基于“大数据+人工智能”的电信运营商舆情管理研究

摘要：在大数据和人工智能时代，企业如何提升舆情监测、分析及响应的效能与精确度成为关键议题。该文以中国联通客服部互联网服务运营中心为例，探讨了其舆情管理实践及对企业声誉的维护，评估了人工智能的应用价值与潜在贡献，旨在为电信业的舆情管理提供理论与实践指导。

关键词：大数据；人工智能；电信运营商；舆情管理

doi：10.3969/J.ISSN.1672-7274.2024.10.066

中图分类号：TP 393 文献标志码：A 文章编码：1672-7274（2024）10-0-03

Research on Public Opinion Management of Telecom Operators Based on "Big Data + Artificial Intelligence"

Abstract： In the era of big data and artificial intelligence， how enterprises can enhance the efficiency and accuracy of public opinion monitoring， analysis， and response has become a key issue. Taking the Internet Service Operation Center of the Customer Service Department of China Unicom as an example， this study explores its practices in public opinion management and the maintenance of corporate reputation， and evaluates the application value and potential contributions of artificial intelligence. The aim is to provide theoretical and practical guidance for public opinion management in the telecommunications industry.

Keywords： big data; artificial intelligence; telecom operators; public opinion management

0 引言

据CNNIC发布的第53次《中国互联网发展状况统计报告》统计，我国网民规模达10.92亿人，互联网普及率达到77.5%。电信运营商作为数字中国建设中的关键角色，在互联网发展浪潮中发挥着“网络建设者”和“服务提供者”的双重作用。一方面，作为数字中国建设的中坚力量，电信运营商在通信基础建设中打通互联管道，让海量数据流通；另一方面，在充分参与到通信企业市场化竞争的过程中，为消费者提供满意的服务长期处于企业发展的“存量赛”中。以Chat GPT为代表的生成式人工智能（Generative AI）在2023年走进大众视野。生成式人工智能在自然语言处理上表现出了显著优势，具有生成能力强、少样本零样本性能优越、领域泛化性强以及推动自然语言处理任务整合和定制化等优势等强大能力[1]。针对企业在舆情管理过程中面临的大量文本数据，生成式人工智能具有天然的能力优势，“大数据+人工智能”将成为未来企业舆情管理的重要发展方向。

1 企业舆情管理研究与实践现状

在竞争激烈的通信市场中，企业需密切关注市场动态和消费者需求，以灵活调整策略并提高服务水平。舆情管理成为关键，它帮助企业监测和了解公众舆论，通过舆情管理维护品牌形象，强化企业口碑。通过分析网络数据，企业能更好地理解消费者需求，评估服务质量，指导市场决策。

1.1 舆情管理与企业

随着互联网技术的飞速发展，尤其是社交媒体的兴起，企业舆情管理的实践和研究逐渐成为学术界和业界关注的焦点。早期的企业舆情管理主要依赖于对传统媒体的监测，而现代企业舆情管理则更多地依赖于网络舆情分析工具和大数据分析技术，以实现对网络环境中舆情动态的实时监控和有效应对[2]。学者们关注于构建更为科学的舆情管理机制，包括舆情预警系统、舆情传播模型、舆情影响力评价指标体系等。企业不仅关注舆情的监测和分析，更注重舆情的引导和危机应对策略。研究重点逐渐从单一的舆情监测转向舆情的深度分析、情感计算、影响力评估以及舆情与企业战略的结合。在具体企业管理实践中，也有学者指出企业舆情管理呈现出复杂性、动态性和策略性的特点。

1.2 舆情管理与人工智能

人工智能参与到企业舆情管理中推动了新一轮研究与实践。有学者从技术流变和舆情管理转型视角切入，指出“以技治技”的策略，倡导利用智能化算法推荐技术、构建大数据舆情监控和预警模型，以及建立专业化媒体数据库，以提升舆情治理的智能化水平[3]。在应用层面，不同学者对人工智能参与到各领域舆情管理中持有不同意见。支持者认为人工智能有助于网络舆情治理的现代化，通过技术手段的创新，实现全过程的动态监测，提前预警潜在的舆情风险，为决策提供科学依据，从而优化舆情应对策略[4]。质疑者则表示类ChatGPT人工智能在网络舆情安全中的风险样态，包括循环式反转舆情、弥散性复合舆情等，强调在人工智能介入舆情管理时需警惕技术风险和伦理挑战[5]。因此，在当前企业普遍认识到舆情管理的重要性的背景下，探讨如何借助人工智能技术提升舆情管理效能，已成为各管理主体亟待解决的关键议题。人工智能技术为现代企业舆情管理提供了创新的工具与方法，然而，其应用也伴随着一系列新兴挑战。

