎng)絡(luò)分析關(guān)鍵指標(biāo)中心度接近中心度ClosenessCentrality表示某節(jié)點(diǎn)與其他節(jié)點(diǎn)之間的接近程度中介中心度BetweenCentrality以經(jīng)過某節(jié)點(diǎn)最短路徑的數(shù)目來刻畫節(jié)點(diǎn)重要性點(diǎn)度中心度

DegreeCentrality對(duì)一個(gè)節(jié)點(diǎn)單獨(dú)價(jià)值的衡量，是刻畫中心度最直接的指標(biāo)社交網(wǎng)絡(luò)分析數(shù)據(jù)分析工具預(yù)測分析文本分析第3節(jié)

社交網(wǎng)絡(luò)分析社交網(wǎng)絡(luò)基礎(chǔ)知識(shí)丨社交網(wǎng)絡(luò)分析概述丨社交網(wǎng)絡(luò)分析關(guān)鍵指標(biāo)三、社交網(wǎng)絡(luò)分析關(guān)鍵指標(biāo)凝聚子群“人以類聚，物以群分”網(wǎng)絡(luò)中某些行動(dòng)者之間的關(guān)系特別緊密，以至于能結(jié)合成一個(gè)次級(jí)團(tuán)體時(shí)，這樣的團(tuán)體為凝聚子群。如果網(wǎng)絡(luò)存在凝聚子群，并且凝聚子群的密度較高，說明這個(gè)凝聚子群內(nèi)部的行動(dòng)者間聯(lián)系緊密，在信息分享和合作方面交往頻繁。（圖片來自網(wǎng)絡(luò)）社交網(wǎng)絡(luò)分析數(shù)據(jù)分析工具預(yù)測分析Excel丨SPSS丨SAS|R丨Python|MATLAB|Tableau文本分析第4節(jié)

數(shù)據(jù)分析工具常用的分析工具繁多，根據(jù)功能主要分為：數(shù)據(jù)獲取、數(shù)據(jù)處理、建模和可視化四大類社交網(wǎng)絡(luò)分析數(shù)據(jù)分析工具預(yù)測分析Excel丨SPSS丨SAS|R丨Python|MATLAB|Tableau文本分析第4節(jié)

數(shù)據(jù)分析工具操作簡便，數(shù)據(jù)分析入門級(jí)工具工作表方式管理數(shù)據(jù)，數(shù)據(jù)一目了然，數(shù)據(jù)處理和管理更直觀、方便強(qiáng)大的數(shù)據(jù)處理和分析功能，如描述性統(tǒng)計(jì)、相關(guān)系數(shù)、概率分布、均值推斷、回歸分析、分類、聚類等支持可視化制圖，如折線圖、條形圖、散點(diǎn)圖、餅圖、圓環(huán)圖及一些立體圖形但也有其短板，如不能非常有效地處理大型數(shù)據(jù)集；無法進(jìn)行復(fù)雜處理，有更高數(shù)據(jù)分析要求時(shí)需要使用專業(yè)分析工具一、Excel社交網(wǎng)絡(luò)分析數(shù)據(jù)分析工具預(yù)測分析Excel丨SPSS丨SAS|R丨Python|MATLAB|Tableau文本分析第4節(jié)

數(shù)據(jù)分析工具二、SPSS最早的統(tǒng)計(jì)分析軟件操作界面極為友好，大多數(shù)操作可通過菜單和鼠標(biāo)拖曳來完成提供各種統(tǒng)計(jì)分析方法，如數(shù)據(jù)探索性分析、統(tǒng)計(jì)描述、列聯(lián)表分析、相關(guān)分析、方差分析、非參數(shù)檢驗(yàn)、回歸分析等輸出結(jié)果美觀漂亮，以統(tǒng)一、規(guī)范的界面展現(xiàn)編程方便，無需通曉各種算法，只要了解統(tǒng)計(jì)分析原理，即可得到所需統(tǒng)計(jì)分析結(jié)果社交網(wǎng)絡(luò)分析數(shù)據(jù)分析工具預(yù)測分析Excel丨SPSS丨SAS

|R丨Python|MATLAB|Tableau文本分析第4節(jié)

數(shù)據(jù)分析工具三、SAS也是較早開發(fā)的一款統(tǒng)計(jì)分析軟件編程語句簡潔、短小，只需幾句簡短語句即可完成復(fù)雜運(yùn)算分析方法齊、全、新，幾乎囊括了所有最新方法，分析技術(shù)先進(jìn)可靠分析方法的實(shí)現(xiàn)通過過程調(diào)用完成，同時(shí)提供多種算法和選項(xiàng)社交網(wǎng)絡(luò)分析數(shù)據(jù)分析工具預(yù)測分析Excel丨SPSS丨SAS|R丨Python|MATLAB|Tableau文本分析第4節(jié)

