游戏内舆情模块

一、游戏内舆情分析

1.1 聊天话题总览

1.1.1 模块意义

快速发现舆情量异常并排查问题、记录事件。快速找到需要重点排查的时间段、可能因素。

1.1.2 使用指南

A.全区服总量趋势匹配开服拉新节奏一起看

如下图，舆论量激增时并不代表用户活跃度上升，可能是拉新开服导致的。舆情量突然激增时，需要排查出现原因：

B.正负情感趋势图出现较大波动要引起注意

观察正负情感的两条折线图，可根据两条折线的趋势，来判断是否出现了异常：

C.针对特定区服设置区服或深入分析 查看区服编组详情

一般来说，新区和老区因为所属阶段不同，讨论关注点是不同的，可以选择分区服或者编组重点分析：

D.当遇到版本更新、运营事故、新玩法上线等节点，通常会出现舆情波动，点击日期后可进行“事件标记”：

1.1.3 案例解析-【从负面舆情上升发现在线更新bug】

从聊天总览的正负面趋势图中可以看到6月3日出现负面峰值，说明需要特别引起注意。 通过切换区服发现，无论新区、老区都存在负面发言上升的情况，说明是通用问题。 通过“热门话题分析”可以查出是更新之后出现了在线更新的bug。

1.2 热门话题分析

1.2.1 模块意义

分类统计玩家的关注点与不满点，从而对问题重点分析

“热门话题分析”是游戏舆情中至关重要的一块。玩家的关注点、不满点、话题观点、热度转移等等信息都在此有所体现

1.2.2 使用指南

A.系统自动将按照所属类目、所属情感趋势的话题进行聚类及数量排序。按照主关键词+次关键词描述的方式来表述话题

B.灵活选择话题所属类目、情感趋势、人群标签、时间段能够更好的定位观点

C.通常情况下，负面情感观点需要优先关注，可根据排序依次排查，通过上下文可以详细查看玩家发言语境。

1.2.3 案例解析-【从玩家观点趋势线识别突发问题】

A.先通过“玩家观点详情”的折线图甄别问题性质

“突破 失败”、“技能 失败”是最近负面反馈量最多的两个话题 发现“突破 失败”是常驻问题：从趋势图可以看到不满一直存在（结合总量趋势） 发现“技能 失败”是突发问题：版本更新后出现了“部分技能无法释放”的bug，当日解决（这解释了趋势在版本更新日突然达到顶点，修复后开始骤降） 由于发现这些问题，从而在版本更新时做了“傲气buff”的设定，傲气积累到一定值技能会释放失败（这解释了问题修复且热度下降之后，热度没有完全消失，仍然持续存在）

