不必羨慕什么“技術(shù)流”，即使是不懂技術(shù)和復(fù)雜數(shù)學(xué)知識(shí)的你，照樣能成為新媒體運(yùn)營(yíng)領(lǐng)域的“增長(zhǎng)黑客”！因?yàn)閯?chuàng)造性思維和強(qiáng)烈的好奇心會(huì)給你帶來(lái)好運(yùn)的，等到工具、技能和思維三者融會(huì)貫通的時(shí)候，就會(huì)像獨(dú)孤求敗那樣——“不滯於物，飛花草木皆可傷人，草木竹石均可為劍”！

1?成為新媒體運(yùn)營(yíng)領(lǐng)域的“增長(zhǎng)黑客”

1.1 一般意義上的“增長(zhǎng)黑客”

“增長(zhǎng)黑客（Growth Hacker）”,這個(gè)近幾年來(lái)風(fēng)靡中國(guó)互聯(lián)網(wǎng)界的新興概念，濫觴于美國(guó)硅谷互聯(lián)網(wǎng)創(chuàng)業(yè)圈，國(guó)內(nèi)則是由范冰首先引進(jìn)，他的著作《增長(zhǎng)黑客：創(chuàng)業(yè)公司的用戶與收入增長(zhǎng)秘籍》使這個(gè)概念深入人心。

結(jié)合國(guó)內(nèi)外關(guān)于“增長(zhǎng)黑客”的表述：“增長(zhǎng)黑客”是以數(shù)據(jù)驅(qū)動(dòng)營(yíng)銷、以市場(chǎng)指導(dǎo)產(chǎn)品，通過(guò)技術(shù)手段貫徹增長(zhǎng)目標(biāo)的一群人。這就需要他們既了解技術(shù)，寫(xiě)得了代碼；又能了解人性，能捕捉用戶的心理感受和真實(shí)需求；最重要的是，他們經(jīng)常能突發(fā)奇想，發(fā)揮創(chuàng)意，大開(kāi)腦洞，以小的投入獲取較多的用戶和收入。

一言以蔽之，“增長(zhǎng)黑客”就是具備各種跨界技能，可以利用各種巧妙的手段以極小的成本獲取大量用戶，實(shí)現(xiàn)最終的收入增加。

“增長(zhǎng)黑客”讓那些資金不夠充裕、前期資源緊缺和初始用戶匱乏的初創(chuàng)型互聯(lián)網(wǎng)初創(chuàng)團(tuán)隊(duì)看到了“四兩撥千斤”的希望，小投入也能辦大事。

“增長(zhǎng)黑客”的一個(gè)很好的理念，但它在不同的互聯(lián)網(wǎng)領(lǐng)域有著不同的形態(tài)，具體的實(shí)現(xiàn)手法也不盡相同，比如在新媒體運(yùn)營(yíng)領(lǐng)域。

1.2 新媒體運(yùn)營(yíng)領(lǐng)域的“增長(zhǎng)黑客”

新媒體是跟隨互聯(lián)網(wǎng)興起的一個(gè)新興媒體形態(tài)，它已經(jīng)在很大程度上顛覆了以往的紙質(zhì)刊物、廣播及電視等傳統(tǒng)媒體，重要性不言而喻。關(guān)于它的概念和內(nèi)涵，筆者不想多說(shuō)，網(wǎng)上有很多的詳細(xì)介紹。在這里，筆者認(rèn)為新媒體最為重要的一個(gè)特征是：

人人都可以是信息的生產(chǎn)者，人人也都是信息的傳播者。

這意味著無(wú)論是誰(shuí)，包含企業(yè)、機(jī)構(gòu)還有個(gè)人，都有機(jī)會(huì)成為這個(gè)新媒體時(shí)代的成功者。咪蒙、一條、十點(diǎn)讀書(shū)即是例證。

然而，隨著中國(guó)的互聯(lián)網(wǎng)時(shí)代進(jìn)入下半場(chǎng)，新媒體行業(yè)也從野蠻生長(zhǎng)的時(shí)代進(jìn)入“弱肉強(qiáng)食”的“叢林時(shí)代”，常規(guī)的新媒體運(yùn)營(yíng)手段（包括內(nèi)容、展現(xiàn)形式及推廣方法等）已經(jīng)很難從用戶增長(zhǎng)緩慢和收入增長(zhǎng)停滯的困境中突圍出來(lái)。

寫(xiě)到這里，筆者不由得想到兒時(shí)看過(guò)的動(dòng)漫——《數(shù)碼寶貝》中的主人公身邊各類可愛(ài)的小精靈，在遇到危急情況時(shí)會(huì)進(jìn)化，由“成長(zhǎng)期”進(jìn)化到“成熟期”、“完全體”，甚至是“究極體?”，適應(yīng)性和攻擊力呈現(xiàn)指數(shù)級(jí)的提升，足以在危如累卵的逆境中打敗強(qiáng)大的敵人，反敗為勝。

與此類似，廣大新媒體從業(yè)者們?cè)谶@個(gè)時(shí)候，也需要“進(jìn)化”，完成華麗的轉(zhuǎn)身—采用精細(xì)運(yùn)作、量化分析的科學(xué)手段去進(jìn)行新媒體運(yùn)營(yíng)，以適應(yīng)這個(gè)足以革新我們思維觀念的“大數(shù)據(jù)時(shí)代”，而“增長(zhǎng)黑客”正是一劑良方。

從前面對(duì)“增長(zhǎng)黑客”的介紹中，我們可以發(fā)現(xiàn)：

“增長(zhǎng)黑客”是一個(gè)多面手的角色，需要掌握跨領(lǐng)域的知識(shí)，其中最為核心的技能即是懂技術(shù)、精通數(shù)據(jù)分析。

然而，技術(shù)（碼代碼、編寫(xiě)程序等）和數(shù)據(jù)分析（數(shù)學(xué)知識(shí)和BI軟件操作等）對(duì)于很多做新媒體運(yùn)營(yíng)的小伙伴來(lái)說(shuō)，是十分棘手的兩樣事物：很多從事新媒體運(yùn)營(yíng)的小伙伴是正兒八經(jīng)的文科生畢業(yè)，文案和排版方面，他們可以說(shuō)是“長(zhǎng)袖善舞”，但技術(shù)和數(shù)據(jù)分析卻可能是他們的“夢(mèng)魘”。

鑒于這種情形，筆者提倡“人+數(shù)據(jù)驅(qū)動(dòng)思維+工具”理念—以人為本，從運(yùn)營(yíng)者自身的知識(shí)結(jié)構(gòu)出發(fā)，以數(shù)據(jù)/量化思維作為方法論，用工具輔助運(yùn)營(yíng)，從而做到揚(yáng)長(zhǎng)避短，把自己的精力集中在重要的事情上。

筆者在這里特意收羅了10幾款跟數(shù)據(jù)分析有關(guān)的工具，以彌補(bǔ)技術(shù)小白和數(shù)據(jù)分析小白技能上的匱乏，而且掌握它們不需要很懂技術(shù)，連數(shù)據(jù)分析這項(xiàng)技能也能借助它們輕松get。

值得注意的是，本文所要介紹的工具，并不是狹義上的“工具”，如可視化工具、文本分析工具和事件熱度趨勢(shì)/預(yù)測(cè)分析操作類工具，還包括數(shù)據(jù)新聞這種廣義上的新型信息載體；更為重要的是，他們分別代表著四種思維/觀念—重視非結(jié)構(gòu)性數(shù)據(jù)、科學(xué)化預(yù)測(cè)、信息的具象化呈現(xiàn)以及用數(shù)據(jù)講故事，這些“工具”都是為達(dá)到、完成或促進(jìn)新媒體運(yùn)營(yíng)效果的有利武器。

如下圖所示，以下是本文的行文結(jié)構(gòu)：

新媒體運(yùn)營(yíng)的“增長(zhǎng)黑客”數(shù)據(jù)分析工具箱

2?文本分析工具

文本分析的重要性筆者已經(jīng)在之前的兩篇文章中有過(guò)論述，詳見(jiàn)《數(shù)據(jù)運(yùn)營(yíng)|數(shù)據(jù)分析中，文本分析遠(yuǎn)比數(shù)值型分析重要?。ㄉ希?/a>》《在運(yùn)營(yíng)中，為什么文本分析遠(yuǎn)比數(shù)值型分析重要？一個(gè)實(shí)際案例，五點(diǎn)分析（下）》，故本文不做贅述，直奔工具應(yīng)用的主題。

2.1 NLPIR在線系統(tǒng)

NLPIR，即“自然語(yǔ)言處理與信息檢索共享平臺(tái)”的英文縮寫(xiě)， 打開(kāi)該網(wǎng)址，即可進(jìn)入主界面—“語(yǔ)義分析系統(tǒng)”，顧名思義，它是一個(gè)在線的中文語(yǔ)義分析工具，因?yàn)榉巧虡I(yè)化，它對(duì)處理文本的篇幅大小也有限制，只能處理3000字，可以給熱衷于文本分析的小伙伴過(guò)過(guò)癮，但要想用于商業(yè)目的，那只能呵呵了。

NLPIR在線系統(tǒng)的首頁(yè)

上圖中間部分的11個(gè)圓圈即是該系統(tǒng)的所有功能，但其中有幾個(gè)只是掛出來(lái)，目前還未實(shí)現(xiàn)，結(jié)合新媒體運(yùn)營(yíng)工作中的實(shí)際需求，筆者只介紹其中幾個(gè)比較有實(shí)用價(jià)值的功能模塊。

