前言：中文期刊網精心挑選了社交媒體研究分析范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
社交媒體研究分析范文1
〔中圖分類號〕G203 〔文獻標識碼〕A 〔文章編號〕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 研究的意義
隨著互聯網技術和移動技術的突飛猛進，社交媒體盛行，人人可做信息的制造者，制造的信息極為豐富。然而，在這豐富信息的背后，隱藏著漫天飛舞的謠言、病毒般傳播的虛假照片和視頻，這給人們幸福的生活、社會的穩定帶來了嚴重的隱患。為了遏制虛假不良信息傳播，營造健康向上的網絡環境，信息可信度評估就成了迫在眉睫的問題，社交媒體信息急需“鑒定師”和“測謊儀”。
社交媒體信息可信度評估研究既有較高的學術價值，也有較強的應用價值。具體來說，學術價值表現在研究社交媒體信息可信度評估并探討虛假信息的生成機制、傳播模式、治理措施，是對社交媒體環境下網絡信息資源管理理論的豐富、發展與完善。應用價值表現在研究社交媒體信息可信度評估有助于社交媒體用戶判斷信息的可信性，營造誠信健康的互聯網環境，也有助于提高社交媒體信息輿情監控、社交媒體信息引導、社交媒體搜索、社會化推薦等方面的效果。
2 社交媒體信息研究
社交媒體（Social Media）是通過Web2.0技術實現的一類支持用戶自主創造和交換內容的媒體，如Twitter、Facebook、Youtube、LinkedIn、Wiki、微博、微信、QQ、論壇、人人網等。自1973年Lipkin、Szpakowski和Felsenstein 3人在美國加州伯克利市建立全球第一個公共電子公告牌系統 Community Memory后，BBS以及網絡社區等早期的社交媒體開始映入人們的眼簾?！?015年全球社會化媒體、數字和移動業務數字統計趨勢》報告表明：全球社交媒體活躍用戶約占全球人口的29%。
2.1 國外研究
社交媒體的相關研究從20世紀80年代開始，在2005年左右開始進入快速發展階段，發文量有逐年增加的趨勢。在國際期刊中，發表社交媒體論文較多的要屬《Computers in Human Behavior》。近兩年，關于社交媒體的國際會議主要有ASONAM、SMP、MISNC、SMAP、SCSM。國外學者研究內容主要集中在以下4個方面：
2.1.1 社交媒體信息利用研究
社交媒體在商業領域、教育領域、公共管理領域等都有廣泛的應用[1]。如在營銷領域，利用社交媒體信息，可以獲知消費者態度和行為[2]，可以獲知客戶交流和推薦對營銷的影響[3-4]，可以獲知社交媒體信息對營銷管理功能的影響[5]。
2.1.2 社交媒體信息檢索與信息推薦研究
側重于社交媒體信息檢索與信息推薦方法的研究。社交媒體信息的檢索采用主題模型[6]、社會網絡[7]、本體[8]等檢索方法。比如，Hong和Davison（2010）使用標準主題模型進行社交媒體Twitter信息的檢索。社交媒體信息的推薦采用內容推薦[9]、協同過濾[10]、時序推薦[11]、位置推薦[12]、社會化推薦[13]等方法。比如，Levandoski等（2012）提出位置感知推薦系統（LARS）[12]。
2.1.3 社交媒體信息傳播研究
側重于反映信息傳播傳播規律的社交媒體信息傳播模型的構建以及通過模型的構建對實際問題進行預測等方面的研究。如Galuba等（2010）通過研究1 500萬URL在不同Twitter用戶之間的300小時傳播，提出了基于內容流行度、用戶影響力和傳播速度的線性閾值模型[14]。Adar和Adamic（2005）通過研究信息在博客中傳播的模式和動力學特性，提出用傳染病模型來描繪信息傳播的機理[15]。Asur和Huberman（2010）采用來自的聊天數據通過簡單的線性回歸模型預測電影票房的收入[16]。
2.1.4 社交媒體用戶隱私研究
在探討社交媒體用戶隱私現存問題的基礎上，提出了相應的隱私保護方法。如Viswanath等（2010）首先研究Sybil防御的缺陷，在其基礎上探討了替代Sybil防御的方法[17]。Conti等（2011）采用FaceVPSN解決社交媒體用戶隱私問題[18]。
2.2 國內研究
國內學者的社交媒體研究最早可追溯至20世紀90年代末，但從2005年后起關于社交媒體的論文才逐漸表現出增長態勢。國內研究內容主要集中在：
2.2.1 社交媒體信息傳播研究
研究內容包括：①社交媒體信息傳播模式研究。如韓佳等（2013）提出了基于改進SIR的在線社交網絡信息傳播模型[19]。姜景等（2015）構建表征謠言信息與辟謠信息傳播機理的Lotka-Volterra競爭模型[20]。②社交媒體信息傳播中存在的問題與對策研究。如閻?。?015）探討微博傳播存在的問題及原因，并提出了加強微博內容管理、增強把關意識、提高微博用戶的媒介素養等對策[21]。③社交媒體信息傳播效果研究。如陳遠和袁艷紅（2012）以新浪微博作為數據來源，把信息覆蓋人數、評論數、轉發數作為微博信息傳播效果的量化指標，從縱橫向兩個角度研究新浪微博信息傳播過程造成的效應[22]。
2.2.2 社交媒體輿情分析與監測研究
如張J等（2014）以打砸日系車系列突發公共事件為實例，探討其在新浪微博和新浪新聞平臺上輿情傳播的特征與規律[23]。張瑜等（2015）對新浪微博熱門話題“北京單雙號限行常態化”下的微博進行了數據采集，將輿情演化劃分為潛伏、成長、爆發、衰退、波動、死亡6個階段，并對各階段進行情感分析，為輿情治理提供了支持[24]。唐濤（2014）在分析網絡輿情五要素的基礎上，探討移動互聯網輿情的新特征，指出面臨的新挑戰，并從信息分析、信息篩選、信息引導等方面提出對策[25]。
