在访问已保存的搜索后，您可以选择“+ 添加保存的搜索”按钮，以最多选择4 个额外的已保存搜索，以同期对比结果！这是比较相关已保存搜索覆盖范围的绝佳机会，例如您的产品、内部品牌、外部活动、代言人，或查看与竞争对手的社交媒体声量份额。
我该如何选择要在我的仪表盘中查看已保存的搜索？
点击屏幕左侧选项中的CSL。
点击快速搜索主页上的 已保存搜索 选项卡。
选择一个 _saved searc_h 以打开分析页面，并显示其在过去12个月内的指标和提及数据。
或者，您可以在主页的_最近保存的搜索_部分点击您想选择的搜索按钮。
如果您要查找的保存搜索未列在最近保存的搜索部分，请 点击查看所有按钮。
在选择一个已保存的搜索后，平台将打开 分析仪表板 页面，以显示其过去12个月的指标和提及数据。
要选择其他已保存的搜索以与您在分析页面中打开的已保存搜索进行比较，请点击 +ADD SAVED SEARCH 按钮，并选择您希望包含的其他搜索。
我如何查看我选择的保存搜索的提及？
注意：点击分析仪表盘中的区域会自动过滤右侧的提及，以显示特定见解背后的具体提及！
提及面板：
分析页面仪表板的右侧包含一个可折叠的提及面板。您可以选择按不同的指标对提及面板中的帖子进行排序。
您将看到您选择的_所有_已保存搜索的提及内容。将提及内容引入社交聆听的搜索词会高亮显示，以便了解每条提及与哪个搜索相关。
提及面板的排序选项包括：
最大触达量
最新帖子优先
最旧帖子优先
随机帖子排序
最高Twitter转发数
最高Twitter展示次数（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，包括与该提及内容相关的多个指标。
点击 原始帖子图标 以查看原始帖子。
帖子将显示 日期和时间，以及可以编辑的 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。
其他可用选项：
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 显示更多按钮以展开提及面板以 查看所有选定保存搜索的所有提及。
点击 隐藏按钮以从仪表板中移除所有提及和提及面板。
点击 显示较少按钮 将提及面板返回到屏幕的右侧。
点击导出按钮，将整个提及列表下载为 .CSV 或 .JSON 文件。
当我选择多个搜索进行比较时，哪些小部件可用？
总声量小部件：
快速概览您所选择的所有保存搜索的汇总指标！
总提及次数： 在所选时间段和应用的过滤条件中，符合您搜索条件的社交帖子总量。
总触达量： 在您搜索、时间段和过滤条件下，所有单独提及的覆盖数总和，。覆盖量旨在估算有多少不同的个人可能看过该内容。
总影响力次数： 仅适用于Twitter 的指标，通过将数据集中作者和转发的关注者相加来估算您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。将此与总提及次数进行比较，以洞察您的受众的活跃度和参与度。提及次数与此数字之间的差异越大，表明受众越参与，关于您的搜索词发布得越频繁。
转推率： 您的搜索结果每条推文的平均转发次数。该指标让您了解话题的传播程度（即如果转推率高，则表明很多人同意或支持推文的内容）或围绕话题产生了多少自然对话（即如果转推率高，则表明围绕该话题产生的自然对话较少）。
平均关注者：所有贡献者的平均粉丝数量。这个指标解释了特定话题在一般情况下的影响力。例如，如果平均关注者数量低于之前的水平，那么我们就知道谈论这些主题的人在一般情况下可能影响力较小。更高的粉丝数量则表明参与对话的人拥有更多的粉丝，因此有可能更具影响力。
百分比变化：查看您选择的数据范围，并将其与相同的之前日期范围进行比较。如果设置为查看过去的1-30天，则总声量小部件将显示之前31-60天的百分比变化和数值。
我该如何选择要在总声量小部件中显示的指标？
点击总音量小部件中的 齿轮图标。
在屏幕右侧的下拉菜单中，为每个指标选择最多 6 个您希望包含的 指标。如果您不希望显示某个指标，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，总影响力，唯一作者数量）
按搜索小部件的总声量：
跟踪所有已保存搜索的提及量。
按搜索的总声量 : 此小部件提供您选择的每个保存搜索的提及量的细分。仅在选择了多个保存搜索时，此小部件才可用。
提及量随时间变化小部件：
在图表上显示每个选定的保存搜索对应的线条，并包括相应的图例。您可以选择按小时、天、周或月查看随时间变化的提及数量。这可以用来观察您的品牌随时间的表现、一个活动可能对讨论的影响，甚至是危机的发展趋势。
提及量随时间变化：符合您搜索条件的社交帖子数量。
下拉选项允许您查看所选每个保存搜索的每小时、每天、每周或每月的提及数量。
搜索小部件的提及量基准：
了解您的品牌、竞争对手或产品的提及量是否有所增加或减少。
提及量基准： 提供一个按每个选定的保存搜索组织的条形图，用于与前一时期进行基准比较，并展示随时间的变化。
显示的 百分比 让您知道每个选定的保存搜索在过去30天期间是否有增加或减少。
水平线 将显示过去30天期间数据的平均值。
声量份额小部件：
声音份额小部件： 在多重搜索中，声量份额小部件显示了所有选定保存搜索的百分比分布饼图，将鼠标悬停在每个部分上会显示一个工具提示，显示该保存搜索的百分比和提及次数。
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好方法，以便进行整体品牌声誉管理，理解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： 包含所有选定保存搜索中提到的最常用的术语和短语。词汇越大，表示使用的频率相对于其他术语越高。
