(文/趙維孝)
當一個爭議事件發生時，網路輿情是很重要的觀測指標，然而即使有能全面檢視與提高效率的輿情聲量分析工具，面對整包的數據與龐雜的粉絲頁、貼文的資訊，初接觸者往往不知道該如何下手來梳理數據與資訊，並提出更完整的輿情觀點。
我們常強調，好的輿情處理絕對不是只有把數據找出來，畫出一堆圖表，而是要根據數據結合對訊息良好的判讀，整理出一份帶有專業判斷的整體分析。
今天我們將分享一個分析方式，透過粉絲頁分類群組，在整體輿情中用更快速讓數據賦予判讀的意義，也提供更多輿情訊息。
近日吵得沸沸揚揚的彰化篩檢爭議，就很適合用這樣的方式來做初步的分類分析。
我們先以彰化、衛生局、普篩、葉彥伯等幾組關鍵字做組合，來找到此爭議事件 Facebook上的討論總聲量與趨勢圖。
彰化篩檢爭議8/10~8/26 Facebook輿情總聲量
彰化篩檢爭議輿情趨勢
可以發現在過去10天左右，此爭議事件在 Facebook粉絲頁中約有5000篇的討論文章，引起的總互動超過300萬次。另外從趨勢圖也可以觀察到，聲量最高峰是在 8/20，到近日雖然持續有聲量產生，但熱度峰值已經過去。
然而，除了整體聲量外，我們還能用什麼方式分析輿情事件中找到什麼值得討論或分析的訊息？一般人接觸到大量資料時，最困難的第一步，往往是不知道該怎麼切入分析，盡可能在資料上提供更多的資訊。
當然這也牽涉到對議題本身的熟稔程度以及對工具運用的掌握，但仍有一些分析的方式可以參考。
運用分類聲量做輿情切點
從數據總量看，10天左右的文章數高達5000以上，不太可能一篇一篇分析再分類整理，有一種做法是，挑選熱門文章如前200篇，並透過下自訂標籤的方式去了解在這個議題下，群眾關心的元素分布；另一種做法則是透過文字雲，找到值得分析的關鍵字，再重複用新的關鍵字組合去比較子議題的聲量，類似的研究我們之前都處理過。
今天來談談第三種方法，以這個議題來說，就非常適合運用 「粉絲頁群組」來做初步的聲量分類，提供更多訊息。
由於 Facebook 粉絲頁有建置分類目錄，透過目錄將粉絲頁分類將更有效率且容易的多，目前 QSearch 的輿情分析系統上，就內建有幾種的粉絲頁群組，這次我們用 「媒體類粉絲頁」、「政治人物類粉絲頁」、「KOL類粉絲頁」(去除政治人物)等三類。
在三組粉絲頁群組中，搜尋一樣的彰化篩檢爭議關鍵字組合，結果就會變成，在此三類粉絲頁群組底下，相關議題的聲量，換言之就是此議題的聲量來源。
彰化篩檢爭議各分類聲量
如上表所示，若將互動、留言及分享轉為影響力分數(註)，可以發現此議題中，聲量來源最高的是政治人物類粉絲頁，其次是媒體，再次才是一般KOL。
政治人物粉絲頁聲量超越媒體，凸顯輿論政治化程度高
分類群組在彰化篩檢爭議中聲量佔比
從聲量分析上，可以看到這三類粉絲頁聲量加總，就佔了此次事件聲量來源近80%，而政治人物類粉絲頁帶來的聲量甚至超越媒體，這在重大的輿論事件中，其實是不太尋常的，也凸顯這個事件被政治化的程度很高。
負面情緒高點不同，葉彥伯哽噎在媒體上引來眾怒
由於 Facebook 上表情符號有像怒一樣較負面情緒的指標，因此透過分類粉絲頁及負面情緒的趨勢，也能快速提供一些值得研究的輿情要點，以三種粉絲頁來看這次爭議事件，憤怒的佔比及總數趨勢如下圖：
議題在三種粉絲頁上的負面情緒趨勢不盡相同
從負面情緒總數來看，政治人物類及媒體上引發的怒值較高
媒體上群眾憤怒佔比最高峰是8/19，達到約14%；政治人物類粉絲頁憤怒佔比最高峰則是8/21，達到約15%；KOL類憤怒佔比最高峰則是8/22，僅約9%。
除憤怒數的情緒佔比外，若再看憤怒數總量，基本可以斷定憤怒值的來源多是政治人物與媒體類粉絲頁。
若我們再將引起高憤怒數的原文攤開來看，可以更了解憤怒聲量來源，以政治人物類粉絲頁來看，8/19日高憤怒數的貼文中好幾篇都是由台北市議員羅智強的貼文所發動，內容不外乎是對執政黨的抨擊。
而再看媒體類粉絲頁在8/21高憤怒數的貼文，則多是彰化縣衛生局長葉彥伯哽噎的新聞。
當然，負面情緒其實解讀有很多，以這個例子來說，可能有人按怒是覺得他有什麼好哭的，也有人可能是心疼他被欺負，所以僅是提供一個值得關注的切點，更細部的分析，需要再對這些憤怒來源的貼文，進行更質化的判斷。
各分類下高聲量來源粉絲頁
在研究議題時，若先將粉絲頁以群組方式分類，再看各分類中高影響力的粉絲頁來評估聲量來源，比起單純用關鍵字分析，也能有更多比較與分類的資訊。像是既然已知政治人物類的粉絲頁是這次爭議事件中輿情的主要來源，再分析這些政治人物中哪些是議題與輿論的主要發動者；或者評估媒體在此次事件中積極程度與報導立場，都將再提供很全面的輿情資訊。
彰化篩檢爭議政治人物類聲量排名
彰化篩檢爭議媒體類聲量排名
彰化篩檢爭議KOL類聲量排名
除了整體輿情外，透過粉絲頁群組的分類方式，能提供更多整體性的輿情資訊，也多了一個有價值的切入角度，當然，再加上受關注的熱門貼文、文字雲等分析，就會是一份很完整的輿情報告。
註：影響力分數的公式：0.1*(互動+留言) + 分享
若您對上述服務有興趣，歡迎申請試用，將由專人為您服務。
相關服務：QSearch 輿情監測、輿情分析