Social Sentiment

核心用法

Social Sentiment 是一款企业级社交媒体舆情分析技能，通过 Xpoz MCP 接口抓取 Twitter、Reddit、Instagram 三大平台的公开帖子，利用 Python/pandas 对数万条数据进行批量情感分类与主题提取。完整流程包含四步：① 多平台并行搜索（品牌名+痛点词+好评词组合查询）；② 下载完整 CSV 数据集（单查询最高 6.4 万条，拒绝采样）；③ Python 自动化分析（关键词情感分类、互动量加权、主题聚类、 viral 帖识别）；④ 生成结构化报告（0-100 分情感指数、主题拆解、竞品对比、行动建议）。

显著优点

• 数据规模优势：1.5B+ 索引帖支撑，单次可分析数千至数万条真实帖子，非抽样统计
• 多平台覆盖：Twitter 实时反应、Reddit 深度口碑、Instagram 视觉情感，三维度互补
• 工程化严谨：强制 CSV 全量下载 + 代码化分析，避免人工阅读的样本偏差与效率瓶颈
• 互动加权算法：点赞/转发/评论权重计算，识别高影响力声量
• 竞品对比模式：同一方法论横向对比品牌，支持市场定位分析
• 可扩展性：支持定时任务、趋势追踪、自定义关键词库

潜在缺点与局限

• 依赖关键词匹配：情感分类基于预设词表，对反讽、语境依赖表达识别有限
• 平台语言差异：Instagram 偏正面、Reddit 偏批判，需人工校准基准期望
• 品牌名歧义风险：通用词汇（如 Slack、Rust）需额外上下文过滤，否则噪音大
• 时效性约束：仅覆盖公开历史数据，无法获取实时流式推送
• API 稳定性：依赖 Xpoz MCP 服务可用性与速率限制
• 无多语言原生支持：文档与示例主要针对英文内容优化

适合人群

• 品牌经理 / 市场洞察团队：监测品牌健康度、危机预警
• 产品经理：挖掘用户痛点与功能需求
• 投资机构：尽职调查中的品牌声誉评估
• 竞品分析师：对比竞品舆论差距与差异化机会
• 公关团队：识别 viral 负面事件并制定响应策略

常规风险

• 数据合规：仅分析公开帖子，需避免针对个人用户的定向追踪或骚扰
• 结果误读：高提及量≠高好评，情感分数需结合主题拆解综合解读
• 关键词偏见：自定义词表若设计不当，可能导致情感分类系统性偏差
• 外部依赖：Xpoz 账户权限、MCP 服务中断将阻断分析流程
• 输出责任：生成报告含用户生成内容引用，对外分享时需注明方法论与数据来源

核心用法

social-sentiment 是一款面向品牌监测与市场研究的社交情感分析 Skill，通过 Xpoz MCP 服务抓取 Twitter、Reddit、Instagram 三大平台的公开帖子数据，结合 Python/pandas 实现万级数据的本地批量分析。

典型工作流程：
1. 并行搜索：针对目标品牌/产品/话题，在三大平台运行 2-3 组关键词查询（直接提及、痛点、好评）
2. 批量下载：获取 dataDumpExportOperationId，下载完整 CSV（单查询上限 64K 行），而非仅采样 API 返回的前 100 条
3. 代码分析：运行预设的 Python 脚本，完成情感分类（关键词匹配）、参与度加权、主题提取、病毒帖检测
4. 生成报告：输出 0-100 分的综合情感得分、主题 breakdown、病毒时刻、Top Voices、竞品对比、可执行建议

三种使用模式：

• 单品牌分析："Analyze sentiment for Notion"
• 竞品对比："Compare sentiment for Notion vs Obsidian"
• 事件追踪："What's the sentiment around the new iPhone launch?"

---

显著优点

| 优势 | 说明 |

|------|------|

| **真实数据规模** | 15 亿+ 索引帖子，单次分析可达数万条，非抽样分析 |

| **多平台覆盖** | Twitter（实时反应）、Reddit（深度真实意见）、Instagram（视觉品牌感知） |

| **参与度加权** | 500 赞的投诉 ≠ 0 赞的投诉，算法区分影响力 |

| **病毒检测** | 自动标记 engagement 异常高的帖子，预警公关危机 |

| **可扩展架构** | 纯本地 Python 分析，无外部依赖，支持自定义关键词与主题 |

| **趋势追踪** | 支持历史数据存储与周度 cron 定时监控 |

---

局限性与注意事项

平台限制：

• 依赖 Xpoz 数据覆盖范围，可能存在平台 API 变更导致的延迟
• Instagram 数据天然偏正向（平台文化），需调整解读预期
• 无法访问私有账号或已删除内容

方法论局限：

• 情感分类基于关键词匹配，非 LLM 逐条理解，对讽刺、语境依赖的文本可能误判
• 需手动定制关键词列表（游戏/SaaS/消费品领域术语差异大）
• 中英文混合场景未明确测试

操作复杂度：

• 需要前置配置 xpoz-setup Skill 完成 OAuth 2.1 授权
• 完整流程涉及多轮 MCP 调用、CSV 下载、Python 执行，不适合一次性快速查询

---

适合人群

• 品牌/公关团队：监测品牌声誉，识别 viral complaints
• 产品经理：收集用户反馈主题，发现功能痛点
• 市场研究员：竞品对比分析，追踪产品 launch 反响
• 投资者/分析师：快速摸底标的品牌的公众情绪
• 开发者/技术写作者：评估工具类产品的社区口碑

---

常规风险

| 风险类别 | 具体说明 | 缓解措施 |

|---------|---------|---------|

| 数据下载安全 | curl 从外部 URL 下载 CSV，存在域名伪造风险 | Xpoz 来源可信，建议添加 URL 白名单验证 |

| 临时文件管理 | 固定路径 `/tmp/*.csv` 可能冲突或被抢占 | 使用 `mktemp` 生成唯一文件名 |

| OAuth 凭证 | 需授权 Xpoz 账号，存在 token 泄露风险 | 遵循 xpoz-setup 的安全存储指引 |

| 合规边界 | 公开数据 ≠  surveillance consent | 仅限分析公开帖子，禁止用于骚扰或个人 targeting |

| 数据保留 | 临时文件未明确清理机制 | 建议使用后显式删除，文档化保留策略 |

该 Skill 已通过 CLS-Certify 认证，综合评分 72/100，安全等级 B，信任级别 T2（可信组织/GitHub 组织账号）。