如何应对突发事件舆情？
根据专题事件监测分析的数据作为参考，对舆情事件作出正确的舆论引导和正面的舆论回应。
（一）、建立组织保障机制
网络舆情和网络信息安全工作一样，都应实行属地管理和一把手负责制，采取“谁运营谁负责、谁主管谁负责、谁使用谁负责”的办法实行责任追究制。要在进一步提高认识的基础上，把网络舆情信息工作纳入宣传思想工作总体安排，精心部署，狠抓落实。要制定各种规章制度规范网络行为。要明确一位领导同志具体分管网络舆情信息工作，同时确定一名同志为舆情信息员负责网络舆情的日常监测，每天或每周按部门对网络舆情进行分类整理，针对各部门的情况，提供简单的舆情监测分析报告，及时向各职能部门进行反馈。
（二）、建立技术保障机制
网络技术手段是实现网络舆论管理的一个有效措施，常用的网络技术手段包括对IP地址的监测、跟踪、封杀；网管的全天候值班监测，对负面消息进行及时清除；运用智能型软件进行敏感词组的自动过滤；对论坛发帖的延时审查及发布；对国外敏感网站浏览限制；论坛、博客、播客实行实名认证制度等。各个网站和互联网运营商都要严格按照国家有关互联网信息安全的相关法律法规建立技术保障措施，确保网络信息安全。
（三）、建立日常工作机制
1、网络信息发布
“互联网让每一个人都变成了信息的发布者，而且可以不经过审查。”一位传媒研究者称，“一方面，这可以让信息更加公开透明；同时，由于鱼龙混杂，你无法分辨它的真假。而对那些年轻的网民来说，情绪非常容易被煽动。” 正是如此，网站一定要严把信息发布关，要建立网络信息发布的审核制度，规范信息审核流程，实行专人负责。网站开办的BBS论坛、博客、播客等交互栏目，必须实行“实名注册”并落实专人管理，严格执行先审后贴制度。
关于理论方面的内容，一些类似的回答很完善了。本文主要从实践的角度进行分析。
3日19时21分许，兰海高速公路兰州南收费站发生一起重大交通事故，截至4日5时，事故已造成15人死亡、44人受伤。肇事司机自述因刹车失灵导致车辆失控。目前，兰州检方已提前介入该案，司机李某已被刑拘。
重大恶性事故发生后往往会在短时间内引发舆论高度关注。此次重大交通事故经历了怎样的传播轨迹？舆论的关注度如何？舆论的情绪倾向是正面还是负面？这些问题，通过政务舆情大数据服务平台——新浪舆情通，可以在第一时间快速找到答案。
一、配置关键词方案 相关信息“一网打尽”
首先，统计数据及分析的基础是制定关键词方案，将有关信息“一网打尽”。在舆情通【舆情监测】模块下的【添加方案】功能即可设置关键词方案。
点击【添加方案】之后设置【地域关键词】，此处可以填入事故发生地“兰海高速”、“兰州南收费站”、“兰州收费站”,这三个词是择一即可的关系，因此在下方【地域关系】那边选择“或”。
事件关键词是填写重点，可以将与此事故相关词语放在此处，如“撞车”、“连撞”、“相撞”、“车祸”、“事故”、“刹车失灵”等，事件关系仍用“或”。
排除关键词处可以先不填写，后期如果发现所建关键词方案抓取到与该事故无关的信息，可设置排除关键词过滤无关消息。关键词方案设置完毕后即可点击【保存】。
点击保存之后页面就会自动跳转信息列表页面。【信息列表】中是关于该方案所有抓取到的信息，默认【时间范围】为今日，即从当日0时至当前时间，此处可选择【24小时】、【2天】、【3天】、【7天】、【10天】等时间标签，也可点击【自定义】确定更为细化的监测时间。如兰海事故，将时间设定为3日19时20分（事故发生时间）至具体需要监测时间或当前时间。
设定完毕后点击查询，下方信息列表就会列出监测时间段内与该事件相关的信息，与方案相关的词语会被标红，发布者、发布平台、发布时间都可以一目了然。
二、监测概述：快速把握24小时内舆情
舆情通第二个模块【监测概述】可对监测事件24小时内的信息概况快速整体把握。
监测概述模块中一共有 11个功能，分别为提示新增信息情况、信息走势图、关键词云、媒体来源占比图、热点信息（不含微博数据）、地域分析、敏感信息、情感分布图、正面高频词汇、负面高频词汇、热点微博。
