前言：中文期刊网精心挑选了社交媒体研究分析范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
社交媒体研究分析范文1
〔中图分类号〕G203 〔文献标识码〕A 〔文章编号〕1008-0821（2016）12-0164-06
〔Abstract〕Information credibility assessment research in social media not only contributes to the development and improvement of network information resource management theory，but also helps to improve the effectiveness of social media monitoring public opinion，social media search，social recommendation and so on.The paper firstly reviewed the researches at home and abroad about the social media information research，information credibility research，and social media information credibility assessment research，and then pointed out the problems existing in information credibility assessment research of domestic social media，and finally put forward the solution to it.
〔Key words〕social media；information；credibility；assessment；review
1 研究的意义
随着互联网技术和移动技术的突飞猛进，社交媒体盛行，人人可做信息的制造者，制造的信息极为丰富。然而，在这丰富信息的背后，隐藏着漫天飞舞的谣言、病毒般传播的虚假照片和视频，这给人们幸福的生活、社会的稳定带来了严重的隐患。为了遏制虚假不良信息传播，营造健康向上的网络环境，信息可信度评估就成了迫在眉睫的问题，社交媒体信息急需“鉴定师”和“测谎仪”。
社交媒体信息可信度评估研究既有较高的学术价值，也有较强的应用价值。具体来说，学术价值表现在研究社交媒体信息可信度评估并探讨虚假信息的生成机制、传播模式、治理措施，是对社交媒体环境下网络信息资源管理理论的丰富、发展与完善。应用价值表现在研究社交媒体信息可信度评估有助于社交媒体用户判断信息的可信性，营造诚信健康的互联网环境，也有助于提高社交媒体信息舆情监控、社交媒体信息引导、社交媒体搜索、社会化推荐等方面的效果。
2 社交媒体信息研究
社交媒体（Social Media）是通过Web2.0技术实现的一类支持用户自主创造和交换内容的媒体，如Twitter、Facebook、Youtube、LinkedIn、Wiki、微博、微信、QQ、论坛、人人网等。自1973年Lipkin、Szpakowski和Felsenstein 3人在美国加州伯克利市建立全球第一个公共电子公告牌系统 Community Memory后，BBS以及网络社区等早期的社交媒体开始映入人们的眼帘。《2015年全球社会化媒体、数字和移动业务数字统计趋势》报告表明：全球社交媒体活跃用户约占全球人口的29%。
2.1 国外研究
社交媒体的相关研究从20世纪80年代开始，在2005年左右开始进入快速发展阶段，发文量有逐年增加的趋势。在国际期刊中，发表社交媒体论文较多的要属《Computers in Human Behavior》。近两年，关于社交媒体的国际会议主要有ASONAM、SMP、MISNC、SMAP、SCSM。国外学者研究内容主要集中在以下4个方面：
2.1.1 社交媒体信息利用研究
社交媒体在商业领域、教育领域、公共管理领域等都有广泛的应用[1]。如在营销领域，利用社交媒体信息，可以获知消费者态度和行为[2]，可以获知客户交流和推荐对营销的影响[3-4]，可以获知社交媒体信息对营销管理功能的影响[5]。
2.1.2 社交媒体信息检索与信息推荐研究
侧重于社交媒体信息检索与信息推荐方法的研究。社交媒体信息的检索采用主题模型[6]、社会网络[7]、本体[8]等检索方法。比如，Hong和Davison（2010）使用标准主题模型进行社交媒体Twitter信息的检索。社交媒体信息的推荐采用内容推荐[9]、协同过滤[10]、时序推荐[11]、位置推荐[12]、社会化推荐[13]等方法。比如，Levandoski等（2012）提出位置感知推荐系统（LARS）[12]。
2.1.3 社交媒体信息传播研究
侧重于反映信息传播传播规律的社交媒体信息传播模型的构建以及通过模型的构建对实际问题进行预测等方面的研究。如Galuba等（2010）通过研究1 500万URL在不同Twitter用户之间的300小时传播，提出了基于内容流行度、用户影响力和传播速度的线性阈值模型[14]。Adar和Adamic（2005）通过研究信息在博客中传播的模式和动力学特性，提出用传染病模型来描绘信息传播的机理[15]。Asur和Huberman（2010）采用来自的聊天数据通过简单的线性回归模型预测电影票房的收入[16]。
2.1.4 社交媒体用户隐私研究
在探讨社交媒体用户隐私现存问题的基础上，提出了相应的隐私保护方法。如Viswanath等（2010）首先研究Sybil防御的缺陷，在其基础上探讨了替代Sybil防御的方法[17]。Conti等（2011）采用FaceVPSN解决社交媒体用户隐私问题[18]。
2.2 国内研究
国内学者的社交媒体研究最早可追溯至20世纪90年代末，但从2005年后起关于社交媒体的论文才逐渐表现出增长态势。国内研究内容主要集中在：
2.2.1 社交媒体信息传播研究
研究内容包括：①社交媒体信息传播模式研究。如韩佳等（2013）提出了基于改进SIR的在线社交网络信息传播模型[19]。姜景等（2015）构建表征谣言信息与辟谣信息传播机理的Lotka-Volterra竞争模型[20]。②社交媒体信息传播中存在的问题与对策研究。如阎俊（2015）探讨微博传播存在的问题及原因，并提出了加强微博内容管理、增强把关意识、提高微博用户的媒介素养等对策[21]。③社交媒体信息传播效果研究。如陈远和袁艳红（2012）以新浪微博作为数据来源，把信息覆盖人数、评论数、转发数作为微博信息传播效果的量化指标，从纵横向两个角度研究新浪微博信息传播过程造成的效应[22]。
2.2.2 社交媒体舆情分析与监测研究
如张J等（2014）以打砸日系车系列突发公共事件为实例，探讨其在新浪微博和新浪新闻平台上舆情传播的特征与规律[23]。张瑜等（2015）对新浪微博热门话题“北京单双号限行常态化”下的微博进行了数据采集，将舆情演化划分为潜伏、成长、爆发、衰退、波动、死亡6个阶段，并对各阶段进行情感分析，为舆情治理提供了支持[24]。唐涛（2014）在分析网络舆情五要素的基础上，探讨移动互联网舆情的新特征，指出面临的新挑战，并从信息分析、信息筛选、信息引导等方面提出对策[25]。
2.2.3 社交媒体营销研究
如唐兴通（2012）的著作《社会化媒体营销大趋势：策略与方法》系统总结了社交媒体营销，并对众多社交媒体工具在实际工作中的应用提供了具体的建议[26]。张淼（2014）提出了企业完善社交媒体营销策略的“9+3”模式[27]。刘晓燕和郑维雄（2015）采用社会网络分析方法研究企业微博营销传播的效果[28]。
