分析仪表盘对以下指标进行了细分和分析:提及量、情感、情绪、词云、URL、网站、作者、话题标签、兴趣、人口统计和话题轮。
使用下面的链接了解有关分析仪表盘中特定小部件或报告功能的更多信息,或向下滚动页面以了解所有Cision社交聆听小部件!
提及量、影响力和触达量指标Mentions, Impressions and Reach Metrics |
提及量分类面板 | 将提及量导出为PDF |
提及量、触达量和影响力随时间变化的窗口小部件 | 按周和小时的提及量小部件 |
声量份额小部件 |
|
总声量指标 |
总声量小部件 |
选择总提及量指标 |
提及量基准 |
国家提及量小部件 |
|
|
|
情感与情绪指标 |
情感声量小部件 |
情感声量随时间变化小部件 |
情感声量小部件 |
情感声量随时间变化小部件 |
|
热门指标 |
热门分享网址小部件 |
热门网站小部件 |
热门作者小部件 |
热门兴趣小部件 |
热门标签小部件 |
热门语言小部件 |
附加指标 | 性别细分小部件 |
词云小部件 |
话题轮部件 |
内容来源 |
参与度指标衡量标准 |
|
提及分类面板
分析页面仪表板的右侧包含一个可折叠的提及面板。您可以根据不同的指标对提及面板中的帖子进行排序,这取决于您是在查看快速搜索还是保存的搜索。
快速搜索的排序选项包括:最新帖文优先、最旧帖文优先、随机、最相关和最不相关。
对于已保存的搜索, 排序选项包括:最高覆盖率、最新帖子优先、最旧帖子优先、帖子随机排序、最高Twitter转发或按最高Twitter曝光量(推文可能被看到的潜在次数)。
点击提及本身 以查看提及详情,包括与该提及相关的多个指标。
点击 原始帖子图标 以访问原始帖子。
帖子将显示 发布日期和时间,以及可编辑的 指标,包括:位置、语言、情感和情绪。
您还可以点击 添加标签按钮 来标记提及内容。
要 从您的结果中删除提及,请点击 垃圾桶图标。
要 移动到下一个提及的详细信息,请点击 提及详细信息框底部的箭头。
要 退出提及详细信息,请点击 右上角的 X图标。
点击 显示更多图标以展开提及面板查看所有提及。
点击 隐藏图标 以从仪表板中移除所有提及和提及面板。
点击 显示较少图标 将提及面板返回到屏幕的右侧。
点击导出图标将整个提及列表下载为 PDF 或 .CSV 文件。
注意:点击仪表板中的区域会自动过滤右侧的提及,以显示特定洞察背后的提及内容。
将提及数据导出到 PDF
点击提及面板右上角的 导出按钮。
选择您的导出选项:
选择 PDF 格式。
选择您希望导出的 提及次数。
注意:您可以导出到 PDF 的提及次数上限为 100_。
点击 EXPORT 按钮。
导出的提及将与社交聆听中的显示完全相同,包括图片。
将提及数据导出到 Excel .CSV 文件:
点击提及面板右上角的 导出按钮。
选择_CSV_的单选按钮。
点击_导出按钮_。
注意:您每天最多可以导出 5,000 条提及。
您的CSV导出将如下所示:
总声量小部件:
快速概览顶级数据,以查看您的保存搜索随时间变化的情况。使用此功能快速监测品牌声誉和活动表现。指标1-4是此小部件的默认指标。
总提及量:在所选时间段和应用的过滤条件中,符合您的搜索条件的社交帖子总量。
总触达量:在您的搜索、时间段和过滤条件下,所有单独提及的所有覆盖数的总和,。覆盖量旨在估计有多少不同的个人可能看过该内容。
总影响力:_仅适用于Twitter_的指标,,通过将您数据集中的作者和转发者的粉丝数相加来估算您的搜索中推文可能被看到的潜在次数。
唯一作者:
您数据中唯一作者的数量。将此与提及的总数进行比较,以洞察您的受众活跃度和参与度。提及次数与此数字之间的差异越大,表明受众的参与度越高,关于您搜索词的发帖频率也越高。
转推率:每条推文的平均转发次数。这个指标让你了解一个话题的传播程度(即如果转发率高,说明很多人同意或支持所发布的内容)或一个话题周围产生了多少自然对话(即如果转发率高,说明围绕一个话题产生的自然对话较少)。