2.2.3 社交媒體營銷研究
如唐興通（2012）的著作《社會化媒體營銷大趨勢：策略與方法》系統總結了社交媒體營銷，并對眾多社交媒體工具在實際工作中的應用提供了具體的建議[26]。張淼（2014）提出了企業完善社交媒體營銷策略的“9+3”模式[27]。劉曉燕和鄭維雄（2015）采用社會網絡分析方法研究企業微博營銷傳播的效果[28]。
3 信息可信度研究
3.1 國外研究
信息可信度（Information Credibility）是指人們對信息可相信程度的認識。它由值得信賴（Trustworthiness）和專業性（Expertise）兩個關鍵要素組成[29]。信息可信度比較系統的研究始于20世紀50年代的傳播領域。Hovland和同事的工作具有里程碑的意義[30]。信息可信度最初關注的是傳播者的可信度。國外對傳統媒體信息可信度的研究主要是從信源可信度、內容可信度、渠道可信度三方面展開的。隨著互聯網的出現，網絡信息可信度的評估被提上了議事日程。研究情況可歸納如下：
3.1.1 網絡信息可信度評估的理論模型
主要有Fogg（2003）的P-I理論模型、Wathen和Burkell（2002）的評判模型、Sundar（2008）的MAIN Model、Hilligoss和Rieh（2008）的統一模型、Metzger（2007）的雙處理模型以及Lucassen等（2013）的3S模型（修訂版）。以上理論模型是由情境、用戶特征、操作性、處理過程這些側面的若干部分構建而成的。
3.1.2 網絡信息可信度研究內容
主要有對網絡新聞的可信度研究、對搜索引擎結果的可信度研究以及對維基百科內容的可信度研究。比如，Nagura等（2006）通過比較關于同一主題不同網頁的相似度來計算每個網頁的可信度[31]。Yamamoto和Tanaka（2011）利用用戶可信度評判模型對網頁搜索結果進行重新排序，以便從Web搜索結果的列表中用戶可以更高效的找到可信的網頁[32]。Adler等（2008）以文章長度、版本數量和基于貢獻數量的作者聲譽建立模型，計算出維基百科文章的可信度[33]。
3.1.3 網絡信息可信度研究方法
主要采用定量研究法。比如，Olteanu等（2013）在調查網頁的各種特征（文本內容、鏈接結構、網頁設計等）的基礎上，經過統計分析方法篩選出關鍵的特征，采用監督學習算法來推斷網頁內容的可信度[34]。與網絡信息可信度有關的典型系統有日本的WISDOM和Honto？Search。
3.1.4 影響力較大的項目和國際會議
影響力較大的項目有互聯網可信度研究（The Web Credibility Research）項目，影響力較大的國際會議有WICOW（Workshop on Information Credibility on the Web）。
3.2 國內研究
1993年的《鑒別虛假信息五法》是國內發表的早期論文。2004年至今，相關研究進入快速發展期。相對于國外較多研究評估算法和評估系統，國內研究重點在于定性分析上，大多采用問卷調查及專家訪談法等進行人工評估。國內研究內容主要有：
3.2.1 側重于信息可信度影響因素研究
比如，龔思蘭等（2013）針對評論信息的文本內容、長度、情感傾向、時效性、者、商家活動等特征，通過問卷調查方式對大學生消費群體進行在線商品評論信息可信度影響因素實證分析[35]。蔣洪梅（2013）運用理論分析輔以實證研究的方法，從宏觀的社會系統、中觀的政策法規、微觀的媒介與受眾3個視角分析網絡新聞信息可信度的影響因素[36]。
3.2.2 側重于信息可信度指標體系的構建
比如，胡紅亮（2013）按照信息源、信息加工、信息傳播和信息應用等方面采用德爾菲專家調查法建立了學術著作可信度的基本評價模型[37]。潘勇和孔棟（2007）基于第三方認證機構的視角，構建了電子商務網站的信用評價指標體系及評價因素集，并建立灰色關聯信用評估模型[38]。當然，也有少量基于機器學習的信息可信度自動化評估實驗研究，比如，馬偉瑜（2011）提出一種采用改進的PageRank算法評估網頁信息可信度的方法[39]。
4 社交媒體信息可信度評估研究
4.1 國外研究
國外相關研究較早。社交媒體信息可信度的相關研究隨著BBS的出現隨之展開，最早可追溯到20世紀80年代。目前可以說，研究處于繁榮期。國外研究情況可歸納如下：
4.1.1 社交媒體信息可信度評估研究內容
研究內容主要包括：①不實信息的判斷識別。如Qazvinian等（2011）提取Twitter信息的文本特征、網絡特征和微博元素特征，構建貝葉斯分類器甄別謠言[40]。Zhao等（2015）通過研究查詢帖以便及早識別社交媒體謠言[41]。②話題新聞的可信度評估。如Castillo等（2011）選取了有關用戶特征、文本特征、主題特征、信息傳播特征，采用J48決策樹評估Twitter中話題新聞的可信度[42]。
4.1.2 社交媒體信息可信度評估方法
