论文部分内容阅读
摘 要：自微博产生以来，其作用和功能不断丰富，尤其在2010年以后随着我国网络营销的兴起，微博的营销作用开始受到关注。由于我国对于微博营销的研究起步较晚，对于微博营销效果的评价还没有形成完整的体系，因此本文通过建立“小米手机”微博营销效果的评价指标体系和模型，结合第三方监测平台“一找数据”的观测数据进行了实例测算，并应用R语言的神经网络工具对数据进行预测，最后提出“小米手机”进行微博营销的优化建议。
关键词：微博营销；小米手机；神经网络
一、引言
随着互联网和信息技术的普及，基于互联网各种社会化媒体获得快速发展，微博客作为我国社会化网络媒体的代表。据统计截止到2014年12月，我国微博客用户数量超过了2.49亿，网民使用率接近39%，发展至今微博的市场占有率超过了70%。微博发展至今微博已经不仅仅是个人展示个性、信息交流的社交网络平台，更是众多企业和组织进行形象宣传、产品营销和与客户互动的网络营销平台。但随着时间的积累，人们对千篇一律的营销手段开始厌烦，企业微博的影响效果开始下降，因此需要从用户需求出发，思考如何进行微博营销，如何量化微博营销的效果。本文旨在通过建立企业微博营销效果量化研究的模型，并且通过对具有代表性的微博（“小米手机”）进行实证研究，来检验模型的可靠性，并在研究过程中分析微博营销的关键因素，借鉴成功经验和方法，针对微博营销过程中的不足提出相应的解决措施。
二、研究现状
我国的微博基本参照Twitter的形式，新浪、网易、腾讯占据了我国大部分的微博的市场份额，尤其是新浪微博（以下简称“微博”）在我国的微博市场占有率达到70%以上。赵爱琴，朱景焕根据用户与企业微博的互动过程建立了AESAR模式即企业微博营销效果评价模式并总结了企业微博营销效果评价的三种主要方式，分别是传统监测、第三方监测和对用户的调查，最后提出了企业微博运营和效果评估中要注意的问题。王睿根据AISAS模型归纳了影响企业微博营销的要素，并收集了是个企业的微博数据进行了回归分析，最后得出了在粉丝质量都为真的情况下，短期内企业的微博营销活动和企业的整体营销存在正相关的关系。葛军首先阐述了微博的定义和历史发展过程，然后分析了微博的传播特点和营销特点，并结合具体案例分析了A企业的微博营销策略和同行业企业普遍应用的微博营销的手段和方法。
通过以上研究发现，我国对于企业微博营销效果的研究开始较晚，并且以定性研究居多。而关于企业微博营销效果的研究没有形成一个具体的模式，尤其是在定量研究中还没有规范的指标体系和模型。所以，本文希望通过构建微博营销效果的评价模型并借助第三方数据监测平台对企业微博的营销效果进行定量研究，促进企业更好的进行微博营销。
三、小米手机微博营销效果分析
1.微博营销评价指标体系设计
本文选取小米手机作为研究对象，主要原因：第一，小米手机拥有自己认证的官方微博“小米手机”，第二，“小米手机”通过微博开展活动和进行营销取得了较好效果，第三，“小米手机”具有大量的活跃粉丝和良好的运营习惯，能为定量研究提供真实充足的数据。
（1） 模型构建
基于本文的研究问题“小米手机的微博营销绩效”，证明此问题需要两个指标，第一是“小米手机的微博营销效果”，第二是“小米手机的营销绩效”。为了定量化研究的实现，需要找到合适的指标对这两个变量进行测定。小米手机拥有自己官方商城且很大一部分是靠网上商城进行销售，同时“小米手机”官方微博的运营和营销过程的主要目的是将大量的微博用户引入小米手机的官方网站。考虑到数据的易得性，小米手机官方网站的流量（Traffic）在很大程度上反映了“小米手机”官方微博的营销效果。
