社会感知与企业智能：Twitter上的客户服务性能与竞争评估

演讲主题：社会感知与企业智能迈向智慧企业转型WWW 2018，2018年4月23日至27日，法1713在Twitter上的客户服务的性能和竞争的评估：英国电信业案例研究摘要NabeelAlbishryUniversity ofBristol英国Albishry@Bristol. AC.英国Theo Tryfonas布里斯托尔大学英国西奥tryfonas@bristol. AC.英国英国斯旺西大学托马斯Crick@swansea. AC.英国英国布里斯托尔大学特斯雷姆fagade@bristol.AC. 英国Twitter：英国电信案例研究。WWW'18 Companion：The 2018 Web随着越来越多的消费者使用社交媒体平台来分享他们对每天使用的产品和服务的满意度和不满意度，以客户服务为重点的组织正在认识到与客户进行快速和真正的在线互动的重要性反过来，消费者越来越多地根据客户服务的质量和对在线查询的响应程度来判断组织本文提出了一个可扩展的框架，用于评估客户服务团队与客户在Twitter上的此外，该框架提供了测量和分析与行业竞争对手的间接接触的能力，尤其是其模式、频率和强度。通过将图形分析应用于这些Twitter的互动，我们的框架产生了各种分析措施和视觉表示，通过基于七个主要的英国电信公司的案例研究为通过由15，000条推文和3，500个用户配置文件组成的数据集，结果为商业竞争对手之间的间接参与提供了持续的证据，客户查询是同一行业子领域公司之间激烈竞争的触发器CCS概念• 以人为中心的计算→社交网络;社会网络分析;社交网站;信息可视化;·应用计算→商业智能;关键词客户服务;回复链;图构建;社会网络分析; Twitter;社交媒体ACM参考格式：Nabeel Albishry ， Tom Crick ， Theo Tryfonas ， and TesleemFagade.2018年。顾客服务绩效与竞争力之评估本文在知识共享署名4.0国际（CC BY 4.0）许可下发布。作者保留在其个人和公司网站上以适当的归属方式传播作品的权利。WWW©2018 IW3C2（国际万维网会议委员会），在知识共享CC BY 4.0许可下发布。ACM ISBN 978-1-4503-5640-4/18/04。网址：//doi. org/10. 1145/3184558。3191631Conference Companion，2018年4月23日ACM，New York，NY，USA，8页。网址：//doi. org/10. 1145/3184558。31916311引言在线新闻和社交网络服务Twitter已经成为世界各地各种人口统计学中最受欢迎的社交平台之它提供了丰富的、不断更新的大社交数据语料库，以研究一系列复杂的社会文化问题，从生活事件检测[5]和识别多语言社区[2]，到情感分类[4]，并提供对个性和行为的更深入洞察[17]。不出所料，Twitter越来越多地被组织用来与客户沟通，因为它是一种快速方便的参与媒介[15]，使用各种复杂的人工和自动化方法[25，27]。2016年，对5,450名在Twitter上关注中小企业的人进行了一项调查[24];主要结果显示，83%的人收到回复后对中小企业的感觉更好，68.7%的人因为Twitter至少从中小企业购买了一次。因此，媒体可以作为潜在问题的指标绩效、管理甚至战略问题[11];在许多情况下，大多数投诉涉及产品和服务相关问题[9]。已经进行了许多研究，以探索各个业务领域（如旅游和电信）中客户服务体验的各个方面[14，16，23，26，28]。新闻机构离社交媒体分析不远了，他们利用社交媒体来发现用户虽然各个领域长期以来一直应用网络分析技术-例如用于犯罪检测和预防[ 19，20 ] -但直到最近才进行了工作，以了解用户如何通过网络结构与品牌相关[ 8 ]，公司共享的信息如何传播及其类型[ 22 ]。以及公司的哪种类型的参与被发现对客户感知有影响”[13]《易经》云：“君子之道，焉可诬也？进行这类研究的一个共同方法一直使用情绪分析，主要是衡量消费者的感知和满意度[1，28]。