一、微信指数数据源的特殊性
▶ 与传统搜索指数的本质差异
维度 百度指数 微信指数
行为动机 信息获取导向 社交互动导向
传播路径 树状扩散（中心化） 网状裂变（去中心化）
数据构成 纯搜索行为 搜索+公众号+小程序+视频号
情绪密度 低（关键词驱动） 高（情感共鸣驱动）
▶ 关键数据接口
mermaid
Copy Code
graph TB
A[微信指数] --> B(公开数据)
A --> C(商业授权数据)
B --> D[关键词热度趋势]
B --> E[地域/年龄分布]
C --> F[公众号传播路径分析]
C --> G[私域社群渗透率]
C --> H[话题情感极性分布]
二、舆情分析四阶模型
1. 热度追踪：社交声量三维监测
爆发强度：峰值较日均值增幅>500%判定为舆情事件（如某车企维权事件单日指数飙升832%）
持续时间：
python
Copy Code
# 持续期计算逻辑
if 连续3天指数 > (基准值×2) :
判定为长效舆情
圈层穿透：
某美妆争议话题在18-25岁女性群体指数为156万，其他群体<2万 → 精准圈层发酵
2. 情感分析：NLP情绪解码
技术路径 准确率 实战案例
关键词情感词典匹配 72% “双减政策”相关词负面情绪占比68%
BERT模型语义解析 89% 识别“涨价合理”为高级黑（实际负面）
表情符号情绪加权 91%
