需要获取Meltwater平台以外的数据来创建报告?无论是使用PowerBI发现内容规律,还是依靠离线流程构建免费媒体报告,都可以从Meltwater导出数据。
本文将介绍:
从内容浏览中导出
可以直接从内容浏览导出文章、社交帖子和片段。可以在“探索”搜索或“监测”流中找到内容浏览。
导出此内容的具体操作如下:
前往“探索”或“监测”中的内容浏览
利用勾选框选择结果。如果在“探索”中使用了“Select All”(全选)选项,请留意“全选”提示。
选择“Download Options”(下载选项)
如果在“探索”中,
选择“Format”(格式)
CSV
Excel
PDF
选择“Template”(模板)
热门字段和指标
旧版
注意事项:详细了解导出中包含的详细信息。
点击“Download”(下载)
如果在“监测”中,请从下列下载选项中进行选择
电子表格或PDF文件将通过电子邮件发送到用于登录的地址。
或者,当下载准备就绪时,你将在页面的右上角收到通知图标。
选择右上角的“Alerts”(通知)图标
点击“Download”(下载)
每次最多可以导出包含2万个结果的Excel文件,以及包含500个结果的PDF文件。为了支持大型报告(超过10MB),我们不会将报告作为附件发送,但可以通过点击电子邮件中的下载链接或通知从云端下载报告。
如果总共有超过2万个结果,则可以通过以下两个选项导出:
在使用勾选框选择任何结果之前,点击“Download Options”(下载选项)即可显示这些选项。
导出前2万个结果
导出2万个随机样本的结果
导出前2万个结果
该选项将下载现有的前2万个结果。结果会根据排序类型和排序顺序进行排序。点击排序方式下拉列表,选择偏好选项,即可更改排序类型和顺序。
导出2万个随机样本的结果
该选项将从全部结果中随机导出2万个样本。关于随机抽样的一些注意事项。
数据随机抽样方式:每个结果随机分配一个介于0和1之间的数字。然后根据要包含在导出中的结果百分比进行选择,总计2万个。例如,对于20万个结果,将包括随机分配到一个0至0.1之间数字的所有结果,以便返回2万个结果。
随机选择结果时,并无任何特别考量。所有结果的权重相等。
抽样将在选定的时间范围内均匀分布。例如,如果10天内共有20万个结果,则导出将包括每天2千个结果。
每个随机样本导出将返回与上次不同的结果。例如,如果导出随机样本三次,则会有三个不同的数据集。
从Meltwater API导出
若要自动导出或导出更大量数据,可以通过Meltwater API执行这两项操作。详细了解如何利用Meltwater API导出数据。
故障排除:在没有Excel的情况下从MAC电脑导出
导出数据时,几分钟后即可收到一封电子邮件,点击邮件中的链接即可下载相关内容。如果你的Safari浏览器尝试在浏览器中打开文件,而不是下载文件,请按照以下步骤操作:
右击电子邮件中的“Download Report”(下载报告)链接
前往“Save Link As…”(将链接另存为……),并将文件保存到便于快速访问的位置(例如,“下载”文件夹或“桌面”文件夹)。
复制“You can also copy and paste the following URL into your browser”(你还可以将以下网址复制并粘贴到浏览器中)文本下发布的电子邮件中的链接,并将链接粘贴到Google Chrome或Firefox等其他浏览器中,即可将相关文件自动下载到其电脑上。
复制页面上显示的内容,并手动将其粘贴到Excel中。
导出中包含的详细信息
“探索”现在有两种不同的导出模板可供选择:
热门字段和指标
字段标题 | 字段说明 | 示例值 |
日期 | 信息源发送文档的日期 | 2023年5月24日 |
时间 | 信息源发送文档的时间 | 2:30 |
文档编号 | Meltwater平台中文档的唯一ID | 1713459776000_K49ugt285FchyyIqJ15D85lyR5wA |
网址 | 文档URL | |
输入名称 | 实现文档匹配的搜索或标签 | 我的品牌搜索 |
关键词 | 找到并实现匹配的关键字 | 特斯拉;人工智能 |
来源类别 | 信息源的信息类型,例如“新闻” | 广播、新闻、社交媒体 |
来源类型 | 信息源类型,例如论坛 | 新闻:纸媒、在线新闻 |
媒体名 | 信息源名称,例如《纽约时报》 | 新闻——报纸或类似媒体的名称 |
信息源域 | 信息源的域或子域 | |
内容类型 | 文档中包含的内容类型 | 新闻——新闻文章 |
作者名称 | 文档作者的姓名 | John Smith |
作者用户名称 | 文档作者的帐号 | @john_smith |
标题 | 文档标题 | Joe Biden今天宣布了其社会关怀计划 |
开放文本 | 文档内容的开场白 | 在过去的20年里,人们对这部电影的推崇与日俱增,以至于拿破仑(Jon Heder饰)、佩德罗(Efren Ramirez饰)和叔叔…… |
关键词提及句 | 文档中实现匹配的句子 | ……今天宣布,他们计划推出一款具有全新人工智能功能的新产品…… |
图像 | 文档主图像的URL | |
井号标签 | 文档内容中的井号标签 | #运动鞋;#人工智能 |
链接 | 文档内容中的链接 | |
国家 | 发送文档的国家/地区 | 美国 |
地区 | 发送文档的地区 | 罗德岛 |
省/市 | 发送文档的州 | 华盛顿 |
城市 | 发送文件的城市 | 西雅图 |
语言 | 检测到的文档内容语言 | 法语 |
情感分析 | 文档的总体情感分析 | 正面/负面/中性 |
