當(dāng)數(shù)據(jù)驅(qū)動(dòng)成為了公關(guān)廣告行業(yè)普遍接受的新方法時(shí)，特別是在AI時(shí)代，數(shù)據(jù)和證據(jù)是否能直接劃等號(hào)？公關(guān)的價(jià)值到底是什么？都是值得我們探究的事情。

本文根據(jù)BCW亞太區(qū)首席數(shù)字官Joe Peng與趙文元的研究整編而成。

從追求擴(kuò)張到回歸質(zhì)量的年代，公關(guān)要交付的價(jià)值并非輿情，也非廣告當(dāng)量，而是認(rèn)知的改變。這不是什么新鮮的結(jié)論，在此時(shí)提出，是因?yàn)橛膳菽呱摹氨硌菪凸P(guān)”正在日益失去預(yù)算，這正是回歸“價(jià)值型公關(guān)”的好時(shí)機(jī)。同時(shí)，AI的發(fā)展又為這種回歸加入了變革元素。

在公關(guān)領(lǐng)域，循證傳播理念（Evidence Based）自2009年被博雅公關(guān)提出以來(lái)，已成為行業(yè)的一個(gè)重要里程碑。這一理念的核心在于基于證據(jù)制定傳播策略、并衡量傳播效果；如今，數(shù)據(jù)分析和相關(guān)技術(shù)的發(fā)展讓這一理念有了更堅(jiān)實(shí)的基礎(chǔ)。

當(dāng)數(shù)據(jù)驅(qū)動(dòng)成為了公關(guān)廣告行業(yè)普遍接受的新方法論，我們也面臨著一個(gè)新的關(guān)鍵問(wèn)題：數(shù)據(jù)和證據(jù)不能直接畫等號(hào)。在生成式人工智能（Generative AI）的快速發(fā)展時(shí)代，證據(jù)的準(zhǔn)確性和可靠性遭到了前所未有的挑戰(zhàn)。

一、循證傳播VS日益嚴(yán)重的證據(jù)污染

循證傳播的關(guān)鍵在于了解受眾的認(rèn)知狀態(tài)，以及厘清影響受眾認(rèn)知的關(guān)鍵因素，從而有針對(duì)性地制定傳播策略，評(píng)估傳播結(jié)果。這里的第一步，往往就是從輿情開(kāi)始的。

但在當(dāng)下，我們亟需明確一個(gè)基礎(chǔ)邏輯，輿情和認(rèn)知是兩回事。

大多數(shù)情況下，輿情數(shù)據(jù)并不直接等于目標(biāo)人群的認(rèn)知現(xiàn)狀的全貌。它只是反映用戶認(rèn)知狀態(tài)的指標(biāo)之一。通常，一份輿情報(bào)告會(huì)包括某個(gè)具體話題、事件、品牌的聲量、正負(fù)面內(nèi)容分布比例以及核心意見(jiàn)領(lǐng)袖的觀點(diǎn)等內(nèi)容。在“證據(jù)”沒(méi)有被污染前，一份扎實(shí)嚴(yán)謹(jǐn)?shù)妮浨閳?bào)告所反映的目標(biāo)人群認(rèn)知現(xiàn)狀很具參考價(jià)值。但現(xiàn)在，在“證據(jù)”逐漸被平臺(tái)算法和各種社媒效應(yīng)影響的現(xiàn)狀中，“輿情監(jiān)測(cè)報(bào)告” 與實(shí)際認(rèn)知情況可能產(chǎn)生了距離。

