網路輿情分析初探：從釐清問題到整理建議的入門框架

　　執行專案時，委辦單位長官、主管或是同仁，有時候會好奇一個問題：「現在網路上對這件事的看法是什麼？」與本組相關的專案中，不管是政府推的新政策、公部門的經營管理狀況、職訓課程開設現況，還是企業在談數位轉型等等，外部第一時間出現反應的地方，往往是新聞、臉書粉專、討論版與各種社群平台。這些零散的標題與留言，構成我們口中的「網路輿情」。

　　輿情有幾個特色。它的資料不是研究者「設計問題去問出來」的，而是大眾在日常數位生活中自然留下的足跡；常常更立即反映情緒，尤其是爭議事件發生時，聲量高峰與情緒轉折大多都能在時間軸上清楚看見。當然網路輿情也不能被說成是「全民公投結果」，但可以是一套相對敏感的早期警報系統，提醒有哪些議題在升溫，哪一些群體特別在意。以下分享平日組上輿情分析之經驗與心得。

一、從問題出發：先決定為什麼看輿情

　　在開始前，需要先跟需求單位一起把問題梳理清楚。最簡單的問法為：「現在為什麼需要看網路輿情？」有時是因為擔心危機，想確認某個議題是否已經在網路上發酵，當作危機應對與潛在問題的預防措施；有時是想抓住趨勢，例如數位轉型、淨零排放議題的熱度在哪，避免研究案與外部環境脫節；也有一些案例，單純是希望幫單位或活動找到可以對外溝通、宣傳的亮點。

　　目的大致釐清後，會開始界定主題與範圍，即「搜尋哪些關鍵字」。這裡看似只是設定關鍵字，實際上卻決定後面能不能完整說好一個故事。

　　以「數位轉型」為例，如果只搜尋幾個大層次的名詞，很容易撈到與我們無關的廣告文或泛談文章；但如果加上更多重要概念、技術、政策名稱或政府計畫，就能聚焦在真正與客戶有關的討論，因此Domain Knowledge在這個階段扮演非常重要的角色，越能提供與主題相關的關鍵字，分析結果就能越精準，這個階段也是最花時間的之處，必須不斷調整關鍵字組合，讓調查既能聚焦又能有足夠資料量，相當於輿情分析版的資料清洗。

　　同樣的，時間也必須設定得合理：看一整季、看一個月，或是鎖定某個事件前後一週，會得到完全不同的圖像。

二、分析架構：八個指標

　　關鍵字組合與時間區間確認後，下一步就是把這些條件轉換成一套分析架構。

　　實務上大概會提醒自己思考以下八個指標的當作分析範疇：

• 量化指標：

• 關注度

• 廣度

• 擴散動能

• 好感度

• 質化指標：

• 意見領袖

• 內容重點

• 關注議題

• 粗略的族群樣貌

　　這八個詞其實可以對應到幾個問題：有多少人在談？主要在哪些平台發聲？哪些文章引起最多回應？整體情緒傾向是支持還是擔憂？粗略大概是哪些人、以什麼身分在發言？常被提起的關鍵詞是什麼？這些詞是不是可以分成幾條明確的議題線？在設定搜尋條件時，就會刻意讓自己想到這些問題；因為搜尋條件本身就已經在塑造後續的分析。

三、量化分析不是結束，而是入口

　　分析得到的結果圖表，例如：不同來源的篇數分布、每日聲量折線、正負向情緒比例等等。如果把圖表當成終點，會落入只有數據、說不出意義的狀況。

　　例如聲量時間軸會告訴我們，哪幾天出現明顯高峰；情緒線的起伏提醒我們，哪些時點的負向特別集中。在做某次科學園區的輿情時，利用這樣的圖，發現幾個負向高峰其實都集中在特定議題：例如道路事故、擴建爭議、球場用地糾紛等。這些事件本身未必屬於園區管理單位的責任，但對外界來說，它們構成對園區的整體印象。量化圖表的任務並不是替我們下結論，而是幫我們說：「請特別去看這幾天、這幾篇文章。」

四、在文字裡整理議題與情緒

　　沿高峰點回頭去讀文章，是花時間也很有收穫的部分。通常會先篩出熱度分數特別高的新聞與貼文，包含分享數、留言數或轉發率較高者，再逐篇檢視：它在談什麼？從什麼立場出發？是單純轉述訊息，還是帶著評論、情緒甚至號召？

　　這個階段，「熱詞」與「議題」就會自然浮現。以數位轉型的輿情為例，當我們把所有文章放在一起看時，會發現許多看似不同的新聞，其實圍繞著幾個共同的詞彙：AI、淨零、自動化、缺工、資安等。再把這些詞稍微整理，就能辨識出幾條線索：有的是在談技術導入與效率提升，有的是在談人才與教育，有的則指出國際關稅、能源成本等結構性壓力。

　　以科學園區為案例，乍看之下，網路上關於園區的討論五花八門，但細讀後發現，與居民生活相關的議題，例如交通壅塞、噪音與用地變更，往往比我們想像中，園區作為高科技領頭羊的產業技術本身，更容易引發情緒。在這裡，輿情分析幫助我們從大量文字中歸納出幾個「社會上正在討論的面向」，提供決策者在規劃政策或溝通策略時的參考。

五、把分析變成可以採取行動的語句

　　無論圖表多漂亮、分類多細緻，如果最後說不出「那又如何」，對客戶或主管來說都不是一份完成的報告，輿情分析的最後一哩路，仍會回到決策語言，而這也是身為經營管理顧問機構的CPC顧問們的賣點所在。

　　這個階段會把前面的觀察壓縮成幾組清楚的句子，例如：「目前整體輿情仍以中性與正向為主，負向聲量主要集中在交通安全與用地爭議兩個議題。」、「若未來要進行園區擴建或相關說明會，建議優先回應居民對交通與環境的疑慮，並同步強調就業機會與地方投資的正面效果。」又或者在企業數位轉型的案例中，可以說：「網路討論中，大家對AI導入的期待與對資安風險的擔心幾乎同時出現，建議在規劃轉型藍圖時，將資安與員工培訓納入整體規劃，而不是被動回應。」

　　這些句子看起來像簡單的報告結論，但背後是前面幾個步驟整理出來的濃縮。也是我們未來對外提供輿情服務時的核心價值：需求者要的不只是一疊圖，而是一組可以指引下一步行動的建議。

小結

　　即使不是獨立的商品，輿情分析也值得單位內部運用。它可以跟例如滿意度調查等相互印證，幫助我們理解「問卷看不到的那一面」；可以在重大政策或專案啟動前先做一輪掃描，掌握外部環境的敏感點；也可以在顧問輔導企業時，當作談趨勢與社會期待的起點。

　　掌握前面提到的幾個基本原則—從問題出發、設計合理邊界、善用量化圖表找節奏，利用質化閱讀整理議題與情緒，能讓輿情分析成為許多人都用得上的相對低成本實用工具。

【參考資料】

• 2021.(影)政大數位知識城：數位民主（e-Democracy）篇—鄉民在說什麼？漫談網路輿情分析
• 國家發展委員會循證尋政：網路輿情分析作為循證知識的生產手段：功能與應用
•  Qsearch：數據指標介紹