2 运营商舆情管理模式实践

2.1 智能舆情管理：中国联通CEM系统的功

能与应用

CEM（Customer Experience Management）系统是中国联通客服部互联网服务运营中心自主研发的数字化网络舆情智能管理平台，通过互联网信息采集、大数据处理、自然语言处理等技术，帮助企业实现7×24小时实时监测、高效预警、快速分析、有效处置，实时捕捉负面舆情苗头、洞察舆情发展趋势，迅速处置风险舆情、避免事态恶化。区别于单一的舆情监测系统，该系统深度融合企业业务特征和网络舆情监测业务要求，构建数据、模型、应用的三层功能结构，具有全面性、及时性、准确性特点，其主要功能包括舆情监测、自动预警、智能处理、自助分析、可视化大屏等。

2.1.1 大数据信息监控，全面监测网络态势

依托先进的大数据平台、高效的网络爬虫技术、深入的文本挖掘算法以及智能检索系统，实现了毫秒级响应的7×24小时不间断数据采集服务。该服务专注于收集运营商用户的正负向口碑信息、竞品动态以及行业最新发展态势，覆盖范围广泛，涵盖了微博、微信公众号、小红书、抖音等关键社交媒体渠道。此外，利用OCR（光学字符识别）和ASR（自动语音识别）技术，对图片、音视频内容进行精准转译和解析，确保信息的全面性和准确性，从而实现了对网络舆情的全方位、深层次监测，为企业决策提供坚实的数据支撑。

2.1.2 智能分类，快速获取有效信息

通过整合高级数据建模、文本聚类技术、尖端自然语言处理能力以及智能信息过滤机制，构建了一个先进的信息分类平台。该平台能够迅速识别和提取与运营商紧密相关的信息内容，并有效地标注出正面或负面的情感倾向、业务类型等关键属性标签。该系统专注于帮助运营商排除无关的舆论噪音，快速定位热点话题和突发事件。同时，还打造了一套包含8个主要类别及其子类别的数据模型和标签管理系统，为各种应用模块提供强有力的数据支持服务。

2.1.3 高效预警，自动预警突发舆情

中心改变舆情粗放管理状况，对内建立分类分级的全渠道舆情预警体系，精细化划分不同预警类型，科学定义各渠道信息源的预警方式、预警阈值、预警频次和后续处理流程。针对智能分类中的负面舆情，结合历史数据及过往案例分析，动态调优预警阈值，实现在监测命中时以短信或网页弹窗形式自动触发预警，帮助运营人员及时发现突发事件，从容应对并化解危机。

2.2 运营商舆情监测分析系统应用成效

CEM系统实现了全天候不间断的信息聚合，快速收集互联网上的用户反馈和热点议题。它通过文本聚类和语义分析等高级数据模型，不断进行机器学习优化，垃圾信息过滤和情感分析的准确度高达90%。这为运营商在海量信息中精确识别舆情提供了有力支持，确保了负面信息的高效预警和深入分析。以2023年12月为例，CEM系统监测了全网359万条运营商相关舆论信息，筛选出10.2万条负面有效信息，其中3.9万条涉及中国联通。对于中国联通每月百万级的网络舆论，CEM系统的预警时间平均仅需25分钟，比传统人工预警流程快65分钟。

2.3 当前运营商舆情监测系统仍存在不足

以CEM系统为例，电信运营商舆情监测系统能够有效地提升全网监测、分析效率，但在生成式人工智能快速发展的当下，也暴露出了需要提升优化之处。一是复杂情感表达仍然无法准确识别。NLP模型需要大量的语言数据进行模型训练才能保证其分类的准确性，但涉及运营商的舆情每月以数十万量级更新产生，若某些语言的数据在历史训练中较少出现或语义包含复杂的情感表达，则模型输出效果将大打折扣。二是面对一些专题的舆情分析，在临时性、高效性的要求下，往往还需精确统计到具体的问题投诉点、问题场景，使得训练一个能够处理所有语言的通用模型成为挑战。该局限性使得在预警及分析环节中，针对系统自动触发的预警及分析内容，仍需一线人员审核信息正确性，对影响范围、重要程度等内容进行判别，自动预警覆盖率、准确率有待提高。三是现有舆情监测系统缺乏横向对比与分析能力，历史发生舆情无法连点成线，对当下发生的舆情无法提供历史经验参考，对未来可能发生的舆情缺乏基于历史舆情的预知能力。