以下以《<你的名字。>破5.5億元日媒：和中國(guó)聯(lián)手有錢賺》這則新聞作為測(cè)試文本，筆者來(lái)給大家介紹下這個(gè)系統(tǒng)中的實(shí)體抽取、詞頻統(tǒng)計(jì)、文本分類、情感分析和關(guān)鍵詞提取這5個(gè)比較有實(shí)用價(jià)值、且準(zhǔn)確度較高的功能模塊。

2.1.1?實(shí)體抽取

NLPIR中的“實(shí)體抽取”功能模塊可以智能識(shí)別出測(cè)試文本中出現(xiàn)的人名、地名、機(jī)構(gòu)名、媒體、作者及文章的主題關(guān)鍵詞，這是對(duì)語(yǔ)言規(guī)律的深入理解和科學(xué)預(yù)測(cè)，它提煉出的詞語(yǔ)不需要在詞典庫(kù)中事先存在。

實(shí)體抽取的圖表效果支持力導(dǎo)向圖和弦圖這兩種形式，如下圖所示：

測(cè)試文本“實(shí)體抽取”的2種呈現(xiàn)形式

上圖中，從“文本”這個(gè)一級(jí)類目中，分別分出了“關(guān)鍵詞”、“地名”、“時(shí)間”這3個(gè)二級(jí)類目，由此能大致判斷出測(cè)試文本中包含的事件元素，如主題是關(guān)于電影的，涉及國(guó)家（地區(qū)）間的對(duì)比，還有縱向時(shí)間維度的分析，一些關(guān)鍵詞能讓我們把握文章中重要的詞句。

2.1.2?詞頻統(tǒng)計(jì)

在一份給定的文件里，詞頻（term frequency，TF）指的是某一個(gè)給定的詞語(yǔ)在該文件中出現(xiàn)的次數(shù)。

在文本分析中，詞頻統(tǒng)計(jì)是較為常規(guī)的、同時(shí)也是最為重要的一個(gè)環(huán)節(jié)，它用來(lái)評(píng)估一個(gè)詞對(duì)于一個(gè)文件或者一個(gè)語(yǔ)料庫(kù)中的一個(gè)領(lǐng)域文件集的重要程度。

NLPIR只展示了名詞、動(dòng)詞、形容詞這3種開(kāi)放詞類，這個(gè)3個(gè)此類也是一段文本中最為重要的3個(gè)部分：

• 名詞介紹文章中的各個(gè)主體，能讓我們知道文本描述的對(duì)象是誰(shuí)；
• 動(dòng)詞表征各個(gè)主體的動(dòng)作和行為，能讓我們知道關(guān)于主體發(fā)生了什么；
• 而形容詞則能描述主體及動(dòng)作/行為的特征，能讓我們知道主體及其行為/動(dòng)作的性質(zhì)、狀態(tài)、特征或?qū)傩浴?/li>

NLPIR的詞頻統(tǒng)計(jì)只展示了上述詞類的Top 10結(jié)果，以折線圖和條形圖的形式進(jìn)行展現(xiàn)?？戳讼旅娴脑~頻分類展示，聯(lián)想文章標(biāo)題，我們很自然地了解到《你的名字?！愤@部電影在市場(chǎng)上獲得了不錯(cuò)的業(yè)績(jī)，引發(fā)中日媒體的廣泛報(bào)道和關(guān)注……

測(cè)試文本的詞頻統(tǒng)計(jì)呈現(xiàn)

2.1.3?文本分類

NLPIR“文本分類”部分目前所展示的類別只是新聞的政治、經(jīng)濟(jì)、軍事、交通等，分類有待擴(kuò)展和細(xì)化。

NLPIR深度文本分類，可以用于新聞分類、簡(jiǎn)歷分類、郵件分類、辦公文檔分類、區(qū)域分類等諸多方面。此外，它還可以實(shí)現(xiàn)文本過(guò)濾，能夠從大量文本中快速識(shí)別和過(guò)濾出符合特殊要求的信息，可應(yīng)用于品牌報(bào)道監(jiān)測(cè)、垃圾信息屏蔽、敏感信息審查等領(lǐng)域。

然而，從測(cè)試的效果來(lái)看，這個(gè)功能模塊的分析效果還不甚準(zhǔn)確，它沒(méi)有“娛樂(lè)”這一分類，但起碼也應(yīng)該劃入“其他”這一類中。

測(cè)試文本的文本分類結(jié)果呈現(xiàn)

2.1.4?情感分析

NLPIR的“情感分析”提供兩種模式：全文的情感判別（左圖）與指定對(duì)象的情感判別（右圖）。大類上，“情感分析”部分分為“正（面）”和“負(fù)（面）”這兩大類情感，這是內(nèi)層；在外層，兩個(gè)大類又分為“樂(lè)”、“好”、“怒”、“哀”、“懼”、“惡”、“驚”7中細(xì)分的情感，這也就是大家常說(shuō)的“七情六欲”中的“七情”。

目前正負(fù)面的判斷已經(jīng)較為成熟，但鑒于漢語(yǔ)的博大精深和詞匯語(yǔ)義（用法）的波譎多變（反諷、貶義褒用、語(yǔ)境變化等），細(xì)分情緒的判斷準(zhǔn)確度還值得觀察。

測(cè)試文本的情感分析結(jié)果呈現(xiàn)

觀察上面測(cè)試文本的情感分析效果圖，再比對(duì)原始文本，這個(gè)判斷大致上是準(zhǔn)確的，但負(fù)面的部分應(yīng)該比實(shí)際的占比小，尤其是“惡”這個(gè)部分—筆者并未發(fā)現(xiàn)有出現(xiàn)厭惡的語(yǔ)句和詞匯。

2.1.5?關(guān)鍵詞提取

這里的關(guān)鍵詞提取和前面的詞頻統(tǒng)計(jì)有一定的聯(lián)系，但二者的算法（實(shí)現(xiàn)方法）是不一樣的：

• 詞頻統(tǒng)計(jì)：詞頻統(tǒng)計(jì)的是一個(gè)詞在文章中出現(xiàn)次數(shù)，出現(xiàn)的次數(shù)越多一般越重要；
• 關(guān)鍵詞提取：關(guān)鍵詞提取則是依據(jù)TF-IDF（term frequency–inverse document frequency，詞頻–反轉(zhuǎn)文件頻率），用以評(píng)估一個(gè)詞對(duì)于文本內(nèi)容的重要程度。字詞的重要性隨著它在文件中出現(xiàn)的次數(shù)成正比增加，但同時(shí)會(huì)隨著它在語(yǔ)料庫(kù)中出現(xiàn)的頻率成反比下降。比如，“如果”、“也”、“你們”等詞匯，他們出現(xiàn)的頻次很高，但它們的重要性就很弱。

測(cè)試文本的關(guān)鍵詞分析

從上圖中測(cè)試文本的“關(guān)鍵詞提取”中可以發(fā)現(xiàn)，這部分和“詞頻統(tǒng)計(jì)”部分既有重合也有明顯區(qū)分，原因就在于上述的算法不同。

值得注意的是，不論是“詞頻統(tǒng)計(jì)”還是“關(guān)鍵詞提取”，已經(jīng)設(shè)置了“停用詞（stopwords）”,在進(jìn)行上述分析的時(shí)候，自動(dòng)的將那些無(wú)明顯意義的副詞、冠詞、代詞給去掉了。

2.2?文本挖掘工具

文本挖掘工具（注冊(cè)登錄后才可見(jiàn)）是一款免費(fèi)的在線的文本分析工具，它可以對(duì)輸入的文本進(jìn)行高頻詞分析、關(guān)鍵詞提取、情感判斷、實(shí)體識(shí)別、詞性分析、關(guān)鍵詞云和關(guān)聯(lián)詞的可視化展示。同時(shí)，本工具還為用戶提供了多種自定義設(shè)置，包括分詞模式選擇（3種）、自定義停用詞、自定義詞典、自定義中心關(guān)鍵詞（針對(duì)關(guān)聯(lián)詞圖）、數(shù)據(jù)導(dǎo)出(詞匯、詞頻、權(quán)重)。

更重要的是，高頻詞/關(guān)鍵詞分析的結(jié)果可以導(dǎo)出成excel格式的文件，便于后期分析和處理。

文本挖掘工具的產(chǎn)品主界面

值得注意的是，文本挖掘工具導(dǎo)出的excel文檔有三列：提取出的詞語(yǔ)、詞頻數(shù)、詞匯權(quán)重。后兩個(gè)指標(biāo)，筆者已經(jīng)在前面做過(guò)論述，不明白的小伙伴可以“倒帶”回去看看。

2.3 Tone Analyzer

Tone Analyzer是一款由IBM推出的、基于云計(jì)算的人工智能文本分析工具，能對(duì)電子郵件、博客文章以及手機(jī)短信進(jìn)行感情色彩分析，以確定它的措辭是否如實(shí)地表達(dá)了你的憤怒、肯定、高興或者悲傷等感情。

ToneAnalyzer的主界面

這一用來(lái)幫助評(píng)估和改善文字溝通當(dāng)中的語(yǔ)氣的服務(wù)目前尚處實(shí)驗(yàn)?zāi)Ｊ?，如獲成功，或?qū)⒏淖兾磥?lái)商家和營(yíng)銷人員同消費(fèi)者、客戶的溝通方式。

更重要的是，它可以應(yīng)用到新媒體運(yùn)營(yíng)者的內(nèi)容校正中來(lái)：

• 用來(lái)查驗(yàn)文章內(nèi)容的調(diào)性和風(fēng)格，了解自己的文字給人留下的印象如何，以使公眾號(hào)的內(nèi)容運(yùn)營(yíng)不偏離預(yù)設(shè)的定位。
• 幫助品牌運(yùn)營(yíng)者和內(nèi)容輸出分析，撰寫(xiě)何種風(fēng)格的文案才可以引起受眾的共鳴。

