修改稿：我们用两套舆情软件检验了北大校长的道歉效果

了解舆情原理，学会危机管理，欢迎关注此公众号！

哲学和学术向来具有淆乱人心之功。本来简单清楚的事，经它们一研究，情势立马就变得复杂异常。我在南大读博的时候，一位学术大咖就告诫说：如果没有科学的量化数据，就不要轻易做定性结论。可我总是面带谦逊地软抵抗，不间断炮制定性之作。一个人、一件事，扫两眼就足以开笔立论。虽然至今没翻船，但朋友圈也一直没敢开放给那位大咖。

不过当我想评价一下北京大学林校长“鸿浩志”事件的时候，忽然觉得老路走不通了。因为近几日的相关文章已经汗牛充栋，朋友圈刷了屏，而其中99%都是洋洋洒洒的定性之作，也就是进行人文历史等视角的评论，我再跟进一篇，不过是制造垃圾，那不如换个视角，进行定量的研究。

何不用眼下的大数据舆情监测软件，对于林校长道歉前后的舆情走势进行对比，来看看其道歉信是否达到了效果？舆情是否消退，乃至实现了反转？

为了尽可能地得到较为准确的结果，我使用了两套业内知名的软件，分别是清华大学的清博舆情监测软件，和沃德社会气象台舆情软件。两套软件分别针对林校长道歉前后的网民情感属性进行测定。如果正面增多，负面减少，那自然表明道歉信发挥了作用；如果相反，则可以断定道歉信没有达到效果，甚至还起到了反作用。

如果两者监测的结果总体上相差不大，呈现数据和趋势上的正向趋同，则结果可以采信；如果两者大相径庭，则两个软件或者都不行，或者其中一个不行，等两位老总来信询问的时候，我回复“呵呵”即可。

至于具体的研究方法，简单来说就是先在监测方案里为“林建华”建立专门项目，然后软件自动抓取微博、微信、各大网站、媒体和各类KOL的相关数据，然后在分别截取道歉前后的数据，就可以自动生成报告和各种图表，一目了然。为了追求更翔实的数据和更为准确的结果，我在上午设定之后，等软件抓取足够多的数据之后，下午5点多才最终截取结果。因此，此文的全部数据是截止到6号下午5时许的。

从两个软件抓取的数据和最终给出的结果来看，基本令人满意。由于各自抓取的数据数量、数据来源都不一样，两个软件在网民情绪的正面、负面、中性的比例数字方面有一定的差距，但是所好的是，在各自的监测结果中，网民情绪的正面、负面和中性的比例大体相当，数据和趋势趋同，因此可以基本断定，关于北大林校长网络上的主流情感情绪就是这样的图景。

我将两个软件给出的结果，制作成了如下这个图表：

横向看，上面两个饼图为清博软件监测的结果，下面两个饼图为沃德社会气象台监测的结果。

清博软件的监测结果是：道歉前的网民正面评价比例为42.29%，负面评价比例为9,71%；道歉后的正面评价是30%，负面大幅上升为31.17%。

沃德的监测结果是：道歉前的正面评价为29.44%，负面评价为19.37%；道歉后的正面评价为24.88%，负面评价同样大幅上升为40.51%。

不说正面和中性的评价比例各自都有所下降，单就负面评价比例来说，两个软件的结果都是大幅上升了20个百分点。

按照本文上述的监测设定的前提，则我们可以作出如下判断：

北大林校长的道歉信发表后，并未能起到消除或者中和负面舆情的效果。相反，道歉信起到了更为消极的效果，使得负面舆情变得更加明显。