然而，这里提出的新框架旨在提供定量的见解，可以产生一个更全面的客户服务Twitter帐户和他们的互动的看法该框架不是关注单个帖子及其情绪，而是帮助识别可以利用的投诉对话演讲主题：社会感知与企业智能迈向智慧企业转型WWW 2018，2018年4月23日至27日，法1714分析师或决策者进一步询问随着Twitter上的大量活动，该框架专注于通过使用图的连接组件特征来检测可能的关键问题，以识别有问题的对话以供进一步分析。此外，通过使用流和RESTful数据，这种方法可以应用于实时数据，以便在达到某些阈值之前捕获有问题的对话本文的其余部分组织如下：在第2节中，我们介绍了英国电信业的案例研究，在第3节中，我们的方法，这个项目;第4节介绍了结果和关键的视觉表示;第5节提供了主要的讨论;第6节总结了本文的讨论，讨论了这项工作的潜在扩展和更广泛的应用。2案例研究：英国电信行业大多数英国家庭都可以使用固定宽带和智能手机，消费者可以在固定和移动连接之间无缝移动这是由于超高速宽带服务的使用率不断增长，2017年英国固定宽带家庭的比例增加到82%，电信服务占家庭总支出的3.8%随着移动和Wi-Fi连接的日益融合，英国的许多客户在2016年已经从按需付费资费转向按月付费资费，并且在2016年底，近三分之二的移动连接消费者也更多地使用这些网络-每个固定线路住宅宽带连接的平均数据使用量同比增长36%，2016年6月达到132 GB，每个移动连接的平均数据使用量 英国电信行业在过去五年中持续快速增长，2016年行业总收入为356亿英镑，其中移动零售收入为153亿英镑[21]。英国有四家主要的固定宽带网络运营商：BT、Sky、TalkTalk和Virgin Media;除了现有的英国目前有四家主要的移 动 网 络 运 营 商 （ MNO ） （ 2017 年 用 户 数 ） ： BT/EE（29.8m），O2/Telefònica（25 m），沃达丰（17.6m）和Three/H3 G （ 12.01m ） ; 还 有 几 家 移 动 虚 拟 网 络 运 营 商（MVNO），包括Virgin Mobile（通过EE，3 m），giffgaff（通过O2，420，000）和Sky Mobile（通过O2，335，000）[10]。3方法该数据集包含七家英国知名电信公司的推文和相关回复：英国电信、EE 1、吉夫加夫、O 2、天空、维珍传媒和沃达丰。 这些选择旨在代表各种规模、历史和服务范围的公司。 虽然少数公司在Twitter上只有一个帐户，但其中一些公司在主要Twitter帐户之外有多个帐户;在这些情况下，专用客户服务帐户在公司其他帐户的传记中指示。因此，由于研究的重点是Twitter上的客户服务，数据从公司的主要账户或其专用客户服务账户（本文中的名称将指Twitter帐户句柄而不是正式的公司交易名称）。受Cogan et al.[7]，本研究包括两个主要步骤：数据收集阶段和图形构建。数据收集阶段迭代地运行以获得回复链，处理它们并将它们存储在数据库中。一旦数据收集阶段完成，就构建包括所有回复节点和边的大型图NetworkX Python包[12]用于图形构造，而Gephi [3]提供了一系列可视化工具3.1流为了确保我们能够收集尽可能多的数据，数据收集包括三个步骤。首先，打开流端点以捕获被调查账户的活动，这些账户将被称为Twitter Streaming API2旨在返回用户创建的推文、他们的转推、针对他们的推文的回复以及他们的推文的转推。然而，流不包括提及用户的推文，以及受保护用户的回复/转推3.2回复链从流API返回的状态可以表示先前未收集的回复状态结果发现，大多数缺失的状态要么是在数据收集开始之前发布的，要么是被提及的，要么是用户帐户受到保护的。这个问题可能会对分析的质量产生重大影响;因此，一 旦 从 流 端 点 返 回 状 态 ， 首 先 会 检 查 它 们 的 类 型（ tweet 、 retweet 等 ） 。 如 果 status 是 回 复 ， 则 从in_reply_to_status_id中提取其回复的状态的ID。然后，使用提取的ID，我们检查是否已经收集了回复状态并存在于数据集中。如果没有，则使用REST API来收集它们。此过程将对新收集的答复递归运行，直到没有更多的答复不可用状态通常是由于删除或受保护的帐户。对第二阶段数据收集后图上变化的分析表明，节点和边的数量分别增加了43%和62%这种连接的增加导致将176个对话合并到其他对话中，这提高了图的连接性，从而提高了相关分析的准确性。3.3图构建Twitter上的对话的主要数据结构表明状态到状态3的关系。