profiling

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。

文 / 杜易寰 資料收集 / 林辰駿 總統府前副秘書長羅智強，可能是藍營中最相信社群媒體的政治人物了。去年底，羅智強更直接展現了他「台北布武」的野望，和織田信長一樣，他也將自己的野心分為三個階段：

文 / 杜易寰、劉書彧 資料收集 / 林辰駿 互動圖表 / 楊晴 在上次的「2016 年 10 月份媒體洞察報告」後，我們有預告到，之後將會改變鐵粉率的計算方式，在經過一段時間後，我們現在終於可以公佈數據了。 過去的鐵粉定義是：互動次數超過粉絲頁發文篇數2%以上者，佔所有不重複互動者的比例。 而新的鐵粉定義則是：在粉絲頁過去有發文的 30 天中，與粉絲頁文章有互動的天數 10 天以上的使用者，佔所有不重複互動者的比例（註一、註二）。 簡單的說，我們不再看使用者到底互動了幾次，而是看使用者互動了多少天。 改變鐵粉計算的原因有兩個。第一個原因很簡單，我們認為相比互動次數而言，長期且持續的互動行為，更像是鐵粉會有的樣子。 廢話不多說，我們就先以「11 月的媒體鐵粉率」作為示範。（題外話，在本月底之前，一定會將媒體洞察報告更新到 2017 年 1 月，並且之後每月更新，不然的話 Data Team 就一起剁 …

文 / 劉書彧 這次天下雜誌和 QSearch 的共同研究專題：「立委臉書洩漏的祕密：誰跟蔡英文最親近？」一文中，所採用的研究方法主要是參照，美國學者Robert Bond與Solomon Messing前年發表於美國政治科學期刊上的論文。Bond & Messing蒐集了 1,223 個經過臉書官方認證的美國政治人物粉絲頁。 透過臉書內部的資料庫，作者將追蹤（follow）這些粉絲頁的粉絲全部抓出來，並僅保留 18 歲以上（具有投票權）以及至少追蹤兩個以上政治人物粉絲頁的樣本（共 620 萬人）。最後，根據觀察各個政治人物粉絲頁間彼此重疊的粉絲數，作者使用了奇異質分解法（singular value decomposition），保留最足以解釋這些政治人物兼彼此重疊度的變因，用此代表各政治人物在粉絲心目中的相對「位置」。而最終的研究成果顯示，用此一方法得到的各政治人物相對位置，正好反映了選民心目中各民主黨和共和黨政治人物的「左右」立場。

文 / 杜易寰 上一篇，我們談到了 Profiling 可以怎麼幫助電影製作者尋找合適的電影明星（延伸閱讀：Profiling 應用之一：你要找誰演電影？），根據探測明星的粉絲數量、特色等等，來決定應該找誰來演電影。 而今天我們要講則是另一個更廣泛的面向，你要怎麼知道該在哪裡下廣告，甚至更進一步，知道該要找誰來代言？（如果你還不知道 Profiling 是幹啥的話，可以先看看這篇：Profiling 服務正式釋出，幫你完成臉書精準行銷）