# 如何匯出 Facebook 留言並分析顧客意見？ 要匯出 Facebook 留言並把它們變成顧客意見，請收集你公開貼文的連結，把原始文字列下載到 CSV 檔案，並把留言分成清晰的主題類別，而不是依賴自動情緒分數。重點是找出特定問題在你各則貼文中聚集的位置，以便檢查缺漏的文案、更新目的地登陸頁面，或置頂澄清答案。由於公開留言者是自行選擇參與的人，而不是已核實的顧客調查，你的目標是在已觀察到的文字中找出可採取行動的模式，而不是計算廣泛的統計平均值。 匯出內容進入試算表後，把品牌回覆保留為討論串脈絡，但把它們排除在受眾總數之外。為每則留言指定一個主要營運主題，用簡單的團隊編碼手冊處理含糊項目，並檢查重複問題是否指向需要更新的特定媒體素材或貼文文案。請按照以下詳細步驟設定收集、建立可靠的分類規則，並把原始 Facebook 資料變成合理的下一步。 ## 收集你的公開留言資料 第一步是把原始文字從社交網絡取出，放進你真正可以分析的格式。你可以用 [Chronometrica Facebook Comments Scraper](https://apify.com/chronometrica/facebook-comments-scraper) 把公開貼文資料擷取成結構化列，它會取得留言文字、獨特識別碼、父項連結和時間戳記。 ### 內容收集如何運作 要開始匯出，你提供特定公開貼文、Reels、影片、相片或分享連結的連結。收集工具每次執行接受 1 至 100 個已知的公開內容連結。它不能從一般專頁地址自動發現貼文，也不能在任何情況下存取私人 Facebook 群組。 收集完成後，你的 CSV 檔案或資料集會包含實際留言文字、每則留言的獨特字串識別碼，以及父項或根連結，用以顯示某一列是對主貼文的回覆，還是巢狀討論串內的回應。匯出亦會記錄一個布林值回覆旗標、你該次執行擷取該列時的收集時間，以及在平台介面提供可靠而精確的來源時間戳記時的原始發佈時間。 ### 理解精確日期和缺失時間 市場推廣人員經常問如何儲存 Facebook 留言的精確時間。你的匯出工具會擷取兩個不同的時間戳記：你該次執行運行時的收集時間，以及平台介面提供的發佈時間。 公開資料的發佈日期有時會缺失，視乎貼文如何被分享或呈現。如果時間戳記缺失，收集時間不能代替留言最初撰寫的時間——它只記錄你的匯出工具收集該列的時間。如果你在設定時套用日期篩選，發佈日期缺失的列可能會完全被排除在最終檔案之外。 ### 限制、上限和排除項目 沒有任何抓取工具或資料集可以保證已收集公開貼文上全部現有留言的 100%。平台限制、網絡逾時和介面變更表示，你應始終把檔案視為已觀察到的列的集合，而不是絕對總數。 設定列數上限會限制收集工具在每則貼文擷取多少項目。因為巢狀回覆會直接計入你每則貼文的列數上限，一場有數十則子回覆的激烈辯論可以很快用盡你的上限。最新、全部或最相關等排序選項會改變列被收集的次序，但不會移除你的數字上限。請始終檢查你的執行摘要，當中詳列已觀察到的狀態、已達到的限制，以及任何被排除的列。 ## 把收集文字與理解意思分開 開啟 CSV 檔案後，你必須把非結構化文字轉成清晰的指標。從公開專頁抓取 Facebook 留言會收集原始文字，但不會告訴你這些文字實際是甚麼意思。 ### 情緒分析與主題分類 許多市場推廣人員試圖立即執行自動情緒分析，希望把留言分成正面、中性和負面組別。實際上，基本自動工具經常被諷刺、俚語、行業用語，或「這個還有貨嗎？」這類短問題弄糊塗。 不要只依賴情緒分析，先從主題分類開始。主題問的是一個人在談甚麼事情，情緒則量度他們表面的情緒語氣。顧客問一件貨品何時寄出，就是提出送遞主題，不論他們聽起來是憤怒、興奮還是中性。 ### 為甚麼公開留言不是顧客調查 公開留言者是選擇在社交媒體貼文留下公開訊息的人。他們並不代表對你所有顧客或帳戶持有人所作的已核實隨機調查。 2019 年，Meta 概述公開留言排名如何運作，以突出活躍對話（見 [Meta 2019 年排名概述](https://about.fb.com/news/2019/06/making-public-comments-more-meaningful/)）。雖然平台演算法會隨時間改變，公開動態自然會獎勵來回討論。這表示一則貼文下的 20 則留言，可能只由 3 個人互相爭論寫成。把公開社交留言視為整個顧客群的無偏差代表，會誤導你的策略。 ## 建立簡單的主題編碼手冊 要準確分類資料，你需要一份主題編碼手冊。編碼手冊是一套簡單、清晰的規則，說明如何標記每則留言，讓團隊每個人都以一致方式為列分類。 ### 核心分類規則 為每則受眾留言正好指定一個主要主題，可讓你的計算保持清晰直接。當使用者訊息包含多個想法，例如正面評語配上一條清晰的送遞問題（「很喜歡這個設計！這會在星期五前寄到加拿大嗎？」），把該列指定到可採取行動的營運主題——在此例是送遞。讚美是令人愉快的脈絡，但送遞問題代表你的業務必須處理的具體查詢。 你的編碼手冊必須包含清晰的納入和排除規則，以及一個給不清楚或離題項目的明確組別。只有當表情符號或短語在討論串內缺乏足夠脈絡時，才把它放進不清楚組別。如果使用者在宣布新履約中心的貼文下直接留下一個運輸箱表情符號，該符號就清楚地對應送遞。相反，沒有脈絡的孤立或含糊表情符號屬於不清楚類別，而不應被硬塞進某個主題。 你自己的團隊成員經常會在留言討論串內回應公開問題。透過 [Chronometrica Facebook Comments Scraper](https://apify.com/chronometrica/facebook-comments-scraper) 讓匯出保留這些品牌回覆，可在閱讀顧客對話時提供重要的討論串脈絡。不過，品牌回覆應被標示並排除在受眾總數之外，以免把你自己的僱員計為顧客意見。由於公開資料匯出中的作者個人檔案詳情有時會缺失，請人手覆核已標示的品牌清單，以確保篩選正確。 ### 覆核流程和測試 如果你使用自動工具來建議初始主題標籤，請嚴格把這些輸出視為草稿提議。為維持品質控制，在最終確定數字之前建立有系統的人手覆核流程。 請讓[第二位覆核者使用你的書面規則，獨立標記一小份混合樣本](/zh-Hant/articles/%E5%85%A9%E5%90%8D-reddit%E7%95%99%E8%A8%80%E7%B7%A8%E7%A2%BC%E5%93%A1-%E4%B8%80%E8%87%B4%E6%80%A7/)，樣本是完全相同的留言。比較兩位覆核者的結果，以找出含糊定義、釐清邊界情況，並完善你的類別描述。當兩位覆核者在測試樣本上達到一致後，把這些定稿規則套用到資料集的其餘部分。 ### 虛構示例編碼手冊結構 | 主題標籤 | 納入準則 | 排除準則 | 虛構示例留言 | | --- | --- | --- | --- | | 送遞／供應情況 | 關於運送時間、缺貨貨品或地區供應情況的問題或聲稱。 | 關於產品價格或訂閱費用的投訴。 | 「藍色版本何時會寄到加拿大？」 | | 價格 | 關於費用、匯率、折扣或付款選項的評語。 | 關於產品品質或運送速度的一般陳述。 | 「這個計劃有年度折扣嗎？」 | | 產品使用 | 關於產品如何運作、設定步驟或技術相容性的問題。 | 關於物品到達時有實體損壞的報告。 | 「這個應用程式會直接與 Google Calendar 同步嗎？」 | | 讚美 | 稱讚品牌、產品或團隊，且沒有附帶營運問題的正面評語。 | 嘲諷某項功能的諷刺留言，或附屬於特定問題的稱讚。 | 「很喜歡這次更新！這是你至今做過最好的功能。」 | | 不清楚／其他 | 缺乏脈絡的留言、單一表情符號含糊且討論串沒有足夠脈絡去理解其意思，或涉及無關主題的留言。 | 符合上方核心類別的具體問題，或清晰且有脈絡的表情符號。 | 「看看這個 @friend」或一句孤立的「也許……」 | ## 用公開計數為你的資料提供脈絡 在投入留言分析之前，了解這些貼文整體有多少公開活動會有幫助。你可以用 [Chronometrica Facebook Metrics Scraper](https://apify.com/chronometrica/facebook-metrics-scraper) 收集可用的公開指標計數器，例如這些相同貼文的整體反應次數、分享次數和留言總數。 指標計數器顯示的是整體互動事件，不是個別的人。500 個反應和 50 則留言並不表示有 500 位不同的人（每人只計一次）作出反應，以及 50 位不同的人（每人只計一次）留言，因為單一使用者可以發佈多則留言，或多次分享一則貼文。把留言總數與反應總數比較，可為互動風格提供有用脈絡，但這不會揭示總觸及，不會告訴你沉默讀者的想法，也不會證明貼文措辭造成了某項特定反應。 ## 一個虛構的實例演練 設想一家虛構零售公司 Brightwood Goods，在為期 2 星期內於其公開 Facebook 專頁發佈了 5 則推廣貼文。 團隊匯出貼文資料，套用主題編碼手冊規則，並把內部團隊回應與顧客文字分開。在這 5 則貼文中，收集工具觀察到共 100 列。