香港社交聆聽：廣東話 Sentiment Analysis 準唔準？點樣驗證 Social Listening 結果

「廣東話 Sentiment Analysis 準唔準？」

呢個問題表面上係問模型嘅準確率，實際上問緊另一樣更重要嘅事：當我哋睇到一批香港網民留言，呢個結論值唔值得用嚟做下一個決定？

如果只係將每句話分成 positive、negative 或 neutral，答案通常唔夠用。香港網民會用廣東話、英文、emoji、反語、誇張、諧音同平台語氣表達立場；同一個字眼，放喺唔同原帖或者唔同平台，意思可以完全相反。

所以 UNDARIS 唔會將「識得中文」當成答案。佢真正要處理嘅係：保留香港網民點樣講，再理解佢哋喺嗰個語境入面真正想表達咩，最後判斷呢個訊號會唔會改變企業下一步。

如果你想先了解 Social Listening 整體係咩，可以先睇 香港 Social Listening 係咩？UNDARIS 點樣讀懂香港網民語境。本文就集中處理其中一個更具體嘅問題：廣東話 Sentiment Analysis 點樣驗證。

「準唔準」唔應該只問一個百分比

一個沒有 sample、平台、時間範圍、label 定義同 review 方法嘅 accuracy percentage，其實好難代表任何實際決策價值。

例如，一個系統可能好擅長分辨明顯嘅「好食」同「唔好食」，但遇到以下情況就未必可以只靠字面判斷：

• 留言係真心讚，定係用正面字眼反諷；
• 網民講緊產品、價格、廣告、KOL、服務，定係其他用家；
• 一句短留言係獨立意見，定係承接緊原帖嘅優惠、產品或活動；
• 「冇貨」係中性存貨資訊，定係已經令用家白行一趟；
• 一段正面產品評價，係咪同時包含對價格、包裝或購買渠道嘅不滿。

因此，廣東話 Sentiment Analysis 真正要驗證嘅唔只係「正負面分啱唔啱」，而係整條 evidence chain 有冇合理、可追溯、可覆核。

先睇語氣，再睇字面

香港網絡語境入面，廣東話唔係將每一個詞語直接換成英文或者普通話就完成理解。句尾語氣、用字節奏、中英夾雜、emoji 同前後文，都可能改變一句說話嘅立場。

例如：

• 我都想試下 比較似輕度 trial interest，唔代表已經決定購買；
• 試下先 帶有觀望意味，未必係明確正面；
• 真係好抵呀 如果出現喺優惠原帖下面，主要反映 price-value approval，唔等於全面品牌好感；
• 有優惠好吸引 反映 offer 有吸引力，但仍然要問清楚 availability、兌換同資訊是否足夠；
• 請問兩款可同時服用嗎？ 係中性使用問題，但可以揭示 FAQ 或 conversion friction。

如果將以上留言全部簡化成 positive、neutral、positive、positive、neutral，企業仍然未知道應該改 offer、補資訊、改善產品說明，定係暫時唔需要行動。

同一句留言，Parent Post 會改變意思

呢度講嘅 Parent Post，係留言所回應嘅原帖。佢唔係一個可有可無嘅連結，而係解釋短句真正意思嘅主要 context。

例如，快啲去啦 單獨睇可以好模糊；如果佢回應緊一個清楚講優惠、產品或者兌換活動嘅原帖，就可能係推薦、購買推動或者參與意欲。

同樣係存貨相關嘅字眼，意思亦可以分開：

• 冇貨 可能只係一個中性 availability fact 或查詢；
• 買唔到 可能已經係購買阻力；
• 白行 反映時間成本同服務失望；
• 換咗三張券都用唔到 就係明確嘅 operational、trust 或 redemption friction。

如果正面嘅原帖下面出現 誤導、伏、唔好食 或其他直接負面描述，直接負面訊號應該覆蓋原帖嘅正面氣氛。原帖係正面，唔代表每一條回覆都要被判成正面。

色素😂 亦唔應該一見到 emoji 就當成玩笑。若果原帖係一款顏色鮮艷嘅食品，呢句可能係諷刺、產品質素疑慮或者安全聯想，應該先保留為高風險個案，再決定是否需要 native review。

香港廣東話唔係單純翻譯成繁體字

香港網民常見嘅表達包括 written Cantonese、英文夾雜、forum blackword、反諷同平台內部語氣。理解呢啲表達，唔可以假設普通話、正式書面語或者其他地區網絡用法可以直接取代香港語境。

幾個常見例子：

• 真係好有誠意喎 如果出現喺加價、縮細份量或者承諾落空嘅討論入面，可能係反話，而唔係讚賞；
• cool 牙先喇! 表面有英文 cool，實際可能係香港式諧音嘲諷，唔可以照字面翻譯成「很酷」；
• 個campaign唔work 通常係話 message 或 creative 未能說服人，唔係指網站程式壞咗；
• 太hard sell 係對溝通語氣、銷售壓力或者 brand fit 嘅批評；
• PR到出面 多數係 authenticity concern，但要視乎平台同整段討論；
• 笑死 可以係真笑、尷尬、嘲諷或者無奈，單獨一個詞唔足以決定 sentiment；
• 父親節請老豆食KFC😂？真孝順 可能係反諷 campaign 或品牌選擇，唔應該當成普通祝福。

