外贸企业社会化媒体营销及客户情感评价

外贸企业社会化媒体营销及客户情感评价

一、社会化媒体营销现阶段存在的问题

1．社会化媒体营销没有被外贸企业足够重视

目前大多数企业市场营销的主要精力还是放在传统营销上，社会化媒体营销只作为一个辅助手段，没有把社会化媒体营销纳入公司的营销战略层面。社会化媒体营销上的投入比重比较有限。

2.社会化媒体营销缺乏合理的效果量化评估体系

目前大多数外贸企业陷入两点困境，一是评估体系不清晰，即不知道通过哪些指标来合理评估，另一种是不知道如何监测这些指标，即无法量化评估。如果效果无法量化和评估确认，外贸企业自然不会投入太多的精力人力去做，也没有信心把社会化媒体营销做好。

3.外贸企业还无法改变社会化媒体存在的固有问题

二、外贸企业社交媒体发布信息的策略

1.直接关联的一连串生产流程来发表图片及产品信息。

2.物以类聚：可以通过累计的方法来整理知识，也就是说将相似的信息归为一类，统一记忆和使用，这样客户会看得非常连贯。

3.抓住卖点，兼顾其余：可以将某些显要的信息挑选出来，而将那些与之相比不太显眼的信息作为辅助，用核心卖点来吸引潜在客户的购买兴趣。

4.投其所好：不同的客户有不同的需求，因此，外贸人员可以根据客户这种不同的需求来整理社交媒体上的发布内容。

5.名人名言、客户留言：还可以将所在公司与相关的知识关联起来，用名人名言、客户留言来佐证产品。

6.比较分析：跟其他产品进行直接PK。

三、利用大数据对用户情感进行分析的流程

将用户的评论信息分解成情感分析矩阵，通过遍历方式检索关键字，利用加权平均方法确定评论信息的情感量化分值，再通过美誉度分级模型确定情感分析的正负面级别。文本情感倾向性分析是计算机语言学的范畴。目前对于主观性情感分析与提取的研究尚处于初级阶段，这项研究涉及到计算语言学、人工智能、机器学习、信息检索和数据挖掘等多方面研究内容，因此比较复杂。本文参考词语情感分析的基本理论，对基于人工标注语料库的方法进行了简化，采用词对儿语料库人工标注的方法给出情感倾向极性的量化分值，再采用加权平均的方式进行计算总情感倾向量化指标。

依据以上理论，可以把用户评价的情感分析过程总结如下：

第一，建立情感分析字典。情感字典的结构为“主题词+修饰词”词对儿，然后对词对儿赋予情感分值。

第二，利用大数据的程序对用户的评价文本进行分析。分析的过程是用数据词典的词对儿去遍历该文本，形成文本的情感矩阵。每个词对的距离限定在一定的范围内有效，在本次工程化过程中，词对的距离设定为小于50个中文字符。

第三，计算文本的总情感倾向分值。由于在一段文本中，可能分解多个语义情感分值，需要将这些情感分值进行加权平均，最后形成整段文章的总体情感倾向分值，这个情感分值就是对文本进行量化的最终结果。

第四，根据选定的条件和范围，对所有参与评价的文本进行上述评价分析，形成粉丝情感倾向级别矩阵。情感倾向级别矩阵是情感分析的量化结果，也是大数据分析系统的数据结果。

第五，对情感值进行人工抽验。由于计算机的情感分析的准确性很难做到很高。因此，业务人员需对情感分析的结果进行人工抽检，如果发现系统自动算出的结果与实际结果相差甚远，需要对情感值进行人为干预，以免影响整个评价结果。

有了情感倾向级别矩阵，对品牌的美誉度分析就变得非常容易。可以把情感分析矩阵以图标、仪表板等可视化工具呈现给业务人员，使得他们能够对营销的效果很直观的了解，进而对日后的营销活动进行改进。情感分析矩阵可以说是社会化媒体营销活动与结果评价的一个桥梁，能够解决企业在社会化媒体营销上面临的问题和困境。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。