核心技術

透過自然語言處理及機器學習演算法,將大數據轉換成可供決策的洞察,更全面了解消費者 !

自動語意貼標解讀匿名網友輪廓

利用關鍵字語法及獨家演算法, 根據網友屬性及行為的語意自動化貼標符合樣本輪廓的特色標籤
詞庫辨識

擁有最詳盡人口特徵和消費行為辨識詞庫,從目標帳號發文留言萃取關鍵詞,推測其性別、職業、關注品牌和消費通路等。

興趣話題辨識模型
提供已標記特徵的文本進行機器訓練並得出辨識模型,進而利用該模型了解目標族群的興趣話題。
領域詞權重統計
將每項休閒活動建立領域詞庫,賦予各領域中詞彙不同的權值,以分析發文內容和發文看板了解目標族群休閒活動偏好。

問卷結合大數據接觸隱藏受訪者

疊合輿情、瀏覽行為和線下活動足跡找到關鍵受訪族群,提供可信任調查樣本

精準抽樣

透過疊合大數據,蒐集關注議題的線上瀏覽行為以及線下足跡鎖定最關鍵受訪者,並針對該趨向的年齡進行分層隨機抽樣。

精準投放

擺脫傳統市話調查人力限制,透過簡訊自動化、Facebook去識別化token的方式,可獲得大量的樣本,且自動辨識IP來源相同之回答避免重複灌票。

獨立調查網頁

擁有專屬線上問卷題目調查系統,可提供更加客製化題目類型設定。

更多語意分析技術洞悉網友需求

跳脫過往僅將聲量做為分析指標, 透過各種演算法從文本找出潛在價值
口碑聲量
運用獨家口碑計算技術,根據網友關鍵字用字習慣及關鍵字出現在文本的位置,自動歸納品牌口碑聲量。
三層級產業資料庫
提供不同維度綜觀品牌整體聲量表現,分類管理產業的「品牌、系列、產品」各類關鍵字,根據不同觀察需求進行產業調查。
關聯詞分析
計算文本中最常同時出現且彼此相鄰的兩組詞彙,從關聯數值探討詞彙之間是否存在某中關係,找出品牌潛在的競爭者或消費者需求。
情緒分析
找出文本中表達情緒詞彙,根據已建立詞庫中定義的正負面意向進行自動化分類,了解消費者在整體文本感受。
類聚分析
萃取代表文本的關鍵字及文本間相似性,將文本資料自動化分群,歸納討論主題面向。
趨勢詞分析
計算關鍵詞在不同區間出現頻次的變化量,找出可能潛在之關鍵趨勢詞。
專家分析模組
運用行銷學中經典理論,結合自然語言處理及獨家演算法,建立將非結構文字轉換成可用數值計算的行銷分析模組,以提供更深入之商業策略洞察。