声量份额与净情绪指标

01 · 场景

声量上升，到底是被喜欢还是被投诉？

构造场景，用于解释方法。

02 · 原理

一张图看懂它怎么运转

03 · 实验

改变条件，观察结果

04 · 分析交付

先给主判断，再展示依据

• 主判断：先回答当前问题，给出有证据的首选解释、方案或行动。确实并列时写明比较结果及下一项区分证据，不用罗列可能性代替判断。
• 判断依据：把关键原始记录、计算和推断连到结论。说明方法实际改变了哪项判断；来源不足时缩小结论范围，仍交付已能成立的部分。
• 量化口径：按方法原有公式、单位和分母计算。材料编码须去重并单列未知；没有量化依据则给理由明确的定性比较，不编统一分数或未经校准的概率。
• 反证与改判：指出最强的相反证据、替代解释或敏感变量。写清什么新事实或阈值变化会使首选改变；未经对照的相关性不写成因果。
• 实际用途：把主判断转成当前可执行的动作、停止条件或下一项验证。负责人、预算和期限按已知材料填写；不为完成模板发明业务事实。
• 适用范围：保留各方法自己的产出与失效条件。表达教程不承担业务结论；未核定资料不自动推荐；临床条目按其专项范围交付知识、行为应对或就诊准备。

05 · 准备

开始前，准备什么

06 · 用法

按顺序完成 5 步

1. 固定平台、词表和竞品集合
2. 计算提及份额
3. 声明净情绪公式
4. 抽检分类
5. 量质二维解释

07 · 案例

IBM 社交分析材料：份额和情绪是不同维度

构造计量案例 · 保留历史出处，本次原 PDF 不可用

案例来源：IBM：Social media analytics white paper

08 · 示例

把它放进一个具体场景

构造示例，非真实业务记录。

09 · 边界

什么情况下，不宜直接套用

• 跨平台覆盖不一致；机器情绪未经抽检；高声量误判为好口碑

10 · 计算

计算关系

SOV = 本品牌有效提及数 / 监测集合全部品牌有效提及数。

本模板 NSS = 正向百分比 − 负向百分比；统一以全部有效情绪样本（含中性）为分母，按百分点报告。其他平台的 NSS 口径须另核。

11 · 练习

用一道题检查理解

12 · 实作

把判断写成可复查的记录

抽一周社交提及，手工复核一小批情绪标注，再对照两个分母定义。

• 报告公式、平台和去重方式；抽查讽刺及自动分类错误。
• 保留实验输入与公式口径，改变一个条件后解释判断为什么改变；未知量不要填成零。

记录字段：平台｜关键词｜日期｜去重单位｜正负中立｜分母｜误判样本

13 · 应用

把这个方法交给 Agent

14 · 出处

出处与证据范围

IBM 实务资料确认声量与情绪监测的应用。SOV 可按广告支出、曝光或提及计；必须声明本次分母。NSS 采用本文约定式，不称行业唯一公式。

1. IBM：Social media analytics white paper

   品牌监测中的声量与情绪分析应用，不提供统一 NSS 标准公式。

   2026-10-24 原 PDF 返回错误；保留前次检索文本登记，本次未重新核验全文。