提示：深入了解不同类型的术语和短语，以及配置面板中单词大小所代表的含义，以便获取更多信息。
按搜索小部件细分的热门话题：
了解哪些关键词在社交媒体上使用最频繁。
热门话题： 列出前10个最常用的关键词，按所选的保存搜索进行排列。此小部件有助于细分词云中的数据，并在图表中显示提及数量。
情感量小部件：
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
情感量: 显示被分类为负面、正面或中性的提及总数，作为所有选定保存搜索的总提及的细分。
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，您将看到百分比和提及总数。
注意：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。该团队编制了大约50万份文档，并将其标记为积极、消极或中立。这些手动标记的提及随后用于计算在这些提及内容中出现的每个单词、否定词、表情符号等在积极、消极和中立类别中的分布频率。这些频率分布然后用于构建一个模型，以对每个新提及进行分类。
按搜索小部件划分的情感量：
显示每个选定保存搜索的正面、负面或中性情感的提及数量。这可以用来查看您的每个搜索的表现。
情感量按搜索分解提供了每个选定的保存搜索的细分，以及每个选定的保存搜索的总情感。
当你在条形图中悬停在特定搜索的情感类型上时，你将看到百分比和提及的总数。
平台搜索量细分小部件：
深入了解您保存的搜索中的关键词在哪些平台上被提及
平台数量： 显示每个单独选择的保存搜索的各个平台，并提供相应的图例。显示的数据将使用堆叠条形图，如此处所示。
按搜索细分的热门网站：
查看关于您的品牌的对话发生在哪里。
热门网站： 显示前10个域名的总量，按您选择的保存搜索进行细分。
按搜索细分的热门作者：
查看谁在谈论您的品牌。
热门作者： 显示前10名作者的总量，按您选择的保存搜索进行细分。
按搜索细分的热门话题标签：
通过查看与您的品牌相关的标签，了解围绕您品牌的对话。
热门标签： 显示与您选择的保存搜索相关的前10个标签的总量。
按国家细分的提及量小部件：
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： 按您选择的保存搜索进行细分，显示每个国家的提及总量，。这也在地图上显示，颜色越深表示提及频率越高。
注意：某些位置信息由平台和/或提及的作者直接提供。当作者或提及没有明确的位置时，我们会根据作者简介中的关键词推断位置。我们使用经过训练的统计分类器，该分类器基于明确分享其位置的作者简介进行训练。该分类器使用通过训练识别的特征，这些特征间接地表示位置（例如，当地体育队的名称、城市昵称等）。
如果我选择多个保存的搜索，哪些小部件将不包括在内？
按周和小时的提及量小部件（新的提及量随时间变化小部件类似）
提及量基准小部件（选择多个保存的搜索时拆分为多个小部件）
情感量小部件
随时间变化的情感量小部件
热门URL小部件
热门兴趣小部件（新的热门话题小部件类似）
性别比例小部件
主要语言小部件
话题轮小部件
这些指标的内容来源是什么，每个平台测量什么？
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）
平均网站访客量
平均互动量
Alexa每月访客量
关于触达量的更多信息：
触达量受到作者或相关网站的帖子参与度和流量的重大影响。我们的专有算法随后使用每个可用指标，并根据先前观察到的行为应用各种（特定于内容来源的）假设，以推断它们可能如何转化为可能看到特定帖子的个人数量。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，并且还要考虑到增加的帖子参与度对最终覆盖值的影响程度。
为了提高对所涉及过程的理解，请考虑以下示例，在此情况下使用Twitter作为内容来源。
假设一条内容由一位拥有5000名粉丝的作者在Twitter上分享。到目前为止，它获得了3个点赞、2个回复，并被一位拥有3500名粉丝的人转发。我们现在必须估计可能看到了这条内容的人数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，具有这种参与度的帖子不会在所有关注者的动态中优先显示。我们也可以确信，X将高于同一作者没有任何参与的帖子，因为我们也知道，任何参与都会导致在关注者动态中的更高优先级。可见度还会因这种参与不可避免地产生的额外曝光而进一步增加。例如，一个既不关注原始推文者也不关注转发者的特定账户，可能会关注“点赞者”，并以此方式获得该帖子的曝光度。
因此，我们需要估计通常有多少推特粉丝会看到一条帖子，并考虑如果该帖子有点赞或评论时，这个数量如何增加，以及如果一条内容被分享时，这个数量如何变化。然后我们考虑相关帖子的观察指标（3个点赞、2个评论、1个转发），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。它还考虑不同网站在其平台上对内容的优先排序。
请注意，对于粉丝数量较少的作者的帖子，覆盖率为零并不罕见；触达量是一个估计值，而不是精确的计数。
该算法并不单纯依赖于粉丝数量。例如，假设一位只有30名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，它的触达量开始增加，特别是如果转发者/评论者的粉丝数量较高。