在图的概念中，状态表示由有向边链接的节点。因此，本研究在进行分析时遵循图构造方法，并产生三个图。首先，构建基图以捕获数据集的结构，即从状态到地位然后，从基图中生成两个图：用户图，用来考察用户到用户的关系1BTEE的市场份额，但由于合并EE的可用频谱份额增加。自那以后，没有其他重要的新进入者或市场份额的变化2https：//developer. Twitter. com/en/docs3演讲主题：社会感知与企业智能迈向智慧企业转型WWW 2018，2018年4月23日至27日，法1715直接参与和共存图，以发现和检查竞争对手之间的间接参与。3.3.1基础图。 一旦收集到数据，就会生成一个包含所有回复和所有相关信息的基础图。节点表示状态ID，而边表示回复方向;其他信息作为属性添加到节点。本研究中使用的信息是用户的screen_name、回复的时间戳、文本和CS。附加的CS值是被设置为区分账户的二进制数字需要此值以消除在即将进行的分析中进行用户检查的需要图1说明了概念基础图。由于回复可以仅针对一个其他状态，因此没有边被期望具有除1之外的权重值，并且没有回复状态可以具有大于1的出度outdegree为0的节点可以是根节点，也可以被定向到不可用状态。另一方面，该图中的入度指示指向状态节点的回复的数量;因此，0入度区分叶节点。特殊情况的节点是那些入度和出度都等于0的节点;这些是孤立的/浮动的节点，必须在我们执行分析之前删除此外，它们本身将被视为连接的组件，这会影响结果的准确性。图1：回复链图3.3.2用户 因为大多数分析集中在回复帖子之间的关系上，所以它们被应用在基础图上。然而，为了允许检查用户之间的关系，从基础图生成另一个图。该过程通过迭代链接回复帖子的边、提取用户信息并相应地构造用户图来执行在本研究的上下文中，仅使用两个属性：屏幕名称和“CS”值。虽然节点表示屏幕名称，但对于边，它们的权重指示从源节点（发送者）发送到目标节点（接收者）的应答的数量;因此用户图是有向的。在图1中的示例中应用此过程会产生图2中的用户图。为了检查用户之间的关系，测量五个网络图属性。没有特殊情况的节点或边图2：从基础图中提取的用户图示例在该图中，如在基础图中观察到的对于边，它们的定向指示回复的方向，而权重反映边上的回复节点入度反映已经向节点发送回复的用户的数量此外，加权的程度和程度分别表示总的接收和发送的答复3.3.3连接的组件。 基础图中的回复会话不是互连的，这意味着图实际上由许多子图或“连接组件”组成。 由于节点包括屏幕名称，因此这些组件可以链接到CS帐户。然后，它们用于测量对话的大小、深度，并识别CS账户之间的共享对话在基本图中，连接组件的数量反映了会话的数量因此，在基础图中，根据CS帐户及其受众的活动，应该预期许多组件。要查找特定CS帐户的对话，搜索将遍历所有组件;在每个组件中，该过程遍历节点并检查name属性。一旦找到匹配，搜索过程停止，并且所识别的组件被即时分析，或者被返回以用于进一步分析。另外，这些组件中的一些将用于构建共存图，如下面所述。3.3.4共存图如前所述，此图旨在衡量CS客户之间的间接接洽因此，依次处理基础图中的所有组件，以找到出现了哪些CS帐户。对于每个组件，提取CS值等于1的节点的名称属性。如果找到多于一个CS账户，则使用那些账户来创建用于共存图的节点和边。因此，从CS名称生成节点，并且边指示链接的节点之间的公共会话。随后，如果边已经存在，则增加其权重。对于该过程的说明，参见图3和图4以举例说明三个公共组件和所得的共存图。演讲主题：社会感知与企业智能迈向智慧企业转型WWW 2018，2018年4月23日至27日，法1716账户是说stdevMax分钟（秒）btcare2.0416.11572.4638ee1.463.3919.2827吉弗加格1.2210.25159.9773O21.142.6622.4858天空帮助团队45.0449.16117.2144维金梅地亚3.349.25263.9822沃达蓬新海尔普1.925.0176.5150图3：常见组件示例（为清楚起见，仅包括名称）图4：示例共存图4结果4.1延迟计算延迟对于深入了解各个CS团队的绩效非常重要。由于基本图中的回复节点包括时间戳属性，因此通过计算每个边缘上的端节点之间的时间差来实现测量延迟 表1示出了CS账户延迟的关键统计数据;有趣的是，@ sky-helpteam的平均延迟为45.04小时，而其他CS账户的延迟在1.14到1.15小时之间。