□韩运荣 李笑欣
　　【本文提要】 微博的出现变革了传统的信息传播模式，同时也日益成为微博营销、政务发声和舆情发酵的主要领地，其为企业、政府甚至个人带来的传播力和影响力仍不容小觑，如何洞察微博的传播力，我们需要借助一定的分析工具。本文主要从使用的便捷性和直观性方面出发，从宏观和微观两个分析视角，选取了基于网页应用的几种可视化微博传播分析工具，对其功能以及优劣势进行分析和对比，为研究者在研究微博传播时选择合适的分析工具提供参考。
　　【关键词】 微博　分析工具　可视化　
　　【中图分类号】 G202
　　微博在变革信息传播模式的同时，也给政府、企业、媒体以及个人带来了扩大自身影响力的契机，微博不仅仅是个人声音的公共意见市场，而且日益成为微博营销、政务发声、舆情发酵的主要领地，其“微力”不可小觑。因此，快速直观地洞察到微博影响力对于优化微博信息传输、提高微博传播效果具有重要的实践意义。
　　
一、可视化微博传播分析工具
　　微博碎片化、强互动的传播方式以及病毒式的扩散速度，使得微博的传播分析如果仅用人工分析的方式来实现几乎不可能，因此必须借助一定的分析工具。从目前已有的微博传播分析工具来看，大致可以分为两类：一类是基于软件应用的分析工具，比如可以借助Ucinet社会网络分析软件对微博用户之间的“关系”进行可视化的展示和分析；另一类是基于网页应用的可视化微博传播分析工具。
　　可视化微博传播分析工具是指基于数据挖掘的相关技术，对微博上的舆情信息进行分析以及可视化展示的网页型工具。目前比较常用的可视化微博分析主要表现为两种视角：一种是宏观分析视角，通过对微博整体舆论走势的分析，从宏观层面了解舆论的生成过程；另一种是微观分析视角，是对舆论形成过程中单条微博的传播扩散路径、转发用户以及转发/评论内容等进行的分析，这一视角较之宏观层面的分析视角来说，更加具体和深入。
　　可视化微博传播分析工具其主要特点可以总结为以下几点：
　　1.基于网页应用，无需安装；
　　2.操作便捷迅速，使用简单；
　　3.可视化展示，直观易解读；
　　4.随时跟踪分析，及时性强。
　　通过资料搜集，笔者挑选了目前网络上使用比较广泛的几种可视化微博分析工具进行了比较，如(表1　表1见本期第28页)所示。
　　
二、可视化微博传播分析工具的分析功能
　　随着读图时代的到来，将庞杂的数据用可视化（Data Visualization）的方式展现出来，已经成为一个趋势，因此基于网页应用的可视化微博传播分析工具在实践操作中更加受到青睐。目前可视化微博分析工具主要应用在以下两个领域：一是商业领域的微博营销评测，二是热点舆情事件微博评测。
　　由于新浪微博仍是目前最主要的微博应用，因此存在于网络上的主要可视化微博分析工具基本上都是基于对新浪微博的研究。接下来我们将选择不同的分析视角对这些工具进行一个应用介绍和分析比较，帮助研究者更好地洞察新浪微博上不可忽视的“微力”。
　　1.宏观分析视角
　　宏观分析视角主要着眼于整体的舆情走势，目前能够帮助我们基本呈现这一分析视角的可视化微博分析工具是“新浪微指数”。
　　“微指数”是新浪微博的数据分析工具，也是重要的微博官方数据产品之一，它可以从整体舆情的研判上给我们提供一些参考信息。“微指数”是通过关键词的热议度，以及行业/类别的平均影响力，来反映微博舆情或账号的发展走势，包括行业指数、微视频指数以及热词指数。
　　行业指数分析包括对政务类、企业类、媒体类、网站类等不同行业微博的影响力以及粉丝属性的宏观分析；微视频指数分析可以用来反映视频微博热议情况；热词指数是基于关键词在某段时间内的传播趋势分析，通过对热议度在何时开始急剧上升，何时达到最高的趋势呈现来反映舆论走势。
　　在舆情分析中，热词指数的应用相对比较广泛。下面我们以2013年4月份H7N9禽流感事件的微博舆论走势为例来说明“新浪微指数”在舆情分析中的应用。②在热词指数中输入“H7N9”，截至2013年4月29日的22点，得到H7N9禽流感事件的舆论生成的趋势图（图1　图1见本期第28页）。
　　2.微观分析视角
　　微观分析视角的优势在于可以追踪到舆情事件中任意一条微博的传播情况，并对该微博的影响力、传播路径、参与用户等进行更加深入的分析。
