Category HK-輿情熱話

【Important Announcement】

We have been made aware of certain fraudulent schemes that have been conducted by individuals or organizations claiming to represent uMax Data Technology Limited (uMax Data).

We are here to clarify https://www.umaxdata.com/ is our Hong Kong solely official website, we do not initiate partnerships, collaboration processes or request any financial information through social media platforms or websites.

If you have any questions about our job recruitment, collaborations, or advertisements, please contact us at info@umaxdata.com.

4月24日晚上8時ViuTV舉行《Chill Club推介榜 年度推介21/22》成全城討論焦點，而無綫晚上8時30分播放的《聲生不息》亦獲得迴響。對比兩個節目的收視，《聲生不息》有16.9點，約有109萬觀眾，而《 Chill Club推介榜 年度推介21/22 》的則為5.8點，約37.7萬人收看。到底網絡上的表現，是否亦呈相同結果?

香港源大數據聚焦由今年4月23日至4月26日9:30am 的網絡大數據，從各大社交媒體和網絡新聞，對比2個節目的網絡表現。請往下閱讀更多。

聲量及熱度值對比 Chill Club 更勝一籌

《Chill Club推介榜 年度推介21/22》的網絡聲量佔69.67% (1128)，比《聲生不息》高出1倍。《Chill Club》網絡熱度值佔80.32% (170,742) 是《聲生不息》熱度值(41,837)的四倍。兩個節目的好感度表現相若。

直播模式讓聲量持續更長

《Chill Club推介榜 年度推介21/22》於晚上8時至11時15分舉行直播，與觀眾互動。聲量由節目開始前晚上7時開始急升，節目完結時達至高峰，長達4小時。《聲生不息》於晚上8時30分播放錄影至10時30分，聲量由節目完結後的11點才開始急升, 持續1小時至高峰。

聲量分佈Top 3的媒介是?

Facebook帖文和新聞都是2個節目的主要聲量分佈來源，佔比亦接近。排名第三的媒介卻大不同，《Chill Club推介榜 年度推介21/22》是Instagram (12.94%)，《聲生不息》是論壇(15.52%)。

從Hashtag看話題人物

從Facebook和Instagram的帖文主題標籤排名中得出《Chill Club推介榜 年度推介21/22》的話題人物是 #姜濤 、#AnsonLo 和 #Mirror ；而《聲生不息》的話題人物是 #炎明熹、#曾比特 和 #林子祥。

—————

相關文章（一）：疫市送貨甩轆 網店這樣應對反贏掌聲？

https://www.umaxdata.com/hk/news-post-hk.html?_id=1513&category=3

文章（二）：一週熱話追蹤：ViuTV勢頭強勁 節目女團包攬三甲

https://www.umaxdata.com/hk/news-post-hk.html?_id=1418&category=3

源大數據擅長社會時事監測，擁有超過十年的經驗，平台由淺入深，上手簡單、自由度高，適合企業的公關、市場調查、產品研發等不同部門掌握社會風向，憑粵語自然語言處理技術，照顧香港獨特的網絡生態。

想由網絡討論分析民意？了解網民所思所想？

立即電郵至 info@umaxdata.com ，索取相關個案及洞察報告。

With the rapid development of information technology and the internet, people have gradually entered the era of information overload from the era of information scarcity. Search engines solved the problem well in the early days, but with the overwhelmed information volume, it is even difficult for users to accurately provide the keyword of the item required by the search engine. To avoid users wasting time sifting through too much junk information, the recommendation system has been developed.

Please switch to the Chinese version for more details.

Worldwide data, HK insights. Subscribe to us for more social listening / social monitoring-related updates!

1個性化推薦的應用

隨著資訊技術和互聯網的發展，人們逐漸從資訊匱乏的時代走入了資訊過載（information overload）的時代，搜索引擎在早期很好的解決了資訊過載的問題，但是隨著資訊體量的進一步擴大，用戶甚至很難精準地提供搜索引擎需要的物品關鍵詞，為了避免用戶浪費時間篩選過多的垃圾資訊，推薦系統應運而生。

目前，推薦系統已經廣泛應用於生活中，例如：現在的香港01給用戶推薦個性化的新聞就屬於內容推薦範疇（content-based recommender systems）；YouTube、Netflix、Ðisney+ 給用戶推薦影片、劇集和電影,Spotify、Apple Music、Joox、KKBOX、MOOV給用戶推薦喜歡的音樂則屬於協同過濾推薦（collaborative filtering recommender systems）;淘寶、亞馬遜推薦圖書、食品、衣服還有其他各種商品則需要組合使用多種不同類型的推薦算法，這屬於混合推薦系統（hybrid recommender system）。