3 信息可信度研究
3.1 国外研究
信息可信度（Information Credibility）是指人们对信息可相信程度的认识。它由值得信赖（Trustworthiness）和专业性（Expertise）两个关键要素组成[29]。信息可信度比较系统的研究始于20世纪50年代的传播领域。Hovland和同事的工作具有里程碑的意义[30]。信息可信度最初关注的是传播者的可信度。国外对传统媒体信息可信度的研究主要是从信源可信度、内容可信度、渠道可信度三方面展开的。随着互联网的出现，网络信息可信度的评估被提上了议事日程。研究情况可归纳如下：
3.1.1 网络信息可信度评估的理论模型
主要有Fogg（2003）的P-I理论模型、Wathen和Burkell（2002）的评判模型、Sundar（2008）的MAIN Model、Hilligoss和Rieh（2008）的统一模型、Metzger（2007）的双处理模型以及Lucassen等（2013）的3S模型（修订版）。以上理论模型是由情境、用户特征、操作性、处理过程这些侧面的若干部分构建而成的。
3.1.2 网络信息可信度研究内容
主要有对网络新闻的可信度研究、对搜索引擎结果的可信度研究以及对维基百科内容的可信度研究。比如，Nagura等（2006）通过比较关于同一主题不同网页的相似度来计算每个网页的可信度[31]。Yamamoto和Tanaka（2011）利用用户可信度评判模型对网页搜索结果进行重新排序，以便从Web搜索结果的列表中用户可以更高效的找到可信的网页[32]。Adler等（2008）以文章长度、版本数量和基于贡献数量的作者声誉建立模型，计算出维基百科文章的可信度[33]。
3.1.3 网络信息可信度研究方法
主要采用定量研究法。比如，Olteanu等（2013）在调查网页的各种特征（文本内容、链接结构、网页设计等）的基础上，经过统计分析方法筛选出关键的特征，采用监督学习算法来推断网页内容的可信度[34]。与网络信息可信度有关的典型系统有日本的WISDOM和Honto？Search。
3.1.4 影响力较大的项目和国际会议
影响力较大的项目有互联网可信度研究（The Web Credibility Research）项目，影响力较大的国际会议有WICOW（Workshop on Information Credibility on the Web）。
3.2 国内研究
1993年的《鉴别虚假信息五法》是国内发表的早期论文。2004年至今，相关研究进入快速发展期。相对于国外较多研究评估算法和评估系统，国内研究重点在于定性分析上，大多采用问卷调查及专家访谈法等进行人工评估。国内研究内容主要有：
3.2.1 侧重于信息可信度影响因素研究
比如，龚思兰等（2013）针对评论信息的文本内容、长度、情感倾向、时效性、者、商家活动等特征，通过问卷调查方式对大学生消费群体进行在线商品评论信息可信度影响因素实证分析[35]。蒋洪梅（2013）运用理论分析辅以实证研究的方法，从宏观的社会系统、中观的政策法规、微观的媒介与受众3个视角分析网络新闻信息可信度的影响因素[36]。
3.2.2 侧重于信息可信度指标体系的构建
比如，胡红亮（2013）按照信息源、信息加工、信息传播和信息应用等方面采用德尔菲专家调查法建立了学术著作可信度的基本评价模型[37]。潘勇和孔栋（2007）基于第三方认证机构的视角，构建了电子商务网站的信用评价指标体系及评价因素集，并建立灰色关联信用评估模型[38]。当然，也有少量基于机器学习的信息可信度自动化评估实验研究，比如，马伟瑜（2011）提出一种采用改进的PageRank算法评估网页信息可信度的方法[39]。
4 社交媒体信息可信度评估研究
4.1 国外研究
国外相关研究较早。社交媒体信息可信度的相关研究随着BBS的出现随之展开，最早可追溯到20世纪80年代。目前可以说，研究处于繁荣期。国外研究情况可归纳如下：
4.1.1 社交媒体信息可信度评估研究内容
研究内容主要包括：①不实信息的判断识别。如Qazvinian等（2011）提取Twitter信息的文本特征、网络特征和微博元素特征，构建贝叶斯分类器甄别谣言[40]。Zhao等（2015）通过研究查询帖以便及早识别社交媒体谣言[41]。②话题新闻的可信度评估。如Castillo等（2011）选取了有关用户特征、文本特征、主题特征、信息传播特征，采用J48决策树评估Twitter中话题新闻的可信度[42]。
4.1.2 社交媒体信息可信度评估方法
评估方法主要有监督学习[43]，统计分析[44]，与可信信息来源的相似性比较[45-46]，社交网络的链接结构分析与主题模型的利用[47]等。它们主要采用自动评估，具体来说：①选取的特征：选取的特征主要是用户特征、文本特征、信息传播特征。比如，西班牙的Castillo和智利的Mendoza、Poblete（2011）选取用户特征（如注册时间、粉丝量、好友量），文本特征（如是否包含#标签、是否包含问号、Tweet中包含的URL数量、是否转发），主题特征（如带#标签Tweet的比例、Tweet数量、Tweet的平均长度、Tweet的平均情感分值、积极情绪或消极情绪的比例），以及信息传播特征（如传播树的深度），采用J48决策树评估Twitter信息的可信度[42]。②评估的方法：大多通过构建SVM分类器、Bayesian分类器、Decision Tree分类器等方法，并对结果进行分类，以达到评估社交媒体信息可信度的目的。上例Castillo等采用J48决策树构建分类器，并对结果进行分类，从而评估Twitter信息的可信度[42]。当然，也有通过对结果进行排序的实例，从而达到评估社交媒体信息可信度的目的。比如，Gupta和Kumaraguru（2012）采用Rank-SVM与PRF相结合的方法，按照可信度得分对Twitter信息进行排序[43]。
4.1.3 有较大影响的在研项目与系统
由欧盟资助七国科研人员联合攻关的PHEME项目研究的重点是社交媒体信息的真实性，该项目在国际上有较大影响。Jacob Ratkiewicz等（2011）开发出可实时追踪Twitter上政治谣言的Truthy系统[48]。Gupta等（2014）、Lorek等（2015）分别开发出一款可自动评估推文可信度的工具TweetCred、TwitterBOT[49-50]。
4.2 国内研究
2007年《博客信息“可信度不亚于纽约时报”？》拉开了国内探讨社交媒体信息可信度评估的序幕。目前研究还处于发展的初期。社交媒体信息可信度评估研究主要有：
4.2.1 社交媒体信息可信度影响因素研究
如刘雪艳和闫强（2013）探讨政府微博中的热点事件信息可信度的影响因素[51]。丁科芝（2015）从信息传播者、渠道、信息内容和用户基本信任观念4个方面构建社交网络可信度影响因素模型[52]。薛传业等（2015）从信息来源可信度、信息传播渠道可信度、信息内容可信度以及信息评论反馈多维度探讨了突发事件中社交媒体信息可信度的影响因素[53]。
4.2.2 构建社交媒体信息可信度指标体系研究
它大多采用问卷调查及专家访谈法进行人工评估。屈文建和谢冬（2013）从站点层次、版块层次、主题层次、内容层次4方面，采用模糊综合信用评估模型对网络学术论坛信息可信度进行评估[54]。莫祖英等（2013）从微博信息量、信息内容质量、信息来源质量和信息利用情况等方面进行问卷调查，采用层次分析法构建微博信息质量评估模型[55]。当然国内也有少量自动化评估的例子。比如，贺刚等（2013）引入关键词分布特征和时间差等新特征，基于SVM算法来预测新浪微博信息是否为谣言[56]。程亮等（2013）提出基于BP神经网络模型及改进其激发函数，同时引入冲量项，对微博话题在传播过程中演变为谣言进行检测[57]。路同强（2015）采用半监督学习算法检测微博谣言，但不足之处在于未考虑信息的深层特征[58]。