評估方法主要有監督學習[43]，統計分析[44]，與可信信息來源的相似性比較[45-46]，社交網絡的鏈接結構分析與主題模型的利用[47]等。它們主要采用自動評估，具體來說：①選取的特征：選取的特征主要是用戶特征、文本特征、信息傳播特征。比如，西班牙的Castillo和智利的Mendoza、Poblete（2011）選取用戶特征（如注冊時間、粉絲量、好友量），文本特征（如是否包含#標簽、是否包含問號、Tweet中包含的URL數量、是否轉發），主題特征（如帶#標簽Tweet的比例、Tweet數量、Tweet的平均長度、Tweet的平均情感分值、積極情緒或消極情緒的比例），以及信息傳播特征（如傳播樹的深度），采用J48決策樹評估Twitter信息的可信度[42]。②評估的方法：大多通過構建SVM分類器、Bayesian分類器、Decision Tree分類器等方法，并對結果進行分類，以達到評估社交媒體信息可信度的目的。上例Castillo等采用J48決策樹構建分類器，并對結果進行分類，從而評估Twitter信息的可信度[42]。當然，也有通過對結果進行排序的實例，從而達到評估社交媒體信息可信度的目的。比如，Gupta和Kumaraguru（2012）采用Rank-SVM與PRF相結合的方法，按照可信度得分對Twitter信息進行排序[43]。
4.1.3 有較大影響的在研項目與系統
由歐盟資助七國科研人員聯合攻關的PHEME項目研究的重點是社交媒體信息的真實性，該項目在國際上有較大影響。Jacob Ratkiewicz等（2011）開發出可實時追蹤Twitter上政治謠言的Truthy系統[48]。Gupta等（2014）、Lorek等（2015）分別開發出一款可自動評估推文可信度的工具TweetCred、TwitterBOT[49-50]。
4.2 國內研究
2007年《博客信息“可信度不亞于紐約時報”？》拉開了國內探討社交媒體信息可信度評估的序幕。目前研究還處于發展的初期。社交媒體信息可信度評估研究主要有：
4.2.1 社交媒體信息可信度影響因素研究
如劉雪艷和閆強（2013）探討政府微博中的熱點事件信息可信度的影響因素[51]。丁科芝（2015）從信息傳播者、渠道、信息內容和用戶基本信任觀念4個方面構建社交網絡可信度影響因素模型[52]。薛傳業等（2015）從信息來源可信度、信息傳播渠道可信度、信息內容可信度以及信息評論反饋多維度探討了突發事件中社交媒體信息可信度的影響因素[53]。
4.2.2 構建社交媒體信息可信度指標體系研究
它大多采用問卷調查及專家訪談法進行人工評估。屈文建和謝冬（2013）從站點層次、版塊層次、主題層次、內容層次4方面，采用模糊綜合信用評估模型對網絡學術論壇信息可信度進行評估[54]。莫祖英等（2013）從微博信息量、信息內容質量、信息來源質量和信息利用情況等方面進行問卷調查，采用層次分析法構建微博信息質量評估模型[55]。當然國內也有少量自動化評估的例子。比如，賀剛等（2013）引入關鍵詞分布特征和時間差等新特征，基于SVM算法來預測新浪微博信息是否為謠言[56]。程亮等（2013）提出基于BP神經網絡模型及改進其激發函數，同時引入沖量項，對微博話題在傳播過程中演變為謠言進行檢測[57]。路同強（2015）采用半監督學習算法檢測微博謠言，但不足之處在于未考慮信息的深層特征[58]。
4.3 存在的問題
對比國內外研究情況，可發現國內研究存在如下問題：
4.3.1 研究內容
關于社交媒體信息可信度研究，國內外目前以微博研究較多。與國外豐富的研究內容相比，國內在該領域的研究還主要集中于對影響因素以及特征的探討上。
4.3.2 研究方法
國外定量研究較多，很多涉及自動化評估，而國內定性研究較多，大多采用問卷調查法、專家訪談法等進行人工評估。
總之，現有研究大多是針對Twitter等英文社交媒體，其研究成果大多不能直接應用于中文社交媒體。盡管也有少量研究是面向中文社交媒體的，但研究成果零散，還缺乏系統性。另外，在特征選擇上，選擇范圍面較窄，考慮社交媒體深層的隱含特征較少。
5 結 語
為了解決中文社交媒體的可信度評估問題，在吸收前人研究的基礎上[59-63]，很有必要對中文社交媒體信息可信度進行系統研究，特別是在參考國外信息可信度評估系統的基礎上，很有必要研制開發中文社交媒體信息可信度評估系統，實現中文社交媒體信息可信度的自動評估。在進行中文社交媒體信息可信度評估中，應注意下列問題：
1）評估要在對信息資源分類的基礎上，對不同的類別采用不同的評估指標體系，以提高評估工作的科學性和合理性。
2）評估既要重視定性評估，也要重視定量評估，尤其是自動化評估。特別是在大數據環境下，應針對評估的實際需求，制定科學的評估方案，選擇恰當的評估方法，構建適合評估工作需要的自動化評估系統。
3）評估指標、評估模型的選取以及參數的訓練，既要考慮研究結果的精確度，又要考慮系統的運算時間。
4）評估模型構建后，不僅要進行實驗室評估，還應進行實際效果評估。
參考文獻
[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]韓佳，肖如良，胡耀，等.在線社交網絡中信息傳播模式的特征分析[J].計算機應用，2013，（1）：105-107，111.
[20]姜景，李丁，劉怡君.基于競爭模型的微博謠言信息與辟謠信息傳播機理研究[J].數學的實踐與認識，2015，（1）：182-191.
[21]閻俊.微博傳播的問題與對策研究[D].錦州：渤海大學，2015：1-38.
[22]陳遠，袁艷紅.微博信息傳播效果實證研究[J].信息資源管理學報，2012，（3）：28-34.
[23]張，孫霄凌，朱慶華.突發公共事件輿情傳播特征與規律研究――以新浪微博和新浪新聞平臺為例[J].情報雜志，2014，（4）：90-95.
[24]張瑜，李兵，劉晨.面向主題的微博熱門話題輿情監測研究――以“北京單雙號限行常態化”輿情分析為例[J].中文信息學報，2015，（5）：143-151，159.
[25]唐濤.移動互聯網輿情新特征、新挑戰與對策[J].情報雜志，2014，（3）：113-117.