Tone?Analyzer的評(píng)價(jià)系統(tǒng)包含三個(gè)維度，各個(gè)維度及其簡(jiǎn)介如下圖所示：

Tone?Analyzer的評(píng)價(jià)系統(tǒng)的三個(gè)維度

以下是Tone?Analyzer的使用案例，大家可以從下面的幾個(gè)模塊中獲得對(duì)文字信息的洞察，這部分筆者不做詳述，感興趣的小伙伴可以去官網(wǎng)查閱文檔。

輸入文本信息和選擇分析類別

文本信息3個(gè)維度的分析結(jié)果

文本信息段落的逐行分析（附有標(biāo)記）

3?熱點(diǎn)捕獲/趨勢(shì)預(yù)測(cè)工具

3.1?搜索指數(shù)型

這里的搜索指數(shù)型趨勢(shì)工具指的是，它們的數(shù)據(jù)絕大部分是基于用戶的搜索行為，即用戶搜索關(guān)鍵詞而形成的數(shù)據(jù)及其展示，有一定的預(yù)測(cè)價(jià)值，但缺點(diǎn)是并不能發(fā)現(xiàn)搜索行為背后的原因。

3.1.1 百度指數(shù)

關(guān)于百度指數(shù)的介紹，筆者僅貼出部分官方關(guān)于功能的介紹：

百度指數(shù)是以百度海量網(wǎng)民行為數(shù)據(jù)為基礎(chǔ)的數(shù)據(jù)分享平臺(tái)，它能夠告訴用戶：某個(gè)關(guān)鍵詞在百度的搜索規(guī)模有多大，一段時(shí)間內(nèi)的漲跌態(tài)勢(shì)以及相關(guān)的新聞?shì)浾撟兓?，關(guān)注這些詞的網(wǎng)民是什么樣的，分布在哪里，同時(shí)還搜了哪些相關(guān)的詞，幫助用戶優(yōu)化數(shù)字營(yíng)銷活動(dòng)方案。

關(guān)于詳細(xì)它的使用方法及一些關(guān)鍵原理，筆者在《尋找創(chuàng)業(yè)方向時(shí)，如何零成本用大數(shù)據(jù)獲悉市場(chǎng)行情？》有詳述，感興趣的小伙伴可以去看看。

3.1.2 微指數(shù)

（微博）微指數(shù)是新浪微博官方的數(shù)據(jù)分析工具，基于新浪微博的全量數(shù)據(jù)，通過(guò)關(guān)鍵詞的熱議度，以及行業(yè)/類別的平均影響力，來(lái)反映微博輿情或賬號(hào)的發(fā)展走勢(shì)。微指數(shù)分為熱詞趨勢(shì)、實(shí)時(shí)趨勢(shì)、（信息分布）地域解讀和（用戶）屬性分析4個(gè)板塊。

“熱詞趨勢(shì)”部分與百度指數(shù)的趨勢(shì)很相像，但它有一個(gè)更為有價(jià)值的地方—點(diǎn)擊趨勢(shì)曲線中的各個(gè)節(jié)點(diǎn)，會(huì)顯示出關(guān)注度排名靠前的3條微博，可以做到“知其然并知其所以然”。

微指數(shù)的熱詞趨勢(shì)圖

“實(shí)時(shí)趨勢(shì)”則反映該熱詞近一天的走勢(shì)情況?！暗赜蚪庾x”即該熱詞相關(guān)微博信息的地域分布情況。

最后一個(gè)功能板塊是“屬性分析”，這部分能獲悉關(guān)注該熱詞及其相關(guān)事件的人群畫(huà)像，有性別、年齡、興趣標(biāo)簽比例和星座標(biāo)簽比例這4個(gè)人群屬性。

微指數(shù)的“（人群）屬性分析”

這部分可以參看筆者之前寫(xiě)的兩篇文章《當(dāng)數(shù)據(jù)分析遭遇心理動(dòng)力學(xué)：用戶深層次的情感需求浮出水面》、《如何用數(shù)據(jù)分析，搞定新媒體運(yùn)營(yíng)的定位和內(nèi)容初始化？》，不失時(shí)機(jī)將其運(yùn)用到實(shí)際的運(yùn)營(yíng)工作中來(lái)，而不是僅僅停留在人群屬性的分析描述層面。

3.2?現(xiàn)網(wǎng)信息型

現(xiàn)網(wǎng)信息型，顧名思義，就是該類工具的主要數(shù)據(jù)來(lái)源于現(xiàn)有的網(wǎng)絡(luò)信息（主要是基于社會(huì)化媒體的文本數(shù)據(jù)，詳情請(qǐng)參看《干貨｜如何利用Social Listening從社會(huì)化媒體中“提煉”有價(jià)值的信息？》），而不是基于網(wǎng)民的搜索行為，因而通過(guò)它可以找到熱詞或事件關(guān)注（量）發(fā)生波動(dòng)起伏的原因。

一般來(lái)說(shuō)，這類數(shù)據(jù)產(chǎn)品的典型應(yīng)用領(lǐng)域在輿情領(lǐng)域（包括輿情監(jiān)測(cè)、品牌口碑監(jiān)測(cè)等），比如新浪微熱點(diǎn)（以前叫“新浪微輿情”）。

新浪微熱點(diǎn)的主頁(yè)

新浪微熱點(diǎn)—“熱度指數(shù)”產(chǎn)品頁(yè)面

以下是新浪微熱點(diǎn)這個(gè)大數(shù)據(jù)分析工具的介紹，我們能從中看到現(xiàn)網(wǎng)信息型熱度分析工具的基本原理：

“利用獨(dú)有的分布式網(wǎng)絡(luò)技術(shù)，對(duì)互聯(lián)網(wǎng)上輿情、口碑相關(guān)數(shù)據(jù)源進(jìn)行完整采集，同時(shí)根據(jù)用戶預(yù)定的監(jiān)控關(guān)鍵詞對(duì)全網(wǎng)數(shù)據(jù)進(jìn)行補(bǔ)充獲取?！靶吕宋狳c(diǎn)”可以在很短時(shí)間內(nèi)收錄到國(guó)內(nèi)外重要網(wǎng)站、論壇、微博、微信公眾號(hào)、貼吧、博客等互聯(lián)網(wǎng)開(kāi)放平臺(tái)的相關(guān)信息，通過(guò)中文智能分詞、自然語(yǔ)言處理、正負(fù)面研判等大數(shù)據(jù)處理技術(shù)對(duì)收錄到的信息進(jìn)行處理并分析…

可以看出，現(xiàn)網(wǎng)信息型熱度分析工具的數(shù)據(jù)基于現(xiàn)有的全網(wǎng)信息搜集，并經(jīng)過(guò)自然語(yǔ)言處理等技術(shù)對(duì)文本信息進(jìn)行信息的“去粗取精”，從而有效把握事件的重要方面和影響因素?！?/p>

下面，筆者來(lái)詳述新浪微熱點(diǎn)的幾個(gè)很有價(jià)值的功能模塊—分別是熱度指數(shù)（包括熱度指數(shù)、傳播分析、口碑分析和微博情緒）、信息監(jiān)測(cè)、事件分析（包括全網(wǎng)事件分析和微博事件分析）和微博傳播效果分析，它們可以很好的運(yùn)用到新媒體領(lǐng)域，可以在熱點(diǎn)追蹤、內(nèi)容規(guī)劃、受眾畫(huà)像分析和營(yíng)銷分析方面給予運(yùn)營(yíng)者們以有益的指導(dǎo)。

3.2.1 （事件）熱度趨勢(shì)分析

在地震救援中，有一個(gè)概念叫做“黃金72小時(shí)”，它是地質(zhì)災(zāi)害發(fā)生后的黃金救援期。因?yàn)榫仍缯J(rèn)為，災(zāi)難發(fā)生之后存在一個(gè)“黃金72小時(shí)”，在此時(shí)間段內(nèi)，災(zāi)民的存活率極高。

同樣，在新媒體內(nèi)容運(yùn)營(yíng)追蹤熱點(diǎn)事件方面，也存在類似的定律，能在最短的時(shí)間內(nèi)，把握觀眾所關(guān)注事件的發(fā)展走向和輿論傾向，因勢(shì)利導(dǎo)，就能成功的“借勢(shì)“。

新浪微熱點(diǎn)的（事件）熱度趨勢(shì)分析中有一個(gè)能反映事件關(guān)注度的一個(gè)數(shù)據(jù)指標(biāo)—熱度指數(shù)，它的全稱是“網(wǎng)絡(luò)傳播熱度指數(shù)”，是指在從新聞媒體、微博、微信、客戶端、網(wǎng)站、論壇等互聯(lián)網(wǎng)平臺(tái)采集海量信息的基礎(chǔ)上，提取與指定事件、人物、品牌、地域等相關(guān)的信息，并對(duì)所提取的信息進(jìn)行標(biāo)準(zhǔn)化計(jì)算后得出的指數(shù)。

熱度指數(shù)能客觀反映事件、人物、品牌、地域等在互聯(lián)網(wǎng)上的受關(guān)注程度。熱度指數(shù)所呈現(xiàn)的數(shù)值為0~100,數(shù)值越大，表明其網(wǎng)絡(luò)受關(guān)注度越高。