4.3 存在的问题
对比国内外研究情况，可发现国内研究存在如下问题：
4.3.1 研究内容
关于社交媒体信息可信度研究，国内外目前以微博研究较多。与国外丰富的研究内容相比，国内在该领域的研究还主要集中于对影响因素以及特征的探讨上。
4.3.2 研究方法
国外定量研究较多，很多涉及自动化评估，而国内定性研究较多，大多采用问卷调查法、专家访谈法等进行人工评估。
总之，现有研究大多是针对Twitter等英文社交媒体，其研究成果大多不能直接应用于中文社交媒体。尽管也有少量研究是面向中文社交媒体的，但研究成果零散，还缺乏系统性。另外，在特征选择上，选择范围面较窄，考虑社交媒体深层的隐含特征较少。
5 结 语
为了解决中文社交媒体的可信度评估问题，在吸收前人研究的基础上[59-63]，很有必要对中文社交媒体信息可信度进行系统研究，特别是在参考国外信息可信度评估系统的基础上，很有必要研制开发中文社交媒体信息可信度评估系统，实现中文社交媒体信息可信度的自动评估。在进行中文社交媒体信息可信度评估中，应注意下列问题：
1）评估要在对信息资源分类的基础上，对不同的类别采用不同的评估指标体系，以提高评估工作的科学性和合理性。
2）评估既要重视定性评估，也要重视定量评估，尤其是自动化评估。特别是在大数据环境下，应针对评估的实际需求，制定科学的评估方案，选择恰当的评估方法，构建适合评估工作需要的自动化评估系统。
3）评估指标、评估模型的选取以及参数的训练，既要考虑研究结果的精确度，又要考虑系统的运算时间。
4）评估模型构建后，不仅要进行实验室评估，还应进行实际效果评估。
参考文献
[1]Ngai，E.W.T.，Moon，K.K.，Lam，S.S.，Chin，E.S.K.and Tao，S.S.C..Social media models，technologies，and applications[J].Industrial Management and Data Systems，2015，115（5）：769-802.
[2]Gamboa，A.M.and Gonalves，H.M..Customer loyalty through social networks：lessons from Zara on Facebook[J].Business Horizons，2014，57（6）：709-717.
[3]Jin，S-A.A.and Phua，J.Following celebrities tweets about brands：the impact of Twitter-based electronic word-of-mouth on consumers source credibility perception，buying intention，and social identification with celebrities[J].Journal of Advertising，2014，43（2）：181-195.
[4]Colliander，J.and Dahlén，M.Following the fashionable friend：the power of social media[J].Journal of Advertising Research，2011，51（1）：313-320.
[5]Moncrief，W.C.，Marshall，G.W.and Rudd，J.M..Social media and related technology：drivers of change in managing the contemporary sales force[J].Business Horizons，2015，58（1）：45-55.
[6]Hong，Liangjie and Davison，B.D..Empirical study of topic modeling in twitter[C]∥Proceedings of the First Workshop on Social Media Analytics（SOMA10）.ACM，New York，NY，USA，2010：80-88.
[7]Kleinberg，J.M..Authoritative sources in a hyperlinked environment[J].Journal of the ACM，1999，46（5）：604-632.
[8]Tobar，C.M.，Germer，A.S.，Adan-Coello，J.M.，and De Freitas，R.L..Information retrieval in Wikis using an ontology[J].Computational Science and Engineering，2009：826-831.
[9]Kim，Y.and Shim，K.TWILITE：A recommendation system for Twitter using a probabilistic model based on latent Dirichlet allocation[J].Information Systems，2014：59-77.
[10]Ramesh，A.，Anusha J.，Clarence，J.M.T..A novel，generalized recommender system for social media using the collaborative-filtering technique[J].ACM SIGSOFT Software Engineering Notes，2014：1-4.
[11]Zimdars，A.，Chickering，D.M.，and Meek，C.Using Temporal Data for Making Recommendations[C]∥Proceedings of the Seventeenth conference on Uncertainty in artificial intelligence（UAI01），Jack Breese and Daphne Koller（Eds.）.Morgan Kaufmann Publishers Inc.，San Francisco，CA，USA，2001：580-588.
[12]Levandoski，J.J.，Sarwat，M.，Eldawy，A.and Mokbel，M.F..LARS：A Location-Aware Recommender System[C]∥IEEE 28th International Conference on Data Engineering，Washington，DC，2012：450-461.
[13]Jamali，M.and Ester，M.Trust Walker：a random walk model for combining trust-based and item-based recommendation[C]∥Proceedings of the 15th ACM SIGKDD international conference on Knowledge discovery and data mining（KDD09）.ACM，New York，NY，USA，2009：397-406.
