
大数据解析“外滩灯光秀改址”为何传播失效_数据分析师
2014年12月31日晚,上海外滩发生了严重的踩踏事故,造成36人死亡,49人受伤。值得注意的是,2014年外滩的灯光秀活动设置,与往年相比发生了重大的变化。而中山大学传播大数据实验室和宏博知微报告通过分析发现,媒体对于这些变化的报道并未达到预期的效果,致使“灯光秀改址”之类的重要信息被很多公众疏忽,一定程度上也间接地导致悲剧的发生。
实际上,这次“灯光秀”的地址从“外滩”改为“外滩源”,而参加条件从“免费、不限制人数”变为“凭票入场,限定2000人参与”。而这条消息在2014年12月23日就通过上海媒体以“外滩跨年4D灯光秀今年停办”的形式第一次报道过,但随后的新闻报道和政务微博传播中,这条消息却未能有效抵达普通市民。
为了验证这一判断,中山大学传播大数据实验室和宏博知微报告以“外滩、灯光秀”为关键词,抓取了2014年12月23日至12月31日的媒体报道,以及新浪微博中媒体及政务微博提及“灯光秀”的新闻及消息,作出了曲线图如下:
从图一可以看出:12月23日,新民网报道“上海外滩跨年4D灯光秀今年停办”得到较多转发,25日,媒体对“外滩灯光修改址”的消息传播达到一个高峰,但也有一些不准确的信息。26、28、29日关于“灯光秀”的报道处于低谷。直到30日,媒体报道数量激增,并且可能产生误导的消息大大超过正确信息,达到高峰。31日,正确信息和可能产生误导的信息在数量上不相上下。
另一方面,为了观察微博用户对“灯光秀改址”信息的知晓情况,研究团队抓取了2014年12月23日~31日微博用户中提及的相关数据,制图如下:
从图二可以看出,23日~29日新浪微博普通用户中提及“外滩灯光秀”的并不多,而在30日,“不知晓”改址消息的用户超过“知晓”的用户数,31日,微博中提及灯光秀的用户达到高峰,而“不知晓”改址消息的用户要远远多于“知晓”的用户。
因此,可以得出结论:媒体前期关于“灯光秀改址、限制人数”的报道并没有达到良好的传播效果,而在30日,媒体中误导性的报道占了多数,即使31日媒体中纠正性的报道增加,但由于正确的消息传播得太迟,效果达成也具有一定的滞后性。
对于如何才能实现类似的公众信息的最有效的传达,此次大数据研究的负责人、中山大学传播与设计学院院长张志安认为,有三个因素非常关键。首先是要对重要的政策信息进行简化、提炼,以最明确和完整的方式来告知公众。比如“外滩灯光秀改址”是属于“告知性信息”,还有一类是有关政策倡导和建议的“说服性信息”,比如“大家不要去外滩看灯光秀”,也应该由政府来告知公众,这样的告知才是完整的。
张志安认为,信息传播的渠道也是一个需要重视的层面,“我们其实会重视主流媒体,但主流媒体覆盖的受众也比较有限,尤其是对于年轻的网民。而微博微信又难以到达不上网的群体,所以,在一个媒体融合的时代,政府需要有效地把不同渠道的媒体和媒介利用和整合起来,在发布一些重大的信息的时候,甚至需要采用群发短信这种成本较高的方式。”
对于公共信息的传播效果,还要进行分析、预判和跟踪,尤其是对受众的感知和接受度来进行分析。“现在社交媒体,尤其是微博提供了一个较好的分析工具,我们可以通过转发和评论,来了解用户是不是真的准确理解了信息的内容,以及预判他们是不是会采取相关的行动,如果‘外滩灯光秀’能提早做这些分析的话,我们就能预判信息是否成功到达用户,以及是否需要采取进一步的预警和传播措施。”张志安表示:“总的来说,信息的提炼和准备、渠道的选择和组合、以及公众接受效果的分析和感知的预判,对政府公共政策的全媒体时代的传播是非常关键的三个环节。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23