執(zhí)行摘要：Q1輿情全景掃描

2026年第一季度，中國網(wǎng)絡(luò)輿情生態(tài)呈現(xiàn)出多個值得關(guān)注的特點。根據(jù)樂思輿情監(jiān)測平臺的大數(shù)據(jù)統(tǒng)計，Q1期間共監(jiān)測到180+主要輿情事件，相較2025年Q1同比增長23%。其中負面輿情事件佔比43%，達到77起。這一數(shù)據(jù)表明，在經(jīng)濟深化調(diào)整、社會轉(zhuǎn)型加速的背景下，公衆(zhòng)對各類社會議題的關(guān)注度和參與度都在上升。

值得注意的是，短視頻平臺（抖音、快手、小紅書）在輿情生態(tài)中的影響力已經(jīng)超越傳統(tǒng)新聞媒體和微博，成爲(wèi)輿情事件的主要發(fā)源地。本季度61%的輿情事件首發(fā)於短視頻平臺，相比2024年Q1的47%大幅提升。這一轉(zhuǎn)變反映了中國網(wǎng)絡(luò)輿情生態(tài)的深刻變化：信息的生產(chǎn)和傳播權(quán)逐步下沉到個人創(chuàng)作者和普通用戶手中。

Q1輿情的核心驅(qū)動力

在政策面，醫(yī)保改革、環(huán)保督查、教育改革成爲(wèi)輿情熱點。在經(jīng)濟面，房地產(chǎn)市場動盪、就業(yè)壓力上升、中小企業(yè)融資困難引發(fā)廣泛關(guān)注。在社會面，食品安全、醫(yī)療衛(wèi)生、個人隱私保護的輿情事件頻繁出現(xiàn)。在技術(shù)面，AI應(yīng)用的風(fēng)險討論、算法推薦的公共性質(zhì)徵等新議題逐步進入輿論場。

平臺格局變化：短視頻與微博生態(tài)

短視頻平臺的全面崛起

抖音、快手、小紅書三大平臺Q1的輿情事件佔比達到61%，成爲(wèi)當(dāng)之無愧的輿情主戰(zhàn)場。這些平臺的算法推薦機制能夠快速將高度相關(guān)的內(nèi)容聚合展現(xiàn)，形成的集聚效應(yīng)遠強於傳統(tǒng)媒體。一條熱點短視頻可能在24小時內(nèi)獲得數(shù)百萬次觀看和數(shù)萬次轉(zhuǎn)發(fā)，這種傳播速度前所未有。

短視頻輿情的特點是：（1）視覺化強，容易產(chǎn)生情感共鳴；（2）傳播快，從發(fā)佈到破圈只需數(shù)小時；（3）參與門檻低，普通用戶都能成爲(wèi)內(nèi)容創(chuàng)作者；（4）難以控制，一旦事件走向負面，很難完全扭轉(zhuǎn)輿論。

微博生態(tài)的演變

微博從曾經(jīng)的輿情主陣地逐步演變爲(wèi)輿論精英集中地。在微博上，記者、自媒體大V、行業(yè)專家、政務(wù)官微仍然佔據(jù)著重要的話語權(quán)。但微博上的討論往往更具理性、更深入，而不是短視頻上的情感化爆發(fā)。在多個重大事件中，微博成爲(wèi)了輿論"二次詮釋"的場所——短視頻上爆炸的熱點事件會被微博上的意見領(lǐng)袖重新解讀和分析。

全國情緒指數(shù)分析

樂思輿情監(jiān)測在Q1期間針對網(wǎng)絡(luò)輿論進行了系統(tǒng)的情緒分析。結(jié)果顯示，整體輿論情緒指數(shù)爲(wèi)-12點（滿分爲(wèi)+100，最低爲(wèi)-100），相比2025年Q1的+8點下降了20個點。這表明Q1的輿論基調(diào)明顯更爲(wèi)悲觀和批評性。