平均粉丝数:所有贡献者的平均粉丝数量。这个指标解释了特定话题在整体上的影响力。例如,如果平均关注者数量低于之前的水平,那么我们知道谈论这个话题的人在整体上可能影响力较小。更高的平均粉丝数则表明参与对话的人有更多的粉丝,因此具有更大的潜在影响力。
百分比变化: 查看您选择的数据范围,并与之前相同的日期范围进行比较。如果设置为查看过去1-30天,总声量小部件将显示之前31-60天的百分比变化和数值。
要选择您希望在总声量小部件中显示的指标:
点击总声量小部件中的 齿轮图标。
使用屏幕右侧的下拉菜单,为每个指标选择最多 6 个您希望包含的指标。如果您不想显示某个指标,请从下拉菜单中选择 “无”。
点击 X 按钮以关闭配置面板屏幕。
注意:当您离开页面时,小部件将重置为默认指标 1-4。(总提及次数,总覆盖量,总展示量,唯一作者数量)
提及量、触达量或影响力随时间变化的窗口小部件:
根据您选择的指标,此小部件显示随时间变化的提及量、覆盖量或显示数量,并提供按小时、天、周或月查看的选项。这可以用来查看您的品牌一段时间内的表现、活动可能对讨论的影响,甚至危机的发展趋势。
将鼠标悬停在图表中的数据点上,可以显示工具提示,展示该数据点对应的指标。
提及: 与您的搜索条件匹配的社交帖子数量
对于已保存搜索,下拉选项允许您按小时、天、周或月查看提及次数。
对于已保存的搜索,AI驱动的峰值检测会显示数据中的重大变化。点击一个峰值,会显示导致提及内容飙升的原因分析。
注意:峰值检测仅适用于提及量指标。
覆盖量: 估计在所有内容来源中看到提及的人数。
对于已保存的搜索,下拉选项允许您按小时、天、周或月查看提及次数。
影响力: 一条推文可能被看到的潜在次数。(仅适用于Twitter的指标)
对于保存的搜索,下拉选项允许您按小时、天、周或月查看提及次数。
按周和小时的提及量小部件:
了解您搜索的主题在何时最受欢迎,以影响您的内容发布计划。
按周和小时的提及量: 显示了显示一周中哪些天和哪些时间段您的搜索对话最受欢迎、提及量最高的热图。。
提及声量基准:
对比选定日期范围内的数量与前一个相同长度日期范围内的数量。
提及量基准: 显示来自选定时间段的数据,同时与相同长度的另一个时间段进行比较。使用下拉菜单,您可以比较平台、情感、情绪、兴趣、国家或语言的数据。
显示的 百分比 让您了解与前一个时期相比是增加还是减少。
水平线 将显示前一个时期数据的平均值。
例如:将6月-7月的数据与4月-5月的数据进行比较。
注意:目前不支持年度数据对比。
声量份额小部件:
在多重搜索中,声音量额小部件显示一个饼图,展示所有选定保存搜索的数量分布,满分为100%。将鼠标悬停在每个部分上会显示一个工具提示,包含该保存搜索的百分比和提及次数。
注意:此小部件仅在多重搜索仪表板中可用。
声量份额: 显示您在仪表板中包含的每个搜索的总提及百分比。
情感声量 小部件:
了解消费者对您的搜索查询的看法——无论是积极的还是消极的。
情感声量: 显示被分类为负面、正面或中性的提及数量,作为总提及量的细分。
关键将显示正面、负面和中性情感的总提及百分比。
当您将鼠标悬停在圆环图表中的情感类型上时,您将看到百分比和总提及数量。
情感是通过Brandwatch的数据科学团队开发的内部模型分配给提及的。该团队编制了约50万份文档,并将其标记为正面、负面或中性。这些手动标记的提及随后用于计算在这些提及内容中存在的每个单词、否定词、表情符号等在正面、负面和中性类别中的分布频率。这些频率分布随后用于构建一个模型,以对每个新提及进行分类。
情感声量随时间变化小部件:
显示正面、负面或中性情感的提及数量,时间范围可选择小时、天、周或月。这可以用来查看您的品牌随时间的表现,活动可能对讨论的影响,甚至危机的发展趋势。
情感量随时间变化使用折线图显示每个情感类别在指定时间段内的提及量。
对于快速搜索结果,提及量按天显示,因为数据仅追溯到30天前。
对于已保存的搜索,下拉选项允许您按小时、天、周或月查看提及数量。
与提及量一样,情感也具有峰值检测,使用人工智能来发现已保存搜索中数据的显著变化。单击峰值可显示驱动因素的分析。
情绪声量小部件:
