METHOD · 研究與資訊整理

AI 社群聆聽與客群輪廓

只看公開內容、只做群體歸納——一旦開始拼個人輪廓,就從行銷變成個資問題。

情境:研究與資訊整理也用於:決策與問題解決也用於:對外溝通與服務難度:進階|要先備料起手工具:ChatGPT
這是研究與資訊整理情境下的方法之一(共 6 個)· 看這個情境全部 →
一、這是什麼三十秒判斷關不關你的事

01解決的工作問題

客人在意什麼、抱怨什麼,社群跟評論區其實都寫了。一則一則看看不完,看完也記不住。丟給 AI 整理是很自然的想法,但這件事有兩個地方會出事。第一個是統計上的:願意公開發文的人本來就是少數,而且通常是特別滿意或特別不滿的那一端,把「聲量大」當成「需求大」會做出錯誤的決定。第二個更嚴重:AI 非常樂意幫你推測某個帳號的年齡、職業、所得,而那一旦寫進報告,就變成公司對這個人的紀錄。

真的有人這樣做過?外部佐證

目前沒有找到可公開查證的外部案例。這類工作多半不會有人發新聞稿,找不到不代表沒人做——但在找到之前,這一頁的方法就是作者自己的做法,不借別人的名義。

去找靈感看其他方法的外部案例 →

02什麼時候用、什麼時候別用

什麼情況下該用這一套

什麼情況下別用

建立個人輪廓或側寫
推測特定帳號的年齡、性別、職業、所得或身分,是猜的,而且一旦寫進報告就變成公司對這個人的紀錄。
需要登入才看得到的內容
繞過登入或反爬蟲機制會同時踩到平台服務條款與個資,不論用什麼工具。
當成市場調查的替代品
發文的人是自我選擇的樣本,不能代表市場。要代表性就要做正式抽樣。
回答「沒買的人在想什麼」
沒買的人通常不發文。這是這份資料結構性的盲區,補不起來。

誰會用到

行銷
你是主要使用者。最該守住的一條是:產出停在群體層級。個人畫像不但有個資問題,實務上也不準。
業務
你會很想拿這個去找特定客戶。不要——要接觸特定客戶請走既有的業務關係,不要靠拼湊出來的側寫開場。
營運
抱怨那一類對你最有用,因為它指向要修的東西。但要先看代表性:三個人講三十次不是三十個人的意見。
顧問
替客戶做這件事時,蒐集範圍與方式要書面約定。爬取的合法性責任不會因為是受託執行就轉移。
主管
要擋的是「為了資料量去爬需要登入才看得到的內容」。得到的洞察不值那個風險。
門市/餐飲
一則負評的影響比一份報表大。要看的是重複出現的抱怨,不是單一則的情緒。
客服
公開評論是另一種客訴管道,而且它有觀眾。處理的優先順序跟私訊不同。

所屬工作情境

二、整件事怎麼跑先看圖,再看逐步

03流程圖

這張圖是整篇的骨架:輸入 → 步驟 → 困難點 → AI/Agent/Tool 介入 → 人工檢查 → 產出。紅框是最常出事的位置,綠框是不能下放的人工檢查點,粗框是中止條件。後面每一節都是在展開圖上的某一格。

AI 社群聆聽:只到群體層級,人數比則數重要
AI 社群聆聽:只到群體層級,人數比則數重要直向流程圖。輸入是公開可見的貼文與評論、蒐集範圍定義、要回答的群體層級問題以及我方目前狀況。第一步由人確認合法邊界並定出蒐集範圍與問題,只用公開可見內容、不繞過登入或反爬蟲,這一步沒過就停止;第二步由人蒐集並去識別化,帳號名稱換成代號但一定要保留代號,因為沒有代號就算不出幾個人提到;第三步由 AI 做主題聚類並統計則數與人數,每個主題強制附兩則原文引句;第四步由 AI 把抱怨與期待分成兩張表,並標記代表性是多人各提一次還是少數人重複提及;第五步進入人工檢查點,由人抽查引句是否真的支持該主題,並判斷哪些是重度使用者的意見而非市場意見,同時刪除任何指向特定帳號的推測;第六步由試算表把兩期同主題的人數擺在一起看趨勢;產出是客群輪廓、需求主題清單與資料來源紀錄。右側標示三個困難點:把聲量大當成需求大、AI 自動推測發文者的年齡職業與身分、少數人的重複發言在則數上被放大。並標示中止條件:需要登入才看得到或需繞過技術限制才能取得的內容,一律不蒐集。人工檢查點有退回線回到主題聚類的步驟。引句對不上主題,退回重聚類INPUT / 輸入公開貼文與評論 + 蒐集範圍 + 群體層級問題 + 我方現況蒐集方式要留書面紀錄HUMAN / 人工步驟人確認合法邊界並定範圍與問題沒過就停在這裡HUMAN / 人工步驟人蒐集並去識別化(保留代號)沒有代號就算不出「幾個人提到」AI / AI 介入AI 主題聚類:則數 + 人數 + 兩則原文引句AI / AI 介入AI 抱怨/期待分流,並標記代表性CHECKPOINT / 人工檢查人抽查引句、判讀代表性、刪除個人推測TOOL / 工具處理試算表跨期比對人數,看趨勢不看快照OUTPUT / 產出客群輪廓 + 需求主題清單 + 資料來源紀錄STOP / 中止條件需要登入或需繞過技術限制才能取得的內容,一律不蒐集RISK / 困難點把聲量大當成需求大:發文的是自我選擇的少數RISK / 困難點AI 自動推測發文者的年齡、職業、所得RISK / 困難點少數人重複發言在則數上被放大:31 則可能只是 8 個人
看圖重點:這張圖有一個看起來不起眼、卻決定成敗的動作:去識別化時「保留代號」。多數人為了保險會把帳號整個拿掉,結果就算不出「幾個人提到」,只剩則數可用——而則數會被單一使用者的發言頻率主導。人數與則數的差距,往往就是「問題已改善」與「問題持續存在」的差距。右側第一個紅框與右下角的中止條件則是這個方法的兩條紅線:不要把聲量當需求,不要為了資料量去碰需要登入的內容。
純文字流程表(手機/螢幕閱讀器建議看這張)
AI 社群聆聽:只到群體層級,人數比則數重要(純文字流程表)
類型/角色流程步驟這一步的困難點/中止條件
1Human公開貼文與評論 + 蒐集範圍 + 群體層級問題 + 我方現況
蒐集方式要留書面紀錄
2Human人確認合法邊界並定範圍與問題
沒過就停在這裡
失敗與中止條件需要登入或需繞過技術限制才能取得的內容,一律不蒐集
3Human人蒐集並去識別化(保留代號)
沒有代號就算不出「幾個人提到」
4AIAI 主題聚類:則數 + 人數 + 兩則原文引句
困難點/風險把聲量大當成需求大:發文的是自我選擇的少數
5AIAI 抱怨/期待分流,並標記代表性
困難點/風險AI 自動推測發文者的年齡、職業、所得
6Checkpoint人抽查引句、判讀代表性、刪除個人推測
7Tool試算表跨期比對人數,看趨勢不看快照
困難點/風險少數人重複發言在則數上被放大:31 則可能只是 8 個人
8Output客群輪廓 + 需求主題清單 + 資料來源紀錄