句尾嘅 喎、囉、添、先 同 㗎 亦唔一定係沒有意義嘅填充字。佢哋可能表達驚訝、懷疑、無奈、投訴邊緣或者觀望。平台亦會影響讀法：LIHKG 同 Threads 通常有較多反諷、黑色幽默同被動攻擊；Instagram 留言可能更短、更依賴 emoji 或英文；Facebook 就較常見直接、生活化嘅回應。

UNDARIS 點樣驗證一個結論？

UNDARIS 嘅方法唔係先問「呢句係正面定負面」，而係先保留整段對話，再逐層收窄問題：

原句保留
→ 驗證 Parent Post
→ 設定產品／活動／商業語境
→ 讀語氣、平台同討論對象
→ contextual sentiment + discussion target + issue lens
→ 高風險個案 native review
→ validation 後鎖定 rows
→ code aggregation
→ 商業下一步

第一步係保留原文，唔先將廣東話改寫成正式中文。之後要確認原帖真實存在、留言究竟回應緊邊個內容，以及原帖嘅 commercial frame 係產品體驗、優惠、兌換、缺貨、服務定其他問題。

完成 context map 之後，每條有效 consumer comment 都會有結構化記錄，例如：

• 原文、平台、時間同 comment ID；
• 對應嘅 parent post ID；
• 表面意思同可能嘅 intended meaning；
• contextual sentiment；
• discussion target，即係講緊產品、價格、內容、KOL、服務定品牌；
• issue lens，即係問題屬於質素、購買阻力、信任、創意反應定其他範圍；
• pair reading mode，即係留言係直接改變原帖讀法，定係由原帖補充短句意思；
• confidence、review status 同 aggregation use。

呢個做法亦代表 search result snippet 唔可以當成 evidence。搜尋結果只可以幫手發現可能相關嘅 URL；真正分析要回到平台原文、原帖同留言脈絡。

唔肯定，唔代表要硬判

有啲個案本身就需要人手確認。呢個唔代表流程失敗，而係對語境複雜度誠實。

例如以下情況，應該進入 native review 或暫時隔離，而唔應該靜默歸類：

• 正面字眼配上負面事實，例如加價後嘅 真係好有誠意喎；
• 諧音、反諷或者 platform-specific blackword，例如 cool 牙先喇!；
• 產品安全、色素、食物質素或者身體使用問題；
• PR到出面、打手、帶風向 等 authenticity concern；
• 競品轉向、取消購買、重複缺貨或者兌換失敗；
• 一句說話可能同時讚產品，但批評價格或服務。

相反，粗口唔一定自動等於負面，正面形容詞亦唔一定自動等於支持。若果留言只係品牌官方回覆、spam、無關 tag 或清楚 noise，就要保留排除原因，而唔係當成不存在。

六個 signal pillars，將情緒變成商業問題

Sentiment label 只係整理資料嘅一層。UNDARIS 最後要幫團隊回答嘅，係六條更接近決策嘅問題：

Audience Tension：受眾張力

邊個覺得自己被忽略、排斥，或者品牌已經唔再同自己有關？呢條 lens 幫團隊分清楚一個反應係個別不滿，定係反映某種受眾身份、期待或者文化張力。

Purchase Barrier：購買阻力

咩原因令有興趣變成猶豫、放棄或者轉向其他選擇？例如留言表面上話「想試」，但後面追問價錢、地點、存貨、兌換方法或者使用方式，真正訊號可能係仍然未過到購買門檻。

Product Truth：產品真相

真實使用體驗係點，點解有人會繼續、減少使用或者離開？呢個 pillar 會將產品好唔好嘅籠統講法，拆成口味、質感、效果、使用場景、重複購買同替代選擇等更具體問題。

Creative Reaction：創意反應

網民對內容、創意或 KOL 反應係咩？如果現有資料主要係產品或服務討論，未足以判斷 creative，就要明確標示 coverage gap，而唔係將所有互動都當成廣告成功。

Trust & Authenticity：信任與真誠

邊個承諾正被實際經歷挑戰，或者內容令人覺得過度包裝？PR到出面、打手、誤導 呢類說法未必代表整個品牌失敗，但一定值得連原帖、平台同討論對象一齊核對。

Momentum & Risk：動能與風險

邊種 UGC、分享、收藏、缺貨或重複投訴開始升溫，值得先觀察或者處理？重點唔係一次出現就宣布「有危機」，而係睇訊號有冇持續、集中喺邊個 scope，同埋會唔會改變下一個決定。

