Baidu Netdisk · NSR Social Listening

百度网盘社媒口碑与负向反馈分析

围绕百度网盘社媒讨论，结合 NSR、声量、互动量与热点事件进行口碑诊断，并将负向原声拆解为可归因、可跟进的问题分类。

Overview项目概览

业务问题

理解百度网盘网络口碑变化，判断热点事件如何影响声量与情绪，并识别负向讨论背后的具体体验问题。

结合 NSR、声量与互动量，识别需要进一步解释的变化阶段。

比较明星/IP、节日、线下活动及产品内容对应的传播表现。

筛选产品相关负向原声，归纳高频问题类型与后续跟进方向。

趋势分析与事件对照

定位趋势变化

将 NSR、声量与互动量放在同一时间线中，识别口碑、讨论规模和用户参与是否同步变化。

对照同期事件

把明显波动与明星/IP 联动、节日活动、线下活动、新闻稿及产品内容等同期事件进行对照。

判断传播作用

比较不同事件带来的讨论集中度与扩散平台，区分声量爆点和持续曝光内容。

负向原声标签

筛选有效原声

筛选明确指向产品体验的不满与质疑，剔除无效转发、语义不明和无关讨论。

建立问题标签

按产品体验、会员权益、价格感知、功能稳定性、客服与售后等方向归类。

识别高频问题

比较不同标签下的反馈数量与表达强度，区分个别抱怨和稳定的负向声量。

正向声量

正向声量主要由外部传播事件拉动。项目周期内，正向声量高点更多与明星/IP 联动、节日活动和线下活动等传播节点相关；相比单纯产品功能更新，这类事件更容易形成集中讨论。

平台机制

平台声量受事件类型影响。微博仍是主要声量来源，但不同事件会在不同平台被放大：话题活动更易在微博扩散，品牌信息进入微信传播链路，视觉化内容则更适合短视频平台。

分散补充

产品与营销事件的传播作用相对分散。产品新闻和营销活动也会带来讨论，但传播集中度与爆发力较弱，更适合作为持续内容补充，而非单次声量爆点。