[26]唐興通.社會化媒體營銷大趨勢：策略與方法（第2版）[M].北京：清華大學出版社，2012：1-235.
[27]張淼.社會化媒體在市場營銷中的應用研究[D].北京：首都經濟貿易大學，2014：1-47.
[28]劉曉燕，鄭維雄.企業社會化媒體營銷傳播的效果分析――以微博擴散網絡為例[J].新聞與傳播研究，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]劉雪艷，閆強.政府微博中的熱點事件信息可信度研究[J].北京郵電大學學報：社會科學版，2013，（2）：6-12.
[52]丁科芝.社交網絡信息可信度研究[D].武漢：華中師范大學，2015：1-61.
[53]薛傳業，夏志杰，張志花，等.突發事件中社交媒體信息可信度研究[J].現代情報，2015，（4）：12-16.
[54]屈文建，謝冬.網絡學術論壇信息可信度的灰度分析[J].圖書情報知識，2013，（2）：112-118.
[55]莫祖英，馬費成，羅毅.微博信息質量評價模型構建研究[J].信息資源管理學報，2013，（2）：12-18.
[56]賀剛，呂學強，李卓，等.微博謠言識別研究[J].圖書情報工作，2013，（23）：114-120.
[57]程亮，邱云飛，孫魯.微博謠言檢測方法研究[J].計算機應用與軟件，2013，（2）：226-228，262.
[58]路同強，石冰，閆中敏，等.一種用于微博謠言檢測的半監督學習算法[J].計算機應用研究，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.社會媒體挖掘[M].北京：人民郵電出版社，2015：1-240.
社交媒體研究分析范文2
一、社交網絡文本與短期股市行情之間的內在關聯
從當前實際來說，社交網絡已經發成發達，就以我國實情而言，已經出現了數量豐富的社交媒體，如微信、微博、抖音等等。這些社交媒體聚集了數十億用戶，說明很多用戶同時使用著其中多個社交媒體平臺。從股市行情預測來講，社交網絡文本與其存在一定的內在關聯，這是需要形成認識的。
第一，關信息，甚至是公布企業財報等重要數據。這些文本信息，會對股價走勢形成直接影響。如果可以在第一時間獲取這些文本信息并展開相應的操作，便可以從股市中獲利。
第二，社交網絡中包含了大量的股票投資者，這些投資者會在社交網絡上自己對一些股票的看法，或者是對股票的評價。投資者在網絡上的發言，會形成一種情緒，這種情緒要么對股票保持積極的支持態度，要么體現出消極的態度。投資者在社交媒體上表現出來的情緒，會影響到其后續操作。如果消極情緒大，那么可能出現拋售股票的行為，這容易導致股價短期下跌。相反，如果情緒積極，那么可能出現搶購，容易導致股價短期上漲。
第三，在社交媒體上，除了與股票相關的企業公司和投資者之外，還有一類人的存在，那就是分析專家。從當前的社交媒體來看，有很多分析專家通過社交媒體，分享自己對股價走勢的看法。這些分析專家，有些是真有水平，分析合理；有的則是濫竽充數，會誤導投資者。分析專家的分析，也會給一些投資者決策帶來影響，從而在短期內影響股市行情。
二、通過社交網絡文本預測股市短期行情的策略
據實而言，股市行情和社交網絡文本之間，切實具有一定的內在關系，這是毋庸置疑的。如何通過社交網絡文本，來對短期股市行情合理預測，這是一個值得探討的話題。
（一）搜集社交網絡文本信息
要利用社交網絡文本來對短期股市行情進行預測分析，那么首要條件，就是搜集到足夠數量的社交網絡文本。數據分析的準確性和數據量呈現出正相關的關系，也就是數據量越大，數據分析的準確性就越高。利用社交網絡文本來判斷股市行情，那么就需要搜集到數量足夠多的文本信息，在大量的樣本中，才能準確分析出背后隱藏的信息。同時，在搜集社交網絡文本信息的時候，要突出目的性，也就是要從不同的層面出發，搜集不同的文本信息，具體來說主要涵蓋三個方面：一是企業社交信息，二是投資者文本信息，三是專家預測分析，四是政策信息。搜集這四個方面的信息，進行綜合判斷，這樣才能夠提高短期股價預測的準確性。需要注意的是，需要重點關注企業信息和政策信息的搜集，這是影響股價走勢的根源，同時也能影響投資者情緒。
（二）分析文本信息判斷行情
在搜集社交網絡文本的基礎上，還需要對這些文本信息進行分析，判斷短期內的股市行情。根據實踐經驗來看，企業信息和政策信息，是影響短期行情的重要因素。比如2020年5月21日，中芯國際通過社交媒體澄清一則利好公司的謠言，導致股價跳水大跌6%。企業的這類信息，能夠在短時間內對股價造成很大沖擊。所以，在分析中，就要制定相應的標準，對搜集到的各類社交網絡文本信息進行分析判斷。這一過程的實現，可以借助大數據技術進行。大數據技術具有強大的數據信息分析能力。通過網絡技術搜集社交文本信息之后，就可以通過大數據技術來分析這些文本信息，提煉出其中的有效信息，并且依據信度來判斷數據信息真實性，從而對市場行情進行預測。
（三）基于行情指導短期操作
