京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18