輿情分析是什麼?網路輿情分析的方法、指標與報告怎麼看
輿情分析是把網路上與品牌有關的公開討論蒐集起來,經過清理、分類、情緒判讀與議題歸納,整理成可以據以行動的判斷。它回答的不只是「多少人在談」,而是「在談什麼、為什麼、該怎麼做」。
名詞釋義引自教育部《重編國語辭典修訂本》,工具與指標的說明依 Google 官方說明頁與公開的學術綜述整理;只做中性介紹,不排名、不評分。工具功能以官網當下為準(查閱日:2026-11-21)。
丞相帶風象是台灣的口碑行銷公司,服務包含論壇口碑內容佈局、輿情監測、負評與危機處理、KOC 素人合作與 AI 搜尋優化(GEO)。輿情監測服務以品牌關鍵字追蹤論壇、社群與搜尋建議字的討論量與情緒,工具蒐集、人工判讀,每月提供趨勢與情緒分布報告;我們不承諾聲量數字,費用以書面報價為準。下面從「輿情」這個詞的意思開始,把分析的流程、方法與指標講清楚。
「輿情」是什麼意思?和「輿論」有什麼不同?
結論:輿情指的是大眾的言論與意向。教育部《重編國語辭典修訂本》對「輿情」的釋義是「大眾言論與意向」,並列出「群情」「輿論」為相似詞;書證之一是唐代李中〈獻喬侍郎〉詩的「格論思名士,輿情渴直臣」,可見這個詞早在網路出現之前就有了。
同一部辭典對「輿論」的釋義是「代表公眾意見的言論」。兩者在辭典裡是相似詞;從釋義的字面看,「輿情」多了「意向」兩個字,除了說出口的話,也包含大家的傾向與態度。這正好對應到品牌實務:只統計說了幾則是不夠的,還要判斷這些話背後的態度。
現在說的「網路輿情」,範圍通常是公開可見的新聞、社群貼文、論壇討論與評論。私人訊息與不公開的社團不在其中,這也是所有輿情分析共同的邊界。
輿情分析是什麼?和聲量查詢、輿情監測差在哪裡?
結論:三者處理的是同一批資料,但回答的問題不同。查詢給數字,監測給警訊,分析給解釋與建議。
| 名稱 | 回答的問題 | 產出 | 適用時機 |
|---|---|---|---|
| 聲量查詢 | 現在有多少人在談? | 某個時間點的則數、走勢與來源分布 | 想先知道水位,或臨時需要一個數字 |
| 輿情監測 | 有沒有出現需要立刻知道的變化? | 持續蒐集的資料、基準值與告警通知 | 延遲發現的代價高,需要有人固定盯著 |
| 輿情分析 | 大家在談什麼、為什麼這樣談、我們該做什麼? | 議題歸納、情緒與原因的判讀、建議行動 | 手上已有資料,要把它變成決策依據 |
聲量要用哪些工具查、各項數字怎麼讀,見網路聲量查詢怎麼做;持續追蹤的機制見名詞解釋頁的輿情監測詞條。這一篇只談「分析」:資料到手之後,怎麼把它整理成判斷。
輿情分析的流程有哪五個步驟?
結論:蒐集、清理、分類與情緒判讀、議題歸納、報告與行動。每一步的品質都受前一步限制。
- 蒐集:先定關鍵字、時間範圍與來源,再把符合條件的公開內容收進來。關鍵字設得不好,後面分析的就是錯的資料;做法見輿情監測關鍵字怎麼設。
- 清理:排除撞名與無關內容、處理重複轉貼、把官方帳號與活動貼文另外標記。這一步不起眼,卻決定分母是多少。
- 分類與情緒判讀:替每則內容標上類別(例如產品、價格、服務、通路)與情緒(正面、負面、中立)。
- 議題歸納:把零散的內容收斂成幾個主題,找出每個主題的代表原文、起點與擴散路徑。
- 報告與行動:寫下「發生了什麼、原因是什麼、建議做什麼、誰負責」。沒有接到行動的分析,只是一份整理好的資料。
網路輿情分析常用哪四種方法?