通過社交網絡文本分析預測短期股市行情，根本目的在于把握股市行情走向，從而對短期交易操作實現指導，能夠從股市中獲利。所以，這就需要基于短期市場行情的分析，來對短期交易操作進行指導。一般來說，短期操作要順勢而為，行情看漲則做多，行情看跌則做空。同時，要根據社交文本信息分析，對看漲或看跌的概率進行計算，概率越高，操作額度就可以越大；相反，概率越低，則說明分析結果的準確性不高，短期操作就要非常謹慎了。
社交媒體研究分析范文3
[關鍵詞]新型社交媒體；大學生；行為習慣；社交媒體依賴
前言
2013年，中國傳媒大學就中國大學生媒體接觸與消費行為展開調研，調研結果顯示，近96%的大學生擁有智能手機，且在有效的1500個樣本中，每天利用手機上網時間在5個小時以上的人數在25%以上，而2011年該數據僅為5%。2015年10月11日，第二屆華南青年傳播學者論壇上有學者調查，大學生在新型社交媒體中，微信使用頻率最高，為92.53%，日均使用時長為2.72小時，其次為微博，使用頻率為47.71%，日均使用時長為1.31小時；QQ使用頻率為26.76%，日均使用時長為2.16小時。同時調查顯示，微博好友數量超過微信，“睡前一刻”通過微信看新聞已成為趨勢。由此可見，大學生借助手機上網、通過新型媒體社交，已經成為一種普遍的信息傳遞方式和溝通交流方式。
1.社交媒體的概念與引發的新變化
1.1、社交媒體的概念
社交媒體，又稱社會化媒體，是指一種網站和技術，用戶借助網站和技術這樣的工具和平臺，進行溝通、分享、自由討論和評價等一切社會互動活動，并在互動過程中，滿足“建立關系”或“發揮影響”等需求。社交媒體的發展離不開媒介技術的支撐，伴隨著媒介技術的發展，社交媒體也從社交網絡、論壇、博客等社交形式發展到如今的新型社交媒體――微博、微信等，可以說，社交媒體已然成為大學生日常生活的一部分，并影響著人們的生活和交往，改變著人們的觀念。
1.2、社交媒體引發的信息傳播新變化
從傳統的社交媒體到新型社交媒體，媒介技術的發展和運用促進了社交媒體的迅速發展并引發信息傳播的新變革。
首先，更注重傳受主體的交互性。在傳統的社交媒體中，受眾的角色是一個被動的信息接收者，缺乏對信息內容的反饋和互動。新型社交媒體下，任何個人均可以借助移動設備與外界的交流互動，集信息的接收者和者為一身，真正成為媒介的主體；其次，傳播內容個性化、碎片化。傳統社交媒體傳播的內容是經過加工后呈現在受眾面前，而新型社交媒體下，一張圖、一段視頻、一條評論，甚至事件不完整的一個片段，都可以成為傳播內容。借助新型社交媒體，多樣的信息主體可以根據自己的喜好側重關注程度，在選擇與互動過程中進行個性表達；最后，信息傳播具有及時性、影響廣泛性的特點，彌補了傳統社交媒體的不足。
2.新型社交媒體對大學生行為習慣的影響
2.1、新型社交媒體對大學生行為習慣的積極影響
移動終端設備的普及，以微博、微信為代表的新型社交媒體的發展極大地影響著大學生的思維與生活方式、道德意識、價值觀念乃至行為規范，幫助他們打破原有的圈子建立新的圈子，并從單向的文化接受轉向多向交流。在這種交流過程中，大學生展示自己積極優秀的一面，尋找志同道合的人，通過對某一事件的評論贏得朋友的認同，并通過資訊共享不斷增長見識，進而滿足大學生認知的需要、情感的需要、個人整合、社會整合的需要以及紓解壓力的需要，為大學生提供較強的歸屬感。以微信為例，作為新型社交媒體，一方面，大學生可以通過朋友圈結交一些志趣相同的朋友，并自由地表達自己的情緒、對事情的看法，或者記錄自己的經歷。大學生還可以臨時創建群聊分享創業、就業等信息；另一方面，大學生可以通過訂閱號有選擇地關注自己感興趣的信息，確保信息交互更具有個性化特征，擴大了大學生群體的社交范圍。
2.2、新型社交媒體對大學生行為習慣的消極影響
2.2.1、過度依賴社交媒體
新型社交媒體在為大學生提供了全新的媒介體驗和自我展示、表達途徑的同時，也存在社交媒體依賴的隱憂。劉振聲在《社交媒體依賴與媒介需求研究――以大學生微博依賴為例》中指出微博依賴者表現出更高的逃避傾向，他們會將大量的時間和注意力停留在網絡碎片化、無意義的信息上，拖延甚至懈怠學業。此外，有學者在研究中發現，有近47%的大學生具有社交媒體依賴傾向，他們往往因為過度關注有沒有人評論、圈里是否有動態更新等，造成注意力無法集中到學業上來，也更容易出現睡眠問題。
2.2.2、虛假信息侵害大學生安全利益
微信為代表的新型社交媒體的普及，讓越來越多的大學生對微信持信任和依賴的態度。伴隨著騰訊財付通和微信支付的興起，95%以上的大學生會在微信中填寫真實的的個人信息，在網絡監管不規范、系統出現漏洞等情況下，大學生個人信息泄露，給自身帶來人身、財產的安全隱患。另一方面，大學生社會閱歷不足，對于一些網絡信息缺乏嚴格的辨別和判斷能力，讓自己不覺成為低俗、虛假信息的傳播者，被不法分子利用。
2.2.3、現實人際關系異化