回流線:公開貼文與評論 + 蒐集範圍 + 群體層級問題 + 我方現況 → 人確認合法邊界並定範圍與問題(退回);人確認合法邊界並定範圍與問題 → 人蒐集並去識別化(保留代號)(退回);人蒐集並去識別化(保留代號) → AI 主題聚類:則數 + 人數 + 兩則原文引句(退回);AI 主題聚類:則數 + 人數 + 兩則原文引句 → AI 抱怨/期待分流,並標記代表性(退回);AI 抱怨/期待分流,並標記代表性 → 人抽查引句、判讀代表性、刪除個人推測(退回);人抽查引句、判讀代表性、刪除個人推測 → AI 主題聚類:則數 + 人數 + 兩則原文引句(引句對不上主題,退回重聚類);人抽查引句、判讀代表性、刪除個人推測 → 試算表跨期比對人數,看趨勢不看快照(退回);試算表跨期比對人數,看趨勢不看快照 → 客群輪廓 + 需求主題清單 + 資料來源紀錄(退回)

Mermaid 原始碼(貼進 Mermaid Live 或 draw.io 可再編輯)
可直接複製,改成你自己的流程
flowchart TD
    in1(["<b>Human</b><br/>公開貼文與評論 + 蒐集範圍 + 群體層級問題 + 我方現況<br/><small>蒐集方式要留書面紀錄</small>"])
    s1["<b>Human</b><br/>人確認合法邊界並定範圍與問題<br/><small>沒過就停在這裡</small>"]
    s2["<b>Human</b><br/>人蒐集並去識別化(保留代號)<br/><small>沒有代號就算不出「幾個人提到」</small>"]
    a1[/"<b>AI</b><br/>AI 主題聚類:則數 + 人數 + 兩則原文引句"/]
    a2[/"<b>AI</b><br/>AI 抱怨/期待分流,並標記代表性"/]
    c1{{"<b>Checkpoint</b><br/>人抽查引句、判讀代表性、刪除個人推測"}}
    t1[("<b>Tool</b><br/>試算表跨期比對人數,看趨勢不看快照")]
    o1(["<b>Output</b><br/>客群輪廓 + 需求主題清單 + 資料來源紀錄"])
    st1[/"<b>Stop</b><br/>需要登入或需繞過技術限制才能取得的內容,一律不蒐集"\]
    r1>"<b>Risk</b><br/>把聲量大當成需求大:發文的是自我選擇的少數"]
    r2>"<b>Risk</b><br/>AI 自動推測發文者的年齡、職業、所得"]
    r3>"<b>Risk</b><br/>少數人重複發言在則數上被放大:31 則可能只是 8 個人"]

    in1 --> s1
    s1 --> s2
    s2 --> a1
    a1 --> a2
    a2 --> c1
    c1 --> t1
    t1 --> o1
    s1 ==>|中止| st1
    a1 -.->|風險| r1
    a2 -.->|風險| r2
    t1 -.->|風險| r3
    in1 -.->|退回| s1
    s1 -.->|退回| s2
    s2 -.->|退回| a1
    a1 -.->|退回| a2
    a2 -.->|退回| c1
    c1 -.->|引句對不上主題,退回重聚類| a1
    c1 -.->|退回| t1
    t1 -.->|退回| o1