　　目前应用比较广泛的微观分析视角下的单条微博可视化分析工具，主要有以下四种功能：
　　（1）微博影响力分析
　　单条微博影响力分析指对该条微博传播影响力的全景式展示，笔者将分析指标分为显在影响力指标和潜在影响力指标（表2　表2见本期第29页）。
　　显在影响力指标包括总转发/评论量、总参与人次。总转发/评论量表示该条微博在一定的时间段内被转发或者被评论的总次数，总参与人次表示参与了该条微博转发以及评论的所有用户总和。
　　潜在影响力指标可以由覆盖人数来表示，即微博博主的粉丝数与该微博所有转发层级转发者的粉丝数之和（可以理解为该微博潜在的总曝光量，部分可视化微博分析工具将覆盖人数进行了去重处理，即净曝光量）。
　　（2）传播过程分析
　　对该条微博的传播过程以及传播路径进行可视化的分析和展示，该分析层面是可视化微博传播分析工具最主要的分析功能，包括转发路径、转发层级、传播过程中关键账号的发现以及转发扩散的时间趋势图等。
　　（3）用户分析
　　对转发该条微博的用户属性进行分析，包括用户性别、用户类型、地域分布、用户粉丝等指标，部分可视化微博分析工具还加入了对用户群中是否存在水军的分析功能。
　　（4）语义分析
　　首先，部分可视化微博传播分析工具提供了对转发内容的展示，可以让使用者不仅仅看到“谁在转发”、“怎么转发”，还可以关注到转发者“说了什么”。
　　其次，对转发内容的语义分析是可视化微博传播分析工具目前存在的最大挑战，目前可以初步实现的语义分析功能包括转发评论中的关键词词频分析和情感倾向性分析③（正面/中立/负面）。
　　目前使用较为广泛的几种单条微博可视化分析工具在分析功能上也略存在差异，在影响力分析方面，除了“北大PKUVIS”和“寻找微博引爆点”之外，其他工具均提供了这一分析维度；传播过程的分析方面，这六种分析工具基本上都有相关的分析结果，差异不大；用户分析方面，除了“寻找微博引爆点”未提供这一分析维度之外，其余工具均有体现；语义分析是差异比较大的一个方面，目前“知微”在这一分析维度上比其他工具做得较为全面。
　　
三、可视化微博传播分析工具的优劣势比较
　　目前使用较多的微博分析工具主要是微观视角下的传播分析，即对单条微博的分析研究。接下来我们分别从微博影响力、传播过程分析、用户分析、语义分析等方面对上述几种微观视角下的分析工具进行功能的优劣势比较（表3　表3见本期第30页）。
　　工具可谓各有所长，研究者可以在使用过程中根据自己的分析目的和研究思路选取不同的工具或者结合使用。
　　1.微博影响力分析——最优影响力指标：一找微分析
　　微博影响力分析是对单条微博总体影响力的一个概览式的描述，在对影响力指标的建构方面，各个分析工具所使用的计算标准略有不同，笔者经过比较认为，“一找微分析”对微博影响力的分析指标更加合理。
　　“一找微分析”提供的影响力指标中，包括了显在影响力指标（转发数、评论数、参与用户数）和潜在影响力指标（总曝光量、净曝光量），其中总曝光量即总覆盖人数，其计算方法为博主粉丝数与所有参与微博转发的用户的粉丝数之和，最贴近笔者在上文提到的微博影响力指标。
　　2.传播过程分析——最优微博转发路径图：北大PKUVIS
　　传播过程分析功能是微博分析中最重要的一个部分，通过分析和可视化的展示，能够直观看到信息在微博舆论场中被转发的路径和扩散的层级，找到引爆舆论的关键账号和关键时间点。在我们比较分析的六种可视化微博传播分析工具中，笔者认为，对传播过程的分析六种工具可谓各有千秋，在分析中可以考虑综合使用。
　　在转发路径的分析和展示方面，北京大学可视化与可视分析研究组开发的微博可视化分析工具PKUVIS的优势明显，具体表现在：
　　（1） 转发路径图形式多样，主要常用的类型包括帆状视图、树状视图、环状视图；
　　（2） 每一条微博转发的传播路径都清晰可视，可以分辨出微博的转发层级；
　　（3） 对微博信息传播中的关键节点展示清晰，可以迅速找到该条微博扩散的意见领袖，并且可以通过鼠标的移动显示传播节点的转发评论内容；
　　（4） 节点的大小可以分别根据转发数、粉丝数、评论数的多少变化，节点的颜色可以根据参与转发的用户性别来标示，可视化展示程度较高。如图2中的节点大小是根据该节点带来的转发量而标示的；
