社群數據分析工具與關鍵指標

🔴 書裡 9.2.3 寫「獨立 AI 分析平台：各家持續推出，請查雲端講義最新版」，指的就是這一頁；9.1.3 列出的當期主流輿情監測工具，現況也一併整理在這裡。分析工具一直在換（書裡 9-5 本章小結也提到，Klout、PostRank、Social Mention 都已經關了），書裡只教「怎麼讀後台、怎麼問數據、看哪一層指標」；工具名單與現況集中在這裡，每季檢查一次。

★本章 3 分鐘速覽

AI Data Assistant 標準工作流：匯出資料、匯入 AI、自然語言提問、AI 分析、輸出洞察 — AI Data Assistant 標準工作流｜書裡 9.2.2

分析邏輯永不過時，工具一直在換Klout、PostRank、Social Mention 都已經關了，但「怎麼讀後台、怎麼找洞察、怎麼解讀情緒」這套邏輯不會變（書裡 9-5 本章小結）。
從「看報表」到「問數據」AI Data Assistant 是典範轉移，不是工具升級：匯出 CSV、用自然語言提問、追問深挖，最後一步永遠是「人類拍板執行」（書裡 9.2.1、9.2.2、9-5）。
AI 能做的與做不好的描述、比較、模式辨識、異常偵測、基本預測交給 AI；產業專業判斷、品牌長期戰略、倫理判斷、創新假設仍要靠人；個資去識別化、商業機密保護、提防 AI 幻覺是三條紅線（書裡 9.2.4、9.2.5）。
量化看廣度，質化看深度，缺一不可量化指標看「有多少」，質化指標看「好不好」。過去多數行銷者 80% 精力放量化、20% 放質化，因為質化要人工逐則閱讀、標註；現在可以交給 AI 自動質化分析，最後由人類判斷與決策（書裡 9.3.2、9-5）。
指標金字塔與三類數據陷阱底層社群指標只是手段，中層行銷指標、頂層生意指標才是目的；小心虛榮指標、相關不等於因果、忽略「沒發生」的事（書裡 9.4.1、9.4.2）。

✓證照考點速記：2026 SMP 技能規範對照

本章對應技能規範 4.1（數據分析與工具）、4.2（社群關鍵指標）。以下逐項列出應考重點，每點附書中頁碼。

細項	必背重點	書頁
4.1.1 免費分析工具	• Meta Business Suite（原 FB Insights）八大分析要點：瀏覽次數（同一人多次看會重複計算）、觸及人數（不重複）、粉絲組成、粉絲上線時間、粉絲專頁讚與收回讚、行動呼籲點擊、貼文成效明細、用戶結構 • 經營成效三大關鍵：貼文回應狀況；目標 TA 與回應 TA 的年齡／性別是否相符；退訂閱、封鎖、刪除留言要查何時、哪則貼文、發生什麼事 • LINE 官方帳號（前身 LINE@）：有效好友數＝好友人數扣除封鎖；有效好友數比總好友數重要，每月封鎖率超過 5% 就代表訊息過載 • 短影音看完看率與觀眾留存曲線；YouTube 看 CTR、平均觀看時長；GA4 四大功能：跨管道追蹤、使用者旅程分析、事件追蹤、歸因分析	9-2～9-6
4.1.2 免費社群監測	• Google 快訊四種類型：新聞快訊（新聞搜尋前十個結果）、網頁快訊（網路搜尋前二十個結果）、新聞與網頁快訊（涵蓋最廣）、論壇快訊（論壇搜尋前五十個結果） • Google Trends 四大功能：看關鍵字時間趨勢、比較品牌與競品、找潛在對手、找特別事件最受關注的元素 • QSearch：臉書塗鴉牆搜尋引擎，觀測聲量與討論、可設快訊通知 • ChatGPT、Gemini 等屬於 AI Data Assistant：標準工作流 7 步，最後一步「人類拍板執行」；三條紅線：個資去識別化、商業機密保護、AI 幻覺風險	9-6～9-11
4.2.1 量化衡量指標	• 粉絲淨讚數＝新增讚扣除收回讚；互動人數＝按讚人數＋回應數，互動率好壞必須與競品對比 • 觸及人數分為廣告帶來的觸及與「自然」觸及；Click／導回 PV 數看導回網站的成效；轉換率＝轉換次數 ÷ 同時間範圍的廣告點擊總數 • 聲量＝網友提及品牌的次數；正負評依語意分析判斷；社群與新聞比看口碑來自網友還是新聞；口碑集中度高代表討論只在特定族群、影響力未擴散 • 提升消費動機：行銷活動前測、後測比較（問卷、訪談、社群行為對比），AI 時代可自動比對活動前後的討論內容變化	9-11～9-13