    classDef clsIn fill:#FFFFFF,stroke:#2C4459,stroke-width:2px,color:#141E2B
    classDef clsHuman fill:#FBFCFD,stroke:#7A8CA0,stroke-width:2px,color:#141E2B
    classDef clsAI fill:#FFF6EA,stroke:#DE9A45,stroke-width:2px,color:#141E2B
    classDef clsAgent fill:#FDEBD2,stroke:#B87A2E,stroke-width:2px,color:#141E2B
    classDef clsTool fill:#EDF2F6,stroke:#2C4459,stroke-width:2px,color:#141E2B
    classDef clsCheck fill:#E8F2EC,stroke:#3F7A5A,stroke-width:2px,color:#123024
    classDef clsOut fill:#141E2B,stroke:#141E2B,stroke-width:2px,color:#F2F6F9
    classDef clsRisk fill:#FCEFEA,stroke:#C0552F,stroke-width:2px,color:#5E2110
    classDef clsStop fill:#F7E1DB,stroke:#8E2F17,stroke-width:3px,color:#5E2110
    class in1 clsIn;
    class s1 clsHuman;
    class s2 clsHuman;
    class a1 clsAI;
    class a2 clsAI;
    class c1 clsCheck;
    class t1 clsTool;
    class o1 clsOut;
    class st1 clsStop;
    class r1 clsRisk;
    class r2 clsRisk;
    class r3 clsRisk;

04完整步驟圖的文字版,逐步展開

一句話版(快速回顧)

  1. 先確認合法邊界:只用公開可見的內容、遵守平台服務條款、不繞過登入或反爬蟲機制。這一步沒過就不要開始。
  2. 去識別化再分析:帳號名稱、頭像、可辨識個人的細節先拿掉,只留文字內容與時間。
  3. 請 AI 做主題歸納並統計出現次數,每個主題要能舉出原文引句,不能只給結論。
  4. 把「抱怨」與「期待」分開整理。抱怨指向要修的東西,期待指向可能的新做法,兩者的處理路徑不同。
  5. 標記代表性:這個主題是三個人講了三十次,還是三十個人各講一次。前者是重度使用者的意見,不是市場的意見。
  6. 產出只到群體層級,不做個人畫像。要接觸特定客戶時,走既有的業務關係,不是靠拼湊出來的側寫。

完整版(每一步誰做、產出什麼)

誰做步驟與說明
1Human確認合法邊界
平台服務條款怎麼寫、要蒐集的內容是不是公開可見。沒過就停在這裡。→ 邊界確認紀錄
2Human定範圍與問題
平台、期間、關鍵字,以及要回答的群體層級問題。→ 蒐集範圍與問題定義
3Human蒐集與去識別化
取得內容後先去識別化,帳號、頭像、可辨識細節拿掉,只留文字與時間。→ 去識別化資料集
4AI主題歸納
聚類並統計則數,每個主題要能舉出原文引句。只給結論不給引句的一律退回。→ 需求主題清單
5AI抱怨與期待分流
兩者處理路徑不同,要分開列。同時標記代表性:多人各一次還是少數人多次。→ 分流後的主題表
6Human核對與判讀
抽查引句是否真的支持該主題;判斷哪些是重度使用者的意見而非市場意見。→ 確認過的客群輪廓
7Human接到行動
抱怨接到要修的東西、期待接到可能的新做法。沒有下一步的洞察等於沒有。→ 行動清單
三、動手做備料 → 指令 → 產出 → 工具

05開始前要準備什麼標「必要」的沒備齊就先別開始

合法邊界確認必要
只用公開可見內容、遵守平台服務條款、不繞過登入或反爬蟲。這一步沒過就不要開始。
蒐集範圍定義必要
哪些平台、哪段期間、什麼關鍵字。範圍要寫下來,之後才能重複與比較。
去識別化規則必要
帳號名稱、頭像、可辨識個人的細節先拿掉,只留文字內容與時間。
要回答的問題必要
寫成群體層級的問句:「大家最常抱怨什麼」而不是「A 客戶為什麼不續約」。
資料來源紀錄格式必要
每則記平台、日期、是自家還是產業。之後要看趨勢就靠這個。
上一期的結果可選
有的話拿出來,看變化比看快照有用。

餵進去的東西要長這樣

公開貼文與評論(已去識別化,含發文者代號與日期)+ 蒐集範圍定義 + 要回答的群體層級問題 + 我方目前狀況。

【蒐集範圍】
平台:自家粉專留言、公開討論區 A/B/C
期間:2026/05/01–2026/08/15
關鍵字:課程、報名、老師、講義
方式:人工瀏覽公開頁面並複製,未使用自動爬取,未登入任何帳號

【要回答的問題】
1. 學員最常抱怨的是什麼?
2. 有沒有反覆出現的期待?

【資料】(214 則,發文者以 U01–U88 代號表示)
U01 2026/05/03 討論區A「報名一直失敗,網頁按下去就沒反應」
U02 2026/05/04 粉專「老師講得很好,就是進度有點快」
U03 2026/05/07 討論區B「希望可以開晚上的班,白天要上班」
…

【我方目前狀況】
- 報名系統三年前外包,無維護合約
- 只有白天班(場地晚上另有租用)
- 我們原本最擔心費用太高
- 講師反映學員程度落差大

06Prompt(快速/完整/進階)

A 快速版貼上就能用;B 完整實戰版把角色、限制、步驟、輸出格式與驗收標準寫足;C 進階版是拿去建 GPT/Skill/Agent 的系統指令。三種都附可替換變數、使用範例、預期輸出與人工確認點。