[14]Galuba W，Aberer K，Chakraborty D，Despotovic Z，Kellerer W.Outtweeting the twitterers-predicting information cascades in microblogs[C]∥Proceedings of the 3rd Workshop on Online Social Networks，USENIX Association，Boston，MA，USA，2010：1-9.
[15]Adar，E.and Adamic，L.A..Tracking Information Epidemics in Blogspace[C]∥Proceedings of the 2005 IEEE/WIC/ACM International Conference on Web Intelligence（WI05）.IEEE Computer Society，Washington，DC，USA，2005：207-214.
[16]Asur，S and Huberman，B.A..Predicting the Future with Social Media[C]∥2010 IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology（WI-IAT），Toronto，2010：492-499.
[17]Viswanath，B.，Post，A.，Gummadi，K.P.，and Mislove，A.An analysis of social network-based Sybil defenses[J].Acm Sigcomm Computer Communication Review，2010，40（4）：363-374.
[18]Conti，M.，Hasani，A.，and Crispo，B.Virtual Private Social Networks[C]∥Proceedings of the 1st ACM Conference on Data and Application Security and Privacy（ACM SIGSAC CODASPY 2011），San Antonio，TX，USA，2011：39-50.
[19]韩佳，肖如良，胡耀，等.在线社交网络中信息传播模式的特征分析[J].计算机应用，2013，（1）：105-107，111.
[20]姜景，李丁，刘怡君.基于竞争模型的微博谣言信息与辟谣信息传播机理研究[J].数学的实践与认识，2015，（1）：182-191.
[21]阎俊.微博传播的问题与对策研究[D].锦州：渤海大学，2015：1-38.
[22]陈远，袁艳红.微博信息传播效果实证研究[J].信息资源管理学报，2012，（3）：28-34.
[23]张，孙霄凌，朱庆华.突发公共事件舆情传播特征与规律研究――以新浪微博和新浪新闻平台为例[J].情报杂志，2014，（4）：90-95.
[24]张瑜，李兵，刘晨.面向主题的微博热门话题舆情监测研究――以“北京单双号限行常态化”舆情分析为例[J].中文信息学报，2015，（5）：143-151，159.
[25]唐涛.移动互联网舆情新特征、新挑战与对策[J].情报杂志，2014，（3）：113-117.
[26]唐兴通.社会化媒体营销大趋势：策略与方法（第2版）[M].北京：清华大学出版社，2012：1-235.
[27]张淼.社会化媒体在市场营销中的应用研究[D].北京：首都经济贸易大学，2014：1-47.
[28]刘晓燕，郑维雄.企业社会化媒体营销传播的效果分析――以微博扩散网络为例[J].新闻与传播研究，2015，（2）：89-102，128.
[29]Fogg，B.J.，and Tseng，H.The elements of computer credibility[C]∥Proceedings of the SIGCHI conference on Human Factors in Computing Systems，Pittsburgh，Pennsylvania，USA，1999：80-87.
[30]Rieh，S and Danielson，D.Credibility：A Multidisciplinary Framework[J].Annual Review of Information Science and Technology，2007：307-364.
[31]Nagura，R.，Seki，Y.，Kando，N and Aono，M.A method of rating the credibility of news documents on the web[C]∥Proceedings of the 29th annual international ACM SIGIR conference on Research and development in information retrieval（SIGIR06）.ACM，New York，NY，USA，2006：683-684.
[48]Ratkiewicz，J.，Conover，M.，Meiss，M.，Gonalves，B.，Patil，S.，Flammini，A.and Menczer，F.Truthy：mapping the spread of astroturf in microblog streams[C]∥Proceedings of the 20th international conference companion on World wide web（WWW11）.ACM，New York，NY，USA，2011：249-252.
[49]Gupta，A.，Kumaraguru，P.，Castillo，C.，and Meier，P.TweetCred：Real-Time Credibility Assessment of Content on Twitter[C]∥Social Informatics.Springer International Publishing，2014：228-243.
[50]Krzysztof，L.，Jacek，S.W.，Michal，J.L.，and Amit，G.Automated Credibility Assessment on Twitter[J].Computer Science，2015，（2）：157-168.
[51]刘雪艳，闫强.政府微博中的热点事件信息可信度研究[J].北京邮电大学学报：社会科学版，2013，（2）：6-12.
[52]丁科芝.社交网络信息可信度研究[D].武汉：华中师范大学，2015：1-61.
[53]薛传业，夏志杰，张志花，等.突发事件中社交媒体信息可信度研究[J].现代情报，2015，（4）：12-16.
[54]屈文建，谢冬.网络学术论坛信息可信度的灰度分析[J].图书情报知识，2013，（2）：112-118.
[55]莫祖英，马费成，罗毅.微博信息质量评价模型构建研究[J].信息资源管理学报，2013，（2）：12-18.
[56]贺刚，吕学强，李卓，等.微博谣言识别研究[J].图书情报工作，2013，（23）：114-120.
[57]程亮，邱云飞，孙鲁.微博谣言检测方法研究[J].计算机应用与软件，2013，（2）：226-228，262.
[58]路同强，石冰，闫中敏，等.一种用于微博谣言检测的半监督学习算法[J].计算机应用研究，2016，（3）：744-748.
[59]Ginsca，A.L.，Popescu，A.，and Lupu，M.Credibility in Information Retrieval[J].Foundations and Trends in Information Retrieval，2015：355-475.
[60]Lazar，J.Meiselwitz，G.and Feng，J.Understanding Web Credibility：A Synthesis of the Research Literature[M].Now Publishers Inc，2007：1-80.
[61]Zafarani，R.Abbasi，M.A.，and Liu，H.社会媒体挖掘[M].北京：人民邮电出版社，2015：1-240.