⚠ 易混淆：「瀏覽次數」同一人多次看會重複計算，「觸及人數」是不重複的人數；「有效好友數」要扣除封鎖，不等於好友人數。另外，技能規範列出的 Socialbakers、Quintly、Hitfit 本書未另外介紹，書中以 Meta Business Suite、LINE 官方帳號後台、Google 快訊、Google Trends、QSearch 與 AI Data Assistant 為主。

✎互動練習：邊玩邊學

先翻卡記住本章關鍵觀念，再做 5 題小測驗、1 題情境判斷，最後跟著「AI Data Assistant 標準工作流」走一遍；下面第 ③ 區的 Prompt 產生器可以直接套用你的品牌。進度只存在你自己的瀏覽器。

① 觀念翻卡

從「看報表」到「問數據」書裡 9.2.1

1990s 看單一報表（Excel，報表使用者）→2010s 跨平台整合（GA、Tableau、Data Studio，儀表板設計者）→2020s「問」數據（AI Data Assistant，數據策略家）。

有效好友數＞總好友數LINE OA 9.1.1

有效好友數＝好友人數扣除封鎖。封鎖率是 LINE OA 經營的生死線，若每月封鎖率超過 5%，代表訊息頻率或內容已過載，必須立刻調整。

觀眾留存曲線短影音後台 9.1.1

影片每一秒的留存率。找出觀眾跳走的那一秒，重新設計那個片段；完看率則是短影音演算法最重要的指標。

GA4 四大功能書裡 9.1.2

跨管道追蹤、使用者旅程分析、事件追蹤、歸因分析。GA4 是把社群、廣告、官網、App 數據統一整合的中樞。

AI Data Assistant 能做的 5 件事書裡 9.2.4

描述性分析、比較性分析、模式辨識、異常偵測、基本預測。

AI Data Assistant 三條紅線書裡 9.2.5

個資去識別化、商業機密保護（未公開數字用企業版或本地部署）、AI 幻覺風險（必須交叉驗證）。

品質粉絲指數書裡 9.3.1

不只看總粉絲數，更要看：有效互動粉絲（過去 30 天有實質互動的比例）、真實人類粉絲、目標族群粉絲。

三類數據陷阱書裡 9.4.2

虛榮指標（看漏斗轉換率，不只看絕對數字）、相關不等於因果（AI 給的洞察要實驗驗證）、忽略「沒發生」的事（用 AI 分析流失漏斗）。

② 小測驗

1. 依書中 LINE 官方帳號的核心心法，每月封鎖率超過多少，就代表訊息頻率或內容已過載、必須立刻調整？

書裡寫明：若每月封鎖率超過 5%，代表訊息頻率或內容已過載。也因此有效好友數比總好友數重要。（書裡 9.1.1）

2. 書中轉換率的計算公式是哪一個？

轉換率是「將流量化為指定行動（結帳、註冊、追蹤等）的比例」，公式為轉換次數 ÷ 同時間範圍的廣告點擊總數。b 是點擊率的概念，c 是 ROAS 的概念，都不是轉換率。（書裡 9.3.1）

3. 下列哪一項，書中列為 AI Data Assistant「做不好或不能做」的事？

a、b、d 分別是異常偵測、比較性分析、基本預測，都屬於「AI 能做的」。c 是倫理判斷：數據建議停掉中低 ROAS 廣告，但若這是 CSR 公益專案就不能停，這要人來判斷。（書裡 9.2.4）

4. 在書中的「指標金字塔」裡，ROAS 屬於哪一層？

頂層是營收、利潤、LTV；中層是獲客成本、轉換率、ROAS；底層是粉絲數、觸及、互動、聲量。（書裡 9.4.1）

5. 「發貼文後第二天 ROAS 提升，就認定是那篇貼文的功勞」，這是書中哪一類數據陷阱？

書裡陷阱二的例子就是這句：是貼文的功勞，還是當天剛好有活動？對應心法是任何「AI 給的洞察」都用實驗驗證確認，不要直接拿來下決策。（書裡 9.4.2）

③ 情境判斷

寫月報時你發現：這個月粉絲數大幅成長、觸及也翻倍，但轉換和營收幾乎沒動。主管問：「社群這個月是不是做得很好？」你會怎麼回？

這是陷阱一「虛榮指標」：粉絲數高、觸及高，但沒有往下帶動轉換與營收。書裡的鐵律是底層社群指標只是手段，中層、頂層才是目的；粉絲百萬但生意慘淡的品牌，比比皆是。

對。先用指標金字塔對焦：頂層營收沒動，就往中層（轉換率、獲客成本）、底層一路查，看「漏斗轉換率」而不是絕對數字；再請 AI Data Assistant 協助分析流失漏斗，找出「應該發生但沒發生」的事。（書裡 9.4.1、9.4.2）