通过查看人们在社交内容中如何谈论您的品牌,了解他们对您品牌的感受。这在危机期间和危机后衡量整体品牌声誉影响时非常有用。
情绪声量: 条形图显示已标记特定情绪的提及数量。
情绪是通过Brandwatch的数据科学团队开发的内部模型分配给提及的。数据科学家们编制了一份包含约200万个带有情绪类别标签的文档的集合,并训练了一个模型,根据文档的特征预测情绪。
该集合中的每个文档最初都以一个“情绪”标签结尾,我们随后将其移除,并训练模型根据剩余文本预测每个文档的情绪。
情绪声量随时间变化小部件:
跟踪消费者对您的品牌、公司或产品的感受随时间的变化。利用此工具了解活动如何改变消费者对您品牌的感受,或衡量一段时间内消费者对危机的反应。
情绪声量随时间变化:显示所选时间段内每种情感的提及总数。
对于保存的搜索,下拉选项允许用户按小时、天、周或月查看提及数量。
词云小部件:
快速了解您搜索中讨论的内容。这是了解围绕您的品牌、竞争对手、行业或活动的对话的绝佳方式,以进行整体品牌声誉管理,了解营销活动对消费者的影响和共鸣,以及在危机期间快速了解突发事件。
词云: 包含搜索查询中提及的最常用术语和短语。词汇越大,表示与其他词汇相比使用得越频繁。
提示:深入了解配置图中不同类型的术语和短语的使用,以及单词大小所代表的含义,以便获取更多信息。
热门共享URL小部件:
了解人们在您的搜索中分享的文章和内容。这可以帮助识别新的媒体渠道或KOL以进行针对性营销,以及判定内容是否与您的受众产生共鸣。
热门共享URL: 列出在Twitter上被提及频率最高的前10个共享链接。
对于已保存的搜索:最多将显示50个结果。点击底部的箭头查看下一个10个热门共享URL列表。
热门网站小部件:
查看关于您品牌的对话发生在哪些平台。
热门网站: 按提及频率排序,提供提及频率最高的前10个域名列表。
对于已保存的搜索:最多将显示50个结果。点击底部的箭头查看下一个10个热门网站的列表。
热门作者小部件:
查看谁在谈论你的品牌。
热门作者: 列出在任何有作者字段的平台(通常是Twitter、Reddit和Tumblr)上提到频率最高的前10位作者。
使用此小部件访问影响者指标,例如:影响力、粉丝数量和位置。
按影响力、Twitter粉丝数量或总提及次数对热门作者进行排序。
对于已保存的搜索:最多将显示50个结果。点击底部的箭头以查看下一个10位热门作者的列表。
热门兴趣小部件:
了解谈论您品牌的终端客户。利用这一点来营销活动、传递信息,甚至了解您是否正在影响正确的人群。
热门兴趣: 与搜索返回的提及作者相关的前10个兴趣列表。这些数据来自Twitter的个人简介,该部件将列出Twitter中22个兴趣类别中提及频率最高的前10个。这些兴趣按提及频率排序。
Twitter上的22个兴趣类别包括:
动物与宠物、汽车、美容/健康与健身、书籍、商业、环境、家庭与育儿、时尚、美术、食品与饮料、游戏、家居与花园、电影、音乐、照片与视频、政治科学、购物、体育、科技、旅行、电视。
热门标签小部件:
通过查看与您的品牌相关的热门标签,了解围绕您品牌的对话。
热门标签: 在搜索的Twitter提及中使用频率最高的前10个标签列表。选择一个标签以查看使用该标签的所有提及列表。
使用此小部件访问和排序影响者指标,例如:声量、Twitter影响力和触达量
对于已保存的搜索:最多将显示50个结果。点击底部的箭头查看下一个10个热门标签的列表。
性别分布小工具:
了解谁在谈论您的品牌。
性别分布: 展示了包含可识别的男性和女性姓名的Twitter数据,以提供关于谈论您的品牌的男性与女性对比分析。
Brandwatch 如何获取男性/女性数据:
该指标是通过将作者 Twitter 个人资料中的名字与近 50,000 个名字的精选字典进行匹配来计算的。如果作者的名字同时属于两个类别或与字典不匹配,则不会将男性或女性类别分配给该作者。
虽然这不是一个完美的方法,并且并不包括所有性别身份,但它有助于您更好地理解受众并优化传播策略。
热门语言小部件:
通过了解他们使用的语言,了解谁在谈论您的品牌。.
