案例02｜Windex 產品評論：用 Excel 詞彙計數建立基礎情緒分析
| 核心主題 | 主要觀點／方法 | 實務用途 | 重要條件／限制／延伸 |
|---|---|---|---|
| 詞頻分析 | 計算單字或詞彙出現次數 | 快速掃描大型文本的常見主題 | 高頻不等於重要，也不保留完整語境 |
| 詞雲 | 以字體大小視覺化詞頻 | 向非技術讀者快速呈現常見詞 | 容易放大頻率、弱化上下文與尺度資訊 |
| 情緒分析 | 將文字分類為正向、負向或中性等情緒 | 顧客評論、品牌聲譽與意見分析 | 否定、反諷、文化語境與多義詞容易造成誤判 |
| 字典式方法 | 以預先定義的正／負向詞彙規則計數 | Excel 中建立透明、可重算的基礎模型 | 規則簡單但語境理解有限 |
| Excel／R／人工智慧分工 | Excel／R 負責文字整理與可重算計數；人工智慧協助語境查核與主題整理 | 結合透明計算與語意解讀 | 人工智慧不得替換來源詞頻或虛構評論 |
詞頻是最容易重算的文字分析。它把大量文字轉成次數表，幫助分析者快速掌握常見詞，但不能單靠次數判斷完整意思。
詞雲通常只是詞頻表的視覺化。真正可查核的是背後的詞彙與次數，因此教材中應保留數字，而不是只放漂亮圖形。
「not bad」之類否定結構、反諷與領域用語都會使簡單字典方法失效。人工智慧可以協助找出這些語境問題，但精確計數仍應保留在 Excel／R。