多平台輿情監控分析

這個技能是做什麼的

**全網多平台輿情分析與視覺化報告生成工具** --- ## 一、Skill 簡介 Sentiment Analyzer 是一款 AI 驅動的輿情分析 Skill，能夠根據使用者輸入的關鍵詞，自動在全網多平台進行資訊採集，完成情感分析、趨勢研判、風險評估等多維度分析，並生成帶有互動式圖表的視覺化 HTML 報告。 適用於品牌公關、市場行銷、娛樂宣發、產品營運、危機預警等多種場景。 --- ## 二、核心能力 | 能力 | 說明 | |------|------| | **多平台採集** | 覆蓋騰訊新聞、微博、抖音、小紅書、知乎、百度資訊等主流平台 | | **情感分析** | 自動將資訊分類為正面 / 中性 / 負面，計算綜合情感得分 | | **趨勢追蹤** | 按時間線呈現輿情走勢變化 | | **關鍵詞提取** | 提取 Top 15-20 高頻關鍵詞及權重 | | **熱點話題排行** | 按熱度排序展示當前最受關注的討論話題 | | **KOL 觀點追蹤** | 識別關鍵意見領袖及其立場和影響力 | | **風險評估** | 自動判定風險等級（低/中/高），給出風險因素和應對建議 | | **視覺化報告** | 生成互動式 HTML 報告，包含 6 類 ECharts 圖表 | --- ## 三、目錄結構 ``` sentiment-analyzer/ ├── SKILL.md # 核心指令檔案（AI 執行流程） ├── scripts/ │ └── generate_report.py # 報告生成指令碼 └── assets/ └── report_template.html # 互動式 HTML 報告模板 ``` | 檔案 | 作用 | |------|------| | SKILL.md | 定義 AI 的完整工作流程：搜尋策略、分析維度、資料結構、報告生成步驟 | | generate_report.py | 將結構化 JSON 資料注入 HTML 模板，生成最終報告 | | report_template.html | 基於 ECharts 的響應式報告模板，包含所有視覺化元件 | --- ## 四、工作流程 ``` 使用者輸入關鍵詞 │ ▼ ┌─────────────────┐ │ Step 1: 解析意圖 │ 識別關鍵詞類型（品牌/明星/影視/產品/事件） └───────┬─────────┘ ▼ ┌─────────────────┐ │ Step 2: 多平台搜尋 │ 並行發起 6-8 組搜尋覆蓋各大平台 └───────┬─────────┘ ▼ ┌─────────────────┐ │ Step 3: 深度採集 │ 對 5-10 個核心 URL 抓取詳細內容 └───────┬─────────┘ ▼ ┌─────────────────┐ │ Step 4: 結構化分析 │ 情感分類、平台統計、趨勢分析、風險評估等 10 個維度 └───────┬─────────┘ ▼ ┌─────────────────┐ │ Step 5: 生成報告 │ 呼叫指令碼生成互動式 HTML（或 Markdown）報告 └───────┬─────────┘ ▼ ┌─────────────────┐ │ Step 6: 交付結果 │ 輸出報告檔案 + 關鍵發現摘要 └─────────────────┘ ``` --- ## 五、分析維度詳解 ### 1. 情感分佈 將採集到的資訊按正面、中性、負面三類統計，計算綜合情感得分（0.0 ~ 1.0）。 - **正面**：好評、推薦、正面成就、上升趨勢 - **中性**：事實報道、客觀描述、資訊性內容 - **負面**：批評、投訴、爭議、負面事件、下滑指標 ### 2. 平台分佈 統計每個平台的資訊量及各情感類型佔比，瞭解輿論主戰場。 ### 3. 時間趨勢 按日期維度展示輿情變化曲線，識別輿論爆發點和衰退期。 ### 4. 關鍵詞熱度 提取 Top 15-20 高頻詞彙及其相對權重，快速把握輿論焦點。 ### 5. 熱門話題 按熱度排序展示最受關注的討論話題，標註來源和情感傾向。 ### 6. 代表性文章 按正面/負面/中性分類展示典型文章，包含標題、來源、連結和摘要。 ### 7. KOL 意見領袖 識別在相關話題上具有影響力的媒體/大V，展示其立場和觀點。 ### 8. 風險評估 自動判定輿情風險等級，列出風險因素並給出可操作的應對建議。 | 風險等級 | 判定標準 | |---------|---------| | 🟢 低風險 | 正面/中性為主，無明顯爭議 | | 🟡 中風險 | 存在顯著負面聲音或爭議話題 | | 🔴 高風險 | 出現危機級負面事件，需緊急關注 | --- ## 六、報告視覺化元件 生成的 HTML 報告包含以下互動式元件： | 元件 | 圖表類型 | 說明 | |------|---------|------| | 核心指標卡片 | 數字卡片 × 6 | 資訊總量、正面/中性/負面數量、情感得分、輿情熱度 | | 風險等級橫幅 | 狀態條 | 顏色編碼的風險等級提示 | | 輿情概覽 | 文字 | 2-3 段綜合分析概述 | | 情感分佈 | 環形餅圖 | 正面/中性/負面佔比 | | 平台分佈 | 堆疊柱狀圖 | 各平台資訊量及情感構成 | | 輿情趨勢 | 多線折線圖 | 按日期展示總量及各情感變化 | | 關鍵詞熱度 | 水平條形圖 | Top 15 高頻關鍵詞及權重 | | 熱門話題 | 資料表格 | 話題、來源、熱度、情感標籤 | | 代表性文章 | Tab 切換表格 | 按正面/負面/中性分類瀏覽 | | KOL 卡片 | 卡片網格 | 影響力進度條、立場標籤、觀點摘要 | | 風險分析 | 列表 | 風險因素 + 應對建議 | 所有圖表基於 **ECharts 5**，支援滑鼠懸停互動、響應式佈局（適配移動端）。 --- ## 七、適用場景 ### 按關鍵詞類型 | 類型 | 示例 | 重點分析方向 | |------|------|------------| | 企業 / 品牌 | 小鵬汽車、華為、瑞幸咖啡 | 產品口碑、股價輿情、公關事件、競品對比 | | 明星 / 公眾人物 | 演員、歌手、企業家 | 粉絲反應、爭議事件、代言評價、作品口碑 | | 影視 / 綜藝 | 電視劇、電影、綜藝節目 | 收視/票房、觀眾評價、劇情討論、演員表現 | | 產品 | iPhone、化妝品、遊戲 | 使用者評測、開箱體驗、價格對比、質量投訴 | | 事件 / 話題 | 政策、社會事件 | 公眾反應、專家觀點、媒體報道、輿論走向 | | 行業 | 新能源、AI、教育 | 行業趨勢、政策影響、市場情緒、關鍵玩家 | ### 按使用場景 - **品牌公關** — 日常輿情監控，及時發現負面資訊 - **行銷活動** — 評估行銷效果，瞭解使用者真實反饋 - **競品分析** — 對比競品的網路口碑和使用者評價 - **危機預警** — 快速掌握突發事件的輿論走向和風險等級 - **投資研究** — 瞭解標的公司的公眾形象和市場情緒 - **娛樂宣發** — 追蹤影視劇/綜藝的觀眾反饋和傳播效果 --- ## 八、使用方式 ### 安裝 將 sentiment-analyzer-v1.1.0.zip 解壓後放入 Box 的 Skill 目錄，或透過以下命令載入： ``` use_skill("sentiment-analyzer") ``` ### 觸發方式 直接用自然語言向 AI 描述需求即可，以下均可觸發： ``` 幫我分析一下"小鵬汽車"的輿情 查一下華為最近的網路口碑 分析《慶餘年2》的觀眾評價 監控一下瑞幸咖啡的輿論情況 最近關於AI的輿情趨勢怎麼樣 幫我看看某明星的網路風評 ``` ### 輸出格式 - **預設**：互動式 HTML 報告（推薦，圖表豐富） - **可選**：Markdown 報告（純文字 + 表格，適合嵌入文件） - **可選**：其他格式可按需指定 如需指定格式，在請求中說明即可： ``` 幫我分析小鵬汽車的輿情，生成 Markdown 格式報告 ``` --- ## 九、資料質量標準 | 指標 | 標準 | |------|------| | 資訊來源數 | ≥ 30 條獨立來源 | | 平台覆蓋 | ≥ 4-5 個不同平台 | | 正負面均衡 | 主動搜尋正面和負面資訊，避免偏見 | | 時效性 | 優先採集近 7-30 天內容（除非使用者指定時間範圍） | | 可溯源 | 所有資訊附帶來源 URL | | 客觀性 | 以資料驅動結論，不預設立場 | ---

月度資料趨勢

「資料分析」分類下的熱門技能