• 假數(shù)據(jù)干擾。生成式AI技術(shù)日益進(jìn)步，許多機(jī)器人賬號(hào)可以做到像真人一般表達(dá)“真情實(shí)感”， 偽造內(nèi)容的技術(shù)門檻大大降低。正因如此，大量的評(píng)論造假、機(jī)器人賬號(hào)以及水軍行為正嚴(yán)重污染輿情數(shù)據(jù)，形成具有誤導(dǎo)性的輿論氣候假象。
• 沉默人群被忽視。當(dāng)一位互聯(lián)網(wǎng)或社媒愛(ài)用者用不同ID在不同平臺(tái)上輸出了1000句話時(shí)，這些內(nèi)容將在輿情監(jiān)測(cè)報(bào)告里顯示為1000條發(fā)聲記錄；然而，理論上來(lái)說(shuō)，沉默的1000甚至更多數(shù)量的人的想法，因?yàn)闆](méi)有在互聯(lián)網(wǎng)留痕則無(wú)法反映在輿情監(jiān)測(cè)報(bào)告中。
• 熱搜熱榜受到操控。在信息碎片年代，爭(zhēng)搶注意力變得越發(fā)困難。因此越來(lái)越多的公關(guān)策略制定依賴于社交媒體熱門話題走向，不少平臺(tái)甚至?xí)ㄆ谔峁衢T話題指南和輿情報(bào)告來(lái)指導(dǎo)內(nèi)容創(chuàng)作者生產(chǎn)內(nèi)容。然而，社交媒體的熱門話題和排行榜也未必能代表相關(guān)人群的認(rèn)知狀況。原因主要有兩個(gè)，一方面平臺(tái)會(huì)根據(jù)多種因素對(duì)熱搜上榜內(nèi)容加以管理和引導(dǎo)；另一方面，一些第三方機(jī)構(gòu)出于商業(yè)目的也會(huì)用各種方式來(lái)影響榜單排名。
• 視頻內(nèi)容分析滯后。視頻內(nèi)容已經(jīng)成為主流。對(duì)于視頻內(nèi)容的監(jiān)控和分析要比文字內(nèi)容復(fù)雜得多。對(duì)于輿情監(jiān)測(cè)公司而言，視頻的采集成本巨大。有輿情數(shù)據(jù)分析公司聲稱，如果是高時(shí)效性的視頻采集，每年投入可能過(guò)億，且視頻平臺(tái)對(duì)于爬蟲抓取信息采取嚴(yán)控態(tài)度，而視頻信息的難以覆蓋也使得輿情監(jiān)測(cè)的信度和效度日漸降低。
• 認(rèn)知?jiǎng)討B(tài)化。社交媒體用戶對(duì)于各種戲劇化、反轉(zhuǎn)式的社交媒體故事頗為熱衷。情緒化、即時(shí)性的討論氛圍使得用戶的認(rèn)知改變以小時(shí)甚至以分鐘計(jì)。當(dāng)下的很多“認(rèn)知分析”往往只能針對(duì)用戶過(guò)去的行為做出推斷。

其次，找到影響受眾認(rèn)知的關(guān)鍵因素變得日益困難。

• 情緒影響大于事實(shí)說(shuō)服。社交媒體用戶不容易被訊息（message）和事實(shí)說(shuō)服，卻會(huì)被“顏值”和“畫面”打動(dòng)。但若要探究到底是哪些具體的認(rèn)知影響因素真正在發(fā)揮作用，則需要更多綜合和深度的分析才能窺見(jiàn)端倪。
• 意見(jiàn)領(lǐng)袖影響力評(píng)估失真。一些意見(jiàn)領(lǐng)袖會(huì)“刷量”、“灌水”制造虛假繁榮的景象，從而導(dǎo)致我們錯(cuò)誤地對(duì)輿論成因和輿情演化路徑進(jìn)行歸因。
• 隱藏起來(lái)的關(guān)鍵人。擁有獨(dú)立判斷力的年輕人們，更愿意相信那些“更懂自己”的小眾意見(jiàn)領(lǐng)袖，這些人隱藏在更為碎片化的各類社交媒體平臺(tái)。
• 超級(jí)平臺(tái)“看不見(jiàn)的手”。大型社交媒體平臺(tái)早已經(jīng)不是中立第三方。平臺(tái)可以通過(guò)對(duì)推薦算法的干預(yù)以及機(jī)制的調(diào)控，來(lái)培育自己希望扶持的KOL，看起來(lái)頗具影響力的頭部大V，未必就是目標(biāo)受眾心目中的意見(jiàn)領(lǐng)袖。

二、對(duì)輿情幻象的依賴背后是控制式公關(guān)

當(dāng)我們都知道輿情數(shù)據(jù)存在上述諸多問(wèn)題時(shí)，為何公關(guān)還是難以從對(duì)“輿情幻象”的依賴中走出來(lái)？

因?yàn)槲覀冞^(guò)于依賴“控制式公關(guān)”。擁有較大傳播預(yù)算的企業(yè)，更多寄望于通過(guò)媒介投放來(lái)進(jìn)行傳播，這可以有效管控傳播訊息，制造企業(yè)想要的輿情數(shù)據(jù)效果。自媒體時(shí)代尤為如此，幾乎所有的自媒體合作方式都是“投放合作”。在這樣的情況下，用錢可以辦到的事情，企業(yè)也不會(huì)愿意花費(fèi)過(guò)多精力來(lái)了解輿情背后的認(rèn)知真相，進(jìn)而制定說(shuō)服策略。

