微博营销是柔性的，需要持续的交互才能逐渐显露营销的效能，这似乎决定了微博营销只能靠人工干预的方式实施。其实不然，恰恰是微博通过互动产生价值的特征，决定了微博营销可以将有效的技术手段作为先导，先做数据挖掘，在此基础上增加人工干预才有可能实现营销效果的最大化。

　　营销的本真还是在于发现、创造和交付价值以满足目标用户的需求，实际上就是将用户作为所有行动的中心环节，实现价值交换。微博创造了海量的数据和用户，企业在微博中即便是以集群账号的形态出现，也绝难通过人工管理同时与所有的潜在用户交互，发现所有的与企业相关的内容。所以微博营销首先要解决的就是企业和那些用户交互，关注那些内容。

　　有一点是肯定的，微博用户的用户在一段时间内角色形象是固定的，每个用户都有自己的特征和角色定位，不管是关注、参与还是转发评，微博内个体的互动体现的是价值交换，反应了用户间的社会属性。也就是说只要用户在微博中有所行动，就一定能够定位用户的属性，随着参与程度的深化，用户的社会属性定位就能更为精确与清晰。企业在微博内寻找用户，最好就是从角色属性入手。只要能了解用户的态度和意愿，就能判断一个用户的角色属性，将态度和意愿作为用户营销分类的基础，其准确性要高于以用户的刚性特征进行分类。态度和意愿不容易把握，但社会化网络提供了分析的可能，用户在社会化网络内的每一次行动，背后都有其即时的态度和意愿，关键在于能否通过技术手段加以判断、追踪、提炼。

　　现在还没有完善的技术手段能做到这一点，微博内的数据挖掘太过繁杂，不仅在于用户、内容的海量，也在于用户特征不明显、毫无关联的碎片化内容太多、用户行为的跳跃性太强。不要说是完善的数据挖掘，即便是文本挖掘都很难实现。

　　数据挖掘短期难以实现，可以先做信息过滤。企业先根据自己的品牌特征、营销目标等设定与之相关的规则，利用规则来表示用户模型。跟踪微博内数据的变化情况，如果规则被满足，系统就会开始运行，系统的过滤部分将信息过滤或保留下来。首先是预处理：系统对收集的数据进行必要的预处理，例如清除“脏”数据、“短”数据、跳跃性太强的数据、与用户特征不吻合的数据。其次是模式发现：应用不同的挖掘算法发现用户的行为模式和内容分类。再者是模式分析：从模式发现的模式集合中选择有意义的模式，将用户和内容配对，提炼出用户即时的动态特征。提炼出来的用户与内容再转入人工干预，相信一定能大大提高微博营销的效率与效果。