三種版本共通的紅線
三版都不適合用在
  • 不要推測任何個人的年齡、性別、職業、所得或身分。
  • 不要為單一帳號建立輪廓,也不要建議接觸特定發文者。
  • 不要蒐集需要登入才看得到的內容,或繞過平台的技術限制。
三版都必須由人確認
  • 合法邊界由人確認並留紀錄。
  • 去識別化在分析之前由人完成。
  • 引句抽查與代表性判讀由懂業務的人做。
  • 主題要接到什麼行動,由人決定。
A
A. 快速版

手上有一批去識別化的公開貼文與評論,想快速看出大家在講什麼。

適合的工具ChatGPTClaudeGemini
👇 直接複製,{ } 換成你的內容
以下是公開社群貼文與評論(已去識別化)。請做群體層級的歸納:
1. 主題聚類:列出出現的主題與各自的則數,每個主題附兩則原文引句。
2. 把「抱怨/問題」與「期待/想要」分開列,不要混在同一張表。
3. 標記代表性:每個主題註明是「多人各提一次」還是「少數人重複提及」。
4. 指出語氣強烈但只出現一兩次的意見,另外列一區——這些容易被誤當成趨勢。
5. 列出這份資料回答不了的問題(例如沒買的人在想什麼、價格接受度)。
規則:不要推測任何個人的年齡、性別、職業、所得或身分;不要為單一帳號建立輪廓;資料不足的一律標【資料不足】。
資料:{貼上}

可替換變數

變數要換成什麼
{貼上}公開貼文與評論,已去識別化,含日期。
完整使用範例(照這樣填)
以下是公開社群貼文與評論(已去識別化)。請做群體層級的歸納。(照母提示詞五條)

【資料範圍】自家粉專留言 + 三個公開討論區,2026/05–2026/08,關鍵字:課程、報名、老師
【筆數】共 214 則,發文者以代號表示(U01–U88)

U01 2026/05/03「報名一直失敗,網頁按下去就沒反應」
U01 2026/05/03「用手機也不行,是不是我手機太舊」
U02 2026/05/04「老師講得很好,就是進度有點快」
U01 2026/05/05「終於報到了,改用電腦就可以」
U03 2026/05/07「希望可以開晚上的班,白天要上班」
U01 2026/05/08「上次那個報名系統真的要修一下」
…(共 214 則)
預期輸出範例(拿到的東西應該長這樣)
【主題聚類】
| 主題 | 則數 | 代表性 | 原文引句 |
|---|---|---|---|
| 報名系統操作問題 | 31 | ⚠ 少數人重複提及(8 人,其中 U01 佔 11 則) | 「報名一直失敗,網頁按下去就沒反應」/「上次那個報名系統真的要修一下」 |
| 希望有晚上或假日班 | 26 | 多人各提一次(24 人) | 「希望可以開晚上的班,白天要上班」/「有沒有週末的場次」 |
| 課程進度偏快 | 19 | 多人各提一次(17 人) | 「老師講得很好,就是進度有點快」/「有點跟不上,但不好意思舉手」 |
| 停車與交通 | 12 | 多人各提一次(12 人) | 「附近很難停車」/「公車班次太少」 |
| 教材字太小 | 9 | 多人各提一次(9 人) | 「講義的字可以大一點嗎」 |

【抱怨/問題】
1. 報名系統操作問題(31 則,8 人)
2. 課程進度偏快(19 則,17 人)
3. 停車與交通(12 則,12 人)
4. 教材字太小(9 則,9 人)

【期待/想要】
1. 晚上或假日班(26 則,24 人)
2. 分級班(6 則,6 人)——「可以分初階進階嗎」

【代表性提醒】⚠
「報名系統操作問題」則數最高(31),但集中在 8 個人,其中一位(U01)貢獻了 11 則。若照則數排優先序,這個主題會排第一;但若照「有多少人提到」排,它會排到第三,落後於「晚上假日班」(24 人)與「課程進度」(17 人)。
兩種排法的意義不同:則數反映的是困擾的強度,人數反映的是普遍程度。這是你要判斷的事,我不做決定。

【語氣強烈但只出現一兩次的意見】
- 「這種課根本是浪費資源」(1 則)
- 「非常感謝,改變了我的生活」(2 則)
這兩則的語氣都很強,容易被記住,但各自只出現一到兩次,不宜當成趨勢。

【這份資料回答不了的問題】
1. 沒有報名的人在想什麼——他們不會出現在這份資料裡。這是結構性盲區。
2. 課程費用的接受度——214 則中完全沒有提到費用,無法判斷是沒意見還是不便公開討論。
3. 各主題的實際嚴重程度——留言的強度不等於實際影響。
4. 學員組成——我沒有也不會推測任何發文者的年齡、職業或身分。

【我沒有做的事】
- 沒有推測任何個人的年齡、性別、職業、所得或身分。
- 沒有為任何單一帳號建立輪廓。
- 沒有把「聲量高」直接解讀為「需求大」。

常見錯誤用法

  • 直接照則數排優先序。代表性那一欄就是為了擋這件事——31 則可能只是 8 個人。
  • 把「語氣強烈但只出現一兩次」的意見當成警訊或肯定。那兩則最容易被記住,也最不具代表性。
  • 跳過「這份資料回答不了的問題」。沒買的人不發文,這個盲區補不起來,只能承認。
這一版另外不適合

沒有額外的,看上面「三種版本共通的紅線」那一段就好。

缺少資料時怎麼辦

資料沒有去識別化就不要開始。另外若沒有記錄發文者代號,就算不出「幾個人提到」,代表性那一欄會整個落空——而那是這個方法最有價值的一欄。

這一版另外要人確認

沒有額外的,看上面「三種版本共通的紅線」那一段就好。

B
B. 完整實戰版

主題出來了,要把它接到具體行動,並且分清楚哪些是能做的、哪些是這份資料還撐不住的。

適合的工具ChatGPTClaude
👇 直接複製,{ } 換成你的內容
以下是已確認的主題清單(含則數、人數、代表性標記)與我們目前的實際狀況。請把洞察接到行動:

1. 【可直接行動的】哪些主題的證據足夠、而且我們有能力處理。每項寫出:主題、支持證據(則數與人數)、建議做什麼、預期能解決到什麼程度。
2. 【需要先查證的】哪些主題聽起來重要,但這份資料還不足以支持決定。寫出還缺什麼、建議怎麼補(例如問卷、現場詢問、客服紀錄比對)。
3. 【不建議依此行動的】哪些主題的代表性有疑慮(少數人重複提及、語氣強但次數少),說明為什麼。
4. 【與我方認知的落差】對照我提供的內部狀況,指出哪些主題是我們原本沒有意識到的、哪些是我們以為很嚴重但資料上沒出現的。第二類特別重要。
5. 【下一期要追蹤的】最多三項,並說明各自要看什麼指標。

規則:
- 不得建議任何需要接觸特定發文者的行動。
- 不得推測發文者的身分或動機。
- 「我們以為很嚴重但資料上沒出現」的項目,不要自動解釋為「其實不嚴重」——沒出現也可能是那群人不發文。要說明兩種可能。

主題清單:{貼上}|我方目前狀況:{貼上}

可替換變數

變數要換成什麼
{貼上}已確認的主題清單,含則數、人數與代表性標記。
{貼上}我方目前的實際狀況與原本的認知。
完整使用範例(照這樣填)
(貼上主題清單)

【我方目前狀況】
- 報名系統是三年前外包做的,目前沒有維護合約。
- 只有白天班,因為場地晚上另有租用。
- 我們原本最擔心的是「課程費用太高」——去年調過一次價。
- 講師都反映「學員程度落差大」。
預期輸出範例(拿到的東西應該長這樣)
【可直接行動的】
1. 教材字太小(9 則、9 人)
   證據:人數與則數一致,屬普遍性小問題。
   建議:講義字級調大,並準備放大版供索取。
   預期:可完全解決。成本低,建議優先做。

2. 課程進度偏快(19 則、17 人)
   證據:人數高、分散,且與講師反映的「學員程度落差大」相互印證。
   建議:這兩件事其實是同一件事的兩面。短期可在每堂加入複習段落;中期考慮分級班(期待清單中已有 6 人提到)。
   預期:短期改善部分,根本解法是分級。

【需要先查證的】
1. 晚上或假日班(26 則、24 人)
   人數最多,但這份資料不足以支持開班決定——它告訴你「有人想要」,沒告訴你「會不會來報名」。想要與願意付費報名是兩件事。
   建議補:對現有學員與候補名單做一次意向調查,問到具體時段與付費意願。

2. 報名系統操作問題(31 則、8 人)
   則數最高但集中在 8 人,其中 1 人佔 11 則。無法從這份資料判斷是普遍問題還是特定情境(例如特定瀏覽器或裝置)。
   建議補:比對客服紀錄與系統錯誤紀錄。若客服也接到大量同類反映,就是普遍問題;若沒有,可能是特定裝置。

【不建議依此行動的】
1. 「這種課根本是浪費資源」(1 則,語氣強烈)——單一意見,不宜作為決策依據。
2. 「非常感謝,改變了我的生活」(2 則)——同上。這一類正面的單則意見同樣不能當成成效證明。

【與我方認知的落差】
⚠ 費用:你們原本最擔心的是費用太高,但 214 則中完全沒有提到費用。
這有兩種可能,不要自動選第一種:
(a) 費用確實不是問題。
(b) 覺得費用太高的人已經不來了,所以不會出現在這份資料裡——這正是「沒買的人不發文」的結構性盲區。
若要判斷,需要另外去問流失的學員或未報名者,這份資料回答不了。

未意識到的:停車與交通(12 則、12 人)在你提供的內部狀況中完全沒有出現,但它的人數與「課程進度」相近。

【下一期要追蹤的】
1. 報名系統問題的「人數」是否上升——若人數(非則數)明顯增加,代表從特定情境變成普遍問題。
2. 晚上假日班的討論是否持續,以及是否開始出現具體時段的偏好。
3. 教材字級調整後,該主題是否消失——這是驗證行動有效性最直接的指標。

常見錯誤用法

  • 看到「我們以為很嚴重但資料上沒出現」就鬆一口氣。沒出現最可能的原因是那群人已經不在了。
  • 把「有人想要晚上班」直接當成開班依據。想要跟願意報名付費之間的距離很大。
  • 把單則的強烈好評當成成效證明。它跟單則的強烈負評一樣不具代表性。
這一版另外不適合

沒有額外的,看上面「三種版本共通的紅線」那一段就好。

缺少資料時怎麼辦

沒有提供我方內部狀況時,第四節(認知落差)整段落空——而那一節通常是最有價值的,因為它會指出你的盲點。

這一版另外要人確認

沒有額外的,看上面「三種版本共通的紅線」那一段就好。

C
C. 進階版(定期追蹤:看變化而不是看快照)

把社群聆聽變成每季固定跑一次,而且看得出主題的消長與行動的成效。

適合的工具ChatGPTClaude試算表
👇 直接複製,{ } 換成你的內容
以下是上一期與這一期的主題清單,以及兩期之間我們做過的事。請做變化追蹤:

1. 【主題消長】逐主題比對兩期的則數與人數。人數的變化比則數重要,請以人數為主軸呈現,則數作為輔助。
2. 【變化的可能原因】對每項明顯變化,列出可能的原因,並區分:
   - 我方行動造成的(對照我提供的行動清單)
   - 外部因素造成的(季節、活動、競爭)
   - 蒐集方式造成的(範圍改了、關鍵字改了、平台演算法改了)
   三者的意義完全不同。判斷不出來的標【無法判斷】。
3. 【行動成效】對照我們做過的事,逐項判斷該主題是否真的下降。要注意:主題消失不等於問題解決,也可能是那群人不再發言了。這一點要明講。
4. 【新出現的主題】這一期才出現的,列出並判斷是新問題還是舊問題的新說法。
5. 【持續存在但沒動的】兩期都在、人數也沒變的主題。這些通常是被忽略的長期問題。

規則:
- 蒐集範圍若兩期不同,先指出來,所有比較都要加上這個但書。
- 不得把主題消失直接解讀為問題解決。
- 不得推測任何個人身分。

上一期:{貼上}|這一期:{貼上}|期間做過的事:{貼上}|兩期蒐集範圍是否相同:{填寫}

可替換變數

變數要換成什麼
{貼上}上一期的主題清單。
{貼上}這一期的主題清單。
{貼上}兩期之間實際做過的事。
{填寫}蒐集範圍是否相同,不同的話差在哪。
完整使用範例(照這樣填)
(貼上兩期主題清單)
期間做過的事:講義字級由 12pt 調為 16pt(6 月起);報名系統未處理;晚上班未開
蒐集範圍:相同(同三個討論區+粉專,同關鍵字)
預期輸出範例(拿到的東西應該長這樣)
【蒐集範圍】兩期相同,比較有效。

【主題消長】(以人數為主軸)
| 主題 | 上期人數 | 本期人數 | 變化 | 則數變化 |
|---|---|---|---|---|
| 教材字太小 | 9 | 1 | ↓8 | 9→1 |
| 晚上或假日班 | 24 | 29 | ↑5 | 26→33 |
| 報名系統操作 | 8 | 7 | ↓1 | 31→9 ⚠ |
| 課程進度偏快 | 17 | 16 | 持平 | 19→18 |
| 停車與交通 | 12 | 13 | 持平 | 12→14 |

【變化的可能原因】
1. 教材字太小 ↓8:我方行動造成。6 月起字級由 12pt 調為 16pt,時間點吻合,且唯一剩下的 1 則發文日期在 6 月初(調整前)。判斷明確。
2. 晚上或假日班 ↑5:【無法判斷】。可能是需求持續累積,也可能是暑假期間白天班較難配合。建議下一期(非暑假)再看。
3. 報名系統操作:人數僅降 1(8→7),但則數大降(31→9)。這不是問題改善——上期的 31 則中有 11 則來自同一人。本期該人只發了 2 則。則數的下降主要來自單一使用者的發言頻率變化,不是問題本身變少。⚠ 這一項若只看則數會嚴重誤判。

【行動成效】
教材字級調整:有效。人數由 9 降為 1,且剩餘 1 則發生在調整之前。
※ 但仍要注意另一種可能:字級調整後,覺得字小的人可能已經不再提起而非問題解決——不過本例中人數降幅大且剩餘則的日期在調整前,證據相對明確。

報名系統:未處理,本期人數 7 人,與上期相當。問題持續存在。

【新出現的主題】
1. 「線上課程選項」(5 人,7 則)——新問題。上期完全未出現。
2. 「講義電子檔」(4 人,5 則)——可能是「教材字太小」的新說法。有 2 位發文者上期也曾提到字太小,本期改為要求電子檔(可自行放大)。建議合併觀察。

【持續存在但沒動的】
1. 課程進度偏快(17→16 人)——兩期都在前三名,且我方未採取任何行動。這是目前最明確的長期問題。
2. 停車與交通(12→13 人)——持續存在,但多數不在我方可控範圍內。建議至少提供交通資訊,而不是完全不回應。

【提醒】
本期最重要的發現不是任何一個主題,而是「報名系統」那一項:則數下降 71%,人數只下降 1 人。如果只看則數,這一季的報告會寫成「報名系統問題大幅改善」,然後這個問題會繼續放著不管。

常見錯誤用法

  • 只看則數不看人數。這一步最容易出現的誤判,而且會導向「問題已改善」的錯誤結論。
  • 把主題消失當成問題解決。也可能是那群人不再發言,或已經離開了。
  • 兩期蒐集範圍不同還照樣比較。範圍變了,所有數字的比較都失去意義。
這一版另外不適合

沒有額外的,看上面「三種版本共通的紅線」那一段就好。

缺少資料時怎麼辦

上一期若沒有記錄人數(只有則數),這一步的核心比較就做不了。人數是這個方法最重要的欄位,第一期就要開始記。

這一版另外要人確認

沒有額外的,看上面「三種版本共通的紅線」那一段就好。

07產出應該長什麼樣拿到的東西要長這樣

五節:主題聚類(含則數、人數、代表性、引句)、抱怨與期待分流、語氣強但次數少的意見、資料回答不了的問題、我沒有做的事。

完成品:同一批留言的兩種歸納:有沒有算「幾個人」

【只統計則數】
AI 產出:
「主要議題聲量排序:
1. 報名系統操作問題(31 則)
2. 希望開設晚上或假日班(26 則)
3. 課程進度偏快(19 則)
4. 停車與交通(12 則)
5. 教材字體過小(9 則)

