情感分析

情感分析页回答一个问题：当 AI 提到你的品牌时，说的是好话、客观话，还是坏话——并让你能一路下钻到每一条 AI 回答的原文，找到情绪背后的具体原因。

为什么需要这个页面

提及率告诉你 AI 提没提到你，但提到不等于推荐。一条「A 品牌功能全面但价格偏高」的回答，和一条「首选 A 品牌」的回答，对用户决策的影响截然相反。情感分析页把所有提到你品牌的 AI 回答按态度拆开，让你看清三件事：

占比：好话、中立、坏话各占多少，不同意图场景下有何差异。
内容：AI 反复夸你什么、反复挑你什么毛病（词云），原话是怎么说的（回答原文）。
真伪：负面表述里有多少是 AI 记错了事实（AI 理解程度），这类问题不用改产品，纠正 AI 认知即可。

页面数据随每日监控自动更新；左上角的产品线、AI 平台、时间范围全局筛选同样作用于本页。

回答情感占比图

页面顶部的回答情感占比图是一张饼图，展示当前筛选范围内提到你品牌的 AI 回答中，正面（推荐）、中性、负面（劝退）三类各占的比例。

图上方提供两组筛选：

意图筛选：全部 / 产品推荐 / 品牌对比 / 产品评价。切换意图可以看到不同提问场景下 AI 态度的差异——「产品推荐」类 Prompt 下正面占比高、「品牌对比」类下负面占比升高是常见组合，因为对比场景天然更容易暴露短板。
情感筛选：全部情感 / 正面 / 中性 / 负面，用于聚焦看某一类回答。

怎么用：先看全量占比建立基线，再逐个切换意图，找出负面集中在哪类场景。如果负面几乎全部来自「品牌对比」，你的应对策略（做对比类内容、突出差异化优势）会和负面均匀分布时完全不同。

情感分析页：顶部为情感词云与 AI 理解程度，左下的回答情感占比图带两组筛选下拉

情感标签页：正面推荐 / 中立阐述 / 负面劝退

占比图旁边是三个情感标签页：正面推荐、中立阐述、负面劝退。每个标签页展示该类回答的抽样摘要——从原文中抽取的代表性片段，让你不用逐条翻回答就能快速把握 AI 在这一类里通常怎么说。

点击**「查看全部 AI 回答 →」**可以打开 AI 回答现场抽屉，逐条查看该类别下的完整回答。

怎么用：日常巡检时优先看「负面劝退」标签页的抽样摘要——它是负面口碑的浓缩版。如果摘要里出现你不认可的表述（价格说错了、功能说没了），就是下钻原文和检查信息差的信号。

回答情感占比图与情感标签页，展示正面推荐占比、抽样摘要与「查看全部 AI 回答」入口

正面 / 负面情感词云

情感词云分正面、负面两片，关键词从 AI 回答原文中提取，词越大表示在所选时间和平台范围内出现次数越多。

正面词云是 AI 眼中你的优势标签——这些词是 AI 已经认可、值得在内容中继续强化的方向。
负面词云是被反复提起的短板——出现频率越高的负面词，越值得优先处理。

点击任意一个词可打开词云详情，查看：

提及次数：这个词在 AI 回答中出现了多少次。
占比：出现次数占该类词汇的比例。
相关引用摘要：包含这个词的 AI 回答原文片段，帮你确认这个词的真实语境——同一个词在不同语境下可能是夸也可能是贬。

情感词云：性价比、门店体验、咖啡豆品质等关键词，词越大出现次数越多，右上角可切换正面/负面词云

正负面声量趋势

正负面声量趋势按天统计两条曲线：

正面声量：当天 AI 说好话、推荐本品的回答数。
负面声量：当天 AI 说缺点、劝退用户的回答数。

怎么读：这张图的价值在于发现突变时点。占比图告诉你「现在的比例」，声量趋势告诉你「什么时候开始变的」。如果负面声量从某天起持续抬升，可以回忆那个时间点前后发生了什么——竞品发布对比内容、某篇负面评测被 AI 收录、你的价格页改版等——再结合引用分析定位 AI 引用的信源变化。