下面舉個(gè)栗子，拿前不久廣受關(guān)注的“淘寶被列入惡名市場(chǎng)名單”事件作為分析對(duì)象，來(lái)看看（事件）熱度趨勢(shì)分析的各個(gè)功能模塊是如何運(yùn)用到新媒體運(yùn)營(yíng)領(lǐng)域的。

（1）熱度概況和熱度趨勢(shì)

從下圖的“指數(shù)概況”部分，我們可以看到，淘寶被列入惡名市場(chǎng)名單”在72小時(shí)內(nèi)（當(dāng)然也可以選擇24小時(shí)這個(gè)時(shí)間區(qū)間）的熱度同比增長(zhǎng)達(dá)到62315%，表明互聯(lián)網(wǎng)上關(guān)于該事件的媒體報(bào)道和公眾評(píng)論信息出現(xiàn)驟增的情形，且指數(shù)有將近6%的增幅，幅度不大結(jié)合這兩個(gè)指標(biāo)可以看出，在近72小時(shí)內(nèi)該事件很火熱，且熱度呈現(xiàn)穩(wěn)步增長(zhǎng)的趨勢(shì)。值得注意的是，這里的“同比”和“指數(shù)變化”是針對(duì)此次查詢的72小時(shí)區(qū)間和上一個(gè)72小時(shí)區(qū)間的數(shù)值進(jìn)行對(duì)比的。

在“熱度指數(shù)”部分，由時(shí)間軸和熱度指數(shù)軸構(gòu)成的折線圖反映了近72小時(shí)內(nèi)該事件熱度指數(shù)的變化趨勢(shì)，這個(gè)折線圖的分析意義重大，能起到預(yù)測(cè)事件未來(lái)熱度走勢(shì)的神奇作用。

在分析熱度指數(shù)的折線圖的時(shí)候，要注意從微觀層面和宏觀層面上的把握。在微觀層面上，要特別注意折線圖中比較重要的節(jié)點(diǎn)，特別是峰值節(jié)點(diǎn)，它代表其對(duì)應(yīng)的時(shí)間點(diǎn)它的關(guān)注度較高，要注意發(fā)現(xiàn)事件爆發(fā)的時(shí)間規(guī)律；在宏觀層面上，要看整條折線的整體走向，是整體呈現(xiàn)上升趨勢(shì)，還是呈現(xiàn)關(guān)注度的下降趨勢(shì)，當(dāng)情況屬于前者時(shí)，新媒體運(yùn)營(yíng)者們則可以繼續(xù)跟進(jìn)事件的發(fā)展，接著“借勢(shì)”和“跟風(fēng)”。

熱度概況及熱度趨勢(shì)分析

既然知道了事件熱度的峰值節(jié)點(diǎn)出現(xiàn)在哪個(gè)時(shí)間點(diǎn)，這時(shí)我們肯定想了解這些時(shí)間區(qū)間內(nèi)事件關(guān)注度驟然上升的原因。還好，緊接著“熱度趨勢(shì)”，下方給出了其中最突出的峰值節(jié)點(diǎn)出現(xiàn)的原因，以重點(diǎn)信息聚類的方式呈現(xiàn)。

在下圖中，呈現(xiàn)的是12月23日 08時(shí)，達(dá)到24的峰值時(shí)的重點(diǎn)信息聚類。給出了這些熱門(mén)文章的標(biāo)題和來(lái)源站點(diǎn)，點(diǎn)擊標(biāo)題即可進(jìn)入相應(yīng)的網(wǎng)頁(yè)，查看源信息。

最突出峰值節(jié)點(diǎn)的信息聚類

這里需要強(qiáng)調(diào)的是，對(duì)于最突出峰值節(jié)點(diǎn)的重點(diǎn)聚類信息的解讀十分重要，因?yàn)檫@些文章閱讀數(shù)高，抑或是轉(zhuǎn)發(fā)量高，在某種程度上表明了公眾對(duì)于這些信息的認(rèn)可度高，能代表一定的公眾輿論傾向。作為新媒體內(nèi)容運(yùn)營(yíng)者來(lái)說(shuō)，引導(dǎo)公眾看法難度太大，不是人人都能做成意見(jiàn)領(lǐng)袖的，能因勢(shì)利導(dǎo)的輸出順應(yīng)公眾觀點(diǎn)的文章可能是上策。

（2）事件熱度信息的關(guān)鍵詞詞云

這里的關(guān)鍵詞云是由互聯(lián)網(wǎng)上各個(gè)渠道的海量信息進(jìn)行中文智能分詞和自然語(yǔ)言處理所得，濃縮了關(guān)于該事件的TOP60關(guān)鍵詞，能在一定程度上反映出事件的各個(gè)要素。

詞語(yǔ)的大小代表該詞出現(xiàn)次數(shù)的多寡，也表明了該關(guān)鍵詞對(duì)于事件的重要程度如何。在進(jìn)行內(nèi)容組織的時(shí)候，可以考慮這些詞頻數(shù)高詞匯所代表的方面，如在“淘寶列入惡名市場(chǎng)名單”這一事件中，除了“惡名市場(chǎng)”、“名單”這些出現(xiàn)在標(biāo)題之中的關(guān)鍵詞外，還有“加大力度”、“納入保護(hù)”、“知識(shí)產(chǎn)權(quán)”等關(guān)鍵詞表征的方面作為文章內(nèi)容的著力方向。

“淘寶列入惡名市場(chǎng)名單”事件的關(guān)鍵詞詞云

（3）事件熱度信息的來(lái)源類型

“信息來(lái)源”部分中，反映出了事件信息的來(lái)源占比情況，比重較大的部分是需要運(yùn)營(yíng)者重點(diǎn)關(guān)注的渠道。

“淘寶列入惡名市場(chǎng)名單”事件的信息在“微博”這一信息渠道中的比重最多，其次是“網(wǎng)站”、“新聞”、“客戶端”等，具體的數(shù)據(jù)為：微博(49.32%)、網(wǎng)站(27.73%)和新聞(10.13%)。

“淘寶列入惡名市場(chǎng)名單”事件的信息來(lái)源分布

針對(duì)微博信息量為何占據(jù)如此大的比重這個(gè)問(wèn)題，筆者找到了今年11月份新浪微博官方的一份關(guān)于微博UGC的數(shù)據(jù)，頓時(shí)了然：

新浪微博2016年P(guān)GC、UGC幾項(xiàng)關(guān)鍵數(shù)據(jù)

新浪微輿情是新浪微博旗下的子公司，擁有全量的微博數(shù)據(jù)，再加上騰訊微博的信息量，因而其他渠道的信息量比例會(huì)被微博這一渠道巨大的UGC內(nèi)容給稀釋掉，形成絕對(duì)信息量不小但看起來(lái)很少的效果。

（4）事件熱度信息的地域分布

（事件熱度信息的）地域分布反映的是搜索事件的全網(wǎng)信息量在全國(guó)各地的分布情況，這一點(diǎn)與百度指數(shù)的原理一樣。

?“淘寶列入惡名市場(chǎng)名單”事件的信息地域分布

從地域分布來(lái)看,與“淘寶列入惡名市場(chǎng)名單”相關(guān)的信息主要來(lái)源北京(3561條)、廣東(1139條)和上海(834條)。

（5）事件熱度信息的關(guān)聯(lián)詞分析

事件熱度信息的關(guān)聯(lián)詞分析，它是通過(guò)系統(tǒng)自動(dòng)運(yùn)算找出事件核心詞、并計(jì)算出與核心詞同時(shí)出現(xiàn)關(guān)聯(lián)度最高的高頻詞，也就是與核心詞共現(xiàn)頻率最高的詞匯（關(guān)于“共現(xiàn)”的原理介紹，請(qǐng)看《如何用數(shù)據(jù)分析，搞定新媒體運(yùn)營(yíng)的定位和內(nèi)容初始化？》的第三部分）。

下圖中的關(guān)聯(lián)詞和弦圖和對(duì)應(yīng)關(guān)聯(lián)度數(shù)據(jù)表反映了該事件的關(guān)聯(lián)詞情況。

“淘寶列入惡名市場(chǎng)名單”的關(guān)聯(lián)詞分析

通過(guò)對(duì)與“淘寶列入惡名市場(chǎng)名單”相關(guān)的信息進(jìn)行分析后可看出，與其核心詞惡名市場(chǎng)關(guān)聯(lián)度最高的詞語(yǔ)為淘寶(100.00%)、美國(guó)(99.06%)和名單(97.19%)。

3.2.2 信息監(jiān)測(cè)

一直以來(lái)，（輿情、口碑）信息監(jiān)測(cè)的主要用戶是政府、大型企業(yè)和專業(yè)新聞媒體，因而對(duì)應(yīng)的主要功能是傾聽(tīng)民意、監(jiān)測(cè)自身（也包含競(jìng)品）的品牌口碑及動(dòng)向，以及追蹤熱點(diǎn)事件走向等。此外，它可以通過(guò)各種預(yù)警設(shè)置，對(duì)關(guān)注事件產(chǎn)生的新信息進(jìn)行第一時(shí)間的提醒，以免運(yùn)營(yíng)者遺漏重要信息。

實(shí)際上，信息監(jiān)測(cè)可以用于新媒體領(lǐng)域，結(jié)合上面提及的“事件熱度趨勢(shì)分析”板塊，媒體運(yùn)營(yíng)者可以有效的追蹤熱點(diǎn)事件的最新進(jìn)展，做到不遺漏。

關(guān)于它的應(yīng)用場(chǎng)景，筆者目前想到2個(gè)：

（1）文章轉(zhuǎn)載的全網(wǎng)監(jiān)測(cè)

