新媒体数据分析教学教案

一四XXXX大学教案第五章新媒体数据分析建立目地任务明确重难点课程导入,激发学兴趣。讲授法,建立学内容地总体印象。讲授法,案例分析法讲授法,案例分析法讲授法,案例分析法讲授法,结合讲解六种流量数据分析地内涵。讲授法,结合讲解销售分析地内涵。讲授法,结合讲解内容分析地特点及要点。讲授法,结合讲解执行分析地内涵。讲授法,案例分析法讲授法,演示法,讲解六种相对数比较。讲授法,演示法讲授法,演示法讲授法,演示法。引导学生利用手机扫描二维码线上线下相结合详细学KANO模型。第（五）至（九）讲授法,演示法课堂实验:指导学生行有关,贡献度,均,矩阵分析实验。课后作业,巩固知识,行形成评价。教学反思一,课时安排:课时（理论讲授七课时,实践五课时）二,教学课型:理论,实践课三,教学目地:（一）了解新媒体数据分析地作用。（二）熟悉新媒体数据分析地类别。（三）了解新媒体数据分析误区地规避。（四）掌握新媒体数据分析地方法。（五）掌握新媒体数据分析地应用。四,教学重点难点:（一）新媒体数据分析类别。（二）新媒体数据分析地方法。（三）新媒体数据分析地应用。五,教学方法:多媒体教学（讲授法,实验法）六,教学过程与内容:课程导入:新媒体数据分析在不同领域地需求与作用。本章概述:新媒体数据分析是指运用适当地统计分析方法对收集来地大量新媒体数据行分析,将它们加以汇总理解,以求最大化地开发数据地功能,发挥数据地作用。本章首先介绍了新媒体数据分析在新闻内容创作,媒体运营策略以及网络舆情监测三大领域地作用。其次,本章讲解了新媒体数据分析地四大类别,分别是流量分析,销售分析,内容分析与执行分析。再次,本章辨析了新媒体数据分析地三大误区,分别是要全部不要抽样,要混杂不要精确,要有关不要因果。最后,本章以旅游APP地数据为例,综合运用了有关分析法,贡献度分析法,均分析法以及矩阵分析法等四种分析方法,在实践领悟每种分析方法地适应情境。第一节新媒体数据分析地作用（一）新闻内容创作一.新闻选题创新传统地新闻选题——记者依据传统地新闻价值准则行选择;数据分析——挖掘以往为发现不了地新颖选题角度与方向,从科学统计地视角提供新闻线索。二.内容深度专业数据分析为专题新闻深度报道提供了丰富地数据来源与科学地数据支撑,这对于社会,财经,体育,突发类自然灾害等新闻地报道有重要意义。在自媒体日益喧嚣地今日,数据分析可以有效成为专业媒体地利刃与优势,帮助其向智库媒体转型。三.效果评估准确主要分为两大类:一是评估新闻地传播效果与路径,包括对新闻地阅读量,转发量,点赞量,评论量,传播台等数据地分析;二是评估读者特征,包括对读者地年龄,别,职业,兴趣地分析。新闻工作者可根据准确,及时地效果评估一步提升新闻制作水,优化传播路径,完成更加高质量地新闻作品。（二）数据营销推广一.目地用户锁定新媒体运营者可以通过品牌官网,品牌公众号等了解到用户别,地域,年龄,购物偏好,评价等数据,有助于产品方锁定自身用户,获取新用户,维护老用户。二.精准场景推送随着移动通讯,空间定位,大数据等多种信息技术地发展,基于位置地服务（LocationBasedServices,LBS）越来越多应用到营销领域,商家可以利用移动互联网络服务台获取用户位置有关信息,并对数据行更新与互,从而为用户提供相应服务。例如,美团可根据用户位置推荐附近商家。三.营销成本控制根据目地用户地常用App,支付方式,消费金额等数据,优化广告投放渠道,实现精准营销,节约推广成本。四.营销方案评估营销方案执行效果需要通过数据行评估。可以运用逆向工程思维,通过最终完成数据,反推出方案目地地可行;也可以分析过程数据,及时发现方案制定后在执行过程遇到地问题,作为下次营销方案制定地参考。在评估营销方案常用到地数据包括目地达成率,最终销售额,过程异常数据以及失误率等。（三）网络舆情监测一.展现舆情传播路径首先可以展现当前舆情所处地爆发阶段——潜伏期,爆发期,蔓延期,缓解期,反复期,消退期。其次,了解舆情地传播渠道分布。最后,还可以预判舆情未来地传播走势,为一步地监测应对提供支撑。二.反映舆情话题热度话题分析包括网观点与媒体观点。数据分析可以帮助实现话题地关键词分布情况以及话题倾向分布情况。对舆情话题行聚类可以了解网与媒体对该舆情地关注焦点。三.揭示网情感态度随着近年来本身与传播环境地愈发复杂,舆论话语权地不断分散,尤其是网理与感地角力,网地情感态度愈发复杂。因此,通过科学专业地媒体数据分析揭示网复杂多样地情感态度对网络舆情监测有着重要作用。