社交媒体研究分析范文2
一、社交网络文本与短期股市行情之间的内在关联
从当前实际来说，社交网络已经发成发达，就以我国实情而言，已经出现了数量丰富的社交媒体，如微信、微博、抖音等等。这些社交媒体聚集了数十亿用户，说明很多用户同时使用着其中多个社交媒体平台。从股市行情预测来讲，社交网络文本与其存在一定的内在关联，这是需要形成认识的。
第一，关信息，甚至是公布企业财报等重要数据。这些文本信息，会对股价走势形成直接影响。如果可以在第一时间获取这些文本信息并展开相应的操作，便可以从股市中获利。
第二，社交网络中包含了大量的股票投资者，这些投资者会在社交网络上自己对一些股票的看法，或者是对股票的评价。投资者在网络上的发言，会形成一种情绪，这种情绪要么对股票保持积极的支持态度，要么体现出消极的态度。投资者在社交媒体上表现出来的情绪，会影响到其后续操作。如果消极情绪大，那么可能出现抛售股票的行为，这容易导致股价短期下跌。相反，如果情绪积极，那么可能出现抢购，容易导致股价短期上涨。
第三，在社交媒体上，除了与股票相关的企业公司和投资者之外，还有一类人的存在，那就是分析专家。从当前的社交媒体来看，有很多分析专家通过社交媒体，分享自己对股价走势的看法。这些分析专家，有些是真有水平，分析合理；有的则是滥竽充数，会误导投资者。分析专家的分析，也会给一些投资者决策带来影响，从而在短期内影响股市行情。
二、通过社交网络文本预测股市短期行情的策略
据实而言，股市行情和社交网络文本之间，切实具有一定的内在关系，这是毋庸置疑的。如何通过社交网络文本，来对短期股市行情合理预测，这是一个值得探讨的话题。
（一）搜集社交网络文本信息
要利用社交网络文本来对短期股市行情进行预测分析，那么首要条件，就是搜集到足够数量的社交网络文本。数据分析的准确性和数据量呈现出正相关的关系，也就是数据量越大，数据分析的准确性就越高。利用社交网络文本来判断股市行情，那么就需要搜集到数量足够多的文本信息，在大量的样本中，才能准确分析出背后隐藏的信息。同时，在搜集社交网络文本信息的时候，要突出目的性，也就是要从不同的层面出发，搜集不同的文本信息，具体来说主要涵盖三个方面：一是企业社交信息，二是投资者文本信息，三是专家预测分析，四是政策信息。搜集这四个方面的信息，进行综合判断，这样才能够提高短期股价预测的准确性。需要注意的是，需要重点关注企业信息和政策信息的搜集，这是影响股价走势的根源，同时也能影响投资者情绪。
（二）分析文本信息判断行情
在搜集社交网络文本的基础上，还需要对这些文本信息进行分析，判断短期内的股市行情。根据实践经验来看，企业信息和政策信息，是影响短期行情的重要因素。比如2020年5月21日，中芯国际通过社交媒体澄清一则利好公司的谣言，导致股价跳水大跌6%。企业的这类信息，能够在短时间内对股价造成很大冲击。所以，在分析中，就要制定相应的标准，对搜集到的各类社交网络文本信息进行分析判断。这一过程的实现，可以借助大数据技术进行。大数据技术具有强大的数据信息分析能力。通过网络技术搜集社交文本信息之后，就可以通过大数据技术来分析这些文本信息，提炼出其中的有效信息，并且依据信度来判断数据信息真实性，从而对市场行情进行预测。
（三）基于行情指导短期操作
通过社交网络文本分析预测短期股市行情，根本目的在于把握股市行情走向，从而对短期交易操作实现指导，能够从股市中获利。所以，这就需要基于短期市场行情的分析，来对短期交易操作进行指导。一般来说，短期操作要顺势而为，行情看涨则做多，行情看跌则做空。同时，要根据社交文本信息分析，对看涨或看跌的概率进行计算，概率越高，操作额度就可以越大；相反，概率越低，则说明分析结果的准确性不高，短期操作就要非常谨慎了。
社交媒体研究分析范文3
[关键词]新型社交媒体；大学生；行为习惯；社交媒体依赖
前言
2013年，中国传媒大学就中国大学生媒体接触与消费行为展开调研，调研结果显示，近96%的大学生拥有智能手机，且在有效的1500个样本中，每天利用手机上网时间在5个小时以上的人数在25%以上，而2011年该数据仅为5%。2015年10月11日，第二届华南青年传播学者论坛上有学者调查，大学生在新型社交媒体中，微信使用频率最高，为92.53%，日均使用时长为2.72小时，其次为微博，使用频率为47.71%，日均使用时长为1.31小时；QQ使用频率为26.76%，日均使用时长为2.16小时。同时调查显示，微博好友数量超过微信，“睡前一刻”通过微信看新闻已成为趋势。由此可见，大学生借助手机上网、通过新型媒体社交，已经成为一种普遍的信息传递方式和沟通交流方式。
1.社交媒体的概念与引发的新变化
1.1、社交媒体的概念
社交媒体，又称社会化媒体，是指一种网站和技术，用户借助网站和技术这样的工具和平台，进行沟通、分享、自由讨论和评价等一切社会互动活动，并在互动过程中，满足“建立关系”或“发挥影响”等需求。社交媒体的发展离不开媒介技术的支撑，伴随着媒介技术的发展，社交媒体也从社交网络、论坛、博客等社交形式发展到如今的新型社交媒体――微博、微信等，可以说，社交媒体已然成为大学生日常生活的一部分，并影响着人们的生活和交往，改变着人们的观念。
1.2、社交媒体引发的信息传播新变化
从传统的社交媒体到新型社交媒体，媒介技术的发展和运用促进了社交媒体的迅速发展并引发信息传播的新变革。
首先，更注重传受主体的交互性。在传统的社交媒体中，受众的角色是一个被动的信息接收者，缺乏对信息内容的反馈和互动。新型社交媒体下，任何个人均可以借助移动设备与外界的交流互动，集信息的接收者和者为一身，真正成为媒介的主体；其次，传播内容个性化、碎片化。传统社交媒体传播的内容是经过加工后呈现在受众面前，而新型社交媒体下，一张图、一段视频、一条评论，甚至事件不完整的一个片段，都可以成为传播内容。借助新型社交媒体，多样的信息主体可以根据自己的喜好侧重关注程度，在选择与互动过程中进行个性表达；最后，信息传播具有及时性、影响广泛性的特点，弥补了传统社交媒体的不足。
2.新型社交媒体对大学生行为习惯的影响
2.1、新型社交媒体对大学生行为习惯的积极影响