筆者平時(shí)會(huì)寫(xiě)一些關(guān)于互聯(lián)網(wǎng)數(shù)據(jù)運(yùn)營(yíng)的文章，發(fā)布在一些知名的互聯(lián)網(wǎng)平臺(tái)上，因此想監(jiān)測(cè)一下全網(wǎng)轉(zhuǎn)載的情況，比如筆者最近的一篇文章—《如何用數(shù)據(jù)分析，搞定新媒體運(yùn)營(yíng)的定位和內(nèi)容初始化？》，在“信息監(jiān)測(cè)”的監(jiān)測(cè)方案部分設(shè)置好關(guān)鍵詞后，選好時(shí)間區(qū)間，轉(zhuǎn)載的詳細(xì)情況和數(shù)據(jù)統(tǒng)計(jì)圖表盡收眼底：

文章轉(zhuǎn)載的信息列表

筆者文章轉(zhuǎn)載的各種信息反饋圖表

（2）關(guān)注信息的全網(wǎng)監(jiān)測(cè)

運(yùn)營(yíng)者可以在監(jiān)測(cè)方案中按設(shè)置指定的關(guān)鍵詞，定向的追蹤自己感興趣的事件、公司、品牌和資料等信息。

以下是筆者在學(xué)習(xí)數(shù)據(jù)分析時(shí)，進(jìn)行的關(guān)鍵詞設(shè)置，多個(gè)零散詞匯通過(guò)邏輯運(yùn)算符形成了一個(gè)監(jiān)測(cè)方案，可以無(wú)遺漏的監(jiān)測(cè)自己關(guān)注的信息，同時(shí)系統(tǒng)也會(huì)過(guò)濾掉垃圾信息。

通過(guò)各種邏輯運(yùn)算符設(shè)置信息監(jiān)測(cè)的關(guān)鍵詞

設(shè)置好監(jiān)測(cè)方案以后，點(diǎn)擊“圖表分析”，即可看到如下圖所示的各種監(jiān)測(cè)方案信息量的可視化分析圖表。

監(jiān)測(cè)方案的信息量的走勢(shì)圖

監(jiān)測(cè)方案的信息量分布情況

監(jiān)測(cè)方案信息量的地理分布情況

再選擇“信息列表”項(xiàng)，通過(guò)時(shí)間、地域、渠道等選項(xiàng)的篩選，我們就可以得到自己想要的信息了。此外點(diǎn)擊其中一條信息，即可進(jìn)入信息詳情頁(yè)，如下圖所示：

監(jiān)測(cè)方案的信息列表

監(jiān)測(cè)信息的詳情頁(yè)

另外，這個(gè)功能模塊還有幾個(gè)功能，如下圖所示，篇幅有限，感興趣的小伙伴自己去試試吧。

“信息監(jiān)測(cè)”板塊的預(yù)警通知、監(jiān)測(cè)日?qǐng)?bào)和定向監(jiān)測(cè)功能

3.2.3 事件分析

事件分析（包括全網(wǎng)事件分析和微博事件分析）指的是，輸入近期事件或話題關(guān)鍵詞，系統(tǒng)自動(dòng)進(jìn)行深度挖掘和多重分析，記錄事件從始發(fā)到發(fā)酵期、發(fā)展期、高漲期、回落期和反饋期等階段的演變過(guò)程，分析輿情傳播路徑、關(guān)鍵詞云、發(fā)展態(tài)勢(shì)、受眾反饋和網(wǎng)民觀點(diǎn)分析。

關(guān)于它的實(shí)際使用攻略，筆者之前寫(xiě)過(guò)一篇文章詳細(xì)介紹過(guò)，請(qǐng)參看《【數(shù)據(jù)運(yùn)營(yíng)】傅園慧和她的“洪荒之力”的大數(shù)據(jù)輿情分析》。

3.2.4 微博傳播效果分析

微博傳播效果分析通過(guò)分析單條轉(zhuǎn)發(fā)量/評(píng)論量大的的微博，從而得到關(guān)于該微博的傳播路徑、意見(jiàn)領(lǐng)袖、用戶畫(huà)像和微博營(yíng)銷傳播質(zhì)量等。

下面貼一張大圖讓大家感受下：

微博傳播分析的部分功能

限于篇幅，這部分筆者就不詳述了，請(qǐng)參看筆者之前的文章：《【數(shù)據(jù)運(yùn)營(yíng)】揭開(kāi)微博轉(zhuǎn)發(fā)傳播的規(guī)律：以“人民日?qǐng)?bào)”發(fā)布的G20文藝晚會(huì)微博為例》。

4?可視化工具

俗話說(shuō)：“文不如字,字不如表,表不如圖”，一張富含信息量且外觀時(shí)尚靚麗的圖會(huì)給文章增色不少，會(huì)激起讀者的好奇心，不知不覺(jué)的去圖片中探尋信息，從而讓文章的可讀性大大增加，易于傳播。比如這張圖：

人人都是產(chǎn)品經(jīng)理網(wǎng)站“產(chǎn)品經(jīng)理”專欄所有文章標(biāo)題制成的詞云

怎么樣，想學(xué)了吧？

不急，這個(gè)其實(shí)很簡(jiǎn)單，下面我將以實(shí)例詳細(xì)的講解制作這張圖的步驟，即使是小白的你，也能做出這樣精美的個(gè)性化詞云。

4.1 個(gè)性化詞云制作

我把個(gè)性化詞云的制作分為3個(gè)步驟，即抓取數(shù)據(jù)、文本處理和詞云制作，詳見(jiàn)下圖：

個(gè)性化詞云制作的步驟

4.1.1 數(shù)據(jù)獲取

從本質(zhì)上講，詞云是反映某一特定主題的文本數(shù)據(jù)的可視化展示。比如，上面的喬幫主詞云反映的就是“產(chǎn)品經(jīng)理”專欄中較為熱門(mén)的關(guān)鍵詞/話題。所以，要制作一個(gè)“出彩”且有內(nèi)涵的自定義詞云，文本不能無(wú)規(guī)律，需要定向的獲取特定的文本數(shù)據(jù)。

筆者對(duì)前不久上映且廣受好評(píng)的電影《你的名字》頗感興趣，想分析一下這部電影的市場(chǎng)反響如何，先聊聊這部分?jǐn)?shù)據(jù)的獲取。

對(duì)于影片的分析，首選當(dāng)然是豆瓣電影，因?yàn)樗菄?guó)內(nèi)最具有參考價(jià)值的影評(píng)網(wǎng)站，從文本中能得到很有價(jià)值和有意思的信息。但考慮到文本數(shù)據(jù)獲取的難易程度，我先介紹如下3個(gè)數(shù)據(jù)獲取的方法：

（1）自己編寫(xiě)爬蟲(chóng)，想要什么數(shù)據(jù)就去抓取什么數(shù)據(jù)，既經(jīng)濟(jì)（用爬蟲(chóng)工具會(huì)花錢），又會(huì)增加“自己動(dòng)手，豐衣足食”的成就感，最重要的是，略施小計(jì)就可以躲避豆瓣的封IP機(jī)制。

用python編寫(xiě)爬蟲(chóng)抓取豆瓣影評(píng)數(shù)據(jù)

（2）利用集搜客這樣的爬蟲(chóng)軟件去抓取數(shù)據(jù)，不需要編程技術(shù)，且簡(jiǎn)單易上手，但是可能會(huì)被封IP。

（3）采用新浪微熱點(diǎn)這個(gè)大數(shù)據(jù)工具，因而不用豆瓣的評(píng)論數(shù)據(jù)，在互聯(lián)網(wǎng)上進(jìn)行全網(wǎng)信息搜集，獲取有關(guān)該影片的熱門(mén)文章標(biāo)題作為分析的文本數(shù)據(jù)，這種方法是三種中最為輕松簡(jiǎn)單的，而且獲取的是全網(wǎng)的數(shù)據(jù)，大家可以有選擇性的選取自己需要的數(shù)據(jù)，操作步驟如下圖所示：

用新浪微熱點(diǎn)獲取文本數(shù)據(jù)

因?yàn)樽罱鼘W(xué)了點(diǎn)Python，故筆者選擇了用Python編寫(xiě)爬蟲(chóng)來(lái)獲取了豆瓣這部分的影評(píng)數(shù)據(jù)。

獲取《你的名字》豆瓣電影的影評(píng)數(shù)據(jù)

抓取后的數(shù)據(jù)整理成如下表格：

保存到本地的《你的名字》豆瓣影評(píng)數(shù)據(jù)

接下來(lái)，就是把文本數(shù)據(jù)單獨(dú)取下來(lái)咯，全選“評(píng)論內(nèi)容”這一列，把這些影評(píng)數(shù)據(jù)占到記事本上，作為接下來(lái)分析的“原材料”。

4.1.2 文本處理

一般情況下，文本數(shù)據(jù)的處理包含很多方面，如分詞、詞性標(biāo)注、詞頻統(tǒng)計(jì)、文本分類、情感分析、關(guān)鍵詞提取、文本摘要提取等。

在這里，制作詞云只需要考慮關(guān)鍵詞提取和詞頻統(tǒng)計(jì)這兩個(gè)板塊。

這里使用到的工具是前面提及的熱詞分析工具—文本挖掘工具。將《你的名字》豆瓣評(píng)論的文本部分粘貼到上圖中左邊的文本框中，再點(diǎn)擊右上方的“分析出圖”，系統(tǒng)顯示完成后，右邊的預(yù)設(shè)詞云會(huì)發(fā)生變化，此時(shí)點(diǎn)擊“導(dǎo)出”，即可得到詞頻的csv文件。

