Compass:在社群上拔草測風向

Posted on Posted in Facebook數據分析, profiling, 品牌行銷, 社群經營, 資訊圖表
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。

qq

(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:

Leave a Reply

Your email address will not be published. Required fields are marked *