Keyphrases | 在文档内容中找到的关键短语 | 机器学习;运动鞋 |
触达率 | 文档的触达率,例如社交媒体作者的关注者人数,或新闻网站的估计访客数量 | 13521 |
广告价值 | 文档的相等广告价值 | 60.2 |
社交反响 | 文章在社交网络上被分享的次数 | 129 |
新闻反响 | 文章在其他文章的正文中通过链接引用的次数 | 543 |
参与度 | 社交帖子或文章的互动总数 | 534 |
分享 | 文档被分享的次数 | 12 |
引述 | 文档被引用的次数 | 22 |
贊好 | 文档被点赞的次数 | 115 |
回复 | 文档被回复的次数 | 12 |
转发 | 文档被转发的次数 | 13 |
评论 | 文档被评论的次数 | 44 |
点赞量 | 文档被回应的次数 | 13 |
视图 | 文档被浏览的次数 | 12013 |
预计浏览量 | 根据信息源的触达率估算新闻文章的浏览量 | 13400 |
文档标签 | 在Meltwater应用中应用于文档的标签 | 我的推广活动,我的首席执行官 |
旧版
字段标题 | 字段说明 | 示例值 |
日期 | 信息源发送文档的时间 | 2023年5月24日 |
标题 | 文章标题 | 仰望天空,欣赏天琴座流星雨和粉色满月 |
网址 | 文档URL | |
开放文本 | 文档内容的开场白 | 在过去的20年里,人们对这部电影的推崇与日俱增,以至于拿破仑(Jon Heder饰)、佩德罗(Efren Ramirez饰)和叔叔…… |
关键词提及句 | 文档中实现匹配的句子 | ……今天宣布,他们计划推出一款具有全新人工智能功能的新产品…… |
媒体名 | 媒体名 | Yahoo! News |
意见领袖 | 作者全名(新闻)或X帐号(X帖子) | John Smit(新闻)
@john_smith(X帖子) |
国家 | 发送文档的国家/地区 | 美国 |
子区域 | 发送文档的子区域 | 东北部 |
语言 | 检测到的文档内容语言 | 法语 |
触达率 | 文档的触达率,例如社交媒体作者的关注者人数,或新闻网站的估计访客数量 | 13521 |
桌面触达率 | 估计使用台式电脑访问新闻网站的访客数量 | 2509 |
移动触达率 | 估计使用移动设备访问新闻网站的访客数量 | 8403 |
Twitter社交反响 | 任何X帖子的实时社交媒体分享数量 | 0 |
Facebook社交反响 | 任何Facebook帖子的实时社交媒体分享数量 | 0 |
Reddit社交反响 | 任何Reddit帖子的实时社交媒体分享数量 | 0 |
全国阅读数 | 信息源的全国受众规模。 | 7954 |
参与度 | 社交帖子或文章的互动总数 | 534 |
广告价值 | 文档的相等广告价值 | 60.2 |
情感分析 | 文档的总体情感分析 | 正面/负面/中性 |
关键词组 | 在文档内容中找到的关键短语 | 机器学习;运动鞋 |
输入名称 | 实现文档匹配的搜索或标签 | 我的品牌搜索 |
关键词 | 找到并实现匹配的关键字 | 特斯拉;人工智能 |
Twitter权威 | 作者的相对权威评分,基于作者的关注者人数,大量关注者人数则会产生高权威评分 | 7 |
推文ID | X上的帖子ID | "1803847914219008127" |
Twitter客户端 | 作者在X上创建帖子时使用的客户端 | |
Twitter屏幕名称 | 用户的X帐号 | @john_smith |
用户个人资料URL | 用户社交网络个人资料的URL | |
Twitter个人简介 | 信息已添加到X作者的个人资料中 | 帮助创新者永久简化数据存储。 |
Twitter粉丝 | 作者拥有的X关注者人数 | 3890 |
Twitter关注 | 作者关注的X帐号数量 | 125 |
备用日期格式 | 信息源发布文档日期的变化(2024年6月20日) | 2024年6月20日 |
时间 | 信息源发送文档的时间 | 2:30 |
省/市 | 发送文档的州 | 华盛顿 |
城市 | 发送文件的城市 | 芝加哥 |
社交反响总量 | 有助于了解任何新闻文档的实时社交媒体分享数量。此工具会提供特定在线新闻文章的大量社交媒体互动(例如帖子、分享、转发等)信息。详细了解社交反响。 | 24 |
新闻反响 | 是指相关文章被另一篇文章正文中的超链接引用的次数。 | 543 |
视图 | 文档被浏览的次数 | 12013 |
贊好 | 文档被点赞的次数 | 115 |
回复 | 文档被回复的次数 | 12 |
评论 | 文档被评论的次数 | 44 |
分享 | 文档被分享的次数 | 12 |
点赞量 | 文档被回应的次数 | 13 |
评论 | 对文档评论或回复的数量 | 7 |
已验证 | 作者是否被标记为获社交网络授权 | 是/否 |
父URL | 父文档的URL,例如,如果该文档是回复 | |
文档标签 | 在Meltwater应用中应用于文档的标签 |
详细了解公关指标。
更多关于按消息来源划分扩展互动数据的信息:
新闻——社交反响总量、新闻反响
X(原Twitter)——已验证、回复、转发、点赞
Reddit——主题、表情符号
TikTok——分享、主题、表情符号
YouTube——由于服务条款限制,没有任何互动数据
Facebook——评论、分享、表情符号
Instagram——主题、表情符号
💡 提示
需要更多帮助?请随时通过在线聊天与我们联系,或查看我们的“客户社区”。
寻找答案并向Meltwater支持和社区专家处获取帮助。