(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。
輿情分析
-
-
(文/王之盈) 隨著疫情趨緩,政府將施政重心由紓困轉為振興經濟,行政院也在 6/2 宣布發放「振興三倍券」。消息甫出便在各社群平台掀起討論熱潮。各式各樣不斷更新的懶人包、加碼活動,加上各路對政策利弊的評論,讓三倍券的網路聲量居高不下。 你知道話題何時衝至高峰?什麼是民眾更關心的議題?又哪位意見領袖在這個議題上帶出較高的討論?今天,藉由 Facebook 社群上留下的數位足跡,帶您快速掌握 6/2 – 7/18 這段期間,三倍券在網路生態發酵的實際面貌。
-
Facebook數據分析時事議題社群聲量分析資訊圖表輿情分析
香港國安法只是短期議題?淺析 Facebook 上台灣社群、媒體對香港國安法的網路討論聲量
by jojotengby jojoteng(文/游騰堯) 網路社群聲量現今常被用來反應族群對某個議題的關注程度,當聲量有起伏時,透過更仔細的聲量分析,往往能觀察到一些端倪,以香港國安法為例,在五月中旬的提議,掀起台灣社群的討論,然而我們在關注的過程中,卻發現這樣的高關注聲量並不長,在幾天後討論聲量就被移轉到其他議題。這樣的轉移因素是什麼? 本文將以 Facebook 的社群聲量為觀察主軸,而 QSearch Trend 則能幫助我們將 Facebook 中台灣社群對於香港國安法的討論聲量擷取出,並觀察聲量依據。除了台灣社群的討論聲量外,我們也探究三間網路媒體對於香港國安法的貼文。由此兩個面向來了解台灣社群與網路媒體對香港國安法的討論聲量,並再進一步去找出為什麼香港國安法在台灣社群的高討論聲量不長久,原因是否是大家實際並沒有太關注或是有其他議題轉移了大家的焦點?
-
(文/蔡智欣、周世恩) 如果你也是過敏兒,是否覺得今年 空氣品質 好像有好一點?而疫情以來,社群平台上不少人談論著,人類活動減少之時空氣污染也似乎減輕了。到底,在人們減少談論空氣品質變差的時候,實際上空氣品質有沒有變好呢? 社群平台對空氣品質的討論量顯著減少,空氣品質數據又是如何? 觀察 Facebook 中提及「空氣品質」相關的貼文,並對照 2018 年至 2020 年一到五月的文章數,可以發現 2020 年文章數顯著減少,減少了約四分之一。影響力分數減少的比例雖不若文章數的減少,但討論空氣品質的的憤怒情緒倒是下降了更多。
-
Facebook數據分析品牌行銷產業趨勢社群經營社群聲量分析資訊圖表輿情分析
整合社群論壇媒體資料源、功能更強大、介面更優異的輿情分析系統 QSearch Trend Plus 問世!
by Smile Chaoby Smile ChaoQSearch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。