移动终端设备的普及，以微博、微信为代表的新型社交媒体的发展极大地影响着大学生的思维与生活方式、道德意识、价值观念乃至行为规范，帮助他们打破原有的圈子建立新的圈子，并从单向的文化接受转向多向交流。在这种交流过程中，大学生展示自己积极优秀的一面，寻找志同道合的人，通过对某一事件的评论赢得朋友的认同，并通过资讯共享不断增长见识，进而满足大学生认知的需要、情感的需要、个人整合、社会整合的需要以及纾解压力的需要，为大学生提供较强的归属感。以微信为例，作为新型社交媒体，一方面，大学生可以通过朋友圈结交一些志趣相同的朋友，并自由地表达自己的情绪、对事情的看法，或者记录自己的经历。大学生还可以临时创建群聊分享创业、就业等信息；另一方面，大学生可以通过订阅号有选择地关注自己感兴趣的信息，确保信息交互更具有个性化特征，扩大了大学生群体的社交范围。
2.2、新型社交媒体对大学生行为习惯的消极影响
2.2.1、过度依赖社交媒体
新型社交媒体在为大学生提供了全新的媒介体验和自我展示、表达途径的同时，也存在社交媒体依赖的隐忧。刘振声在《社交媒体依赖与媒介需求研究――以大学生微博依赖为例》中指出微博依赖者表现出更高的逃避倾向，他们会将大量的时间和注意力停留在网络碎片化、无意义的信息上，拖延甚至懈怠学业。此外，有学者在研究中发现，有近47%的大学生具有社交媒体依赖倾向，他们往往因为过度关注有没有人评论、圈里是否有动态更新等，造成注意力无法集中到学业上来，也更容易出现睡眠问题。
2.2.2、虚假信息侵害大学生安全利益
微信为代表的新型社交媒体的普及，让越来越多的大学生对微信持信任和依赖的态度。伴随着腾讯财付通和微信支付的兴起，95%以上的大学生会在微信中填写真实的的个人信息，在网络监管不规范、系统出现漏洞等情况下，大学生个人信息泄露，给自身带来人身、财产的安全隐患。另一方面，大学生社会阅历不足，对于一些网络信息缺乏严格的辨别和判断能力，让自己不觉成为低俗、虚假信息的传播者，被不法分子利用。
2.2.3、现实人际关系异化
新型社交媒体的出现，在提高大学生人际交往效率的同时，也出现部分大学生沉迷虚拟世界、现实生活中却出现人际交流障碍，真我与虚拟人格的错位冲突，最终可能导致学生焦虑、自恋、偏执、抑郁、冷漠、拖延等心理疾病的发生。有调查显示，75%以上的在校大学生手机处于“24小时开机”状态，在“每天使用手机时长”上，有近一半的同学表示“超过5小时”。对于“聚会时同学低头玩手机”的现象，仅有16%的学生表示不会出现。同样以微信为例，“点赞党”、“秒赞党”的出现，都是人际交往中伪亲密的体现；此外，在微博的使用上，部分大学生出现过分关注星座命理，用所属星座来解释自己的性格成因，用命运来解释自己人际交往的成功与失败，对微博谣言辨别能力相对较差，进而影响自己的学习和生活。
3.科学引导大学生合理使用新型社交媒体策略
3.1、完善网络社交的相关法律法规，推出大学生网络社交条例
人治与法制的本质是自律与他律。新型社交媒体的虚拟、开放等特征，更需要相关法律法规为社交媒体保驾护航，通过《信息净化法》、《隐私权保护法》等相关法律法规，推动网络社交工具健康发展。截止到2014年9月，我国网民数量已达到6.32亿。作为世界上网民数量最多的国家，在大力完善网络社交秩序、推进网络立法的同时，针对大学生社会阅历不足等群体特点加强以大学生为对象的网络社交条例建设，积极推行网络社交工具后台实名制。新型社交媒体的虚拟性不等同于虚假性。实名制的网络社交环境，有助于培养大学生的诚信意识，很大程度上提高了交往的安全性，增强了大学生的人际交往能力，同时有效地规范了网民网络社交行为，防止大学生成为谣言、恐慌情绪的者和传播者，培养大学生网络社交言论的责任意识。
3.2、创新大学生网络社交教育管理模式
新型社交媒体的快速发展，需要学校管理者与时俱进，培养出一支集专业技术人员、心理辅导老师为一体，具有专业网络教育管理知识的师资队伍，便于积极参与大学生新型社交媒体建设。并通过开设人际交往、网络安全与网络法规等相关课程，对在校大学生社交媒体使用情况进行摸底，了解大学生使用情况和偏好，进而进行数据分析，对大学生社交媒体上常见的问题进行指导和必要的干预，有效引导大学生在新型社交媒体上的行为习惯，借助形式多样的线下活动鼓励大学生更多地融入现实人际交往。
具体在实施过程中，学校教育者可以借助新型社交媒体与大学生建立自由、平等的朋友关系，借鉴成都理工大学经验，加强校园网络文化建设，开设学生党建、教师风采、师生论坛等版块，借助学生骨干力量，有效引导大学生网络社交，必要时利用微信的“群聊”功能引导学生在现实中积极开展对有关公共话题的讨论，还可以通过社交媒体平台及时发现大学生社交中所存在的问题并加以处理，提出人际交往技巧和安全提醒。社交媒体之外，开展演讲比赛、社会实践、假面舞会等活动，促进网上自由交流网下良好共处的有机结合，避免大学生出现社交媒体依赖情况。
3.3、注重舆论引导，加强大学生媒介素养教育
早在上个世纪五十年代，一些发达国家就已经将媒介素养教育引入青少年课堂教育中。作为对信息的选择能力、质疑能力、理解能力和评估能力等一系列能力的综合体，媒介素养教育可以有效促进大学生评估和管理个人媒介接触行为，社会、学校以及家庭应该加大学生媒介素养教育，包括如何使用媒介、如何判断媒介信息的价值和意义等。总之，媒体作为社会舆论的导向工具，大学管理者应该与时俱进，积极运用新型社交媒体传播主流意识和价值观念，通过先进人物事迹的宣传，借助艺术、时尚、情感等元素加强对学生的吸引凝聚和思想引导，打造丰富多彩、积极健康的校园文化体系。无可否认，社交媒体不仅带给大学生新的交往体验，更是潜移默化地改变着大学生的行为方式和生活态度。因此，学校在避免大学生沉迷新型社交媒体的同时，要善于借助有影响力的公众号、官微等传播正能量，帮助大学生树立正确的人生观、价值观。
[参考文献]
[1]孙步宽.大学生网络人际交往与网络成瘾的调查研究[J].福建教育学院学报，2011.
[2]杨宏兰.大学生网络人际交往的现状及对策[J].学习月刊，2011.
[3]郑晓娜.大学生微信使用现状调查与分析――以全国208所高校为例[J].网络思政，2014.