　　（5）可以对特定的传播区域进行放大，使得分析更加细化精准。
　　下面，我们以小米公司CEO雷军的一条营销微博为案例使用“北大PKUVIS”微博可视化工具对其转发路径进行分析。2013年12月3日21:00，“@雷军”在新浪微博上发布一条小米移动电源的营销微博，“小米移动电源，10400mAh, 铝合金外壳，LG/三星进口电芯，69元”，截至12月7日19:30，该微博已经被转发46661次，评论8774次，
　　对比三种常用的传播路径分析图（图2　图2见本期第31页），我们可以发现：
　　（1） 帆状视图：基于时间变化的路径图，可以方便地找到引爆微博的关键时间点，“@小米手机”官微是此次微博营销传播中的关键账号，“@小米手机”分别在12月3日、12月4日、12月5日的三次转发为此次营销带来5000余次的二级转发；此外，还可以借助转发的时间趋势图来帮助我们更准确地观察微博引爆的时间轴，总结变化规律（图3　图3见本期第31页）。
　　（2）树状视图：基于转发层级的路径图，我们可以直观清晰地看到该微博的转发层级以及层级转发之间的桥梁节点，雷军微博的此次营销一级转发和二级转发所占的比例最大。
　　（3）环状视图：基于关键传播节点的路径图，我们可以很容易地发现扩大该营销微博传播范围的关键节点。雷军的此次微博营销中，关键的传播节点可以分为三大类，一类是小米手机、小米公司等小米旗下的微博军团；一类是互联网那点儿事儿、36氪、月光博客等IT类网站/博客的官微；最后一类是营销大号（如“@四大新鲜事儿”），通过该视图，可以直观快捷地找到微博营销中的关键人物。
　　从上述分析中，可以看出在对微博转发路径图的分析方面，“北大PKUVIS”可以为我们提供更多的信息，可视化的展示方式也更加多样和直观。
　　在转发路径图方面，“知微”、“独到”、“一找微分析”、“寻找微博引爆点”也可以通过可视化的方式展示传播路径图，④其优点是对路径图实现了立体化的展示，缺点是仅仅对关键传播节点的展示比较明晰，在转发层级以及转发量随时间的变化方面均比较模糊（图4　图4见本期第32页），而“Dripdata”则没有开发对传播路径的可视化展示功能。
　　3.用户分析：最优用户素描——Dripdata传播分析
　　在用户分析方面，笔者对比了六种可视化微博传播分析工具之后，认为“Dripdata”对用户的素描最为全面和精确，包括用户类型、注册年龄、男女比例、微博发布来源、用户标签、地域分布、用户粉丝数、粉丝最多用户排行8类，基本上囊括了用户素描的全部内容（图5　图5见本期第32页）。
　　其他五种可视化微博传播分析工具中，也有对用户的素描，但不是很全面，“北大PKUVIS”对传播路径的展示方面最优，但是在用户分析方面就明显要弱于其他分析工具，“寻找微博引爆点”则没有关于用户特性的分析功能。
　　在用户分析方面，还有一个比较关键的功能——水军比例分析，尤其是针对企业的微博营销分析时，水军的分析就显得较为重要了。六种常用分析工具中，只有“知微”、“Dripda”和“一找微分析”开发了水军分析功能（图6　图6见本期第32页），但是由于水军具有一定的隐蔽性和伪装性，对水军用户的界定还存在一定的困难，因此研究者们在使用此类分析数据时应该有所斟酌。
　　4.语义分析：最优语义分析——知微
　　在对网络舆情的解读过程中，语义分析是目前为止对业界的一大挑战，同样对于微博传播，基于自然语言处理技术（NLP，Nature Language Processing）的文本挖掘⑤（Text Mining）以及文本可视化（Text Visualization）对于微博传播分析也是一个重要的分析维度。
　　因此，我们不仅要将分析视角放在传播过程、用户分析上，而且要关注微博的转发/评论内容。在语义分析方面，笔者对比六种常用可视化微博分析工具之后认为，“知微”在微博内容的分析和可视化展示方面要优于其他五种分析工具。
　　目前，“知微”开发的语义分析功能主要有两种，一是关键词词云展示功能，二是微博情感值分析（即情感倾向性分析）功能。
　　我们可以以新浪微博博主“@余胜海”在“新快报记者陈永洲被抓”事件中的一条微博为例进行语义分析。
