名人品牌决策：一种基于 Twitter 用户生成内容极性与情感分析的观点挖掘方法

社交媒体上关于品牌的讨论量为数字营销人员提供了追踪和分析用户生成内容（CGC）中消费者对品牌、产品、影响者、服务和广告活动的情感和看法的巨大机会。本研究旨在利用对社交媒体 CGC 的自动情感分析，评估和比较企业与名人（即具有参与这些公司广告活动经验的影响者）的表现，同时探索消费者对他们的感受，以观察每位影响者（每家公司两位）中哪一位在消费者心目中与对应公司的关联更紧密。为此，我们利用来自品牌和影响者页面的若干消费者推文，通过 Naive 算法（基于词典）和 Naive Bayes 算法（机器学习方法）对情感分析的机器学习方法和基于词典的方法进行比较，并获得评估广告活动所需的理想结果。研究结果表明，两种方法在准确性上存在差异；机器学习方法取得了更高的准确率。最后，结果显示了根据影响者在以往广告活动中的存在情况，哪位影响者更为合适，并有助于为我们的公司选择未来合适的、更好的、更恰当且更高效的广告活动影响者。需要进一步研究以提高情感分类的准确率。该方法应应用于其他类型的社交媒体 CGC。结果揭示了哪种情感分析方法最适合社交媒体分析的决策。研究还发现，公司应了解其消费者的情感，并在每次策划广告活动时选择合适的人选。