社交媒体研究分析范文4
人口统计学特征: 社会化媒体用户最典型的特征是什么?
根据Pew这个月早期的研究，64%的成年互联网用户使用社交网络站点。当不同种族和收入水平的人都在使用社会化网络时。社会化媒体在不同年龄、性别、教育和地理位置上的使用变化甚大。自2008年以来，使用社交网络的用户几乎翻番，而用户的平均年轻在变老。不同的社交网络中，用户比例最大的人群年龄在23-35岁。（下图为不同社交网站用户年龄的分布情况）
还有其他重要的人口统计学特征吗？那就是女性使用社交网络要多于男性，当然LinkedIn除外，Linkedin上63%的用户是男性。在教育程度方面，60%的高中学生使用社会化媒体，而有72%的大学生使用社会化媒体。另外，社会化媒体的使用在大城市更加流行，69%的大城市居民使用社会化媒体，郊区人民只有64%，农村居民为57%。
心理学统计特征: 社会化媒体用户的态度和品味是啥?
首先我们来看看那个社交网站用户使用最高，根据Pew的另一份研究，87%的社会化媒体用户在Facebook上有页面，14%的用户在Myspace上有页面，11%的用户使用Twitter，10%的用户在Linkedin上有帐号，13%的用户使用了其他社交网站。
既然Facebook是使用最多的社交网络，那我们就来看看Facebook用户与众不同的品质。研究发现Facebook用户相对其他用户更加信任他人。通过分析发现，在觉得多数人值得信任方面，使用Facebook一天多次的用户比其他互联网用户高43%，比非互联网用户高2倍。Facebook用户也更容易拥有更多的亲密的关系和获得更多的社交支持。另外，Facebook用户也更容易激活潜在的社交关系。只有7%的Facebook用户的朋友是那些他们从没见面的人，因此Facebook用户倾向于与他们认识的人交往。
社交媒体研究分析范文5
很多人仍然对社交媒体抱持怀疑的态度，有些人宣称社交媒体根本无法测量，很难找到合适的标准和衡量方法，因此看起来很难说一项战略真正起作用了。当然，首席市场官们和管理层希望看到真正的数字。
你会为你的宠物狗计算投资回报率吗？你们为你买的衣服计算投资回报率吗？事实是每个提供价值的事物都有投资回报率，只不过有些时候投资回报率不明显。但是，根据2011年对社交媒体营销从业人员的一份调查显示，55%的人认为，计算投资回报率非常紧要。因为他们：
65%的人提到需要提高有效性；59%的热提到需要提高与其他市场营销手段的融合度；48%的人提到有汇报量化效果的压力39%的人有了社交媒体预算或该预算还会增加22%的人提到正确的测量工具已经就位了。因此，即使已经有了计算社交媒体投资回报率的办法，即使市场人已经感觉到了拿到这些数字的必要性和迫切性，为什么还会有那么多的品牌在不知道投资回报率数据的情况下就做社交媒体营销了呢?一个可能的线索是社交媒体背后有驱动力，新技术的早期采用以及商业革新，因此没有足够的时间来做详细的投资回报率分析。当所有人参与进来，当所有事情都慢慢成熟了，于是对社交媒体测算投资回报率也就提上日程了，可以说是边学边干。
那么，要计算社交媒体的投资回报率需要知道些什么呢？
当然，首先测量方法必须要确定，而这要符合你公司的情况。这也许是对于社交媒体测量些什么以及如何测量的问题，目前没有统一的大案的部分原因。因为目的、目标和关键指标对每个部门，每个公司都不一样。
在确定这些钱，有必要确定你为什么要做这件事。如果答案仅仅是“我们的公司建议我们做”，或“我们的竞争对手在这样做”，那么我建议你更深层次地考虑这个问题。
典型的社交媒体营销的商业目标包括：
通过对社交媒体的监测，发现顾客和潜在顾客是如何谈论你的公司的；收集竞争对手信息；与顾客和潜在顾客在线互动；通过分享内容来建立思想领先者的地位；使社会化媒体渠道的内容和信息的触达面最大化；支持已有的销售和市场攻势；支持员工招聘和留住既有员工的努力；打造一个顾客社区来提供支持和推广是的，所有这些都涉及数据收集和测量，但仍然——这些都不是投资回报率，要得到投资回报率，这些因素都需要被转换成商业利益——一个可以跟踪的数据和可以作为结果的数据的组合。这些数据可能与社交媒体并不直接相关，例如总的销售额，要求试驾的次数，注册数，等等。由于需要做对比，因此需要得到在做社交媒体营销之前和之后的数字。
谈点实际操作的事，下面是计算投资回报率的公式：
所获利益—成本
投资回报率=———————— *100 =投资回报的百分比
成本
成本
好了，下面是一个计算社交媒体投资回报率的实例：
圣安东尼奥的海洋世界为他们新建的过山车发起了一场社交媒体营销攻势。长话短说，他们邀请了社交媒体上那些影响力强的人来“试新”，拍了一些视频，配上这些人的正面的肯定的评论，上传到了大约50个网站上，其中30个是过山车爱好者的网站。
回到我们的计算公式：
利益：通过一个针对公园游客的简单的调查(只有两个问题)，以及一个适用于所有游客的公式，他们得出那些从互联网上得知相关信息的人给公园带来的收益是260万美元。成本：把这个社交媒体攻势所涉及的人员、技术、流程成本加在一起，总成本是4.4万美元。
260000 — 44000
投资回报率=———————— %100 =5809%
44000
他们所花的每一个美元，带来了5809元的收益。怎么做到的呢？了解正确的人群，激励他们，与他们保持互动！
结论是什么？计算社交媒体营销的投资回报率没有“正确”或“错误”的方法，哪些数字最重要，哪些数字需要考虑进去，完全由你自己来定。但这给你提供了一个办法，可以让你的高层和管理人员相信社交媒体有其价值，而且可以被测量，以及可以提供投资回报率数字并随时间推移可以时常拿出来比较。（来源：市场部网）
社交媒体研究分析范文6
我想，企业在做社交媒体营销方案时可能会有同样的感触。从原点开始时一切都令人兴奋。你清楚地知道自己想做什么，清楚自己为什么要这么做。看到其他人登上社交媒体这座高山，你也很渴望到达那里。这时候，一个好计划会有很大的帮助。本文分享了一些关于社会媒体营销计划的干货——包括有效的社交媒体及其背后的数字和调查依据，同时结合我个人的切身经验，为你制定了一个详细的计划蓝图。我喜欢把这份计划想成一次公路旅行：从一开始寻找一个正确的方向，选择交通工具，之后要经常检查自己是不是走在正确的道路上，同时在走的过程中获得乐趣。
