理解生成式 AI 如何從顧客評論、客服單與社群媒體中辨識情緒與新興問題，並連結到營運行動。
原書以一家電商公司為例：公司對顧客評論、客服單與社群媒體進行情緒分析，若發現與配送延誤或服務問題有關的負面回饋，就自動產生警示，讓營運團隊主動調整流程與回應策略。
| 資料來源 | 分析／行動 |
|---|---|
| 顧客評論 | 判斷正面、負面或中性情緒 |
| 客服單 | 辨識服務問題的共同模式 |
| 社群媒體 | 找出新興趨勢 |
| 配送／服務負評 | 自動產生警示 |
建立 日期｜來源管道｜主題｜情緒｜嚴重程度｜是否警示｜負責人 表，再以樞紐分析表追蹤不同主題與管道的變化。
原書只敘述配送延誤降低、顧客滿意度與重複購買提高，沒有提供百分比，因此不自行量化。
真正的價值來自「偵測 → 警示 → 營運回應」的完整閉環。只有情緒儀表板、卻沒有負責人與後續處理，未必能產生商業成果。
將以下顧客回饋分類為情緒與主題，找出需要警示的配送與服務問題；不得自行推測未寫出的顧客意圖。
**題目：**負評增加，但警示沒有指定負責人，系統是否已完成閉環？
**參考解答：**沒有。原書案例的價值來自主動回應與營運調整，而不是只辨識負評。