3 人工智能在运营商舆情管理中的实践

电信运营商每日需处理庞大的互联网舆情数据。传统的舆情监测模式依赖人工操作，面对日益复杂的舆论环境，其效率和准确性受限。生成式人工智能技术的引入，以其颠覆性的技术特性，为电信运营商的舆情管理提供了创新的解决方案。生成式人工智能在舆情监测、分析和管理的全流程中发挥着关键作用，显著提升了工作的精确性和效率。

3.1 赋能互联网复杂语料分析

电信运营商在互联网环境中常常面临诸多舆情挑战，尤其是消费者投诉问题，这些数据往往涉及网络覆盖、速率、服务质量、资费等多个关键业务领域，具有鲜明的行业特色和复杂性。生成式人工智能的大型模型展现出了高效解析复杂情感文本的能力，通过预训练可以精确识别和分类客户所面临的问题，甚至能够解读文本中的反讽和幽默元素。这一能力得益于对海量文本的深入学习，使得人工智能在揭示文本情感和立场方面更加精准。相较于传统的基于词向量的自然语言处理技术，生成式人工智能在文本理解上实现了质的飞跃。

3.2 为整合历史经验提供研判依据

生成式人工智能凭借整合全网资源的强大能力，实现了舆情监控的深度与广度的双重扩展。它不仅涵盖了公域数据，还深入挖掘私域数据，为舆情分析平台增添了“历史回顾”与“未来预测”的双重功能。基于丰富的历史数据，该平台能够提供准确可靠的预警信息，助力电信运营商及时识别潜在风险。通过实时监控社交媒体、各类论坛及新闻源，人工智能系统能够敏锐捕捉消费者的情绪变化与需求动态，为电信运营商提供宝贵的市场洞察功能。这使得电信运营商能够迅速调整策略、优化服务，以更有效地预防舆情危机的发生，确保在竞争激烈的市场环境中保持稳健的运营态势与良好的公众形象。

3.3 提升舆情分析流程效率

生成式人工智能如今已能自主生成详尽且深入的舆情分析报告，极大地优化了电信运营商的舆情管理效能。通过输入预处理的数据集与特定的提示词，该系统能够定制化地生成满足各种特定需求的报告。它不仅整合了实时的网络舆情数据，还深入挖掘了历史资料，针对网络中断、资费争议、服务质量等核心议题进行全面剖析。借助先进的分析算法，人工智能能够识别出舆情趋势中的关键要素，进而提出切实可行的处置建议。这些建议涵盖了从危机应对策略到长期品牌维护的多个方面，助力电信运营商更加科学、高效地管理其公众形象与市场口碑，从而在竞争激烈的行业中保持稳健的发展态势。

4 结束语

本文系统性分析了互联网时代下电信运营商的舆情管理，特别关注了在人工智能技术辅助下，企业如何提升舆情监测、分析与响应的效率与准确性。以中国联通客服部互联网服务运营中心的舆情监控与分析系统为案例，深入探讨了电信运营商执行舆情管理、维护企业声誉的有效策略，并评估了人工智能在实践中的应用价值与潜在贡献。本文旨在为电信行业乃至更广泛领域的舆情管理提供理论支持与实践指导，助力企业在数字化时代有效应对舆情挑战。未来研究需进一步关注技术伦理与隐私保护，确保人工智能在舆情分析中的正当与透明应用，同时强调跨界合作与协同创新，以提升舆情管理效能。

参考文献

[1] 车万翔，窦志成，冯岩松，等．大模型时代的自然语言处理：挑战、机遇与发展[J]．中国科学：信息科学，2023，53（09）：1645-1687．

[2] 王乐，刘彤．智媒时代通信企业的舆情管理[J]．通信企业管理，2023（12）：73-75．

[3] 张新平，金梦涵．人工智能时代舆情治理的转型与创新[J]．情报杂志，2021，40（10）：66-73+165．

[4] 安娜，林建成．人工智能在网络舆情治理中的现实问题与应对策略[J]．思想理论教育，2020（12）：91-95．

[5] 李明德，邝岩．大数据与人工智能背景下的网络舆情治理：作用、风险和路径[J]．北京工业大学学报（社会科学版），2021，21（06）：1-10．