公开数据来源类型
研究主要使用以下公开数据源，所有数据均可在互联网上被独立查证：
- 主流社交媒体平台的公开讨论内容与话题标签
- 新闻门户与行业媒体的公开报道与转载信息
- 短视频平台的热榜、话题页与公开互动数据
- 问答社区、百科词条与公开知识库的更新记录
- 政府部门与行业机构发布的公开统计与公告
数据来源、分析维度与研究方法说明
91免费吃瓜的热点洞察与舆情分析建立在公开、可复核的数据基础之上。本页说明数据从哪里来、按什么维度分析、研究过程如何展开，以及结论存在哪些边界，帮助你在使用报告前形成独立判断。
数据来源说明
采集范围与口径
数据采集遵循统一口径，确保不同时间点的分析结果可以相互比较：
- 采集窗口以自然周或自然月为基本单位，按报告需求设定
- 仅统计公开可见内容，不涉及任何非公开或授权受限信息
- 同一事件的多平台数据分开记录，避免重复计算
- 互动数据（转发、评论、点赞）按平台规则读取，并在报告中标注口径
- 时间跨度过长或数据量异常波动时，会在报告中单独说明
分析维度列表
每个热点事件都从以下四个维度展开分析，不同维度回答不同层面的问题，组合起来形成完整判断。
传播广度
衡量事件在多少平台、多少账号之间扩散，覆盖的圈层是否多元。通过讨论量、参与账号类型和跨平台分布来评估影响范围。
示例：某话题在一周内出现在三个不同平台的热榜，且参与讨论的账号包含媒体、个人与机构三种类型。
情绪倾向
分析公开讨论中正面、负面与中性表达的比例，以及情绪随时间的变化趋势。情绪数据反映公众对事件的基本态度。
示例：某品牌相关讨论中负面表达占比从周一 40% 降至周五 22%，同期中性表达上升。
议题焦点
识别讨论中反复出现的具体议题，区分事件的核心矛盾与衍生话题。焦点分析有助于判断公众真正关注什么。
示例：围绕某产品讨论，焦点集中在价格、售后服务与使用体验三个方向，而非产品本身功能。
演化路径
还原事件从出现、发酵到回落的关键节点，记录推动传播的重要账号与转折事件。路径分析用于理解事件如何走到当前状态。
示例：某话题初期由行业媒体提出，经两个头部账号转发后进入大众视野，随后因官方回应出现第二次讨论高峰。
研究流程时间线
研究按六个阶段顺序推进，每个阶段有明确的输入与输出，过程可追溯、可复核。
-
问题定义
与需求方确认研究目标、事件边界与报告使用场景，形成书面研究问题。此阶段通常需要 1 至 2 个工作日。
-
数据采集
按确定的口径从公开渠道抓取讨论内容、互动数据与时间信息，建立原始数据集。采集时长根据事件跨度设定。
-
数据清洗
去除重复内容、机器账号干扰与无关信息，对缺失字段做标记处理，确保后续分析基于有效数据。
-
维度分析
按传播广度、情绪倾向、议题焦点与演化路径四个维度分别处理数据，生成各维度的中间分析结果。
-
交叉验证
将不同维度的结论相互对照，检查是否存在矛盾或异常，必要时回到原始数据重新核验。
-
结果呈现
整理为结构化报告，标注数据来源、时间范围与分析限制，交付给需求方并说明阅读方式。
分析限制说明
公开数据覆盖有限
仅基于公开可见内容，不包含私密群组、加密频道或非公开渠道的讨论。因此结论反映的是公开舆论场的情况，而非全部舆论。
平台规则影响数据完整性
各平台对内容展示、删除与账号状态有不同规则，可能影响数据采集的完整性。报告中会标注采集时点的平台状态。
情绪分析存在误差
情绪倾向判断基于文本内容与上下文语境，反讽、隐喻等表达方式可能被误判。分析结果适合作为趋势参考，不用于个体内容定性。
时间窗口限制结论时效
报告结论仅反映采集时间窗口内的情况，事件后续发展可能改变整体判断。建议结合更新报告或实时监测补充使用。