但支持者和反对者会更加难对付。我们可以通过情绪来过滤数据，但这可能存在问题。许多人可能会在总体上是负面或正面的帖子中提到特斯拉，但这种情绪并不是针对特斯拉品牌的。有些人可能只是“特斯拉首席执行官埃隆·马斯克”的忠实粉丝。有些人可能是特斯拉股票下跌时感到失望的持有者。

幸运的是，我们拥有 Brandwatch 的所有人工智能分析工具，可以集中精力寻找正确的对话，以构建最佳、最相关的面板。在这种情况下，我们将使用自定义分类器，这是我们的机器学习工具，它通过将提及拖放到不同的类别中来训练自定义分类模型。

这样我们就可以将对话分类为不相关或中性的帖子、正面子，以及最后我们想要的：关于品牌本身的正面或负面的帖子。

再次，我们可以通过这两个最终类别过滤我们的仪表板来创建最后两个面板。

按面板细分数据

现在，我们可以回到我们最初的品牌查询，并根据我们确定的面板细分对话。

这使我们能够更加细致地了解不同受众如何谈论我们的品牌。我们可以设置按这些小组细分的随时间变化的量表，以监控特定受众何时讨论该品牌。

Brandwatch 的 AI 助手 Iris 在此尤其有用，因为它可以检测并解释每个社交小组的峰值。例如，Iris 发现峰值是品牌拥护者谈论特斯拉，而这是由埃隆·马斯克 8 月分享的这篇帖子的转发推动的。

Iris 在识别这类人眼可能忽略的峰值方面更加有用。例如，此处检测到的峰值 A 位于投资者对话中，由于人数较少，因此数量要少得多。移除一些小组后，我们就能看得更清楚。

如果我们要求 Iris 总结这一峰值，我们可以看到，它已经确定了围绕特斯拉第二季度收益报告的社区内一系列活动。

我们可以利用这种按小组细分的监控来识别品牌的机遇和风险，并消除噪音，放大我们最关心的受众中的趋势。

除了进行长期监控外，我们还可以深入研究和比较每个小组对品牌的讨论情况。例如，我们可以使用关键字规则对对话进行分类，以按我们想要进一步了解的关键主题进行细分。

在消费者研究中，您可以根据这些类别或任何其他数据细分绘制社交面板图表，并完全灵活地构建揭示见解并讲述引人入胜的数据故事的报告。

例如，在这里我们可以看到环保主义者最有可能在可持续性的背景下谈论特斯拉，投资者最多谈论价格，品牌倡导者和车主谈论特斯拉汽车的美学和设计。

对于任何这些主题，我们都可以深入研究并比较每个受众的谈论方式，更好地了解信息是如何传达给这些关键受众的，并学习如何更好地让他们参与关键主题。

研究小组

我们还可以更深入地研究我们已经构建 手机号码数据 的面板并了解他们谈论的一切，即使他们没有谈论特斯拉。

这使我们能够开发详细的目标人物角色或更好地了解我们品牌的拥护者或批评者，从而针对他们建立更加个性化的营销和沟通策略。

立即预订演示，了解更多有关 Brandwatch 社交面板如何帮助您更深入地了解您关心的受众的信息。