(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。
(文/趙維孝) 「機器能處理的事，就不該浪費人力」 2014年，QSearch 建置了完善的 Facebook輿情分析系統，除了大幅精簡製作輿情分析的時間，更用機器來處理極大量資訊，提供更精確有價的資訊萃取。 除了對數據資訊深度與廣度的追求外，速度同時也是我們的核心目標，在社群資訊快速更迭的時代，讓機器完成大量的監控、爬梳資料，甚至自動通知，而人腦留著專業性的判斷與決策分析，正是趨勢。 過去近6年的持續優化，輿情分析系統 QSearch Trend+在商用的研究分析上，已經十分成熟，也能極高效率解決非常多社群觀察的問題，然而，使用者不可能每隔幾分鐘就查詢一次資料，針對一些例行性報告製作、更即時自動通知等需求，需要更多樣化的功能來滿足。 目前 QSearch的既有服務中，就有三種自動化工具，針對不同的需求，甚至可以搭配使用，就把無聊、龐雜、重複的工作交給機器吧！
QSearch成立六年，以業界最完善的 Facebook社群資料分析服務立足，數據資料涵蓋台港日以及眾多東南亞地區，並以一直致力於追求資料齊全性，光是台灣，就涵蓋超過80萬個粉絲專頁，全球更超過3000萬，資料體之龐大、爬搜之徹底一直是我們引以為傲之處。 除了一般公關監測、社會議題追蹤等社群輿情的使用場域外，透過 QSearch整理分析的資料，由於兼具深度與廣度，甚至更多次被用於嚴謹的學術研究、小眾族群分析等。 過去6年，我們以 Facebook資料源為主的「QSearch Trend」社群輿情分析系統，幫助許多夥伴一同挖掘龐大的 Facebook社群世界，輔佐夥伴們的各種決策，憑著對資料完備的堅持、持續優化的系統介面，而深獲得各界肯定。 自2018年起，我們深感社群平台的多樣性與受眾分散，許多品牌、媒體已逐漸需要經營多個社群平台來擴大受眾，為此我們早已提前著手收集包括 Youtube、Instagram、各大論壇、各大網媒等數據資料，持續秉持對資料齊全度的堅持，針對不同社群平台分析資料與用戶偏好，並已經陸續將這些數據服務產品化。 與各界夥伴反覆討論與試驗不同的資料源數據該如何整合、應用與呈現近兩年後後，今年六月，我們正式隆重推出整合多資料源、功能更強大、介面更優異的「QSearch Trend+」(QSearch Trend Plus) 。 我們希望在介面上，不僅是將一堆數據放在一起，而是做有意義的比較、整合，以協助商業夥伴不管是公關、行銷、研究各方面都能更有效的挖掘與應用社群數據。 一起來看看嶄新的「QSearch Trend+」 比起過去單一分析 Facebook數據與內容的「QSearch Trend」帶來哪些質與量的改變！又如何透過這樣的系統工具，產生一份量化質化兼具的社群輿情、數據分析。
(文/趙維孝) 武漢肺炎(或稱新冠肺炎)疫情席捲全球，在網路社群上也同樣掀起了激烈討論，而從社群關注焦點，能有效的分析群眾關注與接收資訊的來源、媒體與KOL在疫情中的影響力、各類疫情相關內容在傳播上的差異等各層面。 過去我們曾專門做過從台灣的社群輿情上去解析疫情討論概況(防疫資訊戰！解析武漢肺炎各社群平台輿情聲量！) 從台灣的例子已經可以發現，當一個國家面對重大公衛危機時，社群平台是相當有效率傳遞資訊、提升警覺、甚至建立民眾信心的管道，也發現在這波疫情中，台灣政府高度致力於將社群資訊納入防疫的一環。 近日來台灣疫情有逐漸趨緩跡象，然而全球許多地方包含東南亞各國的疫情似乎不減反增，因此我們也透過QSearch的東南亞社群輿情資料庫，統整馬、菲、泰、越等四國自今年1月以來的疫情相關社群討論，並粗淺的分享三大重點觀察。
(文/趙維孝) 我們過去嘗試用很多元的社群數據去對不同的議題或目的做分析，不論是拆解一個議題在社群上的聲量來源，或是做不同社群平台的聲量分析，然而這些分析都相對複雜且耗時，在社群議題快速轉變的時代，當我們面對一個需要梳理的社群議題時，該如何透過聲量分析工具，快速的製作一份概略的社群聲量分析報告呢? 近期東京奧運是否延賽可說是最受關注的疫情影響相關議題。然而從去年底，同樣是東京奧運這個議題，在社群上歷經了數個討論重點，這種在不同期間的議題轉快，就非常適合使用文字雲來做視覺化的呈現與快速分析。 若將文字雲再搭配熱門貼文、不同時段的累積聲量數據等，其實就能有效的快速針對一個議題做出有價值的趨勢分析。