負面情緒的具體表現(xiàn)

在所有負面情緒中，憤怒(anger)是最主要的情緒，佔負面輿情的42%。其次是失望(disappointment，32%)、恐懼(fear，15%)和厭惡(disgust，11%)。憤怒通常與不公平感、被欺騙感相關(guān)聯(lián)；失望反映了民衆(zhòng)對現(xiàn)狀改變的期待落空；恐懼則源於對未來的不確定性。

十大熱點輿情事件分類

根據(jù)輿情監(jiān)測數(shù)據(jù)，Q1期間的主要輿情事件可歸納爲(wèi)以下幾大類別。爲(wèi)保護涉事主體隱私，本報告不披露具體機構(gòu)名稱，僅按類別呈現(xiàn)統(tǒng)計數(shù)據(jù)和典型特徵。

1. 消費者權(quán)益類事件

佔比28%。包括產(chǎn)品質(zhì)量問題、售後服務(wù)糾紛、虛假宣傳、消費欺詐等。這類事件容易引發(fā)消費者的共鳴，往往在短視頻平臺上迅速擴散。代表性特徵包括：用戶曬圖或視頻取證、評論區(qū)集聚共鳴、品牌官方被質(zhì)疑。

2. 食品安全類事件

佔比18%。食品安全涉及生命安全，天然具有高關(guān)注度。Q1期間多起食品污染、過期產(chǎn)品、添加劑問題事件在短視頻平臺引發(fā)廣泛討論。這類事件的輿論反彈最強烈，品牌信任度受創(chuàng)最深。

3. 地方政府回應(yīng)類事件

佔比16%。包括城建決策、環(huán)保執(zhí)法、教育政策執(zhí)行等。其中既有正面的高效回應(yīng)案例，也有負面的信息不公開、態(tài)度冷漠等案例。這類事件往往對政府形象有直接影響。

4. 科技企業(yè)輿情類事件

佔比15%。互聯(lián)網(wǎng)和科技公司面臨的主要輿情包括：裁員涉及的員工權(quán)益問題、算法歧視、隱私泄露、虛假宣傳等。科技企業(yè)因爲(wèi)擁有大量用戶和高度關(guān)注，輿情事件的放大效應(yīng)特別明顯。

5. 醫(yī)療衛(wèi)生類事件

佔比14%。醫(yī)患糾紛、醫(yī)療服務(wù)質(zhì)量、疫苗安全、醫(yī)保改革執(zhí)行中的問題等都成爲(wèi)輿情熱點。醫(yī)療涉及生命安全，輿論參與度很高。

6. 房地產(chǎn)市場類事件

佔比5%。房地產(chǎn)市場調(diào)整導(dǎo)致的集中風(fēng)險事件。購房者維權(quán)、爛尾項目、開發(fā)商跑路等事件引發(fā)輿論關(guān)注。

7-10. 其他事件

教育領(lǐng)域改革、環(huán)保監(jiān)察、社會安全事件等也都引發(fā)輿情，但單個類別佔比較小。

情感趨勢與波動分析

信任指數(shù)跌勢

整體而言，Q1期間消費者和公衆(zhòng)對企業(yè)、政府、公共機構(gòu)的信任度呈現(xiàn)下降趨勢。樂思輿情監(jiān)測的信任指數(shù)從1月的+18下降到3月的-8，跌幅達26個點。這反映了頻繁的負面輿情事件對公衆(zhòng)心理的累積影響。

憤怒情緒的主導(dǎo)地位

在所有情感中，憤怒最爲(wèi)突出。憤怒的來源多爲(wèi)：不公平感（不同羣體待遇差異）、被欺騙感（虛假宣傳或隱瞞）、無力感（問題長期得不到解決）。這三種來源的憤怒在Q1都有顯著表現(xiàn)。