AI 可以幫你找模式，但書裡的標準工作流最後一步永遠是「人類拍板執行」；AI 可能編造看似合理但不存在的洞察，而且 AI 自動建議常陷入「相關不等於因果」的陷阱，必須交叉驗證、用實驗確認。（書裡 9.2.2、9.2.5、9.4.2）

④ 一步一步做：AI Data Assistant 標準工作流

1匯出數據為 CSV

把社群後台、GA4、廣告平台的數據匯出成 CSV。含客戶姓名、Email、電話的欄位先刪掉或去識別化（書裡 9.2.2、9.2.5）。

2上傳給 AI Data Assistant

例如 ChatGPT Advanced Data Analysis、Claude with files、Gemini in Google Sheets、Copilot in Excel，或第 ① 區的獨立平台。涉及未公開數字就用企業版或本地部署（書裡 9.2.3、9.2.5）。

3用自然語言提問

例如：「找出上個月互動率前 10% 的貼文有什麼共通點」「比較 Q3 跟 Q4 的廣告 ROAS 差異，分析原因」（書裡 9.2.2）。

4AI 分析並回覆＋視覺化圖表

看圖表時先確認數字對得回原始檔，提防 AI 幻覺（書裡 9.2.2、9.2.5）。

5追問、深挖、調整角度

第一個答案通常不是最好的；換角度追問，例如「我們流失最多的客戶來自哪個族群？」（書裡 9.2.2）。

6AI 輸出「執行建議清單」

拿到建議後，用三類數據陷阱檢查一次，特別是「相關不等於因果」（書裡 9.2.2、9.4.2）。

7人類拍板執行

產業專業判斷、品牌長期戰略、倫理判斷、創新假設，這些仍要由人決定（書裡 9.2.2、9.2.4）。

①獨立 AI 分析平台名單

對應書裡 9.2.3 最後一項「獨立 AI 分析平台」，以及 9.1.3 列出的當期主流輿情監測工具現況。書裡已經介紹的 ChatGPT、Claude、Gemini in Google Sheets、Copilot in Excel 這裡不重複，只列「專門做數據或輿情分析、而且內建 AI」的平台。

資料整理時間：2026 年 9 月｜價格與功能以各官方當期公告為準；國外平台多以美元計價，台灣平台多為企業報價

平台	能分析什麼	AI 功能	價格區間
Julius AI	你上傳的 Excel／CSV（後台匯出的貼文、廣告、GA4 數據）	用自然語言直接「問」數據，自動產生圖表與分析結論，就是書裡 9.2.2 的標準工作流	有免費方案（每月訊息數很少，適合試用）；月費約 US$20–45 級距
OpView 社群口碑資料庫（意藍資訊）	台灣社群、論壇、新聞、部落格的品牌聲量與口碑	AI 語意與情緒分析；推出 Agent Tools API，可接到 ChatGPT、Claude 等 AI 用自然語言查詢輿情	企業方案，依需求報價
QSearch Trend+（數解人意）	Facebook、Instagram、YouTube、Threads、論壇、新聞的聲量與熱門話題	AI 語意分析：情緒判斷、內容摘要；熱門話題雷達	企業方案，依需求報價
KEYPO 大數據關鍵引擎（大數據公司）	台灣網路聲量、正負評、話題擴散	AI 輿情分析，2026 年推出 AI 聆聽新功能	企業方案，依需求報價
Brand24	全球社群、新聞、部落格、論壇的品牌提及	AI 情緒分析（多語言）、AI 品牌助理、AI 話題與事件偵測	月費約 US$199–499（年繳價），大型企業另計
Talkwalker（已併入 Hootsuite）	全球社群與媒體聲量、圖像中的品牌露出	Blue Silk AI：趨勢、情緒與消費者洞察分析	企業報價；Hootsuite 各方案另有基本聆聽功能
Meltwater	媒體監測＋社群聆聽＋消費者洞察	AI 助理 Mira：自動摘要、趨勢歸納，高階方案可跑多步驟分析任務	不公開標價，年約數千至數萬美元級
Sprout Social	自家多平台帳號成效＋社群聆聽	AI Assist：協助撰寫貼文與回覆、整理報表重點	依人頭計費，每人每月約 US$79–399（年繳），AI 功能集中在較高方案