新型社交媒體的出現，在提高大學生人際交往效率的同時，也出現部分大學生沉迷虛擬世界、現實生活中卻出現人際交流障礙，真我與虛擬人格的錯位沖突，最終可能導致學生焦慮、自戀、偏執、抑郁、冷漠、拖延等心理疾病的發生。有調查顯示，75%以上的在校大學生手機處于“24小時開機”狀態，在“每天使用手機時長”上，有近一半的同學表示“超過5小時”。對于“聚會時同學低頭玩手機”的現象，僅有16%的學生表示不會出現。同樣以微信為例，“點贊黨”、“秒贊黨”的出現，都是人際交往中偽親密的體現；此外，在微博的使用上，部分大學生出現過分關注星座命理，用所屬星座來解釋自己的性格成因，用命運來解釋自己人際交往的成功與失敗，對微博謠言辨別能力相對較差，進而影響自己的學習和生活。
3.科學引導大學生合理使用新型社交媒體策略
3.1、完善網絡社交的相關法律法規，推出大學生網絡社交條例
人治與法制的本質是自律與他律。新型社交媒體的虛擬、開放等特征，更需要相關法律法規為社交媒體保駕護航，通過《信息凈化法》、《隱私權保護法》等相關法律法規，推動網絡社交工具健康發展。截止到2014年9月，我國網民數量已達到6.32億。作為世界上網民數量最多的國家，在大力完善網絡社交秩序、推進網絡立法的同時，針對大學生社會閱歷不足等群體特點加強以大學生為對象的網絡社交條例建設，積極推行網絡社交工具后臺實名制。新型社交媒體的虛擬性不等同于虛假性。實名制的網絡社交環境，有助于培養大學生的誠信意識，很大程度上提高了交往的安全性，增強了大學生的人際交往能力，同時有效地規范了網民網絡社交行為，防止大學生成為謠言、恐慌情緒的者和傳播者，培養大學生網絡社交言論的責任意識。
3.2、創新大學生網絡社交教育管理模式
新型社交媒體的快速發展，需要學校管理者與時俱進，培養出一支集專業技術人員、心理輔導老師為一體，具有專業網絡教育管理知識的師資隊伍，便于積極參與大學生新型社交媒體建設。并通過開設人際交往、網絡安全與網絡法規等相關課程，對在校大學生社交媒體使用情況進行摸底，了解大學生使用情況和偏好，進而進行數據分析，對大學生社交媒體上常見的問題進行指導和必要的干預，有效引導大學生在新型社交媒體上的行為習慣，借助形式多樣的線下活動鼓勵大學生更多地融入現實人際交往。
具體在實施過程中，學校教育者可以借助新型社交媒體與大學生建立自由、平等的朋友關系，借鑒成都理工大學經驗，加強校園網絡文化建設，開設學生黨建、教師風采、師生論壇等版塊，借助學生骨干力量，有效引導大學生網絡社交，必要時利用微信的“群聊”功能引導學生在現實中積極開展對有關公共話題的討論，還可以通過社交媒體平臺及時發現大學生社交中所存在的問題并加以處理，提出人際交往技巧和安全提醒。社交媒體之外，開展演講比賽、社會實踐、假面舞會等活動，促進網上自由交流網下良好共處的有機結合，避免大學生出現社交媒體依賴情況。
3.3、注重輿論引導，加強大學生媒介素養教育
早在上個世紀五十年代，一些發達國家就已經將媒介素養教育引入青少年課堂教育中。作為對信息的選擇能力、質疑能力、理解能力和評估能力等一系列能力的綜合體，媒介素養教育可以有效促進大學生評估和管理個人媒介接觸行為，社會、學校以及家庭應該加大學生媒介素養教育，包括如何使用媒介、如何判斷媒介信息的價值和意義等?？傊?，媒體作為社會輿論的導向工具，大學管理者應該與時俱進，積極運用新型社交媒體傳播主流意識和價值觀念，通過先進人物事跡的宣傳，借助藝術、時尚、情感等元素加強對學生的吸引凝聚和思想引導，打造豐富多彩、積極健康的校園文化體系。無可否認，社交媒體不僅帶給大學生新的交往體驗，更是潛移默化地改變著大學生的行為方式和生活態度。因此，學校在避免大學生沉迷新型社交媒體的同時，要善于借助有影響力的公眾號、官微等傳播正能量，幫助大學生樹立正確的人生觀、價值觀。
[參考文獻]
[1]孫步寬.大學生網絡人際交往與網絡成癮的調查研究[J].福建教育學院學報，2011.
[2]楊宏蘭.大學生網絡人際交往的現狀及對策[J].學習月刊，2011.
[3]鄭曉娜.大學生微信使用現狀調查與分析――以全國208所高校為例[J].網絡思政，2014.
社交媒體研究分析范文4
人口統計學特征: 社會化媒體用戶最典型的特征是什么?
根據Pew這個月早期的研究，64%的成年互聯網用戶使用社交網絡站點。當不同種族和收入水平的人都在使用社會化網絡時。社會化媒體在不同年齡、性別、教育和地理位置上的使用變化甚大。自2008年以來，使用社交網絡的用戶幾乎翻番，而用戶的平均年輕在變老。不同的社交網絡中，用戶比例最大的人群年齡在23-35歲。（下圖為不同社交網站用戶年齡的分布情況）
還有其他重要的人口統計學特征嗎？那就是女性使用社交網絡要多于男性，當然LinkedIn除外，Linkedin上63%的用戶是男性。在教育程度方面，60%的高中學生使用社會化媒體，而有72%的大學生使用社會化媒體。另外，社會化媒體的使用在大城市更加流行，69%的大城市居民使用社會化媒體，郊區人民只有64%，農村居民為57%。
心理學統計特征: 社會化媒體用戶的態度和品味是啥?