行業(yè)脆弱性排名

不同行業(yè)在輿情風(fēng)險方面的脆弱性不同。根據(jù)Q1數(shù)據(jù)統(tǒng)計，我們得出了行業(yè)脆弱性排名，排名基於該行業(yè)內(nèi)發(fā)生的輿情事件數(shù)量、負面率、傳播範(fàn)圍等多個維度。

排名第1-4位的高脆弱行業(yè)

醫(yī)療衛(wèi)生行業(yè)因爲(wèi)涉及生命安全和人身健康，居於最高風(fēng)險位置。金融行業(yè)因涉及財產(chǎn)安全和權(quán)益保護，也高度脆弱。食品飲料行業(yè)因消費頻率高和安全敏感性強，排名第三。教育行業(yè)因關(guān)係兒童發(fā)展和家庭投資，也面臨持續(xù)的輿情壓力。這四個行業(yè)的輿情事件佔到總數(shù)的68%。

排名第5-8位的中脆弱行業(yè)

房地產(chǎn)、電商平臺、互聯(lián)網(wǎng)服務(wù)、能源環(huán)保等行業(yè)排名靠後，但脆弱性仍值關(guān)注。房地產(chǎn)因涉及鉅額投資，房地產(chǎn)項目的任何問題都容易激化輿論。電商平臺雖然日常消費投訴衆(zhòng)多，但單個事件的傳播範(fàn)圍較小。

三大關(guān)鍵趨勢

趨勢一：AI生成內(nèi)容加速輿情變異

Q1期間，通過AI生成的虛假內(nèi)容在輿情事件中的出現(xiàn)頻率明顯上升。據(jù)估計，約18%的熱點輿情事件涉及某種程度的AI生成或AI輔助內(nèi)容。這些內(nèi)容包括AI生成的深度僞造視頻、AI寫手創(chuàng)作的評論、AI改寫的新聞?wù)取I生成內(nèi)容的危害在於：難以識別、傳播速度快、可以大規(guī)模生成。

趨勢二：短視頻成爲(wèi)輿情起點

本季度數(shù)據(jù)清晰表明，短視頻已經(jīng)成爲(wèi)輿情事件的主要起點。在180+主要輿情事件中，61%首發(fā)於短視頻平臺。這意味著輿情監(jiān)測和應(yīng)對策略必須以短視頻平臺爲(wèi)核心，而不是傳統(tǒng)的新聞和微博。許多企業(yè)和機構(gòu)的輿情應(yīng)對仍然聚焦於傳統(tǒng)媒體，已經(jīng)明顯滯後於輿論生態(tài)的演變。

趨勢三：跨平臺輿情協(xié)同運動

一個熱點輿情在短視頻上爆炸後，會迅速引發(fā)微博、知乎、小紅書、微信公衆(zhòng)號等其他平臺的聯(lián)動討論。這種跨平臺協(xié)同導(dǎo)致輿情的影響力被放大數(shù)倍。同時，在特定議題上，有組織的輿情推動（意見領(lǐng)袖、自媒體賬號集中轉(zhuǎn)發(fā)）也更加明顯。

數(shù)據(jù)來源與方法論

本報告的數(shù)據(jù)來自樂思輿情監(jiān)測平臺全量數(shù)據(jù)。監(jiān)測範(fàn)圍包括微博、抖音、快手、小紅書、知乎、微信公衆(zhòng)號、新聞客戶端、傳統(tǒng)媒體網(wǎng)站、論壇等主要網(wǎng)絡(luò)渠道。監(jiān)測時間爲(wèi)2026年1月1日至3月31日。輿情事件的判定標(biāo)準(zhǔn)爲(wèi)：互聯(lián)網(wǎng)上就某一話題產(chǎn)生的討論中，單日相關(guān)信息超過100條且涉及50名以上不同用戶。負面輿情的判定採用NLP情感分析技術(shù)，結(jié)合人工審覈。情緒分析採用多維度情感模型，包括積極、消極、中立、憤怒、失望、恐懼、厭惡等情緒維度。