분석 자료는 특정 정당 및 인물에 대한 지지 여부와는 전혀 관계 없으며 온라인 뉴스 기사에 달린 의견을 있는 그대로 분석하여 보여 주는 것임을 밝힌다.

2014년 6월  4일 시행되는 지방 선거 중 서울 시장 예비 후보 및 관련 인물에 대한 여론 분석을 위해 제작 되었으며, raw data 기준은 국내 언론에서 발행한 기사 중 최소 1,000명 이상이 읽은 기사를 분석 대상에 포함 시켰음.

보고서 바로 가기 : http://zinicap.kr/bigdata/seoulmayor/index.html

마우스를 올려 놓으면 정량적 raw data를 볼 수 있음

왼쪽 마우스 드래그 후 특정 부분 확대 가능 함

Chart의 각 항목에 마우스를 올려 놓으면 raw data를 볼 수 있으며, 일자 별 버즈량(buzz)에서는 왼쪽 마우스로 그래그하여 확대하면 버즈량 변화를 좀 더 세부적으로 살펴 볼 수 있다. 확대 화면을 다시 원래 상태로 돌리고 싶다면 chart 우측 상단의 [Reset zoom]을 클릭하기만 하면 된다.

기사량 비교를 위한 인물만 선택하면 1:1 비교 가능 함.

언론사에서 어떤 인물에 대해 기사를 자주(많이) 작성 하고 있는지 비교를 원하면 해당 비교 인물을 선택 또는 제외 하면 각 언론사에서 다룬 기사 량을 비교해 볼 수 있다.

기사를 읽은 독자들이 올린 의견 중 관심사 분석과 찬,반 비율.

각 인물에 대한 [의견 분석]은 언론사에서 작성한 기사 중 해당 인물이 등장한 곳에 올린 국민(독자)들 의견을 분석한 글 내용이다. 키워드 빈도는 각 의견을 총 집합하여 가장 많이 얘기(거론)하고 있는 것을 뽑았으며 옆에 있는 숫자는 출현 빈도다.

빈도가 높을수록 그 인물을 거론 할 때 함께 많이(자주) 언급 하고 있다는 의미가 되며 해당 키워드를 클릭 하면 우측에 보이는 것이 기사 제목과 그 기사에 달린 실제 의견이다.(raw data를 그대로 공개하고 있다.)

또한, 추천과 비추천은 언론사 또는 기자의 의견이 아닌 독자(국민)이 올린 개인 의견에 대해 다른 사람들이 표시한 반응이다. 즉, 해당 덧글(의견)에 동의 하는 경우에는 추천을, 반대로 동의하지 못하는 경우에는 비추천을 클릭한다.

정성 분석에서 최종 집계할 때에는 긍정적 요소에 대한 추천은 긍정으로, 부정적 요소에 대한 추천은 부정으로, 부정적 요소에 대한 추천은 부정으로, 부정적 요소에 대한 비추천은 긍정으로 분류 된다.

raw data 탭(tap)을 클릭하면 자동 정렬(sort) 된다

raw data를 연 후 각 항목의 상단 제목 탭( tap )을 클릭하게 되면 내림차순, 오름차순 정렬하여 볼 수 있다.

보고서 바로 가기 : http://zinicap.kr/bigdata/seoulmayor/index.html

온라인 평판 분석 프로그램 바로미터 뉴스 사용법(이건 뉴스 데이터만 분석하고 트위터 분석은 별도 프로그램으로 추가 되어 있음)

날짜 선택하고, 관련 인물 또는 기업명, 상품명 등 분석할 키워드 입력 후 분석하면 끝.

프로그램 사용법은 매우 간단하다.

분석 하고 싶은 일자(날짜) 구간 선택하고 분석할 대상(키워드) 입력 후 검색하면 raw data 수집은 수 초에서 수 분 내에 완료 된다. 2007년부터 분석 2014년 현재까지 분석 가능 함. 데이터 수집 후 [데이터 분석] 하면 리포트는 자동 생성되고 한 번 분석 된 항목에 대한 raw data 확인은 하단 메뉴 이용해서 다시 불러 올 수 있다.

생성된 보고서는 로컬 PC 또는 웹 서버 모두 사용 가능하다.

보고서 바로 가기 : http://zinicap.kr/bigdata/seoulmayor/index.html

* 트위터 역시 동일한 방법으로 분석이 가능하며 이 프로그램은 한시적으로 무료 배포 될 예정 임.

* 인물 및 기업 평판 분석을 빠르게 해야 할 때 사용하기 편함. 예를 들어 특정 후보에 대한 평가나 기업 관련 이슈에 대해서 조사를 빨리 해야 할 때 사용하기 편하고, 국민 관심이 높은 브랜드에 대한 조사, 특정 기업과 특정 연예인이 CF 모델로 적합한지 여부에 대해 빠르게 판단 해야 할 때 사용해 보면 좋다.  (지금까지 사용 된 사례를 예를 들어 본 것임으로 더 다양한 분야에 적용 할 수 있을 것으로 예상 한다.)