Chris Murdou总结了社会化媒体营销的评价指标框架；赵爱琴，朱景焕提出了评价企业微博营销效果的AESAR模型；唐兴通则高度总结了测量网络媒体的参数，包括网站访问量、知名度、评论态度等100多个指标；陈昱霏则通过对AESRA模式加以改进建立了“微博营销效果评价模型”。AESAR模式包含引起注意（Awareness）、促进用户参与（Engagement）、改善用户态度（Sentiment）、激发用户采取行动（Action）和保留客户（Retention）等五个阶段，在这个过程中包含回复量、短连接点击数、粉丝数量与质量等。此模式为企业量化分析微博营销提供了参考，但是考虑到数据的易得性，尤其是对于第三方的研究者来说，此模式中的变量多为企业内部机密所以很难获得。
因此，陈昱霏将企业微博的综合价值V划分成为粉丝综合价值F、微博活跃度A以及微博影响力E三个指标，通过关注率、PR值、互动率、评论数等17个变量加以量化，最后由企业微博的综合价值来证明企业微博的营销效果P。该模型充分利用了第三方监测平台和微博自身的信息，对企业微博营销效果的评价模型指标更加丰富思路更加清晰。通过参考AESAR模式和“微博营销效果评价模型”结合“小米手机”自身特点，并结合第三方监测平台（一找数据）对模型加以修改建立“小米手机微博营销效果评价模型”。
（2）评价指标体系
本文根据“小米手机”的特点以及遵循定量研究的条件，综合考虑模型的实用性和数据的易得性建立了小米手机微博营销效果的评价指标体系。
指标层：主要包含“小米手机”的综合影响力（E）、“小米手机”的活跃度（A）和“小米手机”的粉丝价值（F）三个指标，三者形成了“小米手机”的综合价值（V），并网站访问量关联，反映微博营销效果（P）。各指标的计算公式如下：
P=V=EX1+AX2+FX3（0 数据层：数据层是评价模型的数据来源，数据的获取主要通过微博指定第三方数据监测平台——“一找数据”和“小米手机”微博账号的自身信息，具有真实性和可靠性。本文选取了与指标层的三个不同指标相对应的17个变量，如表3.1所示：
2.实例测算及结果说明
（1） 实例测算
本文研究对象为“小米手机”微博账号，由于微博具有内容更新快的特点，同时由于“一找数据”个别变量以周为单位，本文以一周为一个周期来采集数据。结合小米手机的特点，避开特殊时段（比如小米在特定时间开展预售活动）进行数据采集。相继获取了五天的数据。因每个样本数据量依然较大，故随机抽取了2015年4月25日的数据。
本文采用指数法进行测算，首先要对原始数据进行归一化处理。原因是原始变量中包含的正指标和逆指标需要统一口径，其次原始数据的单位和数据表现形式不同，归一化处理才能加权求和。
①对于正逆指标本文采用的归一化处理方法为倒数法。
正指标X=1-1/X，逆指标Y=1-（1-1/Y）
②对于百分数的处理为换算为小数。
③研究中的指标权重根据陈昱霏提出的评价模型进行赋值。
（2）测算结果分析
首先，从整体测算结果上看数据层数据显示：E>A>F。从指标的相对性来讲，“小米手机”的综合影响力较高，但是粉丝价值相对较低，各指标具体分析如下。
微博影响力E代表着“小米手机”在微博平台中的地位。从指标构成来看，“小米手机”影响力的来源得益于众多的粉丝及与粉丝的互动。小米手机之所以能够有众多粉丝的关注是因为“小米手机”在微博营销的过程当中发起了众多的有奖转发、产品预订等活动，大大的激发了粉丝的兴趣。因此，“小米手机”要充分利用众多的粉丝资源提高自己的知名度和品牌影响力，活动太多可能造成粉丝的反感，活动太少会降低粉丝的活跃度。