主要语言: 在查询结果中找到的主要语言列表,按提及次数排序,并列出每种语言中唯一作者的数量。
按国家划分的声量小部件:
通过了解他们的地理位置,了解谁在谈论您的品牌。
主要国家: 搜索结果中提到的前10个国家的列表,按提及频率排序,并列出每个国家找到的独一作者数量。此信息还以地图形式显示,颜色越深表示提及频率越高。
一些位置信息是由平台和提及的作者直接提供的。当作者或提及没有明确的位置信息时,我们会根据作者简介中的关键词推断出一个位置。我们使用一个经过训练的统计分类器,该分类器基于那些明确分享其位置的作者简介进行训练。该分类器使用其通过训练识别的特征,这些特征间接地指示位置(例如,当地体育团队的名称、城市昵称等)。
话题轮部件:
了解与您的搜索相关的最常见话题及其关联性,以便更全面地了解如何调整或明确信息传递。
话题轮: 在内圈显示与您的搜索相关的最热门的话题,在外圈显示相关的子话题。
注意:此功能仅适用于已保存的搜索。
内容来源与参与度指标的衡量
点赞,评论
回应,评论,分享
转发,回复,转发者的关注者,作者的关注者
其他(博客,论坛,新闻等)
平均网站访问量,平均互动量,Alexa 月度访客量
关于触达量的更多说明:
触达量受到帖子参与度和相关作者或网站流量的重大影响。我们的专有算法使用每个可用指标,并根据先前观察到的行为应用各种(内容来源特定)假设,以推断可能有多少人看过特定帖子。并不是所有关注你的人都会看到你的帖子,也并不是所有看到你帖子的人都会关注你,因此必须进行调整,以考虑这一点,并考虑到增加的帖子参与度对最终覆盖值的影响程度。
为了更好地理解所涉及的过程,请考虑以下示例,在此示例中使用 Twitter 作为内容来源。
假设一篇内容由一位拥有 5000 个粉丝的作者在 Twitter 上分享。到目前为止,它获得了 3 个点赞,2 条回复,并被一位拥有 3500 个粉丝的人转发。我们现在必须估计可能看过这篇内容的人数X。
这个数字 X 将显著低于发布者和分享者粉丝数的总和,因为我们知道这种参与度的帖子不会在所有关注者的动态中优先显示。我们也可以肯定,X 将高于同一作者没有任何参与度的帖子,因为我们也知道任何参与度都会导致在关注者动态中更高的优先级。由于这种参与度不可避免地产生的额外曝光,能见度将进一步提高。例如,一个不关注原作者或转发者的特定账户,可能会关注“点赞者”,并通过这种方式获得帖子的曝光度。
因此,我们需要估计通常有多少 Twitter 用户的粉丝会看到一篇帖子,并考虑如果这篇帖子有点赞或评论,这一数字是如何增加的,以及如果一篇内容被分享,这一数字又会如何变化。然后我们考虑该帖子的观察指标(3 个点赞,2 条评论,1 次转发),并应用一些比例以反映这种相对互动量。我们的算法为此分配一个值并相应地调整触达量。它还考虑到不同网站在其平台上对内容的优先排序。
请注意,对于粉丝量较少的作者的帖子,触达量为零并不罕见;触达量是一个估计值,而不是精确计数。
该算法并不完全依赖于粉丝数。例如,假设一个只有 30 个粉丝的作者的推文没有被任何人看到,是相当合理的。当一条推文被转发或回复时,其触达量开始增加,特别是如果转发者/评论者的粉丝量较高。