3.34小时4.2交互和用户为了测量用户之间的交互作用，从基本图建立了用户-用户图所得到的图包含3，521个用户节点和5，938条边。虽然基本图中的边不能具有大于1的权重，但是用户图中的边权重包括从一个用户到另一个用户的所有回复因此，用户图中的节点和边的数量低于基础图中的节点和边的数量表1：延迟统计汇总用 户 图 的 属 性 在 下 面 的 表 2 中 呈 现 ; 该 表 显 示@virginmedia从866个用户收到了最多的回复，平均每个用户3.05个。此外，同一个帐户在收件人数量上得分最高度和outdegree之间的差异表明，除了@o2之外，所有帐户的outdegree都大于其另外，发现发送的回复的总数大于接收的回复的数量;这可以反映那些回复被定向到非回复帖子。测量ind w.ind %出料重量%btcare3302477729314786616699543220946325426454033.021.752.711.581.733.052.434854701022603051215302131777824747950434216602.721.662.421.841.652.822.19ee吉弗加格O2天空帮助团队维金梅地亚沃达蓬新海尔普表2：用户-用户图的中心性度量4.3会话组件如方法中所讨论的，基础图中的每个连接组件表示包括相关回复的会话组件。在该数据集中，有3，289个会话组件，具有不同数量的回复。观察其大小表明，最小的部分由一个员额组成，而最大的部分包含81个员额。单柱成分的数量为102个，并且发现它们都属于CS账户。检查这些单一组件发现，它们要么是未收到回复的原始推文，要么是对不可用状态的回复。如前所述，不可用回复是指由于删除或发布帐户受到保护而无法捕获的回复。因为它们没有任何长度，因此不代表会话，单节点组件已被排除在即将进行的分析。此外，发现大多数组件具有两个节点。这些组件为1，188个，其电子邮件的方向然而，其中25次对话是由客户发起的。由于它们是两个节点的组件，似乎那些帖子都没有演讲主题：社会感知与企业智能迈向智慧企业转型WWW 2018，2018年4月23日至27日，法1717由相关CS帐户回答。虽然可以使用其他通信手段，如直接信息，但没有进一步互动的明显迹象4.4组件大小和最长路径值得注意的是，连接组件的大小并不一定反映会话的长度，尽管组件的大小与其最长路径的长度之间存在很强的相关性（0.88）。 如图5所示，许多组件测量位于近乎完美的对角线上;有趣的是，最大组件（81个节点/柱）中的最长路径仅为1。图5：组件的大小及其最长路径为了说明连接组件的属性，选择最大的20个组件进行可视化，如图6所示。研究结果表明，组件具有非常高的变化，在他们的节点之间的程度主要来自CS帐户。图中的三大组件说明了这种说法的一个例子;当观察时，发现它们具有从Twitter用户收到太多回复的广告推文例如，最大分量中的根节点是度为80的@o2的帖子，并且所有连接的节点的度为零，即他们没有得到答复。另一方面，最长路径分量排名第三大分量。它只有一片叶子 ， 沿 着 路 径 的 所 有 其 他 节 点 都 是 indegree=1 和outdegree=1，形成了我们所说的简单链，在图6中用独特的颜色表示。此外，这些组件中有15个被发现来自客户账户，它们都采用了半简单的链，因为它们具有一些分支。一般来说，简单链可以被识别，其中边的数量等于分量中最长路径的长度简单链占图中连通分支的80%，其中长度为1的占47%。这与前面给出的连通分量大小的结果是一致的。最后，表3显示了单个CS账户链的统计数据。名称计数Maxmin是说stdevbtcare3881913.463.22ee324911.981.43吉弗加格1471212.391.98O22161112.532.26天空帮助团队2521512.221.99维金梅地亚9596813.784.46沃达蓬新海尔普2483912.583.29表3：CS账户的链长汇总统计4.5公共组件和共存如前所述，基础图中的连接组件表示单独的会话。因此，这些组件用于发现CS客户之间的间接参与由于基础图中的回复节点包括用户的屏幕名称，因此可以识别以多于一个CS账户为特征的那些组件。对于每个连接的组件，检查回复节点中的名称是否属于CS帐户或公共。