從聊天室到洞察報告：手機 Gemini 實作網路語意分析

為何需要語意分析？

真實世界的數據，往往隱藏在非結構化的文字中。

透過語意分析，我們能將海量的「留言、對話、評論」，轉化為機器能理解的數據（情緒、意圖、關鍵字）。

這不僅能幫助我們掌握輿情趨勢，更能精準挖掘出消費者或目標群體未說出口的「真實痛點」。

核心商業應用情境

公關危機監測

透過 Social Listening 提早發現網路上「負面情緒」飆升的異狀，在危機擴大前迅速反應與處理。

輿情與風向預測

分析特定論壇或社群平台上的討論熱詞，預測政治、社會或流行議題的風向發展與傳播力。

消費者洞察

分析地圖評論或電商評價，找出顧客最常抱怨的隱藏痛點，優化產品服務體驗。

數據從哪裡來？認識網路爬蟲

主要數據金礦： 論壇 (Dcard, PTT)、社群平台 (IG, Threads)、新聞留言與電商評價。
爬蟲白話文： 就像一個「自動化數位工讀生」，依照你設定的規則，將網頁上的文字、時間、作者複製到表格中。
免寫程式方案： 本課程我們將使用手邊現成的「Line 聊天紀錄」，作為私有領域的爬蟲實驗資料！

實作準備：匯出 Line 聊天紀錄

步驟一：輕鬆匯出

挑選一個活躍的群組（分組報告、社團或家庭群），以確保分析結果具備多樣性與趣味性。

手機操作路徑：
進入群組右上角選單 ➔ 其他設定 ➔ 傳送聊天紀錄 ➔ 儲存為 .txt 純文字檔至手機中。

步驟二：觀察「髒」數據

打開您剛剛匯出的文字檔，您會發現裡面充滿了時間戳記 (14:05) 以及系統訊息 (XXX 收回了訊息)。

這就是真實世界數據的樣貌。未經處理的數據稱為「髒數據 (Dirty Data)」，需要靠 AI 幫忙清洗過濾。

與 AI 對話：Prompt 闖關任務

任務一：資料清理

「這是一段 Line 紀錄，請幫我移除所有的時間戳記與系統訊息，只保留人名與發言內容。」

任務二：關鍵字萃取

「請根據這段對話，抓出最常被提及的 10 個名詞，並計算它們出現的頻率。」

任務三：情感分析

「請分析這段對話的整體情緒氛圍是正向、負向還是中立？並舉出 3 句最具代表性的發言。」

成果展現：Vibe Coding 視覺化

告別複雜軟體，一鏡到底

我們不需要切換到 Google 試算表。透過 Vibe Coding 的概念，直接用語感（Vibe）引導 Gemini 在對話框內產出視覺化報表。

您可以要求它用 Emoji (🟩/🟥) 繪製直觀的長條圖，或是請它扮演分析師，直接輸出結構化的「高階主管摘要 (Executive Summary)」。

群組情緒分析 (Vibe Coding 繪圖範例)

正向情緒 (40%)
中立情緒 (40%)
負向情緒 (20%)

透過下達指令：「請用分析出的情緒比例，幫我畫一個商業風格的圓餅圖」，Gemini 即可在背景執行 Python 代碼，瞬間將對話氛圍量化，協助我們掌握群組真實動態。

熱門討論關鍵字 (Vibe Coding 繪圖範例)

期末報告

15 次

考試重點

12 次

教授評分

8 次

期末聚餐

5 次

指令：「用前 4 大關鍵字次數，畫一個漸層色的橫向長條圖」。這能幫助我們迅速找出群組成員最關注的核心議題，進而針對痛點進行溝通與管理。

從聊天室到洞察報告