結論:關鍵字規則、情緒分析、議題分群、來源分析。四種方法各回答一個問題,通常搭配使用,而不是擇一。
| 方法 | 回答的問題 | 怎麼做 | 限制 |
|---|---|---|---|
| 關鍵字規則 | 哪些內容和品牌有關?屬於哪一類? | 用品牌詞、產品詞、排除詞與分類詞典,把內容篩進來並貼上類別 | 撞名、錯字與新出現的說法會漏抓或誤抓,規則需要定期維護 |
| 情緒分析 | 這則內容對品牌有利、不利,還是中立? | 模型或人工替每則內容標上正面、負面、中立,必要時再標強度 | 反諷、比較句與產業用語容易判錯,自動結果需要抽樣核對 |
| 議題分群 | 這些討論可以歸成哪幾個主題? | 先讀一批原文訂出主題清單,再逐則歸類;資料量大時用演算法先分群、人工命名 | 主題清單訂得太粗看不出重點,太細則每一類都只有幾則 |
| 來源分析 | 討論從哪裡開始、往哪裡擴散? | 依平台、看板、帳號類型與發文時間排序,找出起點與轉載路徑 | 私人社團與限時內容看不到,只能分析公開可見的部分 |
情緒分析:為什麼不能只靠關鍵字?
情緒分析在學術上常與「意見探勘」並稱。Bo Pang 與 Lillian Lee 在 2008 年發表的綜述〈Opinion Mining and Sentiment Analysis〉(Foundations and Trends in Information Retrieval,第 2 卷第 1–2 期,頁 1–135)整理了這個領域的技術與難題。綜述用電影評論的早期研究說明:要挑出一組能準確判斷正負面的關鍵字,比直覺想的困難;主題可以靠某些詞反覆出現來辨識,整體情緒卻不一定靠重複用詞表現。文中也提到,反諷與諷刺相當難偵測。
對品牌的意義是:看到「好」「讚」「爛」這類字就判定正負面的做法,只能當初篩。
情緒分數是怎麼定義的?以 Google 的文件為例
不同工具的情緒分數算法不同,使用前要先讀定義。以Google Cloud Natural Language 官方文件為例,它把情緒拆成兩個數字:
- score(分數):介於 -1.0(負面)到 1.0(正面)之間,代表整體的情緒傾向。
- magnitude(強度):從 0.0 起算、沒有上限,代表文字中情緒的總強度,正面與負面都計入;文件級的強度沒有經過正規化,文章越長通常數值越大。
文件特別說明,分數接近 0 有兩種可能:一種是內容本來就沒什麼情緒,另一種是正負面情緒互相抵銷。分辨方式是看強度,真正中立的內容強度低,正負混雜的內容強度較高。文件也建議使用者依自己的情境訂定門檻,因為「明顯正面」「明顯負面」的標準因用途而異;而且這項功能只指出正面或負面,不會辨識「生氣」「難過」這類具體情緒。
模型判讀的能力與邊界,另見AI 輿情分析可以做到什麼。
議題分群與來源分析:從「幾則」走到「哪幾件事」
議題分群的做法是先讀一批原文,訂出主題清單與每個主題的歸類規則,再逐則歸類。清單建議留一個「其他」類別,當「其他」越來越大,代表有新議題出現,該回頭修訂清單。
來源分析則是把同一議題的內容依發文時間排開,看它從哪個平台、哪個看板開始,之後被誰轉載。起點在論壇的客訴、起點在新聞的報導、起點在內部人員的爆料,後續的處理方式都不一樣。
輿情分析的指標要怎麼定義?