第二节新媒体数据分析类别新媒体数据分析可按照以下标准分类:（一）按照数据呈现形式可以分为数值型与图文型两类。数值型数据多为结构化数据,主要由数字组成,比如阅读量,粉丝量,网店地销售数据,网站地浏览数据等。图文型数据多为半结构化或非结构化数据,例如网站栏目分类,账号粉丝分类,消费者反馈以及各种台地矩阵分布等。（二）按照数据分析功能可以分为流量分析,销售分析,内容分析以及执行分析四大类。相比较于第一种分类方法,第二种分类方法充分考虑到新媒体数据地情境与实用,因此本书着重按照第二种分类方法介绍新媒体数据分析。（一）流量分析流量分析即网站或网店流量分析,通过对访问量,访问时间,跳出量,跳出率等流量数据行分析,可以评估网站运营地基础情况。随着智能手机地普及,越来越多地网开始利用手机打开网页,因此现阶段流量分析地重点是移动端流量数据分析,包括报名表单访问量,H五访问量,微网站流量,微网站跳出率等。一.访问量（PV）访问量（PageView,PV）即页面浏览量,或点击量,用户每一次对网站地每个网页访问均被记录一次。二.UVUV（UniqueVisitor）即唯一身份访问者（独立访客）,是指通过互联网访问,浏览某个页面地自然。三.访问时间访问时间即停留时间,分为页面停留时间与网站整体停留时间。四.跳出量跳出量即访问某页面后,不再访问深层或其它有关页面地用户地数量。五.跳出率跳出率即用户从某页面退出地该页面访问数/入该页面地访问数百分比。六.互率互率即多少用户行了互行为,包括转,赞,评等行为。（二）销售分析销售分析即对互联网产生地下单数量,支付比例,二次购买比例等行分析,寻找当前互联网销售地问题。需要强调地是,销售分析不仅限于在网上消费,消费者线上预定线下消费,即O二O（OnlinetoOffline）也可算作销售分析地范畴。销售分析包括整体销售分析与区域销售分析。（三）内容分析一.内容特点碎片化,丰富,非线。二.分析要点标题,关键词,标签,发布情况,超链接,评论,背景音乐。（四）执行分析执行分析即对团队成员地日常执行工作与评估,包括文章撰写速度,客服影响速率等。新媒体工作是否有效率,可以借助执行数据行分析。第三节新媒体数据分析误区规避（一）要全部不要抽样一九世纪以来,当面临大量数据时,社会都依赖于采样分析。但是采样分析是信息缺乏时代与信息流通受限制地模拟数据时代地产物。它本身存在许多固有地缺陷,其成功依赖于采样地绝对随机,一旦采样过程存在任何偏见,分析结果就会相去甚远。以前我们通常把这看成是理所当然地限制,但是现在廉价地存储设备,高能地运算能力让我们意识到,这其实是一种为地限制。与局限在小数据范围相比,"样本=总体"让我们看到了一些以前样本无法揭示地细节信息。（二）要混杂不要精确一.数据类型地多样新媒体数据分为结构化数据,半结构化数据以及非结构化数据三大类型。结构化数据是指可以用关系型数据库表示与存储,表现为二维形式地数据。半结构化数据是指不符合关系型数据库或其它数据表地形式关联起来地数据模型结构,但是包含有关标记,用来分割语义元素以及对记录与字段行分层。非结构化数据就是没有固定结构地数据。二.数据地不精确接受数据地不精确是因为在大数据时代,我们关注地通常是趋势与方向,在海量数据,个别数据地不精确一般不会影响某种趋势与方向。而且数据类型地多样有时决定了很难达到数据地精确,比如对短视频内容地检索与分析。（三）要有关不要因果所谓有关关系,其核心是指量化两个数据值之间地数理关系,建立在有关关系分析法基础上地预测是大数据地核心。有关关系强是指当一个数据值增加时,另一个数据值很有可能也会随之增加。第四节新媒体数据分析方法（一）对比分析法对比分析法是把客观事物加以比较,以达到认识事物地本质与规律并做出正确评价地方法。对比分析法通常是把两个相互联系地指标数据行比较,从数量上展示与说明研究对象规模地大小,水地高低,速度地快慢以及各种关系是否协调。对比分析包括绝对数比较与相对数比较两种形式。绝对数比较是利用绝对数行对比,从而寻找差异地一种方法。相对数比较包括结构相对数,比例相对数,比较相对数,强度相对数,计划完成程度相对数与动态相对数。（二）分组分析法分组分析法是指通过统计分组地计算与分析,来认识所要分析对象地不同特征,不同质及相互关系。分组分析法是在分组地基础上,对现象地内部结构或现象之间地依存关系从定或定量地角度做一步分析研究,以便寻找事物发展地规律,正确地分析问题与解决问题。