具有多个不同CS名称的组件将被标记为通用组件。结果表明，共有39个共同成分，其中38个包含2个CS账户，1个包含3个账户。图7中呈现的图表示出了这些组件，其中每个CS账户被给予颜色代码以用于标识，如图例所阐明的。为了进一步探索这些关系，构建了共存图，如第3.3节所述。该图中的边是无向的，并且它们的权重指示CS账户出现在同一对话中的频率。在图8中示出了所得到的图，其中节点大小与其度成比例，以指示节点已经与多少其他CS账户共存，而节点的暗度反映加权度，以示出节点的共存的总频率。图上的第一个观察结果是，在任何常见的对话中都没有找到@giffgaff相比之下，@o2是唯一一个与所有其他CS帐户共享对话的帐户，而@vodafoneukhelp被发现与最不常见的对话。然而，加权度测量显示，@virginmedia的普通对话数量最高;21个组件，尽管它的程度告诉这些对话 只 与 其 他 三 个 CS 团 队 共 享 。 最 重 的 边 存 在 于@virginmedia 和 @btcare 之 间 ， 其 次 是 @virginmedia 和@skyhelpteam之间的边。此外，@o2的边缘显示它主要与@ee一起出现，而@vodafoneukhelp则是@ee。对共存图的附加观察提供了对发现特定行业或部门内的更具体的服务区域的洞察当检查图的模块性时，这一点很明显[6];结果已经展开为两个社区，如图9所示。此外，关于以下CS团队的行业知识：@ee，@o2和@vodafoneukhelp属于 主 要 专 注 于 移 动 服 务 的 域 ， 而 @skyhelpteam ，@virginmedia和@btcare主要专注于固定电话和家庭互联网服务。演讲主题：社会感知与企业智能迈向智慧企业转型WWW 2018，2018年4月23日至27日，法1718图6：后-后图中最大的20个连接组件此外，使用第4.1节中使用的类似方法，在这些组件中测量延迟，以评估竞争对手的存在是否对CS团队的响应速度产生影响有趣的是，virginmedia、btcare和skyhelpteam的延迟改善率分别为26%、43%和72%。这些延迟的改善，以及这些公司的常见对话频率，证实了它们之间存在在线竞争5讨论最初，CS账户的表现及其在Twitter上的受欢迎程度是通过对活动 和用户的分析来衡 量的从这个角度 来看，@virginmedia的帖子数量最多，帖子类型最少（99.7%是回复），服务的客户数量最多。账户的平均延迟时间在1.14至3.34小时之间，除了@skyhelpteam的平均延迟时间为45.04小时。这可能表明团队存在管理问题，例如社交媒体策略或员工资源不明确除了@giffgaff和@o2之外，大多数CS团队都在他们的账户页面上明确规定了工作时间。有趣的是，这两个帐户被发现具有最低的延迟。然而，高可用性，即较长的活动时间，没有发现显着提高答复客户的速度。例如，当@giffgaff被观察到活动较长时间，@o2通常被发现回复更快。尽管数据显示没有CS团队与竞争对手直接特别是在@virginmedia和@btcare的案例中，竞争明显而激烈。在所有情况下，发现客户都是竞争性对话的发起者，他们利用Twitter@-mention功能将不同的竞争对手带入对话。与电话、信件或电子邮件不同，在社交媒体上提出的投诉是公开的，公众可以阅读和关注，如果处理不当，可能会损害声誉。因此，在少数情况下，在同一对话中包括竞争对手时，反应速度的提高并不令人惊讶。这表明，随着Twitter等社交媒体平台的开放，客户可能有更多机会获得更好的交易或快速解决他们的问题[9]。反过来，这种公开发布投诉的方法增加了CS团队提高社交媒体参与度的压力，特别是当客户包括业务竞争对手时[11]。这些问题中的一些对于使用主要移动网络运营商（MNO）的基础设施的移动虚拟网络运营商（MVNO）（诸如VirginMobile、giffgaff和Sky Mobie）尤其相关，如第2节中所呈现的。 虽然这演讲主题：社会感知与企业智能迈向智慧企业转型WWW 2018，2018年4月23日至27日，法1719图7：常见连接组件图8：CS共存图可能不会直接影响CS操作，尤其是当许多客户不太可能知道他们的公司是否拥有任何底层网络基础设施时，它可能对虚拟运营商具有操作和/或性能影响，这取决于虚拟运营商与基础设施运营商的服务级别协议图9：共存图中的模块类6结论本文介绍了一个可扩展的框架，用于评估客户服务性能和行业竞争对手之间的竞争我们已经介绍了如何使用网络图属性来实现日益复杂的演讲主题：社会感知与企业智能迈向智慧企业转型WWW 2018，2018年4月23日至27日，法1720评估，与该框架正在测试的竞争激烈的英国电信行业的选定运营商。