經(jīng)文本挖掘工具處理得到的詞頻csv文件

這里去除詞語(yǔ)和詞頻兩列，用來(lái)進(jìn)行接下來(lái)的詞云制作。

4.1.3 詞云制作

處理詞云，筆者用到的工具是Tagul（現(xiàn)更名為Wordart）。下面是它的的主頁(yè)展示：

Tagul主頁(yè)

（1）詞頻載入格式

在頁(yè)面左上方的“Words”處，就是加載詞語(yǔ)及詞頻的地方，這里需要注意一下它的載入格式。，如下表所示：

Tagul的詞頻載入格式

上表中，前兩列的“Word”和“Weight”就是剛才經(jīng)處理過(guò)的詞語(yǔ)和詞頻，Color一欄則是設(shè)置該詞語(yǔ)的顏色，這是個(gè)性化詞云中很關(guān)鍵的一個(gè)要素，會(huì)直接影響到最終的詞云呈現(xiàn)效果。這里可以不填寫(xiě)，那么在形成詞云時(shí)默認(rèn)隨機(jī)生成顏色。如果要形成定制化的顏色，則需要設(shè)置采用16進(jìn)制的色值，以下是常用的顏色代碼表，即色值表。

常用的16進(jìn)制色值表

與此類似，字體也可選可不選，需要定制的話，則可進(jìn)行相應(yīng)的設(shè)置。

“Repeat”這項(xiàng)則表示該詞語(yǔ)是否會(huì)重復(fù)出現(xiàn)，填寫(xiě)“0”，則表示不重復(fù)，填寫(xiě)“1”，則表示重復(fù)。為了保持信息的精準(zhǔn)度，減少噪聲，一般選擇填寫(xiě)“0”。

后面的URL鏈接就忽略了，因?yàn)橛星懊娴脑O(shè)置，就不需要進(jìn)行網(wǎng)頁(yè)鏈接。

按照上述操作，出詞語(yǔ)和詞頻兩例外，筆者還定制了“Color”和“Repeat”這兩項(xiàng)，結(jié)果顯示如下。

最終的詞語(yǔ)載入表

全選該表格的文字部分，將其粘貼到“Import Words”的文本框里，進(jìn)行保存。

（2）載入中文字體

因?yàn)門(mén)agul是老外做的一個(gè)在線詞云制作網(wǎng)站，所以Tagul不支持中文，這需要我們載入能支持中文顯示的字體，如下圖所示，筆者載入的是“You Yuan(幼圓)”字體。

載入中文字體

（3）處理背景圖片

加載了字體，可以說(shuō)這是個(gè)性化詞云制作的核心部分，詞云最終效果的美與不美就在此一舉。

值得注意的是，在載入圖片之前的圖片選取步驟時(shí)，需要選擇背景和主題對(duì)比比較明顯的圖片。從接下來(lái)的圖片預(yù)處理過(guò)程中，你會(huì)發(fā)現(xiàn)這一點(diǎn)的重要性。

詞云自定義圖片的初始狀態(tài)

筆者選取的是《你的名字》最為標(biāo)志性的一張海報(bào)，看起來(lái)很有感覺(jué)：既有男女主角的形象，也交代了他們所處的生活環(huán)境，中間則是影片中重要的提條線索—彗星。這張圖初始狀態(tài)看似雜亂，不好處理，但仔細(xì)觀察，可以發(fā)現(xiàn)主體（男女主角）和背景（天空、城市和彗星）之間的對(duì)比度和色相差異還是很明顯的。在Tagul的“Custom Shape”的設(shè)置中可以進(jìn)一步處理背景和主體之間的對(duì)比度問(wèn)題。

在“Shapes”處載入圖片后，點(diǎn)擊上載成功后圖片的右下角“齒輪”，打開(kāi)圖片預(yù)處理。其中，“Threshold”處理景深，可以拉開(kāi)/縮小背景和主體之間的差異；“Edges”則是處理主體輪廓的銳度，可以調(diào)節(jié)圖片的清晰程度模糊程度。這里的要點(diǎn)是—淡化背景，清晰主體輪廓。

淡化背景，強(qiáng)化主體輪廓

好了，完成上面繁瑣的步驟之后，現(xiàn)在是見(jiàn)證奇跡的時(shí)刻了，點(diǎn)擊右上方大大的黑體字“Visualize”，待進(jìn)度條加載完畢后，即可得到如下的最終效果圖：

最終的詞云效果圖

4.2?網(wǎng)絡(luò)可視化利器— Gephi

Gephi是一款開(kāi)源免費(fèi)跨平臺(tái)基于JVM的復(fù)雜網(wǎng)絡(luò)分析軟件, 其主要用于各種網(wǎng)絡(luò)和復(fù)雜系統(tǒng)，動(dòng)態(tài)和分層圖的交互可視化與探測(cè)開(kāi)源工具，下載地址為https://gephi.org/。網(wǎng)上目前比較權(quán)威的Gephi教程是在Udemy上的Ooof liu講解的《Gephi中文教程》，地址為https://www.udemy.com/gephi/，看完這個(gè)部分仍有饒有興趣的小伙伴可以去學(xué)習(xí)下。

下面是由Gephi制作的各種網(wǎng)絡(luò)圖，這些圖不僅包含了豐富的信息量，而且極富美感，在吸引眼球的同時(shí)還給予我們有意義的信息。

各種由Gephi制成的網(wǎng)絡(luò)圖

Gephi是一款信息數(shù)據(jù)可視化利器,它的一般應(yīng)用場(chǎng)景如下：

• 探索性數(shù)據(jù)分析
• 鏈接分析
• 語(yǔ)義網(wǎng)絡(luò)分析
• 社交網(wǎng)絡(luò)分析
• 生物網(wǎng)絡(luò)分析

以下簡(jiǎn)單介紹下它的使用方法。

在操作下面步驟之前，先去Gephi官網(wǎng)上下載最新版的0.9.1 version，這是免費(fèi)的，且支持中文，還有豐富的插件下載，這簡(jiǎn)直是數(shù)據(jù)可視化愛(ài)好者的福音！

值得注意的是，這款軟件是用Java編寫(xiě)的，所以需要安裝Java環(huán)境，這個(gè)有點(diǎn)磨人。演與演員的關(guān)系作為分析對(duì)象，來(lái)詳細(xì)解讀如何制作一個(gè)“秀外慧中”的社交網(wǎng)絡(luò)可視化圖譜。

4.2.1 制作源數(shù)據(jù)

Gephi的源數(shù)據(jù)可以在excel中完成。在excel中，僅輸入2列即可，表頭嚴(yán)格按照Gephi的格式來(lái)制作，第一列為“Source”，第二列為”Target”。下面以豆瓣上評(píng)分6以下的國(guó)內(nèi)電影的導(dǎo)演（選取的是張藝謀、陳凱歌、馮小剛等大家耳熟能詳?shù)膶?dǎo)演，演員隨之確定）和演員關(guān)系表為例，做成如下格式：

在Excel上編輯Gephi的源數(shù)據(jù)

做好源數(shù)據(jù)之后，記得保存為CSV格式，Gephi僅能讀取這種格式的數(shù)據(jù)。

4.2.2 導(dǎo)入數(shù)據(jù)

在導(dǎo)入數(shù)據(jù)時(shí)，分別在“分隔符”、“如表格”、“格式”這三個(gè)選項(xiàng)下選擇“逗號(hào)”、“邊表格”、“GBK”。接下來(lái)點(diǎn)擊“下一步”，完成數(shù)據(jù)的導(dǎo)入。

在Gephi中導(dǎo)入csv數(shù)據(jù)

4.2.3 調(diào)整網(wǎng)絡(luò)布局

剛打開(kāi)“圖”，也就是網(wǎng)絡(luò)圖的圖形界面時(shí)，這幾百個(gè)節(jié)點(diǎn)“蝸居”成一團(tuán)，有點(diǎn)盤(pán)古開(kāi)天辟地前“渾沌如雞子”的感覺(jué)，但這個(gè)模樣離我們心中的審美還有很長(zhǎng)一段距離呢。

初始狀態(tài)的網(wǎng)絡(luò)圖

不過(guò)，不用著急，下面幾個(gè)簡(jiǎn)單的步驟就能讓它“脫胎換骨”，完成華麗的變身。

在左上方的“布局”欄目中，選擇其中的任一算法，并可以在下方的操作界面修改默認(rèn)算法參數(shù)，也可使用默認(rèn)的參數(shù)。單擊圖中運(yùn)行按鈕，布局算法生效。

選擇“布局”中的算法

選擇不同的“布局”算法，網(wǎng)絡(luò)圖的形態(tài)就會(huì)有相應(yīng)的變化，以下是其中最為典型的集中算法及其拓?fù)鋱D。

各種“布局”算法的網(wǎng)絡(luò)圖拓?fù)湫螒B(tài)

在這里，筆者選取由“Frunchterman Reingold”算法確定的呈蒲公英花朵狀的結(jié)構(gòu)作為初始形態(tài)。

網(wǎng)絡(luò)布局做好后，我們完成了這個(gè)網(wǎng)絡(luò)圖的“骨架”搭建，下一步則需要對(duì)它的外表進(jìn)行修飾，包括節(jié)點(diǎn)、邊和背景等部分的美化。

4.2.4 美化

在這里，我們可以對(duì)網(wǎng)絡(luò)圖進(jìn)行“美容”，給它著上靚麗的顏色和合適的背景作為襯托。

如下圖所示，我們可以在“外觀”一欄對(duì)節(jié)點(diǎn)和邊進(jìn)行著色，然后在下方選擇合適的背景，要注意節(jié)點(diǎn)、邊和背景之間的色差和對(duì)比。