手機上可左右滑動看完整表格。

／ 怎麼挑：只要「問自己的數據」→ 先用書裡的 ChatGPT／Claude／Gemini，或 Julius AI；要「聽全網怎麼講你」→ 看輿情平台。台灣品牌、繁體中文口碑為主，優先試台灣本地的三家，選型五個考量照書裡 9.1.3：監測平台範圍、繁體中文處理能力、價格、整合 AI 情緒分析能力、報表客製化彈性。

補充：AI Data Assistant 能做與做不好的事

不管用哪一個平台，書裡 9.2.4 的分工都一樣：前面交給 AI，後面留給人。

AI 能做的	AI 做不好或不能做的
描述性分析（過去發生了什麼）	不熟悉的產業專業判斷：AI 不知道你的「離峰季」「季節性折扣傳統」
比較性分析（A 跟 B 的差異）	品牌長期戰略意義：AI 不知道「這個客戶五年後可能值多少」
模式辨識（表現好的貼文有什麼共通點）	倫理判斷：數據建議停掉中低 ROAS 廣告，但若是 CSR 公益專案就不能停
異常偵測（哪一天的數據異常）	創新假設：AI 善於從現有數據找模式，跳脫框架的策略創新需要人類
基本預測（依趨勢預估下個月）	—

手機上可左右滑動看完整表格。

／ 上傳前先去識別化：書裡 9.2.5 的三條紅線照樣適用——客戶姓名、Email、電話不可直接上傳；未公開數字用企業版或本地部署；AI 給的洞察一定要交叉驗證。

②社群數據工具總表

對應書裡 9.1.1（平台原生後台）、9.1.2（GA4 與 Looker Studio）、9.1.3（輿情監測）。一張表看完：每個工具看得到什麼、2026 年多了哪些 AI 功能。

GA4＋Looker Studio 整合架構：社群、廣告、官網、App 數據匯入 GA4 統一數據中樞，再由 Looker Studio 做成決策儀表板 — GA4＋Looker Studio 整合架構｜書裡 9.1.2

資料整理時間：2026 年 9 月｜後台介面與指標名稱會改版，以各平台當期為準

工具	看得到什麼（書裡重點）	2026 年現況與 AI 功能	費用
Meta Business Suite（FB／IG／Threads）	書裡 9.1.1 的八大分析要點：瀏覽次數、觸及人數、粉絲組成分析、粉絲上線時間、粉絲專頁讚與收回讚、行動呼籲點擊、貼文成效明細、用戶結構	Meta 已把「曝光次數」與影片「播放次數」統一改為「瀏覽次數（Views）」，同一人重複看會重複計算，跟舊報表比時要注意口徑不同	免費
LINE 官方帳號管理後台	好友人數、封鎖／解除好友數、有效好友數、每日變化指標；優惠券開封件數、使用次數、分享；調查頁面參與人數、分享	書裡的心法仍適用：有效好友數比總好友數重要，封鎖率是 LINE OA 經營的生死線，每月封鎖率超過 5% 就要立刻調整訊息頻率或內容；群發則數與方案價格會調整（見 Ch6 講義）	開帳號免費，群發則數依方案
TikTok 後台分析（TikTok Studio）	完看率、互動率、流量來源分布（為你推薦、追蹤、個人主頁、搜尋）、觀眾留存曲線	留存曲線找「觀眾跳走的那一秒」仍是改影片的第一步	免費
YouTube 數據分析（YouTube Studio）	點擊率（CTR）、平均觀看時長、觀眾來源、訂閱者來源	新增 AI 助理「Ask Studio」：用對話方式問頻道數據、整理留言重點、給內容點子；目前從美國、英文介面逐步開放	免費
Google Analytics 4（GA4）	跨管道追蹤、使用者旅程、事件追蹤、歸因分析（看哪個社群管道對轉換有貢獻）	新增 AI 助理「Analytics Advisor」：可直接問「為什麼某天流量暴增」，會做關鍵因素分析並給建議；先開放英文帳戶，免費的標準版也能用	標準版免費
Looker Studio	把 GA4、廣告平台、社群後台的數據整合成一個儀表板	主管一眼看完生意全貌，不再逐個平台看報表	基本使用免費
Google 快訊（Google Alerts）	品牌名、競品、議題出現新結果時自動寄信通知	書裡 9.1.3 的設定方式仍適用，是最便宜的「品牌口碑早期警示」	免費
Google Trends	關鍵字搜尋趨勢、品牌與競品比較、相關關鍵字、即時熱門話題	書裡的四大功能仍適用；規劃行銷檔期前先看	免費
第三方輿情／管理工具	全網聲量、正負評、社群與新聞比、多帳號成效彙整	名單與 AI 功能見上一區 ① 的表；台灣本地：OpView、QSearch、KEYPO；國際：Brand24、Talkwalker、Meltwater、Sprout Social、Hootsuite	多為月費或企業報價