首先我們來看看那個社交網站用戶使用最高，根據Pew的另一份研究，87%的社會化媒體用戶在Facebook上有頁面，14%的用戶在Myspace上有頁面，11%的用戶使用Twitter，10%的用戶在Linkedin上有帳號，13%的用戶使用了其他社交網站。
既然Facebook是使用最多的社交網絡，那我們就來看看Facebook用戶與眾不同的品質。研究發現Facebook用戶相對其他用戶更加信任他人。通過分析發現，在覺得多數人值得信任方面，使用Facebook一天多次的用戶比其他互聯網用戶高43%，比非互聯網用戶高2倍。Facebook用戶也更容易擁有更多的親密的關系和獲得更多的社交支持。另外，Facebook用戶也更容易激活潛在的社交關系。只有7%的Facebook用戶的朋友是那些他們從沒見面的人，因此Facebook用戶傾向于與他們認識的人交往。
社交媒體研究分析范文5
很多人仍然對社交媒體抱持懷疑的態度，有些人宣稱社交媒體根本無法測量，很難找到合適的標準和衡量方法，因此看起來很難說一項戰略真正起作用了。當然，首席市場官們和管理層希望看到真正的數字。
你會為你的寵物狗計算投資回報率嗎？你們為你買的衣服計算投資回報率嗎？事實是每個提供價值的事物都有投資回報率，只不過有些時候投資回報率不明顯。但是，根據2011年對社交媒體營銷從業人員的一份調查顯示，55%的人認為，計算投資回報率非常緊要。因為他們：
65%的人提到需要提高有效性；59%的熱提到需要提高與其他市場營銷手段的融合度；48%的人提到有匯報量化效果的壓力39%的人有了社交媒體預算或該預算還會增加22%的人提到正確的測量工具已經就位了。因此，即使已經有了計算社交媒體投資回報率的辦法，即使市場人已經感覺到了拿到這些數字的必要性和迫切性，為什么還會有那么多的品牌在不知道投資回報率數據的情況下就做社交媒體營銷了呢?一個可能的線索是社交媒體背后有驅動力，新技術的早期采用以及商業革新，因此沒有足夠的時間來做詳細的投資回報率分析。當所有人參與進來，當所有事情都慢慢成熟了，于是對社交媒體測算投資回報率也就提上日程了，可以說是邊學邊干。
那么，要計算社交媒體的投資回報率需要知道些什么呢？
當然，首先測量方法必須要確定，而這要符合你公司的情況。這也許是對于社交媒體測量些什么以及如何測量的問題，目前沒有統一的大案的部分原因。因為目的、目標和關鍵指標對每個部門，每個公司都不一樣。
在確定這些錢，有必要確定你為什么要做這件事。如果答案僅僅是“我們的公司建議我們做”，或“我們的競爭對手在這樣做”，那么我建議你更深層次地考慮這個問題。
典型的社交媒體營銷的商業目標包括：
通過對社交媒體的監測，發現顧客和潛在顧客是如何談論你的公司的；收集競爭對手信息；與顧客和潛在顧客在線互動；通過分享內容來建立思想領先者的地位；使社會化媒體渠道的內容和信息的觸達面最大化；支持已有的銷售和市場攻勢；支持員工招聘和留住既有員工的努力；打造一個顧客社區來提供支持和推廣是的，所有這些都涉及數據收集和測量，但仍然——這些都不是投資回報率，要得到投資回報率，這些因素都需要被轉換成商業利益——一個可以跟蹤的數據和可以作為結果的數據的組合。這些數據可能與社交媒體并不直接相關，例如總的銷售額，要求試駕的次數，注冊數，等等。由于需要做對比，因此需要得到在做社交媒體營銷之前和之后的數字。
談點實際操作的事，下面是計算投資回報率的公式：
所獲利益—成本
投資回報率=———————— *100 =投資回報的百分比
成本
成本
好了，下面是一個計算社交媒體投資回報率的實例：
圣安東尼奧的海洋世界為他們新建的過山車發起了一場社交媒體營銷攻勢。長話短說，他們邀請了社交媒體上那些影響力強的人來“試新”，拍了一些視頻，配上這些人的正面的肯定的評論，上傳到了大約50個網站上，其中30個是過山車愛好者的網站。
回到我們的計算公式：
利益：通過一個針對公園游客的簡單的調查(只有兩個問題)，以及一個適用于所有游客的公式，他們得出那些從互聯網上得知相關信息的人給公園帶來的收益是260萬美元。成本：把這個社交媒體攻勢所涉及的人員、技術、流程成本加在一起，總成本是4.4萬美元。
260000 — 44000
投資回報率=———————— %100 =5809%
44000
他們所花的每一個美元，帶來了5809元的收益。怎么做到的呢？了解正確的人群，激勵他們，與他們保持互動！
結論是什么？計算社交媒體營銷的投資回報率沒有“正確”或“錯誤”的方法，哪些數字最重要，哪些數字需要考慮進去，完全由你自己來定。但這給你提供了一個辦法，可以讓你的高層和管理人員相信社交媒體有其價值，而且可以被測量，以及可以提供投資回報率數字并隨時間推移可以時常拿出來比較。（來源：市場部網）
社交媒體研究分析范文6
我想，企業在做社交媒體營銷方案時可能會有同樣的感觸。從原點開始時一切都令人興奮。你清楚地知道自己想做什么，清楚自己為什么要這么做?？吹狡渌说巧仙缃幻襟w這座高山，你也很渴望到達那里。這時候，一個好計劃會有很大的幫助。本文分享了一些關于社會媒體營銷計劃的干貨——包括有效的社交媒體及其背后的數字和調查依據，同時結合我個人的切身經驗，為你制定了一個詳細的計劃藍圖。我喜歡把這份計劃想成一次公路旅行：從一開始尋找一個正確的方向，選擇交通工具，之后要經常檢查自己是不是走在正確的道路上，同時在走的過程中獲得樂趣。
一、選擇合適的社交網絡