給節(jié)點(diǎn)、邊和背景選擇合適的顏色

還需要注意一點(diǎn)，沿著“外觀”>“節(jié)點(diǎn)”>”數(shù)值設(shè)定”這一路徑，讓節(jié)點(diǎn)根據(jù)連接數(shù)的多少而顯示相應(yīng)的大小，使該網(wǎng)絡(luò)圖更有層次感；同理，可以對(duì)邊進(jìn)行類似的設(shè)定，則兩個(gè)聯(lián)系緊密的節(jié)點(diǎn)間的邊將變得更寬。

經(jīng)過(guò)調(diào)整后，可以得到如下的網(wǎng)絡(luò)圖。

顏色調(diào)整后的效果圖

4.2.5 顯示標(biāo)簽

經(jīng)過(guò)上述幾個(gè)操作步驟之后，網(wǎng)絡(luò)圖還需要加入最為重要的一項(xiàng)內(nèi)容—標(biāo)簽，也就是前面提及的導(dǎo)演及演員的姓名，反映在節(jié)點(diǎn)上，由此完成他們之間的社交網(wǎng)絡(luò)圖的基本繪制。

沿著“窗口”>“預(yù)覽設(shè)置”的路徑，打開(kāi)“預(yù)覽設(shè)置”，界面顯示如下。其中，需要在“節(jié)點(diǎn)標(biāo)簽”這部分完成字體的選擇，把默認(rèn)的西文字體變?yōu)橹形淖煮w。除此之外，此處還可以進(jìn)行邊框、字體大小、顏色、透明度等的設(shè)置。

在“預(yù)覽設(shè)置”中設(shè)置中文字體

完成上述選項(xiàng)后，還需要在軟件界面的下方，點(diǎn)擊一下左下角那個(gè)大大的“T”，則節(jié)點(diǎn)標(biāo)簽就會(huì)顯現(xiàn)，旁邊也有些字體調(diào)節(jié)鈕，大家可以摸索下。

在“布局”中，選擇“標(biāo)簽調(diào)整”算法，得到下圖：

最終效果圖

圖中各個(gè)節(jié)點(diǎn)的字體隨節(jié)點(diǎn)的重要性（由度、連入度或連出度確定）而呈現(xiàn)出不同之大小。所以，大家先看文字，了解其中最為突出的一些演員和導(dǎo)演，其次在看他們之間的關(guān)系。

筆者比較懶，這個(gè)網(wǎng)絡(luò)圖其實(shí)還可以進(jìn)行更深入的優(yōu)化的，有興趣的小伙伴可以嘗試著做得更絢麗一些。

4.3?數(shù)據(jù)地圖

數(shù)據(jù)地圖，在Excel2013版及以上中都有三維地圖，還有一些BI工具中也集成了這個(gè)模塊，當(dāng)然也有專業(yè)的地圖GIS軟件，如地圖慧、智圖等。由于筆者之前寫(xiě)過(guò)一篇關(guān)于數(shù)據(jù)地圖如何運(yùn)用的文章，在此不再贅述，詳見(jiàn)《運(yùn)營(yíng)實(shí)操｜15分鐘學(xué)會(huì)數(shù)據(jù)地圖分析》。

好了，上面的工具部分介紹完畢，該進(jìn)入最終的收尾階段了。在某種意義上講，上面介紹的若干工具都是為接下來(lái)的“數(shù)據(jù)新聞”部分做準(zhǔn)備—它們是數(shù)據(jù)新聞中不可獲取的一部分，是數(shù)據(jù)新聞內(nèi)容呈現(xiàn)的重要“武器”。

5?數(shù)據(jù)新聞

在正式介紹數(shù)據(jù)新聞之前，筆者先聊聊，為什么需要數(shù)據(jù)新聞這種新型的新聞報(bào)道方式。

這里，筆者引用美國(guó)Northwestern University人文與社科學(xué)院的Prof BrianKeegan的一段話作為注解：

“在當(dāng)代，對(duì)于信息過(guò)載，以及恐懼、不確定性和懷疑等情緒的焦慮氛圍下，數(shù)據(jù)驅(qū)動(dòng)的新聞可以起到關(guān)鍵性的作用。它們可以為關(guān)于政策、經(jīng)濟(jì)趨勢(shì)、社會(huì)變革的討論提供更為堅(jiān)實(shí)的經(jīng)驗(yàn)基礎(chǔ)?！?/p>

由此可見(jiàn)，信息過(guò)載、信息失真和現(xiàn)實(shí)世界廣泛存在的不確定性，導(dǎo)致人們不再相信沒(méi)有充分依據(jù)的信息，因而數(shù)據(jù)新聞這種更有說(shuō)服力的信息載體呼之欲出。

5.1?數(shù)據(jù)新聞簡(jiǎn)介

數(shù)據(jù)新聞，又叫數(shù)據(jù)驅(qū)動(dòng)新聞。是指基于數(shù)據(jù)的抓取、挖掘、統(tǒng)計(jì)、分析和可視化呈現(xiàn)的新型新聞報(bào)道方式。它致力于從海量數(shù)據(jù)中發(fā)現(xiàn)新聞線索，或是抓取大量數(shù)據(jù)拓展既有新聞主題的廣度與深度，最后依靠可視化技術(shù)將經(jīng)過(guò)過(guò)濾后的數(shù)據(jù)進(jìn)行融合，以形象化、藝術(shù)化的方式加以呈現(xiàn)，致力于為讀者提供客觀、系統(tǒng)的報(bào)道以及良好的閱讀體驗(yàn)。

目前，在大數(shù)據(jù)新聞制作上已經(jīng)積累了經(jīng)驗(yàn)的國(guó)際媒體有《衛(wèi)報(bào)》《紐約時(shí)報(bào)》《華盛頓郵報(bào)》等。

以下是常見(jiàn)的數(shù)據(jù)新聞呈現(xiàn)方式：

不同類型的數(shù)據(jù)新聞

需要注意的是，數(shù)據(jù)新聞不一定非得要復(fù)雜的數(shù)據(jù)來(lái)呈現(xiàn)事實(shí)，表現(xiàn)出很高的逼格。在很多時(shí)候，簡(jiǎn)單的描述性數(shù)據(jù)即可，就像下面的一個(gè)示例一樣，數(shù)據(jù)圖表的呈現(xiàn)讓讀者更加清晰、直觀的了解到西藏班在“量”和“質(zhì)”上的變遷，是“綠葉”，而內(nèi)地西藏班的整個(gè)發(fā)展歷程才是真正的“紅花”，是該報(bào)道的主線。

一張圖讀懂“內(nèi)地西藏班”

5.2?數(shù)據(jù)新聞的形式

一般情況下，數(shù)據(jù)新聞?dòng)腥缦?種形式：

5.2.1 新聞敘事

數(shù)據(jù)新聞體系下的新聞敘事講求客觀理性和邏輯性，從數(shù)據(jù)視角來(lái)看待事件與社會(huì)話題的方方面面，加之以形象具體的可視化圖表作為最后的呈現(xiàn)方式，使讀者對(duì)內(nèi)容的真實(shí)性和價(jià)值性產(chǎn)生信任。

以下是標(biāo)題為《23萬(wàn)投票紀(jì)錄 回顧第五屆香港立法會(huì)》的數(shù)據(jù)新聞，下面選取了該文中一些具有代表性的數(shù)據(jù)圖示。

《23萬(wàn)投票紀(jì)錄 回顧第五屆香港立法會(huì)》數(shù)據(jù)新聞中的一些圖示

從上圖中，在運(yùn)用數(shù)據(jù)圖示的同時(shí)，借助數(shù)據(jù)分析的方法，從多維度總結(jié)了議員的投票行為。這種基于數(shù)據(jù)的的表達(dá)，比起單純的文字報(bào)道來(lái)，表現(xiàn)清晰，說(shuō)服力強(qiáng)。

5.2.2 事實(shí)判斷

一個(gè)孤立的事件當(dāng)中的少量信息往往缺少關(guān)聯(lián)度，但如果從正確的角度觀察卻能發(fā)現(xiàn)極為重要的價(jià)值。透過(guò)數(shù)據(jù)，內(nèi)容運(yùn)營(yíng)者可以發(fā)現(xiàn)僅憑知覺(jué)和傳聞難以感知的、隱藏在事件/新聞背后線索或假設(shè)，抽絲剝繭、言之鑿鑿的把事件的來(lái)龍去脈和其中緣由講述透徹。

2016年7月25號(hào)在DT財(cái)經(jīng)上有一篇文章，文章標(biāo)題為《10萬(wàn)條掛號(hào)大數(shù)據(jù)顯示：互聯(lián)網(wǎng)也救不了看病難》，文章中全篇引用了掛號(hào)網(wǎng)各個(gè)維度的一手10W數(shù)據(jù)。采用循序漸進(jìn)的邏輯描述并分析看病難互聯(lián)網(wǎng)也很難解決這一難題。重要的是，作者將這些數(shù)據(jù)制作成可視化的數(shù)據(jù)圖表，從掛號(hào)網(wǎng)注冊(cè)醫(yī)院分布、支持網(wǎng)絡(luò)預(yù)約功能的醫(yī)院占比到預(yù)約掛號(hào)量超10萬(wàn)的醫(yī)院和人數(shù)分布情況，最后到患者參與分享的比例及對(duì)候診時(shí)間的滿意度分析，將這些數(shù)據(jù)轉(zhuǎn)化為數(shù)據(jù)地圖、點(diǎn)狀圖、旋風(fēng)圖和趣味條形圖等可視化形式呈現(xiàn)出來(lái)。