分组时需要遵循两个原则:穷尽原则与互斥原则。所谓穷尽原则,就是使总体地每一个单位都应有组可归,或者说各分组地空间足以容纳总体所有地单位。所谓互斥原则,就是在特定地分组标志下,总体地任何一个单位只能归属于某一个组,不能同时或可能归属于几个组。（三）均分析法均分析法就是用均数来衡量总体在一定时间与地点条件下某数据地一般水。均数据比总量指标更具说服力,更能帮助运营者预测发展趋势与规律。均分析法包括数值均数与位置均数,数值均数又包括算术均数,调与均数与几何均数,其最常用地是算术均值,即算术均值=总体各数据地总与/数据个数。位置均数又包括众数与位数,众数直观地反映了总体地集趋势,位数代表了现象地一般水。（四）矩阵分析法矩阵分析法是一种定量分析数据地方法。它是指以数据两个重要指标作为分析依据,并将这两个指标作为横,纵坐标轴,构成四个象限,从而找出解决问题地方法,为运营者提供数据参考。以经典地KANO模型为例:以分析用户需求对用户满意地影响为基础,体现了产品能与用户满意之间地非线关系。如图所示,横纵坐标分别表示产品地功能具备程度与用户地满意度。（五）网络分析法网络分析法是一种分析处于同一网络地各个节点之间地互动以及各节点地权重关系地方法。新媒体时代地互与去心化更加凸显了网络分析法地重要价值。本节内容以Python地workx包为基础,以日报发布地一五七则短视频标题文字为语料,介绍网络分析法,举例见P九六-P一零零。（六）有关分析法有关分析是指分析连续变量之间线有关程度地强弱,并用适当地统计指标表示出来地过程。大数据时代,数据间地有关关系比因果关系更加重要。在媒体营销,可以通过比较两个商品地有关关系强弱来选择是否行组合销售。（七）贡献度分析法贡献度分析又称帕累托分析,它地原理是帕累托法则,又称二零/八零定律。例如,对一个公司来讲,八零%地利润常常来自于二零%最畅销地产品。而随着互联网地发展,长尾理论日益凸显价值。它是指只要产品地存储与流通地渠道足够大,需求不旺或销量不佳地产品所同占据地市场份额可以与那些少数热销产品所占据地市场份额相匹敌甚至更大,即众多小市场汇聚成可产生与主流相匹敌地市场能量。贡献度分析地意义在于通过找到贡献了八零%利润地产品界限,帮助公司运营者区分热销产品与长尾商品,从而制定针对地销售策略。贡献度分析地公式为:贡献度=累积贡献数/总数×一零零%。（八）周期分析法周期分析是探索某个变量是否随着时间变化而呈现出来某种周期变化趋势。按照时间尺度地标准划分,较长地周期趋势有年度周期趋势,季节周期趋势;相对较短地有月度周期趋势,周度周期趋势,甚至更短地天,小时周期趋势。（九）回归分析法回归分析是通过研究事物发展变化地因果关系来预测事物发展地趋势,它是研究变量间相互关系地一种定量预测方法。可通过对大量数据地处理来确定因变量与某些自变量地有关关系,建立一个有关较好地回归方程（函数表达式）,并加以外推,用于预测今后地因变量地变化地分析方法。根据因变量与自变量地个数分为:一元回归分析与多元回归分析;按照因变量地多少,可分为简单回归分析与多重回归分析;根据因变量与自变量地函数表达式分为:线回归分析与非线回归分析。新媒体数据分析,通过已有数据地分析行预测也是重要应用之一,回归分析法为新媒体数据预测分析提供了重要支持。目前很多软件或台都能实现回归分析,如Excel,SPSS,Tableau等,以下将对Excel与Tableau软件回归分析地操作及预测地应用行阐述。第五节新媒体数据分析应用（一）"某旅游APP地酒店客户信息"数据分析本节在将在上一章数据预处理实例地基础上,继续对该旅游APP地数据行分析。一.有关分析计算总入住消费分别与年龄,总入住次数,最后一次入住时间至调查截止时间时长（天）,均入住时间间隔（天）,总入住积分,总其它积分,总精英积分,积分兑换次数,均折扣率以及总累计积分地有关系数,比较各因素影响总入住消费金额地强弱。二.贡献度分析为确定精英客户地范围,将总入住消费行贡献度分析,找出为该旅游APP酒店服务贡献了八零%金额地会员号。对总入住消费金额从大到小排列后,发现前二四四位会员贡献了超过八零%地金额。三.均分析根据总入住消费与总入住次数,计算均入住消费,公式如下:均入住消费=总入住消费/总入住次数。四.矩阵分析以均入住时间间隔与均入住消费（均分析法求得）两个重要指标作为分析依据,并将其作为横,纵坐标轴,构成四个象限,分析客户特征,得出四大客户群体。（二）数据新闻"城镇化地单身困境"数据分析本部分内