其中 20 列是 Brightwood 支援人員撰寫的品牌回覆；這 20 列會保留以保存討論串脈絡，但會排除在受眾意見計算之外。其餘資料集正好由 80 則頂層受眾留言組成。 ### 分類摘要 把單一主題編碼手冊規則套用到 80 則頂層受眾留言，得出以下分佈： | 主題類別 | 頂層受眾留言 | 佔總數百分比 | | --- | --- | --- | | 送遞／供應情況 | 30 | 37.5% | | 價格 | 20 | 25.0% | | 產品使用 | 15 | 18.75% | | 讚美 | 10 | 12.5% | | 不清楚／其他 | 5 | 6.25% | | 頂層留言總數 | 80 | 100.0% | ### 分析模式集中程度 當團隊檢視 30 則頂層送遞留言時，他們注意到其中 24 則送遞問題出現在貼文 #3 之下，該貼文是一條展示新外套推出的短片。其餘 6 則送遞問題則稀疏地分散在另外 4 則貼文。 這個集中模式直接指出團隊下一步應閱讀和檢查甚麼。市場推廣團隊需要檢查貼文 #3 的影片聲音、說明文字和商店連結，看看運送或供應詳情是否被省略或不清楚。 不過，這個模式並不揭示確定的原因，也不代表涵蓋全體顧客的統計。集中在貼文 #3 並不能證明說明文字的措辭造成了這些問題，也不能證明所有 Brightwood 顧客中有 37.5% 遇到送遞問題。它只顯示貼文 #3 是頂層送遞查詢聚集的特定位置，因此是內部覆核的主要起點。 ## 把發現變成決定和下一步檢查 留言匯出中的集中模式是進行針對性檢查的信號，而不是最終裁決。 ### 實用分析檢查清單 - 把原始貼文資料列、獨特留言識別碼和時間戳記整理成一個整潔的資料集。 - 篩走品牌回應，把它們作為討論串脈絡覆核，同時保持受眾計數整潔。 - 使用清晰的編碼手冊，為每則受眾留言套用一個主要主題標籤。 - 請第二位覆核者測試一小份混合樣本，以確保標記規則被一致套用。 - 檢查主題計數是否聚集在特定貼文之下，以識別進一步調查的位置。 - 當主題數量急升顯示資訊可能缺失時，檢查貼文文案、媒體素材和已連結的登陸頁面。 ### 有條件的行動和重複監測 如果內部覆核確認重要資訊缺失——例如貼文 #3 沒有提及地區預購限制——該發現支持更新貼文說明、置頂一則有幫助的 FAQ 留言，或澄清目的地頁面。如果覆核顯示文案本來已經清楚，團隊可以改為檢查外在因素，例如在地區論壇上分享的連結，是否帶來地點問題的突然湧入。 當你隨時間進行重複收集時，請小心管理資料集識別碼： - 只使用留言識別碼：使用獨特留言識別碼字串，在重複匯出之間為列去除重複，以免把同一則留言計算兩次。 - 留言識別碼加上收集時間：把留言識別碼與收集時間戳記結合，以保留歷史快照記錄，讓你可以追蹤新留言在何時出現。 兩種識別碼方法都不能證明留言者是已核實顧客。它們是維持整潔資料歷史的行政工具。 監測貼文更新時，請用一個新的、等長的觀察時段來量度新活動（例如把推出後首 48 小時，與更新後一個新的 48 小時時段比較）。絕不要假設問題減少就證明你的更新解決了該問題。較後的時段可能因為發佈時間不同、平台分發改變或受眾興趣變化而顯示較少留言。把留言匯出視為持續使用的工具，用於有結構地聆聽和實際改進。 ## 準備好把留言變成行動了嗎？ 理解公開意見並不需要複雜的統計模型或猜測。透過整潔地匯出公開資料、建立清晰的主題編碼手冊，以及調查集中的留言模式，你可以得出實用見解，改善你的訊息和顧客體驗。 為了在宣傳活動貼文之間維持準確的歷史追蹤，請使用 [Chronometrica Facebook Comments Scraper](https://apify.com/chronometrica/facebook-comments-scraper) 重新執行匯出。 ## 來源與延伸閱讀 - [Chronometrica Facebook Comments Scraper 文件。](https://apify.com/chronometrica/facebook-comments-scraper) - [Chronometrica Facebook Metrics Scraper 文件。](https://apify.com/chronometrica/facebook-metrics-scraper) - [Meta Newsroom。讓公開留言更有意義。2019 年 6 月。](https://about.fb.com/news/2019/06/making-public-comments-more-meaningful/)