《10萬(wàn)條掛號(hào)大數(shù)據(jù)顯示：互聯(lián)網(wǎng)也救不了看病難》中的可視化圖表

從這個(gè)例子可以看出，數(shù)據(jù)新聞的報(bào)道方式能夠在宏觀上對(duì)某個(gè)事件看得更加清楚與全面，事件復(fù)雜的演進(jìn)過(guò)程以及這個(gè)過(guò)程中的各個(gè)方面，都能描述得直觀且有趣，最重要的是，很能讓異見(jiàn)者服氣。

5.2.3 預(yù)測(cè)走向

通過(guò)數(shù)據(jù)的挖掘和分析，尋找出有價(jià)值的相關(guān)性，繼而增加對(duì)相關(guān)事件發(fā)展趨勢(shì)的預(yù)測(cè)性，新聞和數(shù)據(jù)相結(jié)合創(chuàng)作出精確和深度報(bào)道，成為大數(shù)據(jù)時(shí)代的新聞業(yè)務(wù)發(fā)展方向。

下圖是CNN在今年7月份關(guān)于美國(guó)總統(tǒng)大選預(yù)測(cè)的數(shù)據(jù)新聞，全篇大篇幅的介紹了當(dāng)下美國(guó)社交媒體上各州對(duì)候選人的支持情況、通過(guò)復(fù)雜算法得出的候選人各州獲勝的概率以及哪個(gè)州對(duì)于總統(tǒng)選舉具有決定性意義等。

CNN在2016年7月份關(guān)于美國(guó)總統(tǒng)大選的預(yù)測(cè)（局部）

5.3?如何成為一個(gè)優(yōu)秀的數(shù)據(jù)新聞內(nèi)容運(yùn)營(yíng)者

數(shù)據(jù)新聞學(xué)是一門(mén)交叉的學(xué)科，數(shù)據(jù)新聞的產(chǎn)生給傳統(tǒng)的新聞工作者提出了挑戰(zhàn)，傳統(tǒng)的新聞創(chuàng)作理念和方式，要求新聞工作者具備采寫(xiě)編評(píng)等基本專業(yè)技能，但目前已無(wú)法滿足大數(shù)據(jù)時(shí)代下數(shù)據(jù)新聞的創(chuàng)作。

要做好數(shù)據(jù)新聞，需要運(yùn)營(yíng)者著重提升以下4個(gè)方面的素養(yǎng)/能力：

5.3.1?敏銳的數(shù)據(jù)洞察力

數(shù)據(jù)新聞需要大量的數(shù)據(jù)、數(shù)據(jù)分析處理，不僅僅是要有技術(shù)水平，更需要一雙慧眼，分得清“真數(shù)據(jù)”和“假數(shù)據(jù)”，而且還要選擇重要的數(shù)據(jù)和信息進(jìn)行內(nèi)容輸出，為受眾提供更細(xì)致、精確的事件分析，又快又準(zhǔn)的報(bào)道新聞，數(shù)據(jù)新聞的把關(guān)在數(shù)據(jù)時(shí)代更為重要。

媒體工作者需多渠道的收集數(shù)據(jù)。從公開(kāi)的數(shù)據(jù)庫(kù)或者是政府部門(mén)、企業(yè)、機(jī)構(gòu)中獲取數(shù)據(jù)，從這些海量信息中判斷和選擇有表現(xiàn)力的數(shù)據(jù)。當(dāng)媒體工作者獲取數(shù)據(jù)之后，便開(kāi)始處理和整合數(shù)據(jù)。將與新聞報(bào)道無(wú)關(guān)的數(shù)據(jù)篩選、過(guò)濾后，剩下有用的數(shù)據(jù)進(jìn)行整合匯編，形成新的報(bào)道內(nèi)容。

新聞工作者通過(guò)數(shù)據(jù)的挖掘和分析，尋找出有價(jià)值的相關(guān)性，繼而增加對(duì)相關(guān)事件發(fā)展趨勢(shì)的預(yù)測(cè)性，新聞和數(shù)據(jù)相結(jié)合創(chuàng)作出精確和深度報(bào)道，成為大數(shù)據(jù)時(shí)代的新聞業(yè)務(wù)發(fā)展方向。

5.3.2?熟練運(yùn)用計(jì)算機(jī)能力

在如今信息爆炸的大數(shù)據(jù)時(shí)代，特別是社交網(wǎng)絡(luò)、電子商務(wù)與移動(dòng)通信把人類社會(huì)帶入了一個(gè)以“PB”（1024TB）為單位的結(jié)構(gòu)與非結(jié)構(gòu)數(shù)據(jù)信息的新時(shí)代。大量的數(shù)據(jù)和信息擺在新聞工作者面前，傳統(tǒng)的計(jì)算機(jī)無(wú)法處理大量的、無(wú)規(guī)律的數(shù)據(jù)，需要云計(jì)算進(jìn)行分析、處理、統(tǒng)計(jì)。

因此，對(duì)于當(dāng)今的新聞工作者提出了更高的要求，必須熟練運(yùn)用計(jì)算機(jī)，掌握一門(mén)編程語(yǔ)言。如果之前沒(méi)有編程基礎(chǔ)，推薦python，它的設(shè)計(jì)哲學(xué)是“優(yōu)雅”、“明確”、“簡(jiǎn)單”，掌握一些常用的爬蟲(chóng)包、數(shù)據(jù)分析及可視化包以及自然語(yǔ)言處理包，就能很好的將大量的數(shù)據(jù)和信息進(jìn)行友好的呈現(xiàn)。

5.3.3?分析處理數(shù)據(jù)能力

數(shù)據(jù)新聞與傳統(tǒng)的文字圖片新聞不一樣，數(shù)據(jù)新聞需要大量的數(shù)據(jù)，新聞工作者可以通過(guò)數(shù)據(jù)發(fā)現(xiàn)問(wèn)題、提出問(wèn)題，也可以先有了問(wèn)題之后，再去收集相關(guān)的數(shù)據(jù)。而擁有大量數(shù)據(jù)后，必須對(duì)其進(jìn)行分析和處理，將不需要或不相關(guān)的數(shù)據(jù)過(guò)濾掉，剩下有價(jià)值的數(shù)據(jù)加以分析整合，供新聞編輯使用。德勤在美國(guó)華盛頓特區(qū)的研發(fā)創(chuàng)新團(tuán)隊(duì)招聘數(shù)據(jù)記者，其中最重要的要求就是要具備分析數(shù)據(jù)的能力，由此可見(jiàn)，數(shù)據(jù)新聞?dòng)浾弑仨毦邆漭^強(qiáng)的數(shù)據(jù)分析和處理的能力，才能勝任此工作。

5.3.4?可視化平面設(shè)計(jì)能力

數(shù)據(jù)新聞的可視化表達(dá)為新聞行業(yè)注入了一股新鮮的血液，讓數(shù)據(jù)新聞充滿希望與活力。數(shù)據(jù)新聞的可視化圖片將不同的時(shí)間和空間聯(lián)系在一起，將繁雜的數(shù)據(jù)簡(jiǎn)單化，便于受眾理解，更有利于受眾參與其中，滿足不同受眾的各方面需求。數(shù)據(jù)新聞的可視化是其一大特點(diǎn)，因此對(duì)于新聞工作者來(lái)說(shuō)，應(yīng)熟練掌握可視化技術(shù)，學(xué)會(huì)識(shí)圖制圖以及各種表格的制作。

最后，筆者介紹一個(gè)數(shù)據(jù)新聞的資料庫(kù)，在這里小伙伴們可以看到國(guó)內(nèi)外許多優(yōu)秀的數(shù)據(jù)新聞案例，要做優(yōu)秀的數(shù)據(jù)新聞制作者，首先從模仿學(xué)習(xí)做起。

新華網(wǎng)數(shù)據(jù)新聞信息庫(kù)鏈接地址：http://djchina.org/showcase/

好了，看到這里的小伙伴，我?guī)缀蹩梢詳喽ㄊ钦鎼?ài)了，希望你們能掌握好這些“工具”，成為運(yùn)營(yíng)領(lǐng)域的“增長(zhǎng)黑客”，不必羨慕什么“技術(shù)流”，因?yàn)閯?chuàng)造性思維和強(qiáng)烈的好奇心會(huì)給你帶來(lái)好運(yùn)的，等到工具、技能和思維三者融會(huì)貫通的時(shí)候，就會(huì)像獨(dú)孤求敗那樣：

“不滯於物，飛花草木皆可傷人，草木竹石均可為劍”！

參考資料

1. 范冰，《增長(zhǎng)黑客》
2. 新浪微熱點(diǎn)官網(wǎng)官方介紹
3. NLPIR在線系統(tǒng)官方介紹
4. IBM Watson?Tone?Analyzer官方文檔
5. 百度百科“數(shù)據(jù)新聞”詞條
6. CNN在2016.07美國(guó)總統(tǒng)大選預(yù)測(cè)網(wǎng)站
7. FT數(shù)據(jù)新聞網(wǎng)

#專欄作家#

蘇格蘭折耳喵，微信公眾號(hào)：運(yùn)營(yíng)喵是怎樣煉成的，人人都是產(chǎn)品經(jīng)理專欄作家。數(shù)據(jù)分析愛(ài)好者，擅長(zhǎng)數(shù)據(jù)分析和可視化表達(dá)，喜歡研究各種跟數(shù)據(jù)相關(guān)的東東。

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。