　　@余胜海：【请警方和央视不要无视法律】央视称“新快报记者陈永洲承认受人指使，收人钱财，发表失实报道”。在央视采访前，陈永洲的律师并没见到他，央视让嫌疑人在没经过法院审判之前自认其罪，长沙警方坐中联重科的奔驰车跨省抓人、“先抓后审”都是违反法律程序的。如果没有程序的合法，就没有公正的结果。
　　可以看出，在转发评论中，网民提及最多的词为“法院”、“央视”、“法律”、“儿戏”、“公权力”、“违法”等（图7　图7见本期第33页），微博情感值为-72，说明网民的负面情绪比较强烈（图8　图8见本期第33页）。
　　对比其他五种分析工具，在关键词的分析方面，虽然“一找微分析”和“北大PKUVIS”也有关键词的分析功能，但是在可视化的展示方面不如“知微”直观，在情感倾向性分析上，目前只有“知微”开发了此项功能。
　　5.独有优势功能
　　除了上述四大分析功能之外，每一种分析工具都有一些独有的优势功能。
　　对于“Dripdata”来说，虽然其在可视化方面要弱于其他的分析工具，但是其独有的优势功能还是能给“Dripdata”加分的。
　　（1）数据导出功能：对于研究者来说，其最大的独有优势在于可以导出Excel格式的微博转发数据，如果研究者需要用Ucinet等更加专业的软件分析工具对微博传播进行分析时，“Dripdata”的这一独有优势无疑是很大的福音。
　　（2）互动分析功能：对于转发互动、评论互动的分析也是“Dripdata”独有的优势功能。“转发互动”指用户转发微博时与其他转发用户发生互动的程度；“评论互动”指微博评论下用户间的回复，包括评论用户间的互动以及博主与用户之间的互动等。这些分析角度都是其他分析工具不具备的，从新的维度为研究者们提供数据支持。
　　
四、小结
　　“工欲善其事，必先利其器”，不同微博分析工具的使用可以为我们的实际研究提供一定的数据支持和分析视角，发现隐藏在转发量和评论量背后的“传播真相”。如何将分析工具与微博传播研究结合起来？笔者试提出以下研究框架：
　　总体舆论走势研判：借助“新浪微指数”对所要研究的舆论事件热议走势进行阶段分析，并结合相关的微博详细梳理舆论的形成和发展过程。
　　单条微博的传播分析：借助“知微”、“独到”、“一找微分析”、“北大PKUVIS”等可视化微博分析工具对不同的舆论发展阶段中起到关键作用的单条微博传播情况进行分析，发现传播路径、寻找意见领袖。
　　笔者从分析功能、可视化技术、分析维度以及使用权限方面的优劣角度对比了六种常用可视化微博分析工具，供研究者参考（表4　表4见本期第34页）。
　　在对工具的选择方面，每种微博传播分析工具都各有优劣，研究者在选择适当的分析工具时应该从自己的研究角度出发，结合研究目的，选择最为合适的一种或几种分析工具辅助研究。另外，由于文中提及的部分可视化微博传播分析工具存在使用权限，研究者可以根据自己的财力和分析需求决定是否开通需要付费的高级版本，体验更加丰富的分析功能。总体而言，基于网页应用的微博传播分析工具虽然比起专业性更强的软件应用来说，在精准度和分析维度上要差一些，但是对于小范围的学术研究来说还是很有参考价值的。■
　　
注释：
①由于新浪API的权限限制，部分分析工具可免费提供的转发数据分析都有所限制，一般在2000以内，需要更高级的服务就需要支付一定的费用。
②韩运荣、孙逸群、王荣：《公共卫生安全事件在微博环境下的舆论传播——以H7N9禽流感为例》，2013中国新媒体传播学年会论文。
③需要首先构建可以表示倾向的词库，然后将单个文本的分词结果与词库进行匹配，得出该文本对事件的评价是正面、负面还是中立的情况，同时也可以根据程度进一步细分情感的强烈程度，最后得到统计学上的相关结果。
④由于分析工具对微博转发量有限制，因此此处关于“知微”、“独到”、“Dripdata”、“寻找微博引爆点”的分析功能比较仅针对免费版（初级版）。
⑤文本数据挖掘是从文本中进行数据挖掘(Data Mining)。从这个意义上讲，文本数据挖掘是数据挖掘的一个分支。文本数据挖掘是一个边缘学科，由机器学习、数理统计、自然语言处理（NLP）等多种学科交叉形成。文本分类和聚类是两种最重要最基本的挖掘功能。
　　
作者韩运荣系中国传媒大学新闻学院副教授，李笑欣系中国传媒大学新闻学院硕士研究生。