微博活跃度A主要决定因素取决于“小米手机”的发博频率。从指标的相对性来看，其活跃度保持在中等水平，频率较为适中。从数据层的统计显示，“小米手机”每天的平均微博数保持在7-12条。结合相关学者的研究结果和企业的运营经验，“小米手机”的运营比较合理，既能保证每天信息更新的数量同时也不会造成粉丝的厌烦。
粉丝价值F主要由粉丝数和粉丝质量构成。从指标的相对性来看，微博的粉丝价值非常低。通过对数据层的观察来看，虽然“小米手机”粉丝数巨大，但是真粉率极低，大量的“僵尸粉”不仅影响真粉率还相对降低了微博的活跃度。“小米手机”要想提升企业的影响力和价值，就要提高企业微博的粉丝质量，在此基础上提高微博的活跃度和综合价值。
3. 神经网络预测及结果分析
在神经网络分析中隐藏层的层级数越高计算的结果更为有效，由于本文涉及的数据量小，数据结构简单，所以一个隐藏层已经足够。其中输入层的节点数等于输入变量的个数，本文中为17，输出层为微博的综合价值V。本文利用R语言的nnet包预测，结果如下：
由计算结果可知，预测值与实际值相对误差为3.452503e-05<0.05，说明预测值比较准确。同时证明通过R语言的神经网络工具箱进行预测说明小米手机营销效果评价模型的构建是合理的。
4.回归分析
（1）模型构建
以上的测算中，通过加权赋值测算了各个时间段“小米手机”的综合价值，对各变量加以分析说明了各个要素对“小米手机”综合价值的影响，并利用R语言的神经网络分析工具，对“小米手机”的综合价值进行了预测，预测结果表明小米手机微博营销效果模型的构建是合理的。为了进一步研究小米手机营销效果P的现实意义，需建立一元回归模型，来观察小米手机的微博营销为其官方网站带来了多少流量（Traffic）。模型的构建如下：
T=β0+β1X+ε
其中，T为小米手机官网流量（Traffic），β0为常数项，β1为参数，ε为误差项，X为小米手机的影响效果，在数值上用V（“小米手机”的综合价值）来表示，并提出T与X存在正相关的假设。
（2）回归分析及结果说明
小米手机官网流量的获取通过Alexa网站[1]的seo综合查询，根据获取微博数据的五个时间段，获取小米手机官网（www.mi.com）的网站访问量及日均IP。数据如下所示：
首先对数据进行一元线性回归分析，分析结果显示，参数β0和β1的p-value值分别为0.0328和0.666。参数β1没有通过T检验，说明“小米手机”微博营销效果（P）与小米手机网站流量（IP）之间不存在线性相关。
在以上分析的基础上，对“小米手机”的营销效果（P）和小米官网流量（IP）进行了相关性分析，分析显示两者间的相关性系数为0.265217，说明两者的相关性较低。在此基础上说明，“小米手机”微博营销的效果与小米手机网站的访问量之间不存在显著关系。因此，“小米手机”的微博营销的真实效果并不明显，虽然其在运营过程中获得了广泛的关注和用户参与，但是并没有将大量的微博用户引入其官方网站变为潜在客户。所以企业对其营销效果要有充分的认识，提高微博用户到潜在顾客的转化水平。
四、小米手机微博营销的优化建议
1.理性看待粉丝数量，着重提高粉丝质量
表面上看“僵尸粉”数量过多不会影响微博的评论、点赞和转发数量，不会对微博的运营产生不利影响。因此众多微博账号通过“买粉”来增加微博的粉丝数，以此来吸引他人关注，和证明自身的影响力。事实上“僵尸粉”过多在很大程度上影响了微博的活跃度和粉丝质量，一方面不利于微博运营者对微博效果的观测正确评估自身微博的运营效果，另一方面大量“买粉”的行为会降低用户对企业的评价，不利于企业的形象和品牌宣传。因此企业应合理看待微博的粉丝数量，规范的运营微博，着重培养忠实粉丝和活跃粉丝。
