多平台舆情监控分析

**全网多平台舆情分析与可视化报告生成工具** --- ## 一、Skill 简介 Sentiment Analyzer 是一款 AI 驱动的舆情分析 Skill，能够根据用户输入的关键词，自动在全网多平台进行信息采集，完成情感分析、趋势研判、风险评估等多维度分析，并生成带有交互式图表的可视化 HTML 报告。 适用于品牌公关、市场营销、娱乐宣发、产品运营、危机预警等多种场景。 --- ## 二、核心能力 | 能力 | 说明 | |------|------| | **多平台采集** | 覆盖腾讯新闻、微博、抖音、小红书、知乎、百度资讯等主流平台 | | **情感分析** | 自动将信息分类为正面 / 中性 / 负面，计算综合情感得分 | | **趋势追踪** | 按时间线呈现舆情走势变化 | | **关键词提取** | 提取 Top 15-20 高频关键词及权重 | | **热点话题排行** | 按热度排序展示当前最受关注的讨论话题 | | **KOL 观点追踪** | 识别关键意见领袖及其立场和影响力 | | **风险评估** | 自动判定风险等级（低/中/高），给出风险因素和应对建议 | | **可视化报告** | 生成交互式 HTML 报告，包含 6 类 ECharts 图表 | --- ## 三、目录结构 ``` sentiment-analyzer/ ├── SKILL.md # 核心指令文件（AI 执行流程） ├── scripts/ │ └── generate_report.py # 报告生成脚本 └── assets/ └── report_template.html # 交互式 HTML 报告模板 ``` | 文件 | 作用 | |------|------| | `SKILL.md` | 定义 AI 的完整工作流程：搜索策略、分析维度、数据结构、报告生成步骤 | | `generate_report.py` | 将结构化 JSON 数据注入 HTML 模板，生成最终报告 | | `report_template.html` | 基于 ECharts 的响应式报告模板，包含所有可视化组件 | --- ## 四、工作流程 ``` 用户输入关键词 │ ▼ ┌─────────────────┐ │ Step 1: 解析意图 │ 识别关键词类型（品牌/明星/影视/产品/事件） └───────┬─────────┘ ▼ ┌─────────────────┐ │ Step 2: 多平台搜索 │ 并行发起 6-8 组搜索覆盖各大平台 └───────┬─────────┘ ▼ ┌─────────────────┐ │ Step 3: 深度采集 │ 对 5-10 个核心 URL 抓取详细内容 └───────┬─────────┘ ▼ ┌─────────────────┐ │ Step 4: 结构化分析 │ 情感分类、平台统计、趋势分析、风险评估等 10 个维度 └───────┬─────────┘ ▼ ┌─────────────────┐ │ Step 5: 生成报告 │ 调用脚本生成交互式 HTML（或 Markdown）报告 └───────┬─────────┘ ▼ ┌─────────────────┐ │ Step 6: 交付结果 │ 输出报告文件 + 关键发现摘要 └─────────────────┘ ``` --- ## 五、分析维度详解 ### 1. 情感分布 将采集到的信息按正面、中性、负面三类统计，计算综合情感得分（0.0 ~ 1.0）。 - **正面**：好评、推荐、正面成就、上升趋势 - **中性**：事实报道、客观描述、信息性内容 - **负面**：批评、投诉、争议、负面事件、下滑指标 ### 2. 平台分布 统计每个平台的信息量及各情感类型占比，了解舆论主战场。 ### 3. 时间趋势 按日期维度展示舆情变化曲线，识别舆论爆发点和衰退期。 ### 4. 关键词热度 提取 Top 15-20 高频词汇及其相对权重，快速把握舆论焦点。 ### 5. 热门话题 按热度排序展示最受关注的讨论话题，标注来源和情感倾向。 ### 6. 代表性文章 按正面/负面/中性分类展示典型文章，包含标题、来源、链接和摘要。 ### 7. KOL 意见领袖 识别在相关话题上具有影响力的媒体/大V，展示其立场和观点。 ### 8. 风险评估 自动判定舆情风险等级，列出风险因素并给出可操作的应对建议。 | 风险等级 | 判定标准 | |---------|---------| | 🟢 低风险 | 正面/中性为主，无明显争议 | | 🟡 中风险 | 存在显著负面声音或争议话题 | | 🔴 高风险 | 出现危机级负面事件，需紧急关注 | --- ## 六、报告可视化组件 生成的 HTML 报告包含以下交互式组件： | 组件 | 图表类型 | 说明 | |------|---------|------| | 核心指标卡片 | 数字卡片 × 6 | 信息总量、正面/中性/负面数量、情感得分、舆情热度 | | 风险等级横幅 | 状态条 | 颜色编码的风险等级提示 | | 舆情概览 | 文本 | 2-3 段综合分析概述 | | 情感分布 | 环形饼图 | 正面/中性/负面占比 | | 平台分布 | 堆叠柱状图 | 各平台信息量及情感构成 | | 舆情趋势 | 多线折线图 | 按日期展示总量及各情感变化 | | 关键词热度 | 水平条形图 | Top 15 高频关键词及权重 | | 热门话题 | 数据表格 | 话题、来源、热度、情感标签 | | 代表性文章 | Tab 切换表格 | 按正面/负面/中性分类浏览 | | KOL 卡片 | 卡片网格 | 影响力进度条、立场标签、观点摘要 | | 风险分析 | 列表 | 风险因素 + 应对建议 | 所有图表基于 **ECharts 5**，支持鼠标悬停交互、响应式布局（适配移动端）。 --- ## 七、适用场景 ### 按关键词类型 | 类型 | 示例 | 重点分析方向 | |------|------|------------| | 企业 / 品牌 | 小鹏汽车、华为、瑞幸咖啡 | 产品口碑、股价舆情、公关事件、竞品对比 | | 明星 / 公众人物 | 演员、歌手、企业家 | 粉丝反应、争议事件、代言评价、作品口碑 | | 影视 / 综艺 | 电视剧、电影、综艺节目 | 收视/票房、观众评价、剧情讨论、演员表现 | | 产品 | iPhone、化妆品、游戏 | 用户评测、开箱体验、价格对比、质量投诉 | | 事件 / 话题 | 政策、社会事件 | 公众反应、专家观点、媒体报道、舆论走向 | | 行业 | 新能源、AI、教育 | 行业趋势、政策影响、市场情绪、关键玩家 | ### 按使用场景 - **品牌公关** — 日常舆情监控，及时发现负面信息 - **营销活动** — 评估营销效果，了解用户真实反馈 - **竞品分析** — 对比竞品的网络口碑和用户评价 - **危机预警** — 快速掌握突发事件的舆论走向和风险等级 - **投资研究** — 了解标的公司的公众形象和市场情绪 - **娱乐宣发** — 追踪影视剧/综艺的观众反馈和传播效果 --- ## 八、使用方式 ### 安装 将 `sentiment-analyzer-v1.1.0.zip` 解压后放入 Box 的 Skill 目录，或通过以下命令加载： ``` use_skill("sentiment-analyzer") ``` ### 触发方式 直接用自然语言向 AI 描述需求即可，以下均可触发： ``` 帮我分析一下"小鹏汽车"的舆情 查一下华为最近的网络口碑 分析《庆余年2》的观众评价 监控一下瑞幸咖啡的舆论情况 最近关于AI的舆情趋势怎么样 帮我看看某明星的网络风评 ``` ### 输出格式 - **默认**：交互式 HTML 报告（推荐，图表丰富） - **可选**：Markdown 报告（纯文本 + 表格，适合嵌入文档） - **可选**：其他格式可按需指定 如需指定格式，在请求中说明即可： ``` 帮我分析小鹏汽车的舆情，生成 Markdown 格式报告 ``` --- ## 九、数据质量标准 | 指标 | 标准 | |------|------| | 信息来源数 | ≥ 30 条独立来源 | | 平台覆盖 | ≥ 4-5 个不同平台 | | 正负面均衡 | 主动搜索正面和负面信息，避免偏见 | | 时效性 | 优先采集近 7-30 天内容（除非用户指定时间范围） | | 可溯源 | 所有信息附带来源 URL | | 客观性 | 以数据驱动结论，不预设立场 | ---