一、选择合适的社交网络
社交媒体网络间的同质化和线下品牌类似，Google+和Twitter就像是社交网络里的可乐和雪碧，它们有自己独特的风格和用户群。所以你要找到最适合自己社交媒体目标和策略的社交网络。不需要广撒网——只要选择对企业和用户最有效的平台。你要选择哪些社交网络？应该在多少个社交网络上进行传播？这里有几个要考虑的因素。
时间。对于一个社交媒体，你有多少时间投入?在最初的运营阶段，你要每天在每个社交媒体上至少投入一个小时（一旦走上正轨，可以通过一些工具节省时间）。
资源。你是否需要新的人员和技能?视觉社交媒体Pinterest和Instagram平台都是基于图像和照片的应用，Google+更侧重于有质量的内容。你是否拥有适合这些平台的资源？
用户。你的潜在客户聚集在哪里？哪个社交媒体上有你的目标用户？
关于最后一个问题，你可以参考一些用户研究资料，例如，皮尤研究中心(Pew Research)去年第三季度就收集了Facebook、Twitter、Instagram、Pinterest、LinkedIn等主流社交媒体的使用人群数据。
二、完善信息
我们每个月都会检查社交媒体上的简介，确保头像、封面图、简历和简介信息完整并及时更新。这是我们社交媒体编辑主要的工作内容之一。完整的资料显示你的专业和品牌一致性，它向访客表明了你参与社交媒体的认真度。
信息资料包括两个部分，视觉和文字。
视觉部分要达到的目标是一致性和熟识度。Twitter头像要和Facebook上的匹配，Google+和LinkedIn的封面图最好也要一致。要做好这些图片，你可以参考现成的格式，譬如Canva这样的工具可以让你直接选择模板生成合适大小的图片。
对于文字，你需要个性化的是简介和个人信息。创建专业的社交媒体简介可以遵从以下六个规则。
1. 展示而不要说教。展示“我做了什么”往往比介绍“我是谁”效果更好。
2. 向用户展示企业关键词。
3. 保持语言新鲜活泼，但避开过于时髦的词汇。
4. 回答潜在用户的问题，告诉他们你有什么。
5. 保持个人风格和风度。
6. 经常检查你的页面。
三、找到营销的声音和语调
现在，你可能会急着进入社交网络分享了。在此之前你还要做一件事。
如果能为内容找到一种合适的基调，能让你进入社交媒体的冒险行动更有目的性。
要做到这一点，你要仔细思考营销目的和客户基础等细节。
可以从以下问题着手：
如果你的品牌是一个人，他有怎样的性格？
他与客户的关系是什么样的？是教练、朋友、老师还是父亲？
你的企业个性不包括哪些？用形容词描述。
哪些企业与你的企业个性相似？相似之处是什么？
你希望客户怎样看待你的企业？
最后，你会得到很多关于你的企业市场策略的形容词，它们就是你在社交网络互动中应该保持的声音和语调：声音关系的是传达使命宣言，而语调关系的是如何执行任务。用一致的声音和语调回应你的客户，创造一种能够愉悦客户的声音，客户将乐于成为你的品牌传播者。
四、选择发帖策略
每天理想的发帖量是多少？发帖的频率多少合适？什么时候应该发帖？什么样的内容更适合你？对于这样的问题要根据实际情况定。社交媒体营销与你的受众和细分客户群密切相关。你之蜜糖，我之砒霜，必须不断尝试才能知道哪些最适合自己。
关于发帖策略，有一些数据和观点可以告诉我们怎样更好地着手。
发表什么内容：
图片是最理想的社交媒体传播内容之一。浏览Twitter、Facebook信息流时，你很可能会把图片全都浏览一遍。图片帖子比其他类型的帖子获得更多的浏览量、点击量和分享。数据显示，在Facebook上，图片信息比文字信息多得到53%的赞、104%的评论数和84%的点击量。Twitter也相同，在一项研究中，通过分析各行各业用户的200万条推文，Twitter发现图片对转帖增加量的贡献最大。
把以上策略综合起来，有助于你制定长期运营策略。
1.从五种基本类型着手：链接、图片、引用、转发和纯文本信息。
2.选择一个主要类型，大部分发帖都采用这种类型的内容。
3.按照4：1的比例安排内容。也就是说，在使用某种主要类型发送4篇内容后，应该穿插其他类型作为调剂。
这样，你的关注者会知道他们能从你这里得到什么，你也可以通过这个过程形成自己的风格。
发帖频率：
关于社交媒体更新的频率有很多有意思的数据。一些因素可能影响你的发帖频率，这些因素包括行业、资源、到达范围、内容质量等。还要考虑你使用的平台也有自己的频率。
如果你的内容受欢迎，你当然可以一直增加发帖量。
什么时候发帖：
有很多工具可以告诉你在Facebook和Twitter上发帖的最佳时段。这些工具会观察你的关注者和你的发帖历史记录，弄清你的用户什么时候在线以及用户发帖时间。
对于刚刚开始运作社交媒体的人来说，没有用户和发帖历史怎么办？
SumAll提供了很有用的图表数据，以下是他们的一些发现：(美国东部时间)
五、反复分析、测试
社交媒体分享是一项非常具体、独立的工作。随着发帖数的增多，你会发现适合自己的内容、时间和频率。如何获取这些信息?主流社交媒体页面内提供了数据分析模块，如果有第三方的数据信息当然更好。这些工具有详细的数据供你参考，包括每个帖子能带来多少浏览点击量、分享量、点赞和评论等。
获取数据之后应该怎样运用？
设定标杆。运营两个星期或一个月之后，你可以回顾数据，看点击量、分享量、点赞、评论的平均数，这将是你继续运作社交媒体的一个标杆。当然，随着持续运作，数字要及时更新。
尝试新工具。在Buffer，我们开放各种数据测试。比如经过优化的图片会不会比没有优化的图片获得更多的点击?大小写是否重要？
检查结果。把测试后得到的数据和标杆数据对比，如果测试结果积极，就可以把这些变化加入日常策略。同理，你可以逐一进行多项测试。
六、自动化、参与互动和聆听
社交媒体营销的最后一步是建立一个可以跟踪效果的系统，以便与社区保持互动。