除此之外在社交網絡中 Twitter、Facebook、新浪微博等，都會應用鏈路預測和社交網絡分析給用戶推薦朋友或者可能認識的人，這些也屬於推薦算法的旁支。可是，在網絡搜索引擎或社交媒體受推薦系統的影響，令搜索到的內容不齊全而且可能偏頗，對於希望透過網絡數據了解目標對象和客戶的喜好、行為、想法、價值觀來說不夠全面。

2主流推薦系統算法介紹

基於內容推薦

基於內容推薦（content-based recommender systems，簡稱CB）是最早也是最主流的推薦方法，到今天為止仍然有大量的工業推薦系統算法中融合了內容推薦算法。Content-based推薦系統根據用戶過去喜歡的物品，為用戶推薦和他過去喜歡的產品相似的產品。

Content-based推薦系統的流程一般包括以下三步：
① Item Representation：為每件物品的內容抽取出特徵，用抽取出的特徵來表示此物品；
② User Profile Learning：利用一個用戶過去喜歡（及不喜歡）的物品的特徵數據，來學習出此用戶的喜好特徵（profile）；
③ Recommendation Generation：比較的用戶的profile與候選物品的特徵，為此用戶推薦一組相關性最大的物品。

協同過濾推薦

由於基於內容推薦費時、費力，後來出現了協同過濾(collaborative filtering recommender systems，簡稱CF)推薦系統，協同過濾推薦系統不需要提取特徵，只需提供各個用戶的購買記錄和評價就能完成推薦。協同過濾推薦又分為基於用戶（user-based CF）和基於物品（item-based CF）兩種，此兩者思路類似。
基於用戶推薦是當我們需要給一位用戶推薦物品時，我們籍由與他最相似的另一個用戶購買過而此用戶未購買過的物品推薦給他即可。也就是透過用戶的行為作推薦。協同過濾推薦的其中兩個領域包括隱因子模型推薦 (又被稱為矩陣分解推薦系統) 和集成學習推薦系統，詳細解釋可參閱: https://mp.weixin.qq.com/s/K0rh6u0flt_gadQj3n4IPw 。

3 結語

對主流推薦系統算法的介紹就到這裡，實際上推薦系統算法只是工業推薦系統中的一個環節而已，還需要大量的常規推薦方法輔助才能發揮作用，例如推薦系統算法都有cold-start的問題，cold-start指的是當一個沒有任何記錄的新用戶或者新物品進入到我們的系統中，那我們如何進行推薦呢？我們應該先試著給他推薦一些大家都喜歡的新作品，等到他的過往記錄足夠表示他的喜好，再使用模型來完成推薦。
不過，如想公正全面地分析在網絡上的聲音，單靠搜索引擎或社交媒體上的結果無法令人全面了解市場，因為推薦系統算法根據本身用戶喜好或習慣調整顯示結果。此前題下，社交數據分析工具就能派上用場。

源大數據提供的方案，是利用人工智能（AI）及大數據技術及專業的自然語言處理技術 (NLP)，其中包括普通話、粵語及英語，從社交媒體及網絡上搜羅的海量紛亂的網路訊息中提煉出洞察，為客戶提供決策參考。源大數據的大數據及AI技術，能網羅網上媒體及各大主流社交媒體，帖文、表情符號、影片及圖像等亦一網打盡，務求真實呈現輿情全貌，加強社交聆聽及媒體監測的效率，讓用戶隨時掌握網上企業形象、網民風向、預防及處理公關危機。

另外，源大的大數據分析平台靈活具彈性，除了具備智能可視化圖表，提煉精準到位的洞察資訊，用戶亦可自行製作圖表以滿足不同研究分析需求。而平台分析結果既可隨時查證結果並逐層追溯至原文，亦可直接下載圖表及更新數據，極具透明度。

延伸閱讀(1)—社交聆聽懶人包：一文學懂公關營銷應用策略：
https://www.umaxdata.com/hk/news-post-hk.html?_id=1193&category=3
延伸閱讀(2)—市場品牌分析必備：文本分析助決策者判斷形勢：
https://www.umaxdata.com/hk/news-post-hk.html?_id=23&category=3
延伸閱讀(3)—品牌負面聲量多=公關災難？：
https://www.umaxdata.com/hk/news-post-hk.html?_id=11&category=3
了解源大數據的商業解決方案:
https://www.umaxdata.com/hk/service-hk.html

傳媒報道

源大數據提供的數據和洞察深入而精準，多次被香港主流媒體引用。

聯絡我們

想知更多源大數據或社交聆聽平台的資訊，請按此查詢。

E-commerce platforms struggled with the shortage in manpower during the fifth wave of the pandemic and extended their delivery time from days to weeks, which lead to tons of customer complains. Among them, online supermarket HKTVmall and ztore are the most discussed.

uMax Data collected the online big data from 1 – 18 March, from major social media and online news, analyzed the online reaction of how the two platforms respond to the incident and how they affect netizens’ perceptions of the platform.

Please switch to the Chinese version for more details:

Worldwide data, HK insights. Subscribe to us for more social listening / social monitoring-related updates!