微博平台由于信息发布便捷、互动性强、传播速度广等特点,越来越受到企业的青睐,成为众多企业选择进行营销活动的重要阵地之一。而如何使得微博内容产生高转发量,以及如何采用转发预测手段进行阶段性的成果检验,这是企业在进行微博营销时必须要考虑的重要问题。当前,针对企业微博转发预测的研究较为少见,且其中大多关注核心节点(例如大V)或微博主题等,忽略了对微博内容的研究。因此,本文从微博内容和转发预测两个角度展开深入分析,以探究微博内容对企业微博的转发情况造成的影响,主要的研究工作包括:(1)从转发情况影响因素及预测算法的角度,以微博的转发量为评价指标,利用支持向量机预测算法构建模型,并预测微博信息的转发情况,使得研究结果得到量化处理,易于观察,更具备说服力。(2)基于内容营销理论,对企业微博转发情况的影响因素进行特征分析。从微博内容特征、微博表现特征、微博时间特征三个因素,细分为11个二级因素;以转发情况为因变量,11个二级因素为自变量,提出了企业微博转发情况的理论模型;并基于此模型运用信息增益方法提取了最优特征。研究结果明确了各个二级因素的影响程度,为企业采取针对性的措施提供了参考。(3)结合支持向量机算法,基于选择的最优特征建立转发预测模型;以新浪微博平台中的小米手机官方微博作为数据来源,分别选取对转发情况影响较大的特征集合、全特征集合进行对比实验。实验结果充分验证了最优特征的有效性,揭示了对企业微博转发情况影响较大的特征集合,为企业实施微博营销提供了有力的辅助工具。本文通过研究得到了对企业微博转发情况影响较大的规则集合,为丰富内容营销理论在微博营销中的应用具有积极的推动作用。此外,在企业进行微博营销的过程中,还可通过运用本文提出的支持向量机预测模型来探测具备高转发的微博,借此根据影响转发行为最深的特征来设计所发微博内容,从而提升企业微博的营销效果,促进其产品的销售。