與之相伴，企業(yè)在做傳播實(shí)施計(jì)劃時(shí)，并不會(huì)花太多的精力來(lái)了解受眾的認(rèn)知狀態(tài)，而是更多地把精力放在了企業(yè)想講什么以及如何找到強(qiáng)有力的發(fā)聲渠道上。

控制式公關(guān)帶來(lái)問(wèn)題便是只營(yíng)造輿論氣候，忽略了認(rèn)知改變。沒(méi)有認(rèn)知改變，就無(wú)法帶來(lái)行為改變，進(jìn)而也就帶不來(lái)品牌信任和產(chǎn)品購(gòu)買，公關(guān)部便品效皆輸，只能靠給高層提供情緒價(jià)值來(lái)鞏固地位。

三、難題何解？需要從操盤輿情到運(yùn)營(yíng)用戶

該如何做？公關(guān)部不應(yīng)只交付輿情數(shù)據(jù)，公關(guān)需要把人當(dāng)人看，把受眾當(dāng)用戶來(lái)運(yùn)營(yíng)。以內(nèi)容運(yùn)營(yíng)的思路來(lái)進(jìn)行傳播策略制定，在這一過(guò)程中建立起用戶認(rèn)知與行為分析框架。

輿情操盤手與用戶運(yùn)營(yíng)負(fù)責(zé)人是氣質(zhì)不太相同的兩種人。追求“一鳴驚人”的輿情操盤手關(guān)注的重點(diǎn)大多集中在聲量、正負(fù)面等過(guò)程指標(biāo)，很容易忽略背后更為復(fù)雜且多樣的用戶本身，也不會(huì)考慮用戶實(shí)際的認(rèn)知狀態(tài)。而一個(gè)以認(rèn)知轉(zhuǎn)變?yōu)槟繕?biāo)的內(nèi)容運(yùn)營(yíng)負(fù)責(zé)人，不僅關(guān)注點(diǎn)擊量和點(diǎn)贊數(shù)等過(guò)程指標(biāo)，更會(huì)深入分析用戶行為背后的認(rèn)知?jiǎng)訖C(jī)，圍繞5W1H（即Who,Why,Where,When,What,How），去分析是用戶是誰(shuí)，為什么來(lái)，從哪里來(lái)，什么時(shí)機(jī)說(shuō)了什么，做了什么，背后的認(rèn)知情況是什么等等。

內(nèi)容運(yùn)營(yíng)會(huì)關(guān)注“用戶全生命周期”的表現(xiàn)和認(rèn)知的動(dòng)態(tài)變化過(guò)程。建立用戶的認(rèn)知衡量與分析體系迫在眉睫，此話題尚需留待日后深入研究探討。但這里有一個(gè)誤區(qū)要避免，即盲目與廣告投放的指標(biāo)體系對(duì)齊。

在數(shù)字營(yíng)銷時(shí)代，公關(guān)與廣告的邊界早已模糊，用戶建模與用戶行為分析在廣告領(lǐng)域已經(jīng)有著較為深入的應(yīng)用，不少公關(guān)從業(yè)者也會(huì)借鑒廣告營(yíng)銷的做法，建立對(duì)于社交媒體KOL/KOC的投放合作模型。但是，這種借鑒往往只局限在以“點(diǎn)轉(zhuǎn)評(píng)贊”為主的互動(dòng)指標(biāo)上，或?qū)蛉缱?cè)或下單等單次具體行為轉(zhuǎn)化的營(yíng)銷指標(biāo)上，并沒(méi)有對(duì)用戶的長(zhǎng)短期認(rèn)知發(fā)展變化做有效評(píng)估。

人工智能和大模型技術(shù)的發(fā)展，給用戶認(rèn)知與行為分析開(kāi)創(chuàng)了新局面。技術(shù)可以幫助我們更好地理解用戶對(duì)話，分析輿情數(shù)據(jù)背后的用戶行為，輔助判讀與生成內(nèi)容。而要擁抱這些改變，構(gòu)建基于內(nèi)容的運(yùn)營(yíng)模式，更新我們的循證傳播策略，就不再只是一個(gè)可選項(xiàng)，而是必選項(xiàng)。