2. 客观看待微博营销的作用
通过以上分析发现，企业微博的营销效果对于整体营销业绩并不十分明显。企业应从自身实际出发，客观评价其自身微博营销的真实效果，不可盲目的模仿他人大力开展微博营销而忽视了其他的营销手段。企业应从整体着手制定企业的整体营销策略，根据自身微博营销的效果及前景合理安排微博营销的投入比重，同时利用微博营销弥补传统营销手段的不足，达到微博营销与企业传统营销手段的优化组合。
3.注重对微博数据的观测和分析
企业微博的营销效果是一个综合的概念，需要复杂的测算过程和大量的数据证明，因此微博运营的好坏不是通过表面观察可以断定的。应当科学运营微博，注重对微博数据的观测和分析，可以结合自身特点建立符合自身要求的企业微博营销效果评价方法。对数据的收集和分析能够了解自身微博运营的效果，同时能了解用户的需求和兴趣点，以此来发现微博运营的方向。对微博数据的观测和分析是一个系统的、复杂的过程，需要专业的人员进行数据的收集、评价模型的制定和测评，因此对微博的运营也需要具有一定专业知识和技能的人员。
注释：
[1]Alexa是我国具有权威性的中文排名及网站数据查询的网站，因此数据具有可靠性.
参考文献：
[1]赵爱琴，朱景焕.企业微博营销效果评估研究[J].江苏商论，2009（1）.
[2]王睿.企业微博营销影响因素与短期效果测量研究.北京：北京邮电大学，2012.
[3]葛军.A&F企业微博营销策略分析与改进研究[D].兰州：兰州大学，2014.
[4]Chris Murdough.Social Media Measurement： It’s Not Impossible[J].Journal of Interactive Advertising，2009（10）.
[5]唐兴通.社会化媒体营销大趋势：策略与方法[M].北京；清华大学出版社.2011.
[6]陈昱霏.基于BP神经网络的微博营销效果实证研究[D].成都：西华大学，2013.
[7]柳小桐.BP神经网络输入层数据归一化研究[J].机械工程与自动化，2010，6（160）.
[8]王娜.Web病毒式营销核心群体推荐策略与营销策略优化[D].沈阳：沈阳航空航天大学，2012.
关键词：微博营销；小米手机；神经网络
一、引言
随着互联网和信息技术的普及，基于互联网各种社会化媒体获得快速发展，微博客作为我国社会化网络媒体的代表。据统计截止到2014年12月，我国微博客用户数量超过了2.49亿，网民使用率接近39%，发展至今微博的市场占有率超过了70%。微博发展至今微博已经不仅仅是个人展示个性、信息交流的社交网络平台，更是众多企业和组织进行形象宣传、产品营销和与客户互动的网络营销平台。但随着时间的积累，人们对千篇一律的营销手段开始厌烦，企业微博的影响效果开始下降，因此需要从用户需求出发，思考如何进行微博营销，如何量化微博营销的效果。本文旨在通过建立企业微博营销效果量化研究的模型，并且通过对具有代表性的微博（“小米手机”）进行实证研究，来检验模型的可靠性，并在研究过程中分析微博营销的关键因素，借鉴成功经验和方法，针对微博营销过程中的不足提出相应的解决措施。
二、研究现状
我国的微博基本参照Twitter的形式，新浪、网易、腾讯占据了我国大部分的微博的市场份额，尤其是新浪微博（以下简称“微博”）在我国的微博市场占有率达到70%以上。赵爱琴，朱景焕根据用户与企业微博的互动过程建立了AESAR模式即企业微博营销效果评价模式并总结了企业微博营销效果评价的三种主要方式，分别是传统监测、第三方监测和对用户的调查，最后提出了企业微博运营和效果评估中要注意的问题。王睿根据AISAS模型归纳了影响企业微博营销的要素，并收集了是个企业的微博数据进行了回归分析，最后得出了在粉丝质量都为真的情况下，短期内企业的微博营销活动和企业的整体营销存在正相关的关系。葛军首先阐述了微博的定义和历史发展过程，然后分析了微博的传播特点和营销特点，并结合具体案例分析了A企业的微博营销策略和同行业企业普遍应用的微博营销的手段和方法。
