citlyze docs
使用 Citlyze

品牌認知

淨情感得分、屬性矩陣,以及數字背後的負面提及。

在 AI 回答中被提及,不等於被推薦。認知評估回答如何談論你的品牌:每次提及的 語氣、引擎將哪些屬性連結到你與競爭對手,以及分數變化背後具體的負面提及。所有 方案都包含認知功能,資料會從你追蹤的回答自動填入。

淨情感得分

每個測量期間都會得到一個介於 -100 到 100 的淨情感得分(NSS),依該期間內已分類 的品牌提及數加權計算。表格會列出每個期間的分數,並附上提及數與正面、負面的分布, 因此分數變動時,你一定能看到背後的提及量。沒有品牌提及的期間不會有分數;你的 品牌在回答中被提及後,才會出現情感傾向資料。

負面提及

負面提及清單會依品牌與日期,列出最近被判定為負面的提及及其證據:一段帶有負面 語氣的回答文字摘錄。分數下滑時,你可以在這裡逐一查看各引擎的原因,再決定要修正 什麼。修正流程請參閱建議。

屬性認知

屬性矩陣顯示引擎將哪些屬性與各品牌連結在一起:每個屬性一列(例如「可靠」或 「昂貴」),每個追蹤中的品牌一欄,每個儲存格顯示平均顯著度與提及次數。儲存格 越醒目,表示該屬性在關於該品牌的回答中出現得越早、越頻繁。屬性是根據引擎實際的 說法自動歸類,因此用詞來自市場本身,而不是固定的分類架構。

用矩陣找出定位缺口:競爭對手擁有而你沒有的屬性,以及附著在你品牌上、可以透過 內容改善的負面屬性。

警示

情感變化警示規則會在 NSS 於兩個測量期間之間的變動超過門檻時通知你。請參閱 警示。

匯出

在屬性表格中點選匯出,即可把它下載為 CSV 檔案:每個屬性與品牌一列,附上提及次數與平均顯著度。

認知資料可透過 API 取得:sentiment 提供各期間的彙總資料, attributes 提供屬性清單, attribute-mentions 提供執行層級的證據。

本頁內容