B.通过玩家原话更准确地理解玩家感受

例如1：发现武将“周瑜”与负面词“垃圾”联系在了一起。并通过原话“周瑜天赋太垃圾了”我们可以知道是周瑜的“天赋”让玩家对这个武将产生差评。

例如2：发现玩法“大将”与词汇“运气”组成了负面情感。通过玩家的原话我们才能知道因为遇到大将会损失惨重影响获取资源，所以觉得运气很差。

1.3 关键词追踪

1.3.1 模块意义

全类别罗列+全关键词精准搜索查看，迅速找到关注热词（类目）的舆情概况

1.3.2 使用指南

A.会按照词库中的类目、具体词汇讨论数量，分别进行排序。可以定点查询某些词汇的近期热度

B.选择类目及类目下的具体词汇后，将展示时间窗口期内的总反馈量、玩家情感分布、具体发言内容、发言上下文

C.关键词大类排名通常比较稳定，出现较大变动时需关注

D.查询具体发言内容时，可使用“仅显示负面反馈”针对负面问题定点排查

1.4 关键词的词库撰写与更迭（推荐更新，分析效果更好。RCS目前也支持自主发现游戏新词）

1.4.1 关键词词库的建立

先将词汇规整在各大类目下，每个类目下的词汇分为“本体词汇”和“同义词汇”两部分

“本体词汇”需要设置游戏中所有可能被提及的关键词，并进行类目分类。 “同义词汇”可将多个相似词与“本体词汇”进行关联，词库的建立与舆情工具的接入是同时进行的。

编制词汇的注意点：

A.一级分类不宜过多，建议10个以内

B.注意玩家的常用语，关键词要短小全面，尽量贴近玩家实际用语

C.匹配为精准匹配，可在编写词库时为一个词模糊匹配多个相似词（如师门、刷声望→内政）

1.4.2 词库的更新维护

在词库的使用中需要不断完善，一般来说版本更新时需要提交一版新的词库，于版本更新至少前1日准备好。

1.5 游戏区服编组功能

1.5.1 查看说明：

按区服：可选择全部区服，或单个区服（当单个区服数据出现异常时，可选择这个区服针对性排查问题）

按编组：选择一个自由区服集合（需要先进行编组，可在特定区服组内排查问题）

例如某版本可能会对新区老区玩家产生不一样的影响，那么就可以根据开服时间编组“新区”、“老区”，并分别查看。

1.5.2 编组位置：

进入方式一：在任意分析页面的顶部筛选栏，“选择区服”模块选择“按编组”，在“编组菜单”中点击“添加分组”

进入方式二：从左侧导航栏【系统管理】菜单中选择“游戏区服管理”模块

二、游戏内舆情查询

2.1 条件筛选设置

可以对聊天频道、区服类型、用户标签、日期、发言情感、关键词等同时进行设置筛选。

• 聊天频道：按照具体设置频道进行展示和筛选
• 区服：可按照区服或者编组进行展示和筛选
• 用户：可按照全部用户、用户标签或用户ID进行查询
• 日期：默认展示近1月数据，可查询历史数据
• 情感：可筛选选择全部发言、正面发言或负面发言
• 关键词：可用空格同时筛选多个词汇的发言内容

2.2 结果展示

A.可筛选去除无效发言，按照时间顺序进行排序

B.选中任意一条发言，可查看发言者的完整信息，并追溯发言内容的上下文

三、核心用户分析

3.1 核心用户的定义

目前核心用户由每个游戏自行定义，确定之后会形成一批核心用户对其单独进行分析，一般按照付费水平，选择大R或超R为核心用户

3.2 核心用户汇总

3.2.1 模块意义

可单独维护部分超R，对超R的行为进行深度跟踪

3.2.2 使用指南

A.在排序方式上，可优先通过“负面占比从高到低”、“负面数量从高到低”查询最需要跟进的“潜在流失核心用户”

B.通过发言量趋势，可以观察核心玩家的活跃情况，结合发言内容和发言量趋势变化，可以优先对其进行维护。

C.可以查看单个玩家的所有聊天内容和上下文，分析出玩家的游戏状态、目前的痛点和追求点。

D.及时发现核心用户独有或共有的负面情绪。在玩家流失前进行干预，差异化分运营核心用户对游戏的诉求

四、疑似刷子用户分析

4.1 疑似刷子用户的判断方法

疑似刷子用户由系统自动识别，具体方法如下

A.基于专业敏感词词库，及敏感词的繁体，拼音，变形字体的识别技术，匹配较多敏感字词的具有较高刷帖嫌疑

B.基于用户发言语义相似度的检测，大量发贴且语义高度相似的具有较高刷帖嫌疑

C.基于用户发言频率和发言量，短时间内大量发言的具有较高刷帖嫌疑

D.基于大量专业样本学习和机器学习技术训练得到的垃圾文本分类器，可对各类文本自动标注刷子发言标签

4.2 垃圾发言汇总

快速甄别垃圾发言内容。并可下载垃圾用户信息，进行后续提醒、禁言、封号等操作。

4.3 疑似刷子用户汇总

4.3.1 模块意义

可以快速查询到有疑似刷帖行为的用户，查看各人的发帖走势情况与详情，并下载疑似刷子用户清单。可对刷子用户批量进行处理。

4.3.2 使用指南

A.优先按疑似刷帖数量进行排序，可以找出最影响舆情环境的这批用户。

B.通过趋势图可以判断哪天有垃圾发言，该用户影响社区环境的行为是否得到控制。

C.可以查看该用户的全部发言及上下文，判断该用户的刷帖行为是否造成游戏环境的严重破坏。

五、热词走势查询

5.1 模块意义

可以自主查询任意词汇在任意时段的讨论量趋势

5.2 使用指南

A.版本上线后，可以优先观察版本新内容的变化趋势

B.对比同一类目中的不同词汇，可以辨识更受关注的元素

C.对比同一词汇的多种词形，可以辨别不同词性的认可度