通过以上研究发现，我国对于企业微博营销效果的研究开始较晚，并且以定性研究居多。而关于企业微博营销效果的研究没有形成一个具体的模式，尤其是在定量研究中还没有规范的指标体系和模型。所以，本文希望通过构建微博营销效果的评价模型并借助第三方数据监测平台对企业微博的营销效果进行定量研究，促进企业更好的进行微博营销。
三、小米手机微博营销效果分析
1.微博营销评价指标体系设计
本文选取小米手机作为研究对象，主要原因：第一，小米手机拥有自己认证的官方微博“小米手机”，第二，“小米手机”通过微博开展活动和进行营销取得了较好效果，第三，“小米手机”具有大量的活跃粉丝和良好的运营习惯，能为定量研究提供真实充足的数据。
（1） 模型构建
基于本文的研究问题“小米手机的微博营销绩效”，证明此问题需要两个指标，第一是“小米手机的微博营销效果”，第二是“小米手机的营销绩效”。为了定量化研究的实现，需要找到合适的指标对这两个变量进行测定。小米手机拥有自己官方商城且很大一部分是靠网上商城进行销售，同时“小米手机”官方微博的运营和营销过程的主要目的是将大量的微博用户引入小米手机的官方网站。考虑到数据的易得性，小米手机官方网站的流量（Traffic）在很大程度上反映了“小米手机”官方微博的营销效果。
Chris Murdou总结了社会化媒体营销的评价指标框架；赵爱琴，朱景焕提出了评价企业微博营销效果的AESAR模型；唐兴通则高度总结了测量网络媒体的参数，包括网站访问量、知名度、评论态度等100多个指标；陈昱霏则通过对AESRA模式加以改进建立了“微博营销效果评价模型”。AESAR模式包含引起注意（Awareness）、促进用户参与（Engagement）、改善用户态度（Sentiment）、激发用户采取行动（Action）和保留客户（Retention）等五个阶段，在这个过程中包含回复量、短连接点击数、粉丝数量与质量等。此模式为企业量化分析微博营销提供了参考，但是考虑到数据的易得性，尤其是对于第三方的研究者来说，此模式中的变量多为企业内部机密所以很难获得。
因此，陈昱霏将企业微博的综合价值V划分成为粉丝综合价值F、微博活跃度A以及微博影响力E三个指标，通过关注率、PR值、互动率、评论数等17个变量加以量化，最后由企业微博的综合价值来证明企业微博的营销效果P。该模型充分利用了第三方监测平台和微博自身的信息，对企业微博营销效果的评价模型指标更加丰富思路更加清晰。通过参考AESAR模式和“微博营销效果评价模型”结合“小米手机”自身特点，并结合第三方监测平台（一找数据）对模型加以修改建立“小米手机微博营销效果评价模型”。
（2）评价指标体系
本文根据“小米手机”的特点以及遵循定量研究的条件，综合考虑模型的实用性和数据的易得性建立了小米手机微博营销效果的评价指标体系。
指标层：主要包含“小米手机”的综合影响力（E）、“小米手机”的活跃度（A）和“小米手机”的粉丝价值（F）三个指标，三者形成了“小米手机”的综合价值（V），并网站访问量关联，反映微博营销效果（P）。各指标的计算公式如下：
P=V=EX1+AX2+FX3（0
（1） 实例测算