1.信息走势图
信息走势图可以清晰显示24小时内有关该事件的信息量走势，如下图，11月4日16时开始信息一直在不断上升，21时信息量登上24小时内的信息高峰，说明21时左右舆论对此事十分关注，而11月5日1时之后，信息逐渐平息，说明网友对该事件的关注度逐渐下降。
2.关键词云
词云图是对某个事件网络传播的相关信息进行分词聚合后，对提及量较高词汇的整体呈现。此功能可以判断网友关注的焦点与情感态度。比如兰海事件的词云图中，“救治”、“医院”、“人受伤”等词可以看出网友对涉事伤者救援工作的关注。若不太清楚某个关键词与事件的关系，可以点击该词进入二级页面，即相关该词的信息列表。如下图中的“李丰”，点击进入二级页面会发现“李丰”是涉事大卡车司机的名字，由此可以推测网友对肇事司机较为关注。
3.敏感信息监测
该功能列举监测到的舆论最为关注的敏感信息，相关信息以“相似数”进行排序。由下图可以看出，相似文章数最多的是介绍兰州高速收费站发生重大交通事故的微博，相似数达到了1.35万条。
4.情感分布图
该功能可以监测到舆论对某事件的情感态度。而从下图兰海事故的情感分布图中可以看出，敏感指数较高，舆情负面趋势十分显著。
5.正面、负面高频词汇
该功能可以监测到24小时内舆论提及量较多的正面词汇与负面词汇，以兰海事故的图为例，“献血”、“志愿者”、“捐献”等词体现了网友对献血等正能量活动十分关注。”受伤“、”死亡“则体现了网友对事故伤亡程度的关注。而此处，若不明白该词与事件的关系，也可以点击词语进入二级页面进行查看。如“学会”，进入二级页面会发现，它主要来自于“下坡刹车失灵时要学会用发动机牵引力控制车速”的科普帖。
三、厘清重要传播节点 把握舆情整体态势
【统计分析图】功能可对事件监测时段而非24小时内的传播情况、舆情态势进行整体把握。该模块呈现“关注度走势图”、“地域分布”等数据维度。
从兰海事件的关注度走势图可以看出声量从3日晚19点20分（事情发生时间）后开始增长，5日2时后信息量逐渐平息，其中一共经历了3次高峰，时间为11月3日23时、11月4日7时、11月4日9时、这几个时间段前后到底发生了什么事情导致了声量陡增登上峰值呢？舆情通能找到答案。
以第一个信息量高峰为例，点击3日23时那个峰值点，就会进入一个二级页面，该页面上排列的信息即为该时刻产生的与事件相关的所有信息。
因为信息较多，可将信息先进行一下处理，在【文章排序】处选择【相似文章】，【相似文章】处选择【合并】，【转发微博】处选择【不显示】，操作完毕后点击【查询】。这样可以找出该时段内相似文章数较多的源发信息，由此判断信息量高峰出现的原因。
从列表中可以看出，新华网、@皖江晚报 、@澎湃新闻 、@平安泸州 等在该时段内纷纷发布兰海高速事故信息，导致了信息急速上升至第一个峰值。其中，新华网的文章相似数达到90。
除了找到事件关键传播节点，舆情通还可以提供敏感信息趋势，有助于把握负面舆情态势。
【统计分析图】功能模块中的信息属性走势图对于了解舆情态势、制定舆论引导策略有一定的帮助。以兰海事故信息属性走势图为例，可以看到敏感信息增长势头强大，非敏感信息整体式微，该事件负面舆情趋势明显。此时，可以结合关注度走势图来推出敏感信息登顶时最受关注的信息内容，从而据此推断引发负面舆情态势蔓延的根本原因。在信息监控时就可以运用此功能，首先时常查看事件的信息属性走势图，当发现敏感信息声量激增时就即刻使用关注度走势图确定网友重点关注内容，及时采取针对性措施，把控舆情态势，缓解负面舆情。
通过舆情通的以上功能即可实现对事件舆情态势的快速掌握，而若是想要对某个事件或对某一条微博进入更为长期深层次多方面的分析，可以使用舆情通的【全网事件分析】、【微博事件分析】、【微博传播效果】来完成。这次介绍的快速把握事件声量大致趋势、厘清重要传播节点、把控舆情总体态势的小贴士，你们学会了吗？有什么问题想问？欢迎留言。
|
广告 您可能关注的内容 |