第3节强调了在开始分析阶段之前需要应用的两个重要技术。首先，递归回复链数据收集对于获得准确的结果至关重要。这一阶段的重要性源于它填补了空白并改善了图形的连通性。第二，从回复中构造初始图并去除浮动孤立节点。在构建该图时，需要识别关键信息并将其作为属性附加到节点。本研究中使用的信息包括帖子ID、时间戳、screen_name、文本和CS值。然而，该框架可以很容易地扩展到包括其他信息，如转发。这个项目的一个更广泛的目标是显示连接组件在区分用户对话中的重要性，以及分析竞争及其关键特征。由于模块化类的附加值，竞争分析有助于在行业内发现更多的专业社区。服务提供商也可以使用所提出的框架来反思性地评估他们的社交媒体帐户和交互，以及生成洞察他们的关键领域竞争对手的活动;通过这种方式，本研究中所提出的方法可以用于进行实时观察。另一个应用是查明服务业的差距、竞争、挑战和机会，例如，可用于为初创企业制定战略这种方法也可适用于其他领域或情况，如非营利组织、慈善机构或公共部门。此外，它还可以用于用户组，例如名人及其在Twitter上的直接和间接参与。此外，随着新出现的用团队成员的首字母签名答复的做法确认这项工作得到了沙特阿拉伯王国阿卜杜勒阿齐兹国王大学Nabeel Albishry博士研究奖学金的支持引用[1] Haifa Al-Hussaini和Hmood Al-Dossari。2017.基于词汇的方法从Twitter中的阿拉伯语推文建立服务提供商声誉International Journal of AdvancedComputer Science and Applications8，4（2017）。[2] Na be el Albish ry，TomCrick，andTheoTryfonas. 2017年。“一起来！ “：Twitter上语言网络和多语言社区的相互作用。在计算集体智能。LNCS，Vol.10449 斯普林格。[3] 马蒂厄·巴斯蒂安、塞巴斯蒂安·海曼和马蒂厄·雅可米。2009. Gephi：一个用 于 探 索 和 操 纵 网 络 的 开 源 软 件 。 国 际 AAAI 博 客 和 社 交 媒 体 会议（ICWSM）。361-362.[4] 本杰明·布拉米、汤姆·克里克和贾尔斯·奥特利。2012年。R U：-）或：-（？角色-与OSN语料库情感分类的词元特征选择在智能系统的研究与开发XXIX。斯普林格207[5] 本杰明·布拉米、汤姆·克里克和贾尔斯·奥特利。2013年。 在智能系统的研究和发展XXX。Springer，389[6] 文 森特 ·DBlondel， Jean-Loup Guillaume， Renaud Lambiotte， and EtienneLefebvre.2008 年 在 大 型 网 络 中 快 速 展 开 社 区 Journal of StatisticalMechanics：Theory and Experiment2008，10（2008）.[7] 作者：Peter Cogan，Matthew Andrews，Milan Bradonjic，W.肖恩·肯尼迪亚历山德拉·萨拉和加布里埃尔·图奇2012年。Twitter会话的重构与分析图表第一届ACM跨学科社交网络研究热点国际研讨会（HotSocialACM，25[8] 詹妮弗·卡特勒和阿隆·库洛塔2017.使用在线社交网络测量消费者AppliedMarketing Analytics2，4（2017），312[9] 萨宾Einwiller和Sarah Steilen。2015.处理社交网站上的投诉公共关系评论41，2（2015）。[10] 欧盟委员会。2017. 2017年欧洲技术报告。[11] 题名/责任者：by John M. 2015.与客户一起管理社交媒体危机：好的，坏的，丑陋的。Business Horizons58，2（2015），173[12] 阿里克A.作者声明：Daniel A. Schult，and Pieter J.斯沃特2008.使用NetworkX探索网络结构、动力学和功能。