在互联网时代，越来越多的企业在网上进行营销活动，社交媒体平台具有成本低、范围广、速度快等特点，因而成为企业网络营销中广告投放的重要平台之一，其中，微博营销在多样化的社交媒体营销中脱颖而出，最常见的营销方式是企业选用名人、明星或者影响力较大的账号，对产品或品牌进行最终口碑引导。因此，在微博上，如何选择适合的营销者使得营销效果更佳，对企业来说是一个全新的挑战。本文融合传统的营销学中的匹配假设理论和数据挖掘技术，通过自然语言处理、情感计算等，确立“营销人员”的特征计算方法，建立影响微博广告投放时最终口碑的营销效果评估方法，基于此建立优化企业投放策略，为企业的微博广告投放提供决策参考。主要研究内容如下：
　　第一，基于匹配假设理论，对微博广告投放策略理论及研究方法进行了理论分析，梳理了基于微博文本数据挖掘的广告投放策略优化的理论方法。
　　第二，基于匹配假设理论，提出了微博平台中“营销人员”的特征选择，及其计算方法。首先，对微博平台广告投放所需的数据结构进行分析；其次，利用网络爬虫技术，获取微博评论，并选取75个事件，对其微博评论、个人基本情况进行统计分析；接着，从可信任程度、专业程度、成本、产品匹配度、用户属性匹配度等五个特征维度，构建“营销人员”的特征的计算方法，实现了微博广告投放“营销人员”的特征选取。
　　第三，利用电子口碑(e-WOM)理论和情感计算方法，建立了微博广告投放的营销效果评估方法。对获取的评论文本数据预处理等工作，同时基于机器学习的方法，运用预处理后的文本数据集，训练了词向量转化的word2vec模型，利用随机森林算法构建分类模型实现情感分类，以计算口碑的情感值。
　　第四，运用已量化的微博“营销人员”特征和营销效果评估(口碑量值和口碑情感值)，对75个营销事件进行实证研究，利用spss19软件进行回归分析，揭示对企业营销中口碑量值和口碑情感产生影响的各因素，从而为企业建立微博广告投放优化策略提出管理上的建议。
　　研究中发现，广告商在微博平台上选择人员进行投放时，人员的专业程度、人员与客户匹配度，对口碑情感具备显著影响；人员的产品匹配度、专业程度及可信任程度，对口碑量具备显著影响。由回归模型结果分析，从传播量和情感传播两个角度，对广告投放优化策略提供相关建议。