數(shù)據(jù)分析工具四、R是一種編程語言（不是統(tǒng)計(jì)軟件），官方描述為“用于統(tǒng)計(jì)計(jì)算和圖形的語言和環(huán)境”分析方法豐富，不僅包括經(jīng)典通用統(tǒng)計(jì)方法，還擁有大量前沿模型算法操作較為簡便，可通過調(diào)用現(xiàn)有模型算法解決一般性問題，也可自行編寫程序解決特殊性問題有開放的網(wǎng)絡(luò)社區(qū)化平臺(tái)，不斷吸引更多專家學(xué)者成為開發(fā)者，不斷吸引更多、更有效、更前沿的方法融入社交網(wǎng)絡(luò)分析數(shù)據(jù)分析工具預(yù)測分析Excel丨SPSS丨SAS|R丨Python

|MATLAB|Tableau文本分析第4節(jié)

數(shù)據(jù)分析工具五、Python功能非常強(qiáng)大，如數(shù)據(jù)爬取、數(shù)據(jù)處理、數(shù)據(jù)分析、機(jī)器學(xué)習(xí)、圖像處理等極簡主義，幾乎沒有多余的符號(hào)，使用的是簡單易懂的英語名稱，語法簡潔而清晰擁有豐富且成熟的標(biāo)準(zhǔn)庫，如Numpy（數(shù)學(xué)計(jì)算）、Pandas（數(shù)據(jù)處理）、Matplotlib（圖形繪制）、Scikit-learn（機(jī)器學(xué)習(xí)）等，現(xiàn)成可直接使用強(qiáng)大的聯(lián)接功能，把不同語言（尤其是C/C++）編寫的程序無縫拼接，更好地發(fā)揮不同語言和工具的優(yōu)勢社交網(wǎng)絡(luò)分析數(shù)據(jù)分析工具預(yù)測分析Excel丨SPSS丨SAS|R丨Python|MATLAB

|Tableau文本分析第4節(jié)

數(shù)據(jù)分析工具六、MATLABMATLAB(MatrixLaboratory，矩陣實(shí)驗(yàn)室)，是一款數(shù)學(xué)軟件，具有卓越的數(shù)值計(jì)算能力編程簡單，允許數(shù)學(xué)形式語言編寫程序，又被稱為“演算紙式科學(xué)算法語言”快速排除輸入程序中的書寫、語法等錯(cuò)誤，加快用戶編寫、修改和調(diào)試程序的速度繪圖操作方便，只需調(diào)用繪圖函數(shù)即可但也有一定劣勢，如程序執(zhí)行速度較慢，因此選擇MATLAB是編程效率和運(yùn)行效率兩者之間的權(quán)衡社交網(wǎng)絡(luò)分析數(shù)據(jù)分析工具預(yù)測分析Excel丨SPSS丨SAS|R丨Python|MATLAB|Tableau文本分析第4節(jié)

數(shù)據(jù)分析工具七、Tableau實(shí)現(xiàn)數(shù)據(jù)可視化和敏捷開發(fā)的商務(wù)智能展現(xiàn)工具，在商務(wù)領(lǐng)域深受青睞簡單易用，不需任何技術(shù)或任何編程技能即可運(yùn)行，只需把數(shù)據(jù)直接拖放到工作簿中，通過一些簡單設(shè)置就可以得到可視化圖形，并可隨時(shí)修改智能推薦圖形，創(chuàng)建出具有美觀性和交互性的各種可視化圖表交互和瞬時(shí)共享功能，只需數(shù)次點(diǎn)擊即可發(fā)布儀表板，方便與他人分享，實(shí)現(xiàn)數(shù)據(jù)協(xié)作詳細(xì)功能介紹及應(yīng)用參看第5章案例4-1網(wǎng)易云音樂：用大數(shù)據(jù)點(diǎn)燃的音樂情懷2021年5月，朋友圈風(fēng)靡著這樣一項(xiàng)測試：用戶通過聆聽音樂并進(jìn)行選擇，可以測出自己性格相關(guān)的“主導(dǎo)色”，測試完畢后可將帶有二維碼的相關(guān)圖片發(fā)送至朋友圈等社交媒體，實(shí)現(xiàn)二次、三次傳播。用戶在微信等社交媒體上獲得了實(shí)實(shí)在在的“刷屏”感受，為網(wǎng)易云音樂上市做了一個(gè)較好的預(yù)熱。網(wǎng)易云音樂之所以能屢次刷屏，關(guān)鍵在于對(duì)用戶大數(shù)據(jù)的充分利用和分析。網(wǎng)易云音樂2013年正式上線，當(dāng)時(shí)的在線音樂市場已是一片紅海。以“音樂社區(qū)”為定位的網(wǎng)易云音樂橫空出世，頗受用戶喜愛，在競爭激烈的音樂市場中脫穎而出。1.歌曲推薦網(wǎng)易云音樂采用業(yè)內(nèi)領(lǐng)先的大數(shù)據(jù)推薦算法，根據(jù)用戶聽歌習(xí)慣，把更多冷門優(yōu)質(zhì)音樂推薦給用戶，大大降低了用戶發(fā)現(xiàn)歌曲的成本。根據(jù)歌詞關(guān)鍵字、作者、風(fēng)格、年代等歸類統(tǒng)計(jì)后，經(jīng)過