結論:分析用的指標幾乎都是比例或排序,定義時要把分子、分母與判定規則寫清楚,並且每一期都用同一套定義。
| 指標 | 定義 | 定義時要先講好的事 |
|---|---|---|
| 議題占比 | 某一主題的則數,除以同期間、同來源的總則數 | 主題清單與歸類規則要固定;一則內容能不能同時算進兩個主題要先講好 |
| 情緒比例 | 正面、負面、中立各自的則數,除以已判讀的總則數 | 寫明是機器判定還是人工複核;中立算不算進分母,會直接改變數字 |
| 負面議題排序 | 只取負面內容,依主題統計則數後排序 | 同一篇被大量轉貼時要不要去重,會影響排序結果 |
| 來源集中度 | 則數排在前幾名的平台或看板,占總則數的比例 | 官方帳號與活動貼文要不要排除,需在報告開頭說明 |
這些是常見的定義方式,不是統一標準;各工具與各執行方的算法可能不同,引用數字時請把定義一起寫出來。則數、互動數、搜尋熱度等基礎數字的讀法,已整理在聲量查詢那一篇,這裡不重複。
輿情分析報告要怎麼看?
結論:先看定義,再看結論,最後抽查原文。拿到一份分析報告時,可以用下面的清單核對:
- 報告開頭有寫關鍵字、排除詞、時間範圍與來源範圍。
- 情緒判讀寫明是機器判定、人工判定,還是機器初篩後人工複核。
- 每個比例都找得到分子與分母。
- 議題清單有定義,而且和上一期相同;有調整時有說明。
- 每個議題附代表原文的連結,可以點回去抽查。
- 結論區分「資料顯示的事實」與「分析者的推論」。
- 最後有建議行動與負責對象,而不是只有圖表。
委外月報的欄位、資料品質與逐題核對的問題,見輿情監測報告怎麼看。
輿情分析可以免費做嗎?做法與限制是什麼?
結論:可以,但只適合討論量不大、能接受人工處理的情況。免費做法是把四樣東西接起來,各自負責流程中的一段。
| 做法 | 負責的步驟 | 可以得到什麼 | 限制 |
|---|---|---|---|
| Google 快訊 | 蒐集 | Google 搜尋出現符合關鍵字的新結果時,寄電子郵件通知 | 只涵蓋 Google 搜尋得到的結果,沒有則數統計與情緒判定 |
| Google 搜尋趨勢 | 看關注度走勢 | 關鍵字在指定地區與期間的相對搜尋熱度 | 是 0 到 100 的相對值,不是搜尋次數,也看不到討論內容 |
| 平台站內搜尋 | 蒐集與閱讀原文 | 直接讀到貼文與留言,知道大家實際怎麼說 | 逐一人工查看,沒有跨平台合計,也難以回溯長期資料 |
| 試算表人工編碼 | 分類、情緒判讀、議題歸納 | 自己訂的主題與情緒欄位,可用樞紐分析表統計占比 | 資料量一大就做不完;不同人的判定標準需要先對齊 |
Google 快訊與 Google 搜尋趨勢:官方怎麼說明
依Google 搜尋說明的「建立快訊」頁,針對特定主題建立快訊後,Google 搜尋出現相關的新結果時會寄電子郵件通知;可調整的選項有通知頻率、網站類型、語言、來源國家或地區與結果數量。它負責的是「不漏接」,本身不做統計。
依Google 搜尋趨勢資料常見問題,搜尋趨勢使用的是搜尋要求的樣本,每個資料點會先除以該地區與時間範圍的總搜尋量,再換算成 0 到 100 的相對值;搜尋量很低的字詞會顯示為 0,同一人短時間內的重複搜尋會被排除。Google 也說明搜尋趨勢不是科學民調,搜尋量上升只代表很多人在查。所以它能輔助判斷「事件有沒有引起更多人去搜尋」,不能代替對討論內容的分析。
試算表人工編碼:免費做法的核心
真正的「分析」發生在試算表裡。把快訊與站內搜尋找到的內容逐則貼進去,每則一列,欄位可以這樣設:
- 日期、平台與看板、原文連結。
- 內容摘要(一句話)。
- 主題(從事先訂好的清單中選一個)。
- 情緒(正面、負面、中立),以「對品牌有利或不利」為準。
- 性質(真實客訴、資訊誤解、惡意攻擊、一般討論)。
- 是否需要回應、負責人、處理狀態。
編碼前先寫一頁判定規則,讓「負面」的標準不會因人、因月份而變動。
免費做法的限制也很明確:涵蓋範圍受限於搜尋得到的公開內容、沒有自動告警、歷史資料只能從開始記錄那天算起、人力隨討論量增加。到了做不完的時候,可以評估採購工具或委外;工具類型與選型維度見輿情監測工具選型指南,費用由哪些變數決定見輿情監測費用怎麼算。
輿情分析有哪些常見誤讀?