本文研究对象为“小米手机”微博账号，由于微博具有内容更新快的特点，同时由于“一找数据”个别变量以周为单位，本文以一周为一个周期来采集数据。结合小米手机的特点，避开特殊时段（比如小米在特定时间开展预售活动）进行数据采集。相继获取了五天的数据。因每个样本数据量依然较大，故随机抽取了2015年4月25日的数据。
本文采用指数法进行测算，首先要对原始数据进行归一化处理。原因是原始变量中包含的正指标和逆指标需要统一口径，其次原始数据的单位和数据表现形式不同，归一化处理才能加权求和。
①对于正逆指标本文采用的归一化处理方法为倒数法。
正指标X=1-1/X，逆指标Y=1-（1-1/Y）
②对于百分数的处理为换算为小数。
③研究中的指标权重根据陈昱霏提出的评价模型进行赋值。
（2）测算结果分析
首先，从整体测算结果上看数据层数据显示：E>A>F。从指标的相对性来讲，“小米手机”的综合影响力较高，但是粉丝价值相对较低，各指标具体分析如下。
微博影响力E代表着“小米手机”在微博平台中的地位。从指标构成来看，“小米手机”影响力的来源得益于众多的粉丝及与粉丝的互动。小米手机之所以能够有众多粉丝的关注是因为“小米手机”在微博营销的过程当中发起了众多的有奖转发、产品预订等活动，大大的激发了粉丝的兴趣。因此，“小米手机”要充分利用众多的粉丝资源提高自己的知名度和品牌影响力，活动太多可能造成粉丝的反感，活动太少会降低粉丝的活跃度。
微博活跃度A主要决定因素取决于“小米手机”的发博频率。从指标的相对性来看，其活跃度保持在中等水平，频率较为适中。从数据层的统计显示，“小米手机”每天的平均微博数保持在7-12条。结合相关学者的研究结果和企业的运营经验，“小米手机”的运营比较合理，既能保证每天信息更新的数量同时也不会造成粉丝的厌烦。
粉丝价值F主要由粉丝数和粉丝质量构成。从指标的相对性来看，微博的粉丝价值非常低。通过对数据层的观察来看，虽然“小米手机”粉丝数巨大，但是真粉率极低，大量的“僵尸粉”不仅影响真粉率还相对降低了微博的活跃度。“小米手机”要想提升企业的影响力和价值，就要提高企业微博的粉丝质量，在此基础上提高微博的活跃度和综合价值。
3. 神经网络预测及结果分析
在神经网络分析中隐藏层的层级数越高计算的结果更为有效，由于本文涉及的数据量小，数据结构简单，所以一个隐藏层已经足够。其中输入层的节点数等于输入变量的个数，本文中为17，输出层为微博的综合价值V。本文利用R语言的nnet包预测，结果如下：
由计算结果可知，预测值与实际值相对误差为3.452503e-05<0.05，说明预测值比较准确。同时证明通过R语言的神经网络工具箱进行预测说明小米手机营销效果评价模型的构建是合理的。
4.回归分析
（1）模型构建
以上的测算中，通过加权赋值测算了各个时间段“小米手机”的综合价值，对各变量加以分析说明了各个要素对“小米手机”综合价值的影响，并利用R语言的神经网络分析工具，对“小米手机”的综合价值进行了预测，预测结果表明小米手机微博营销效果模型的构建是合理的。为了进一步研究小米手机营销效果P的现实意义，需建立一元回归模型，来观察小米手机的微博营销为其官方网站带来了多少流量（Traffic）。模型的构建如下：
T=β0+β1X+ε
其中，T为小米手机官网流量（Traffic），β0为常数项，β1为参数，ε为误差项，X为小米手机的影响效果，在数值上用V（“小米手机”的综合价值）来表示，并提出T与X存在正相关的假设。
（2）回归分析及结果说明
小米手机官网流量的获取通过Alexa网站[1]的seo综合查询，根据获取微博数据的五个时间段，获取小米手机官网（www.mi.com）的网站访问量及日均IP。数据如下所示：