建議優先處理報名系統相關問題,該議題聲量最高。」

→ 看起來合理,而且很好用——直接就有優先序。
→ 問題是:31 則裡有 11 則來自同一個人。

【同時統計則數與人數,並標記代表性】
AI 產出(節錄):
「| 主題 | 則數 | 人數 | 代表性 |
| 報名系統操作問題 | 31 | 8 | ⚠ 少數人重複提及(U01 佔 11 則) |
| 希望有晚上或假日班 | 26 | 24 | 多人各提一次 |
| 課程進度偏快 | 19 | 17 | 多人各提一次 |

【代表性提醒】
「報名系統操作問題」則數最高(31),但集中在 8 個人。若照則數排優先序,這個主題排第一;若照人數排,它會排到第三,落後於『晚上假日班』(24 人)與『課程進度』(17 人)。
兩種排法的意義不同:則數反映困擾的強度,人數反映普遍程度。這是你要判斷的事,我不做決定。」

→ 它沒有幫你決定要用哪一種排序,這是對的——那是經營判斷。
→ 但它讓你知道有兩種排序,而且結果完全不同。

【下一季才看得出來的差別】
第二季報名系統的則數掉到 9(-71%),人數只掉到 7(-1)。
只有則數的報告會寫「大幅改善」。有人數的報告會寫「單一使用者發言頻率變化,問題持續存在」。
※ 這個差別的代價是第一期多記一個欄位:發文者代號。
輸出格式規格(要照著做的人再展開)
  • 每個主題強制附兩則原文引句。
  • 則數與人數兩欄都要有,並標記代表性(多人各一次/少數人多次)。
  • 抱怨與期待分開兩張表,不得混列。
  • 語氣強烈但只出現一兩次的意見要單獨列一區。
  • 「資料回答不了的問題」不得為空;「我沒有做的事」是邊界宣告,不得省略。
一、主題聚類
| 主題 | 則數 | 人數 | 代表性 | 引句 |
|---|---|---|---|---|
| 報名系統操作問題 | 31 | 8 | ⚠ 少數人重複(U01 佔 11 則) | 「按下去就沒反應」/「真的要修一下」 |
| 希望有晚上或假日班 | 26 | 24 | 多人各提一次 | 「白天要上班」/「有沒有週末的場次」 |

二、抱怨/問題
1. 報名系統(31 則、8 人)2. 課程進度(19 則、17 人)…

三、期待/想要
1. 晚上或假日班(26 則、24 人)2. 分級班(6 則、6 人)

四、語氣強烈但只出現一兩次
-「這種課根本是浪費資源」(1 則)
-「非常感謝,改變了我的生活」(2 則)

五、這份資料回答不了的問題
1. 沒有報名的人在想什麼(結構性盲區)
2. 費用接受度(214 則中零提及)

六、我沒有做的事
- 未推測任何個人的年齡、性別、職業或身分
- 未為單一帳號建立輪廓
- 未把聲量高解讀為需求大

08工具怎麼挑

這幾支都做得到——差別在你手上有哪一支、資料能不能外流。標「起手」的是不知道從哪支開始時的建議,不是限定。

工具什麼時候用為什麼注意
ChatGPT ↗起手
主題歸納
一般規模的主題歸納聚類穩定,能依要求附原文引句與代表性標記。資料要先去識別化;明確禁止它推測發文者身分。
Claude ↗
貼文與評論量大時
貼文與評論量大長輸入穩定,較不會漏掉低頻但有意義的主題。同樣先去識別化。
Gemini ↗要補查公開的產業討論可查公開資料並附連結。查回來的內容一樣要記平台與日期,並確認是公開可見。
試算表
來源與日期紀錄
跨期比對與趨勢人數與則數兩欄並列,變化一目了然,也留得住版本。人數欄一定要有——只記則數的話跨期比較會誤判。
四、不要做錯這幾關不下放

09會卡住與會做錯的地方

會卡住的地方(流程困難點)

聲量被當成需求
發文的是自我選擇的少數,而且集中在兩個極端。照聲量排優先序會做錯決定。
AI 自動推測身分
它會很自然地寫出「主要客群為 30-40 歲上班族」,而那是從語氣猜的,沒有任何依據。
少數人的重複發言被放大
三個人講了三十次,在則數統計上看起來像一個大主題。
只給結論不給引句
沒有原文引句就沒辦法驗,而歸納的主題名稱常常是 AI 自己造的詞。

會做錯的地方(常見失敗方式)

把聲量當需求

照則數排優先序,結果被少數人的重複發言主導。

怎麼修同時統計人數並標記代表性;跨期比較以人數為主軸。

AI 推測發文者身分

「主要客群為 30-40 歲上班族」這種結論寫進報告,就成了公司對這些人的紀錄。

怎麼修在規則中明文禁止,並保留「我沒有做的事」作為邊界宣告。

沒有保留發文者代號

算不出「幾個人提到」,跨期比較必然誤判。

怎麼修去識別化時保留代號,只換掉可辨識的部分。

只給結論不給引句

主題名稱常是 AI 造的詞,無從驗證也對不回原文。

怎麼修每個主題強制附兩則原文引句,並抽查是否真的支持該主題。

主題消失=問題解決

也可能是那群人不再發言或已經離開。

怎麼修比對行動時間點與剩餘發文日期;無法區分時明講兩種可能。

為了資料量去爬登入內容

同時違反平台條款與個資規範。

怎麼修只用公開可見內容,蒐集方式與範圍留書面紀錄。

其他注意事項

10人工把關與安全限制

AI/Agent/Tool 介入在哪幾步

流程位置做什麼/怎麼做
歸納階段AI主題聚類並統計則數
每個主題強制附兩則原文引句。引句是驗證的依據,也讓它比較難造詞。
歸納階段AI抱怨與期待分流
分開兩張表。抱怨指向要修的東西,期待指向可能的新做法,處理路徑不同。
歸納階段AI標記代表性
註明是多人各提一次還是少數人重複提及。這一欄決定你要不要照聲量排優先序。
判讀階段Tool跨期比對
試算表把兩期同主題的則數擺在一起,看趨勢而不是看快照。

