二手徵求有驚喜
1.1 社群媒體大數據
大數據在今天已經無處不在，數據成為大量、高速度和高價值的資產，需要有效益的形式來處理數據，提升資料洞察力和決策力。感測器、網路文章、電子郵件、網路點擊、供應鏈訊息，數據正淹沒到每一個業務中，擁有最具效率流程來分流洪水般數據的企業，才有機會爆發性成長。數據不僅僅是大型企業的問題，中小型企業也越來越多透過數位管道與客戶互動，同樣擁有網站、數據庫等複雜資料內容。
許多學者對「大數據」的定義有「數據集的大小超出了傳統數據庫儲存，管理和分析的能力」、「必須使用機器學習演算」等等都有著不同的詮釋，但可以確定的是「數據」不斷在進化，而4V以大量性（volume）、多樣性（variety）、高速性（velocity）、價值性（value）等面向，成為描述大數據的共同框架。在資料多樣性中，普遍易於使用的結構化數據僅占15～20%，這意味著80% 的數據都是非結構化，如果企業僅分析其數據的20%，那麼可以期待分析非結構化數據，有巨大的商業價值等著被挖掘。
網路時代的社群興起，加上行動上網便利性，幾乎上網查資料、閱讀別人的心得評論、聊天互動已經是生活的日常習慣，現在想買個3C商品、看電影、選餐廳都離不開先到社群中逛逛看別人的分享經驗，我們在社群中的對話都成為非結構化資料的主要來源，而且數據相當驚人：
•Google 每月要處理超過1萬億次搜尋。
•Twitter 每天有超過5億個推文。
•Facebook 每月活躍使用者直逼20億用戶的狀態更新。
包含臉書、論壇、部落格、電子郵件和產品評論網站等非結構化內容，不僅數量龐大、來源眾多，而且格式複雜，無時無刻都有網路住民在生產數據，這些蘊含各種寶貴聲音的資料，都可以稱為社群媒體大數據。對於這些內容，我們通常想知道得更多，例如：從客戶服務交易的語音記錄中反應哪些資訊？網路新聞或推文該如何解讀？產品評論、開箱文中可以得到消費者的觀感？或者撥出視頻時引起的討論話題？
在過去要得到這些答案，當然您可以選擇逐一讀完所有的推文和評論，然後手動記錄其中的特徵轉換成結構化數據，這聽起來不是很有效率的作法。多數人會採取的模式只是稍微瀏覽他們的Facebook 頁面的留言，或者讀讀幾篇google 搜尋首頁的文章，試圖得到一個氛圍或主觀見解。不然透過問卷調查的方式，取樣推估多數人的意見，而忽略了非結構化數據的潛藏價值，反觀在社群媒體大數據，不僅有網民即時性的發言，在社群上各種意見毫無保留的表達，既真實又有取之不盡的題材，這聽起很棒，卻仍無法普及使用，因為分析社群數據不是件簡單的事。非結構化數據的文本挑戰，碰上大數據的解決方案正是文字探勘，也稱為文本分析或自然語言處理，文本分析是將非結構化文本轉換為結構化數據的科學。
1.2 文字探勘與社群媒體大數據一拍即合
隨著各種社群媒體服務產生的大量數據，文字探勘提供了一種滿足不同訊息需求的有效途徑。社群媒體如Facebook、PTT、論壇和自媒體網站越來越多，用戶隨時發出突發性新聞，引起網路參與和連接，而文本分析的重點就是從對話中提取關鍵的訊息以及內容語氣。
文本分析在社群媒體大數據的商業價值，協助各個領域的需求者能夠聽取所有的對話，將對話的情緒從非結構化數據轉換為結構化數據，這樣就可以併入企業現有的大數據商業智慧的分析之中，產生更多元的綜效。文字探勘在社群媒體大數據的時代，碰撞出新的解決方案「社群輿情分析」，也可以稱為「社群聆聽」（social listening）。
多數人開始認識社群媒體大數據，可能從政治話題及公共議題最容易接觸到，經歷過太陽花學運以及六都市長選舉，網軍開始受到各方重視，當網軍對某些議題形成共同看法時，引起的意見群聚效應很可能成為主流民意，加上眾多的社群網站提供發表言論以及訊息交換的平台，所以看風向、預測「社群輿情」走向逐漸成為顯學。
完整的社群聆聽系統可以作為用戶社群媒體監控的工具，將社群媒體和客戶聲音融合，聽取線上體驗分享或者與客戶對話，提升客戶關係管理。一些案例，如：品牌管理，品牌經常贊助活動像奧運、足球聯賽、馬拉松賽或慈善活動，如果品牌贊助的活動管理不善，本來要提升形象或推廣的目的，反而招來更多的非議，除非企業正在聆聽活動中的網路對話，否則可能不知道消極情緒正在醞釀，也可能不了解導致銷售下降的原因。如飯店、渡假村和餐廳的客戶回饋，多數都抒發在網路上，業者多數以人工尋找及解讀片面對話，若透過社群聆聽系統，可以更快速評估應該在哪些方面需要改善；也可用於了解客戶的喜好和動機，調整忠誠激勵計畫提高回購率、樂於對朋友分享。
文本分析的技術已趨於成熟，不同規模的企業都可以透過社群聆聽網路對話，挖掘商業價值性。從國際大廠的動作，足以顯示了文本分析的重要性。例如：IBM 收購深度學習技術的業者AlchemyAPI，其深度學習平台可協助進階資料分析的認知能力，包含分類、關鍵字萃取、情感分析與網頁清理，整合進Watson 核心平台，擴大分析面向。另外，微軟收購了以色列文本分析公司Equivio 專注在eDiscovery 的文本分析公司，開發的演算法對大量文本進行歸類分析，適用於郵件、社群網路或者法律事務等文本內容。
既然分析社群媒體大數據可以讓我們從社群中取得主動性，而不是對發生的事情互動聾啞。那可以開始怎麼做呢？本書主要目的就是讓對於社群輿情分析有興趣的入門者，經由筆者所述的文本資料處理程序，以及介紹不同的探勘分析方式，輕鬆上手文本分析，接著操作社群聆聽平台，實際體驗這一類型的工具可以帶來什麼樣的價值資訊，最後將以案例闡述如何解讀社群，如何運用！ 讓讀者懂得挖掘出更意想不到的商業價值。
2024專利防護中