首先对数据进行一元线性回归分析，分析结果显示，参数β0和β1的p-value值分别为0.0328和0.666。参数β1没有通过T检验，说明“小米手机”微博营销效果（P）与小米手机网站流量（IP）之间不存在线性相关。
在以上分析的基础上，对“小米手机”的营销效果（P）和小米官网流量（IP）进行了相关性分析，分析显示两者间的相关性系数为0.265217，说明两者的相关性较低。在此基础上说明，“小米手机”微博营销的效果与小米手机网站的访问量之间不存在显著关系。因此，“小米手机”的微博营销的真实效果并不明显，虽然其在运营过程中获得了广泛的关注和用户参与，但是并没有将大量的微博用户引入其官方网站变为潜在客户。所以企业对其营销效果要有充分的认识，提高微博用户到潜在顾客的转化水平。
四、小米手机微博营销的优化建议
1.理性看待粉丝数量，着重提高粉丝质量
表面上看“僵尸粉”数量过多不会影响微博的评论、点赞和转发数量，不会对微博的运营产生不利影响。因此众多微博账号通过“买粉”来增加微博的粉丝数，以此来吸引他人关注，和证明自身的影响力。事实上“僵尸粉”过多在很大程度上影响了微博的活跃度和粉丝质量，一方面不利于微博运营者对微博效果的观测正确评估自身微博的运营效果，另一方面大量“买粉”的行为会降低用户对企业的评价，不利于企业的形象和品牌宣传。因此企业应合理看待微博的粉丝数量，规范的运营微博，着重培养忠实粉丝和活跃粉丝。
2. 客观看待微博营销的作用
通过以上分析发现，企业微博的营销效果对于整体营销业绩并不十分明显。企业应从自身实际出发，客观评价其自身微博营销的真实效果，不可盲目的模仿他人大力开展微博营销而忽视了其他的营销手段。企业应从整体着手制定企业的整体营销策略，根据自身微博营销的效果及前景合理安排微博营销的投入比重，同时利用微博营销弥补传统营销手段的不足，达到微博营销与企业传统营销手段的优化组合。
3.注重对微博数据的观测和分析
企业微博的营销效果是一个综合的概念，需要复杂的测算过程和大量的数据证明，因此微博运营的好坏不是通过表面观察可以断定的。应当科学运营微博，注重对微博数据的观测和分析，可以结合自身特点建立符合自身要求的企业微博营销效果评价方法。对数据的收集和分析能够了解自身微博运营的效果，同时能了解用户的需求和兴趣点，以此来发现微博运营的方向。对微博数据的观测和分析是一个系统的、复杂的过程，需要专业的人员进行数据的收集、评价模型的制定和测评，因此对微博的运营也需要具有一定专业知识和技能的人员。
注释：
[1]Alexa是我国具有权威性的中文排名及网站数据查询的网站，因此数据具有可靠性.
参考文献：
[1]赵爱琴，朱景焕.企业微博营销效果评估研究[J].江苏商论，2009（1）.
[2]王睿.企业微博营销影响因素与短期效果测量研究.北京：北京邮电大学，2012.
[3]葛军.A&F企业微博营销策略分析与改进研究[D].兰州：兰州大学，2014.
[4]Chris Murdough.Social Media Measurement： It’s Not Impossible[J].Journal of Interactive Advertising，2009（10）.
[5]唐兴通.社会化媒体营销大趋势：策略与方法[M].北京；清华大学出版社.2011.
[6]陈昱霏.基于BP神经网络的微博营销效果实证研究[D].成都：西华大学，2013.
[7]柳小桐.BP神经网络输入层数据归一化研究[J].机械工程与自动化，2010，6（160）.
[8]王娜.Web病毒式营销核心群体推荐策略与营销策略优化[D].沈阳：沈阳航空航天大学，2012.