這幾關不下放

合法邊界
蒐集方式是否合規,由人確認並留紀錄。
去識別化
在分析之前完成,不是叫 AI「不要看帳號」。
引句抽查
抽幾個主題核對引句是否真的支持該結論。
代表性判讀
哪些是重度使用者的意見、哪些是市場的意見,由懂業務的人判斷。
不做個人畫像
任何指向特定帳號的推測一律刪除。

安全與權限限制

只用公開可見內容
不繞過登入、不繞過反爬蟲、不使用非公開管道取得的內容。蒐集方式要留紀錄。
遵守平台服務條款
各平台對自動蒐集的規定不同,開始前先確認,並留下確認紀錄。
分析前去識別化
帳號名稱、頭像、他人姓名、可辨識個人的細節先移除,只保留代號、文字與時間。
不建立個人檔案
把公開發言彙整成特定個人的檔案,性質已不同於群體分析,不要做。
不接觸特定發文者
要聯繫客戶請走既有的業務關係,不要以社群觀察作為開場依據。
報告的傳閱範圍
即使去識別化,內部人員仍可能認得出是誰。傳閱範圍要控制。

11Checklist 與驗收標準

做的時候逐項打勾

做完了才檢查:全部成立才算完成

  1. 蒐集方式合乎平台服務條款,且只取公開可見內容,過程有書面紀錄。
  2. 分析前已去識別化,但保留了發文者代號。
  3. 每個主題都附有原文引句,且經抽查確認引句支持該主題。
  4. 則數與人數兩欄都有,並標記了代表性。
  5. 抱怨與期待分開列出。
  6. 語氣強烈但只出現一兩次的意見已單獨列區,未被當成趨勢。
  7. 報告中沒有任何對個人年齡、性別、職業、所得或身分的推測。
  8. 「這份資料回答不了的問題」一節非空,並含結構性盲區的說明。
  9. 跨期比較時已確認兩期蒐集範圍相同,或已註明差異作為但書。
五、延伸看別人做過,然後往下一步

12實際案例

則數掉了七成,人數只掉一個:差點被寫成「問題已改善」

當時的狀況:一個社區據點每季跑一次社群聆聽。第二季的報告顯示「報名系統操作問題」的則數從 31 掉到 9,降幅 71%。第一版報告寫的是「報名系統問題已大幅改善」,而實際上那三個月完全沒有動過那個系統。

AI 做了什麼
  • 在主題表中同時列出則數與人數兩欄,並標記代表性。
  • 指出上一期的 31 則中有 11 則來自同一位發文者(U01),本期該人只發了 2 則。
  • 判斷則數的下降主要來自單一使用者發言頻率的變化,不是問題本身變少——人數只從 8 降為 7。
  • 另外指出「教材字太小」的下降是真的:人數由 9 降為 1,且剩餘那 1 則的日期在字級調整之前。
人做了什麼
  • 第一期就決定要記錄發文者代號——沒有代號就算不出人數。
  • 去識別化在分析前完成,帳號名稱換成 U01–U88。
  • 確認兩期的蒐集範圍相同,比較才有效。
  • 把「課程進度偏快」與講師反映的「學員程度落差大」擺在一起看,發現是同一件事的兩面。
  • 對「我們原本最擔心的費用零提及」保留兩種解釋,沒有直接當成不是問題。

結果:如果那份報告只有則數一欄,這一季會結論成「報名系統問題已改善」,然後這個問題會繼續放著。真正做對的事發生在第一期——決定保留發文者代號。多一個欄位,換來的是後面每一季都不會被單一使用者的發言頻率誤導。

待補資料:本站不提供社群聆聽準確度或商業成效的量化比較。建議自己記錄兩件事——每期各主題的「人數」(不是則數),以及採取行動後該主題人數的變化。第二個是驗證行動有效性最直接的指標。

13相關方法與下一步

查證要有方法

社群聽到的線索要接到正式查證,那是另一套做法。

對手那邊的聲音

同樣的方法可以用在產業討論上,但要注意可比性。

把抱怨接到 FAQ

重複出現的問題本來就該進 FAQ。

回應的語氣要一致

在社群上回覆時,語氣與承諾邊界一樣要有規範。

可直接使用RELATED PROMPTS

先理解這些觀念RELATED CONCEPTS

延伸案例RELATED CASES

Download

這個方法的模板與 Checklist 下載包整理中——訂閱更新,上架後第一時間通知你。

取得 AI 實戰工具與更新

之後會不定期整理:新方法、指令包(Prompt Pack)、Checklist 與模板。免費、無廣告;正式寄送前會先寄確認信,隨時可來信要求刪除。

← 回「研究與資訊整理」回找方法 →