奥运网络讨论分析-关键字关联图(KAM)的应用

今年中国迎来了北京奥运会,这一体育盛事引发了广大民众在互联网上热烈的讨论。

CIC体育行业小组的分析师们也一直关注奥运相关的网络讨论,继之前推出了体育行业网络口碑白皮书,最近我们尝试用新的分析方法-关键字关联图分析(KAM)对2007年第四季度的BBS数据做了一些奥运主题相关的深入分析,这里与大家分享部分分析结果。

见分析图:



分析方法概述:

关键字关联图分析(Keyword Association Mapping)是CIC最新用于研究消费者在网上讨论某一特定主题时,是如何谈论与其相关要素的分析模型。这里的主题可以是品牌,产品,营销活动或某一 特定事件等。该模型基于先进的文本挖掘技术,对于网络讨论信息进行深入的文本挖掘和分析。该方法可以直观地展现各种品牌,品牌属性,产品,营销活动等要素 之间的相互关系,从而使品牌更方便有效地了解消费者对于他们的产品,活动,代言人,服务,竞争对手等诸多要素是如何进行讨论的,帮助品牌及早发现可能的营 销机会或危机。

(读图:红色的点为奥运官方赞助商,蓝色的点为奥运相关讨论要素。图上各要素之间的距离表明了他们之间联系的紧密程度。) 数据挖掘研究院

如何解读:

从上图中,我们可以清楚地看到Coke 距离Olympics最近,表明在所有奥运官方赞助商中,它与奥运的网络讨论提及关联性最高。同时,比较各奥运相关讨论要素之间的关系,我们可以看到 Samsung与Mobile phone(手机)以及Lenovo与Mascot(吉祥物)的联系紧密,原因是Samsung推出的奥运纪念版手机以及Lenovo的福娃闪存都植入了 “奥运”这个充满纪念意义的元素从而引起了广泛的关注。北京奥运是全中国人民的盛事,人们自然乐衷于讨论奥运相关话题。品牌通过将产品与奥运相结合,成功 地激发了人们对奥运纪念版产品的关注,喜爱和收藏,这些独特产品的信息和图片在网上被广泛地传播与讨论。

另外,图中麦当劳与Marketing(营销活动)的紧密联系,也源于其去年年底推出的“我就喜欢中国赢”奥运助威团海选活动的火热(活动详情请见这里)。在短短2个月内,共有一百多万人参与此活动。可见,虽然上传图片/视频等多媒体内容的活动已经不新鲜,但是如果品牌能将线上和线下活动有机结合起来,并结合一些有纪念意义的活动和概念来激发网民参与的热情与渴望,比如北京奥运,则能使自己的营销活动变得更有效。
[数据挖掘专家] [数据挖掘研究院] [数据挖掘论坛] [数据挖掘实验室]
上一篇:文本数据挖掘系统原型方案研究 
下一篇:基于文本挖掘技术的产品技术成熟度预测
最新评论共有 0 位网友发表了评论 , 查看所有评论
发表评论( 不能超过250字,需审核,请自觉遵守互联网相关政策法规。 )
匿名?
数据挖掘网站导航 数据挖掘论坛导航
  • 数据挖掘工具
  • 数据挖掘论坛
  • DataCruncher - Cognos
  • MineSet - MathSoft
  • Intelligent Miner - GainSmarts
  • Sqlserver - SAS - Clementine
  • CART - Weka - WizSoft
  • NeuroShell - ModelQuest
  • data mining tools - Darwin
  • 数据挖掘交友
  • 数据挖掘博客
  • 数据挖掘工具
  • 数据挖掘资源
  • 数据挖掘技术算法
  • 数据挖掘相关期刊、会议
  • 研究院联盟合作专区
  • 数据挖掘基础与相关技术
  • 数据挖掘厂商与就业
  • 数据挖掘研究者乐园
  • 知名厂商数据挖掘工具资料
  • 国内数据挖掘实验室
  • Foreign Data Mining Lab
  • 热点关注
  • 文本聚类程序实例
  • BBS 数据挖掘研究及其地位与核心问题
  • 一种新的基于统计的自动文本分类方法
  • Text Categorization
  • Is Data Mining Misguided?
  • 焦点应用:语义分析
  • 句子相似度计算在FAQ中的应用
  • 文本挖掘抢占商业智能掘金制高点
  • 基于文本概念和kNN 的跨语种文本过滤
  • More data isn’t always a good thing in
  • 论坛最新话题
  • Foundations of Statistical Natural Langu
  • Game Theory meet Data Mining: A Recent P
  • System Building: How does it help or hin
  • 数据挖掘与Clementine培训
  • 新手报到
  • 求 SASEM 客户流失预测分析
  • 数据挖掘工程师/搜索研究院—北京——无线
  • 数据挖掘入门介绍(如何着手数据挖掘)
  • Information Overload Survey Results
  • The INEX 2005 Workshop on Element Retrie
  • 相关资讯
  • More data isn’t always a good thing in
  • Text Categorization
  • Finding Advertising Keywords on Web Page
  • Communities from Seed Sets
  • To Randomize or Not To Randomize: Space
  • Overview of Text Summarization History
  • Porter Stemming Algorithm
  • Sequential Minimal Optimization
  • 句子相似度计算在FAQ中的应用
  • 弱指导的统计隐含语义分析及其在跨语言信息
  • 数据挖掘实验室资料
  • 数据挖掘博客地址
  • 数据挖掘实验室网站地址
  • Prepare for Medicare audits by using dat
  • 注册成为SAS用户与爱好者俱乐部会员
  • 水南梅
  • 明日烟
  • 新人报道
  • 下载
  • 厦门服务器托管,450元/月—0592-5177319 高
  • 买空间送域名--0592-5177319 高静