社交媒體網絡間的同質化和線下品牌類似，Google+和Twitter就像是社交網絡里的可樂和雪碧，它們有自己獨特的風格和用戶群。所以你要找到最適合自己社交媒體目標和策略的社交網絡。不需要廣撒網——只要選擇對企業和用戶最有效的平臺。你要選擇哪些社交網絡？應該在多少個社交網絡上進行傳播？這里有幾個要考慮的因素。
時間。對于一個社交媒體，你有多少時間投入?在最初的運營階段，你要每天在每個社交媒體上至少投入一個小時（一旦走上正軌，可以通過一些工具節省時間）。
資源。你是否需要新的人員和技能?視覺社交媒體Pinterest和Instagram平臺都是基于圖像和照片的應用，Google+更側重于有質量的內容。你是否擁有適合這些平臺的資源？
用戶。你的潛在客戶聚集在哪里？哪個社交媒體上有你的目標用戶？
關于最后一個問題，你可以參考一些用戶研究資料，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等主流社交媒體的使用人群數據。
二、完善信息
我們每個月都會檢查社交媒體上的簡介，確保頭像、封面圖、簡歷和簡介信息完整并及時更新。這是我們社交媒體編輯主要的工作內容之一。完整的資料顯示你的專業和品牌一致性，它向訪客表明了你參與社交媒體的認真度。
信息資料包括兩個部分，視覺和文字。
視覺部分要達到的目標是一致性和熟識度。Twitter頭像要和Facebook上的匹配，Google+和LinkedIn的封面圖最好也要一致。要做好這些圖片，你可以參考現成的格式，譬如Canva這樣的工具可以讓你直接選擇模板生成合適大小的圖片。
對于文字，你需要個性化的是簡介和個人信息。創建專業的社交媒體簡介可以遵從以下六個規則。
1. 展示而不要說教。展示“我做了什么”往往比介紹“我是誰”效果更好。
2. 向用戶展示企業關鍵詞。
3. 保持語言新鮮活潑，但避開過于時髦的詞匯。
4. 回答潛在用戶的問題，告訴他們你有什么。
5. 保持個人風格和風度。
6. 經常檢查你的頁面。
三、找到營銷的聲音和語調
現在，你可能會急著進入社交網絡分享了。在此之前你還要做一件事。
如果能為內容找到一種合適的基調，能讓你進入社交媒體的冒險行動更有目的性。
要做到這一點，你要仔細思考營銷目的和客戶基礎等細節。
可以從以下問題著手：
如果你的品牌是一個人，他有怎樣的性格？
他與客戶的關系是什么樣的？是教練、朋友、老師還是父親？
你的企業個性不包括哪些？用形容詞描述。
哪些企業與你的企業個性相似？相似之處是什么？
你希望客戶怎樣看待你的企業？
最后，你會得到很多關于你的企業市場策略的形容詞，它們就是你在社交網絡互動中應該保持的聲音和語調：聲音關系的是傳達使命宣言，而語調關系的是如何執行任務。用一致的聲音和語調回應你的客戶，創造一種能夠愉悅客戶的聲音，客戶將樂于成為你的品牌傳播者。
四、選擇發帖策略
每天理想的發帖量是多少？發帖的頻率多少合適？什么時候應該發帖？什么樣的內容更適合你？對于這樣的問題要根據實際情況定。社交媒體營銷與你的受眾和細分客戶群密切相關。你之蜜糖，我之砒霜，必須不斷嘗試才能知道哪些最適合自己。
關于發帖策略，有一些數據和觀點可以告訴我們怎樣更好地著手。
發表什么內容：
圖片是最理想的社交媒體傳播內容之一。瀏覽Twitter、Facebook信息流時，你很可能會把圖片全都瀏覽一遍。圖片帖子比其他類型的帖子獲得更多的瀏覽量、點擊量和分享。數據顯示，在Facebook上，圖片信息比文字信息多得到53%的贊、104%的評論數和84%的點擊量。Twitter也相同，在一項研究中，通過分析各行各業用戶的200萬條推文，Twitter發現圖片對轉帖增加量的貢獻最大。
把以上策略綜合起來，有助于你制定長期運營策略。
1.從五種基本類型著手：鏈接、圖片、引用、轉發和純文本信息。
2.選擇一個主要類型，大部分發帖都采用這種類型的內容。
3.按照4：1的比例安排內容。也就是說，在使用某種主要類型發送4篇內容后，應該穿插其他類型作為調劑。
這樣，你的關注者會知道他們能從你這里得到什么，你也可以通過這個過程形成自己的風格。
發帖頻率：
關于社交媒體更新的頻率有很多有意思的數據。一些因素可能影響你的發帖頻率，這些因素包括行業、資源、到達范圍、內容質量等。還要考慮你使用的平臺也有自己的頻率。
如果你的內容受歡迎，你當然可以一直增加發帖量。
什么時候發帖：
有很多工具可以告訴你在Facebook和Twitter上發帖的最佳時段。這些工具會觀察你的關注者和你的發帖歷史記錄，弄清你的用戶什么時候在線以及用戶發帖時間。
對于剛剛開始運作社交媒體的人來說，沒有用戶和發帖歷史怎么辦？
SumAll提供了很有用的圖表數據，以下是他們的一些發現：(美國東部時間)
五、反復分析、測試
社交媒體分享是一項非常具體、獨立的工作。隨著發帖數的增多，你會發現適合自己的內容、時間和頻率。如何獲取這些信息?主流社交媒體頁面內提供了數據分析模塊，如果有第三方的數據信息當然更好。這些工具有詳細的數據供你參考，包括每個帖子能帶來多少瀏覽點擊量、分享量、點贊和評論等。
獲取數據之后應該怎樣運用？
設定標桿。運營兩個星期或一個月之后，你可以回顧數據，看點擊量、分享量、點贊、評論的平均數，這將是你繼續運作社交媒體的一個標桿。當然，隨著持續運作，數字要及時更新。
嘗試新工具。在Buffer，我們開放各種數據測試。比如經過優化的圖片會不會比沒有優化的圖片獲得更多的點擊?大小寫是否重要？
檢查結果。把測試后得到的數據和標桿數據對比，如果測試結果積極，就可以把這些變化加入日常策略。同理，你可以逐一進行多項測試。
六、自動化、參與互動和聆聽
社交媒體營銷的最后一步是建立一個可以跟蹤效果的系統，以便與社區保持互動。