在Proceedings of the 7th Python in ScienceConference（SciPy 2008）中，第一卷。八三六十一点十五点[13] Noor Farizah Ibrahim，Xiaojun Wang，and Humphrey Bourne.2017年。 探索在线品牌社区中用户参与的效果：Twitter的证据。计算机在人类行为72（2017），321[14] 沙欣·卡通2017.沙特电信公司的实时Twitter数据分析，以增强客户关系管 理 。 InternationalJournalofComputerScienceandNetworkSecurity17，2（2017），141[15] Liye Ma，Baohong Sun，and Sunder Kekre. 2015.吱吱作响的轮子得到了润滑油Marketing Science34，5（2015），627[16] Fotis Misopoulos ， Miljana Mitic ， Alexandros Kapoulas ， and ChristosKarapiperis.2014. 通 过 Twitter 发 现 客 户 服 务 体 验 ： 以 航 空 业 为 例 。Management Decision52，4（2014），705[17] 放大图片创作者：Michael C.卡尔德隆和贾尔斯·奥特利2016年。在以用户为中心的建模中引入情感和基于个性的分析。在智能系统的研究与开发XXXIII。Springer，383[18] Aastha Nigam，Salvador Aguinaga，and Nitesh V.乔拉2016.连接点来推断Twitter上追随者的主题兴趣。2016年行为、经济和社会文化计算国际会议论文集。[19] 贾尔斯·奥特利和汤姆·克里克。2015年。测量英国犯罪团伙：一个社会网络问题。Social Network Analysis and Mining5，Article 33（2015）.[20] 贾尔斯·奥特利汤姆·克里克和迪·博尔特2015. CCTV作为智能传感器网络。第13届IEEE可靠、自主和安全计算国际会议。美国电气与电子工程师协会。[21] Ofcom 2017. 2017年通信市场报告技术报告。[22] Francesco Piccialli和Jai E.俊作。2017.通过大数据分析了解社交网络服务的Mobile Networks and Applications22，4（2017），605[23] 穆 尼 斯 · 沙 基 尔 2017. Twitter 的 存 在 Jet AirwaysProcedia ComputerScience122（2017），17[24] Twitter和Research Now。2016. 客户洞察2016.技术报告。https：//business.Twitter. com/zh/resources/follower-insights. HTML[25] Tibert Verhagen ， Jaap van Nes ， Frans Feldberg ， and Willemijn van Dolen.2014年虚拟客户服务代理：使用社会存在和个性化来塑造在线服务接触。Journalof Computer-Mediated Communication19，3（2014），529[26] Juneth N Wattimena 和 Wiranto H Utomo 。 2017. 社 交 CRM 分 析 与Netnography方法增加客户的信心（研究案例：PT. Telkom Indonesia）。International Journal of Computer Science and Software Engineering6，3（2017），47[27] Anbang Xu，Zhe Liu，Yufan Guo，Vibha Sinha，and Rama Akkiraju. 2017.一个新的聊天机器人在社交媒体上的客户服务。在2017年CHI计算机系统人为因素会议（CHI'17）的会议记录中。ACM，3506[28] Libo Zhang，Yihan Sun，and Tiejian Luo. 2016.顾客满意度评估框架。第十届软件、知识、信息管理应用国际会议（SKIMA）448-453