同一條留言可以觸及多條問題，但六個 pillars 唔係六組可以直接相加嘅分數。例如：

• 真係好抵呀 可能係價格價值認同，唔等於整個品牌已經建立忠誠；
• 請問兩款可同時服用嗎？ 可能係產品興趣，同時亦揭示資訊不足；
• 個campaign唔work 可能係 creative reaction，唔代表整個產品都被否定；
• 下次去7仔都係買麵包 可能反映產品體驗同替代選擇，唔應該只寫成一般負評；
• 一條服務投訴可以挑戰 fulfilment 或 trust，唔一定等於產品本身冇價值。

結論要由 validated rows 開始

真正值得交畀企業嘅 conclusion，應該可以回答四件事：

1. What： 實際觀察到咩？
2. Why： 點解呢個訊號喺香港語境入面有呢個意思？
3. So what： 對產品、內容、服務、品牌或風險代表咩？
4. Next move： 應該 Keep、Change、Test 定 Watch？

所以 UNDARIS 唔會用一次 prompt 處理所有留言，再直接由模型寫 headline counts。留言會分批處理，資料欄位、ID、row count 同 enum 會經 validation；失敗或不穩定嘅 batch 要 retry 或 quarantine；高風險個案再進 native review。

最後嘅 counts 只會由通過 validation、已鎖定嘅 rows 用 code 產生，並分開不同 scope。報告亦要交代 denominator、資料範圍、platform、時間、限制同 coverage gap。呢啲步驟，先係技術可信度，而唔係單純講「我哋用 AI」。

AI Concept Studio 點樣接住呢層 Insight？

UNDARIS 係 AI Concept Studio 嘅 intelligence layer，但兩者唔應該混成同一個產品名稱。

UNDARIS 先將香港公開對話讀成一個有證據嘅 insight；AI Concept Studio 再按真正嘅 business question，將已確認嘅 signal 轉成 strategy、content、creative、website 或 automation 下一步。呢個次序好重要：先確認網民真正講緊咩，再決定要改邊度，而唔係先做一堆 asset，再倒過來搵理由。

同樣重要嘅係，Social Listening 可以指出 purchase barrier、trust issue 或 creative reaction，但單靠留言分析唔可以直接聲稱 sales、ROAS 或 campaign performance 已經改善。結果有幾多證據，就講幾多；未有證據，就保留為待驗證假設。

如果問題仲未夠清楚，可以由小範圍開始

如果團隊只係知道「想了解網民點睇」，未有一條清晰決策問題，可以先由 bounded Free Signal Read 開始：最多 10 個相關 Parent Posts、100 則相關留言、1–3 頁 signal memo、3–5 個 signals，同一個可跟進嘅 next step。

範圍細，唔代表答案淺。重點係先示範一條原帖同留言點樣經過香港語境判讀，變成一個團隊真正可以討論嘅決定。

常見問題：廣東話 Sentiment Analysis

廣東話 Sentiment Analysis 可以做到 100% 準確嗎？

唔應該咁樣承諾。冇 sample、平台、時間範圍、label 定義、review 方法同 denominator，一個 accuracy percentage 好難代表實際決策價值。UNDARIS 會將可判斷、需要 review 同暫時隔離嘅 rows 分開，令團隊知道結論係由咩證據支持。

UNDARIS 同一般中文 Sentiment Analysis 有咩分別？

重點唔係將繁體字換成另一種中文，而係先驗證 Parent Post，再讀香港廣東話語氣、反諷、中英夾雜、emoji、平台同討論對象。最後亦唔只輸出正負面，而係整理成 contextual sentiment、issue lens 同一個可以跟進嘅 business question。

點樣驗證一個 Social Listening 結果？

由原句開始，確認原帖、設定產品或活動 context，記錄 parent ID、comment ID、platform 同 scope，再將高風險個案交 native review。只有通過 validation、已鎖定嘅 rows，先會用 code 做 aggregation，並喺報告交代限制同 coverage gap。

UNDARIS 係咪代表所有香港網民？

唔係。公開對話唔等於所有人嘅完整意見，唔同平台亦有唔同角色同資料限制。UNDARIS 會按決策問題界定 scope，清楚講明實際涵蓋咗咩、未涵蓋咩；Free Signal Read 亦只限最多 10 個 relevant Parent Posts、100 則 comments、1–3 頁 memo、3–5 個 signals 同一個 next step。

第一性原則下嘅答案

廣東話 Sentiment Analysis 嘅價值，唔係將每一句香港留言快速貼上正面或負面標籤，而係令企業更清楚知道：網民真正講緊咩、呢個意思由邊段語境支持、證據有咩限制，以及下一步應該由邊個處理。

對香港市場而言，語言唔只係字面翻譯，語境亦唔係一個可有可無嘅附加功能。只有讀得明香港網民點樣表達認同、失望、反諷、猶豫同離開，先可以行啱下一步。

了解 UNDARIS 點樣工作。如果你有一條想驗證嘅品牌、產品、launch 或 issue 問題，可以 WhatsApp 我哋 申請 Free Signal Read。