单日的毛刺不必紧张：AI 回答本身有随机性，同一条监控Prompt 每天的措辞会有波动，情感判定随之在正面/中性之间摆动是正常现象。关注连续多日的方向性变化即可。

正负面声量趋势图，绿色曲线为正面声量、红色曲线为负面声量的每日对比

AI 理解程度：事实准确度与信息差

AI 理解程度模块回答的不是「AI 喜不喜欢你」，而是「AI 说的关于你的话，是不是事实」。它把 AI 回答与你的品牌知识库做事实一致性比对，分两部分呈现：

事实准确度：半环图，展示 AI 表述与品牌真实信息一致的比例。
信息差列表：逐条列出 AI 表述与真实信息不一致的信息点，每条包含：

列	含义
信息点	出现分歧的具体信息（如定价、某项功能支持情况）
AI 回答 vs 真实信息	AI 的实际表述与品牌知识库中的正确信息并排对比
出现次数	这条错误表述在监控回答中出现了多少次
涉及平台	哪些 AI 平台出现了这条错误表述

发现信息差后怎么办：

对比「AI 回答」与「真实信息」两栏，确认 AI 的表述确实有误——有时 AI 说的是旧事实，也提醒你知识库该更新了。
如果「真实信息」一栏为空（显示「暂无真实信息」），说明品牌知识库里还没有这条信息的依据。点击**「去补充」**跳转到品牌知识库，把正确信息补充进品牌描述等档案字段。
补充的内容在下一次监控生效，成为后续事实比对的基准。对于出现次数多、涉及平台广的信息差，还应在官网等 AI 引用的信源上发布正确信息，从源头纠正 AI 的认知——可参考优化建议生成的内容动作。

AI 理解程度模块：事实准确度半环图与信息差列表，逐条列出信息点、涉及的 AI 平台与出现次数

AI 回答现场抽屉

页面上多处入口（情感标签页的「查看全部 AI 回答」等）都会打开 AI 回答现场抽屉——情感数据的最终依据，一切解读最终都应回到这里的回答原文。抽屉展示：

日期：这条回答产生于哪一次监控。
模型：回答来自哪个 AI 平台/模型。
所属意图：对应监控Prompt 的意图分类。
是否提及：这条回答有没有提到你的品牌。
市场位置：被提及时你出现在第几个推荐位。
被提及的竞品：同一条回答里出现了哪些竞品。
AI 回答：回答全文（Markdown 渲染，与用户实际看到的内容一致）。
来源：这条回答引用的外部链接。

怎么用：看到一条负面回答时，先看「来源」——AI 的负面表述往往来自它引用的某篇具体内容，找到这篇内容就找到了发力点；再看「被提及的竞品」——如果负面表述总是伴随某个竞品出现，多半来自对比类信源。

AI 回答现场抽屉，展示日期、模型、所属意图、是否提及、市场位置、被提及的竞品，以及 AI 回答全文与来源链接

负面占比升高时的排查步骤

确认是趋势不是毛刺：在正负面声量趋势中查看负面声量是否连续多日抬升。单日波动是 AI 随机性的正常表现，不必处理。
定位场景：用回答情感占比图的意图筛选逐个切换，配合页面顶部的 AI 平台筛选，确认负面集中在哪类意图、哪个平台，缩小排查范围。
读原文：切到「负面劝退」标签页，打开 AI 回答现场，逐条阅读负面回答的完整表述和来源链接，弄清 AI 到底在批评什么、依据是什么。
区分真伪：到 AI 理解程度的信息差列表核对——如果负面表述与真实信息不符，属于事实性错误，点「去补充」完善品牌知识库（下次监控生效），并在 AI 引用的信源上发布正确信息；如果是真实短板，转入内容策略，让 AI 在提到短板的同时也能呈现你的差异化优势。
落实到行动：把结论转化为具体的内容动作——优化建议会基于监控数据生成带优先级的建议清单和文章初稿，跟进发布后持续观察声量趋势是否回落。