- 把情緒比例當成滿意度:願意上網發文的人不等於全體顧客,情緒比例描述的是「公開討論」,不是顧客調查。
- 把中立當成沒事:如前面 Google 文件所說,分數接近 0 可能是正負混雜。中立類別要抽讀原文。
- 只看比例、不看則數:總共只有幾則討論時,多一則負面就會讓比例大幅變動,這時候逐則閱讀比看圖表有用。
- 換了定義還拿來比較:關鍵字、主題清單或判定規則一改,新舊數字就不是同一把尺。
- 分析完沒有下一步:找出負面議題卻沒有人負責處理,分析就停在報告裡。
分析出問題之後,下一步是什麼?
結論:依議題性質分流。真實客訴回到產品與客服流程處理並公開回應;資訊誤解補上可查證的說明;涉及違反平台政策的內容,依平台流程檢舉或申訴。刪文、灌虛構好評、冒用消費者身分都不該做。分類與回應的步驟見負評處理 SOP。
不同起點的事件,分析時要追的重點也不同:起點是內部人員發文時,見員工爆料怎麼處理;涉及食品安全時,見食安危機怎麼處理。
丞相帶風象的負評與危機處理服務以分類判斷為起點,區分真實客訴、惡意攻擊與資訊誤解,回應一律以品牌官方身分發言,並每日追蹤擴散路徑與情緒變化;事實認定與補償承諾由品牌方拍板。我們不壓制真實負評、不承諾刪除負評、不灌虛構好評、不冒用消費者身分。記者會、媒體關係與法律服務不在本站服務範圍,需另找公關公司或律師。
輿情分析牽涉哪些名詞、服務與答案頁?
這篇講分析的概念與方法。名詞定義與名詞解釋頁同一份,要委外監測走服務頁,負評擴散時走負評 SOP。
先回答你的問題
- 口碑行銷公司提供哪些服務?:丞相帶風象的服務分五項:論壇口碑內容佈局、輿情監測、負評與危機處理、KOC 素人合作、AI 搜尋優化(GEO),可單獨採用或組成年度計畫,一律書面報價。
- 品牌出現負評該怎麼處理?:先分類(真實客訴、惡意攻擊、資訊誤解),真實客訴在 24 小時內公開回應並給處理時程,惡意攻擊保留紀錄依平台規範檢舉,不公開爭辯、不壓制真實負評。
參考資料與資料來源
- 教育部《重編國語辭典修訂本》:輿情|釋義、相似詞與書證
- 教育部《重編國語辭典修訂本》:輿論|釋義
- Bo Pang & Lillian Lee (2008). Opinion Mining and Sentiment Analysis. Foundations and Trends in Information Retrieval, 2(1–2), 1–135|情緒分析的學術綜述;關鍵字判定的難處與反諷偵測
- Google Cloud Natural Language 文件:Natural Language API Basics|sentiment score 與 magnitude 的定義、中立與混合情緒的分辨
- Google 搜尋說明:建立快訊|Google 快訊的用途與可調整選項
- Google 搜尋趨勢說明:Google 搜尋趨勢資料常見問題|樣本、相對值、排除項目與「不是民調」的說明
外部連結為內容撰寫時的公開資料來源,內容如有更新以各來源現行版本為準。
資料蒐集了,卻整理不出結論?
把目前的關鍵字條件與手上的討論資料帶來,丞相帶風象會說明哪些內容需要人工判讀、議題可以怎麼歸類,以及輿情監測服務的範圍。
免費健檢我的品牌口碑