文 / 杜易寰
用一句話來形容 Compass ，就是「讓你隨時瞭解社群上的風向怎麼吹」
在批踢踢上有一句名言：『拔草測風向』。這句以往用於士兵射擊前測定風向的口令，在網路上則變成了「不要和主流不一樣，免得被戰」的必要前置動作。
的確，在社群操作中，如果你站錯了邊，那的確很可能落得一個慘不忍睹的下場。以社群行銷者的立場來說，當然不是一定要取悅大眾。但在掌握自己的目標受眾的同時，又能不得罪大眾，自然是更好的結果。
最近社群上最熱門的風向逆轉事件，莫過於小模兇殺案中的梁女角色了。在案發剛開始時，媒體一面倒地將梁女形容為「蛇蠍美人」、「恐怖閨蜜」，而在案情出現逆轉後，網路上的風向也一百八十度改變，除了出現支持梁女的文章外，也有例如李茂生教授所發出的「莫忘督割」教育文。
我們先直接用 Compass 來秀出梁女事件的風向轉變圖。
（圖為讚數疊加圖，可以明顯看到 3/6 時梁女獲釋的消息一出，支持聲量馬上壓過反對聲量）
Compass 系統抓取了從 3/4 到 3/9 日，抓取了文章中有出現關鍵字「梁女」，且每日影響力分數最高的 20 篇文章。並將這 6 天共 120 篇文章分別標記為「支持梁女」、「反對梁女」與「中立或無關」等三個標籤（註一）。
看這個圖，的確和現實中風向轉變的時序十分吻合。
難道在事件初始時，沒有人呼籲「真相未明，勿忘督割」嗎？肯定是有的，但是由於當時網路上的風向過於一面倒，所以這類文章無法浮現出來。在後期，也定然有仍然認為梁女有罪的言論，不過因為風向改變，這類文章也不再有人願意回應或互動。
在社群時代，做一個左右逢源的尚書大人
QSearch 根據 Facebook 演算法，研發出的「測風向系統」：Compass ，就是要讓大家成為一個左右逢源的尚書大人。接著就讓我們來仔細介紹一下 Compass 是怎麼運作的。
Facebook 的演算法邏輯很簡單：『你在意的就餵給你，你不在意的我就不給。』一般來說，一篇文章發出去之後，Facebook 會先將文章推送給一小群人觀看。如果這一小群人對文章的反應熱烈，那麼 Facebook 就會將文章推播給更多人，如果對文章反應不熱烈，Facebook 就會覺得：『嗯，這八成是篇廢文。』文章就會下沉到無底深淵。
決定文章會被多少人看到的關鍵，就是閱讀者對文章的『互動』是否熱烈，而互動除了包括按讚、留言、分享之外，頁面停留時間或連結點擊率等等也都是指標。這也是 QSearch 設計了影響力分數的初衷，透過將心情、留言、互動等因素加權加總後，算出來的影響力分數可以大致上吻合 Facebook 的文章推播邏輯。
重點來了：由於 Facebook 的演算法會將文章推播給「會對文章有反應」的族群，換言之，如果某一篇文章的影響力分數相當高，那就可以表示，有相當一部份的人是在乎這個議題，並且會對這篇文章的立場相當敏感，不然為什麼挑這篇文章互動，而不是其他篇呢？
簡單的說，『透過觀察在特定議題上影響力分數最高的文章立場，就可以發現社群上對哪一種立場最為敏感。』
更有趣的是，大部分使用者都是『挑自己認同的文章來回應』。因此，透過 Compass，你只要辨識出社群上的最有影響力的文章立場，就可以推算出社群上的主流意見（當然肯定仍有例外或是反串者，但可以透過增加搜尋文章數量來克服）。
而 Compass 的系統，對於無論時事議題、公關活動結束後的影響力監測以及公關危機處理的應用上，都可以帶來很大的幫助。
舉例來說，如果公司今天遇到了嚴重的公關危機，必須要正面回應時，最需要回應的重點，當然就是最多網友在乎的面向，而比較少人關注的攻擊點，則可以用傳統公關冷處理事件的方式帶過。
在實際應用上，立場不同、資源不同的團體，判定一個形勢的優劣基準就不同，「梁女事件」僅僅是一個範例，在使用 Compass 系統上標籤的時候，是根據當下的目標做風向判斷和後續的規劃。例如最近的台北市建管公務員收賄事件，對於柯文哲來說，當然是個公關危機，但對於有意挑戰台北市長寶座的候選人，可能就是個契機。
以上，就是 QSearch 的 Compass 系統。如果在成為尚書大人之路上有任何疑問，都歡迎隨時聯繫我們！
杜易寰 sales@qsearch.cc
註一：「支持梁女」、「反對梁女」、「中立或無關」則是根據文章內容，由人工判斷。雖然每人的觀點間可能有部分差異，但一般不會相差太多。
支持梁女文章如：
反對梁女文章如：
中立或無關文章如：