手機上可左右滑動看完整表格。

補充：書裡的後台判讀重點（9.1.1、9.1.3）

Meta 後台的經營成效三大關鍵：貼文回應狀況（從觸及與互動數判斷哪些主題最受歡迎）；目標 TA 與回應 TA 的年齡／性別是否相符（不符就要調整主題）；退訂閱、封鎖、刪除留言（若有出現，要查何時、哪則貼文、發生什麼事）。
LINE 官方帳號的每日變化指標：dailyContacts（與前日相比增減的好友數）、dailyFriends（增減的有效好友數）、dailyBlocks（增減的封鎖數）、dailySendMessages（當日傳送訊息的次數，非則數）。優惠券看開封件數、使用次數、分享（聊天／動態消息）；調查頁面看參與人數與分享。
Google 快訊四種類型：新聞快訊（Google 新聞搜尋前十個結果出現新文章時通知）、網頁快訊（網路搜尋前二十個結果出現新網頁時通知）、新聞與網頁快訊（結合兩者，涵蓋範圍最廣）、論壇快訊（論壇搜尋前五十個結果出現新貼文時通知）。
Google Trends 四大功能：查詢特定時間關鍵字的變化趨勢（決定行銷時程）；找出與品牌或關鍵字相關的對手或其他關鍵字（比較搜尋量高低與時間趨勢）；找出潛在對手（交叉比對、擴大相似關鍵字）；找出特別事件最受關注的元素（即時監控熱門關鍵詞）。

／ 怎麼用（書裡 9.2.2 的起手式）：先把各平台後台匯出成 CSV，再丟給 AI 問「為什麼」。原生後台全部免費，先把這一排用熟，比急著買工具更有用。

③AI 質化分析標準提問 Prompt

對應書裡 9.3.2「標準 AI 質化分析工作流」第 [3] 步的提問範本（五個問題照書）。先把留言、評論、訊息匯出並去識別化，再填好欄位，旁邊（手機在下方）會即時組好完整 Prompt，按「複製 Prompt」貼到 AI 使用。

AI 質化分析文字礦工：情緒分析、主題聚類、趨勢追蹤 — AI 質化分析：文字礦工｜書裡 9.3.2

先認識三個質化指標（書裡 9.3.2）

互動品質：社群用戶與品牌互動的深度。一則詳盡完整的開箱推薦留言，重要性不亞於按過 40 次讚的粉絲。
顧客滿意度：顧客在經歷服務後，評估過程所產生的理性與感性知覺狀態；衡量包括服務整體滿意、服務屬性績效、品質、整體滿意度。
社群滿意度：品牌於社群製造給網友的體驗感受，是否符合期待值之績效滿意、品質、整體滿意度。

傳統質化分析要人工逐則閱讀、標註，一天最多處理 500–1000 則，且容易判斷不一致。交給 AI 時，可以請它標出情緒強度（輕微／中等／強烈）、情緒類型（憤怒／失望／困惑／期待／喜悅／感動）、議題類別（產品／服務／價格／物流／客服），並自動歸納改進建議（最多人抱怨的點）。

品牌名平台期間留言內容（已去識別化）

／ 怎麼用：「附原文當證據」和「不確定的另外列」是防幻覺的兩道保險——書裡 9.2.5 提醒：AI 可能編造看似合理但實際不存在的數據洞察，一定要能回頭對照原文。跑完 AI 報告後，照書裡工作流最後一步，由人判斷與決策。

④指標金字塔對照表

對應書裡 9.4.1「指標金字塔」與 9.4.2「三類容易誤導的數據陷阱」。印出來貼在桌前，每次寫週報、月報先對一次。

層級	包含哪些指標（照書）	它的角色	看報表時先問
頂層：生意指標	營收、利潤、LTV	目的	這個月生意有沒有變好？
中層：行銷指標	獲客成本、轉換率、ROAS	目的	花出去的錢，換回來的效率有沒有變好？
底層：社群指標	粉絲數、觸及、互動、聲量	手段	這些數字的變化，有沒有往上帶動中層、頂層？

手機上可左右滑動看完整表格。

／ 書裡的鐵律：底層指標只是手段，中層、頂層才是目的。粉絲百萬但生意慘淡的品牌，比比皆是。

社群量化指標追蹤漏斗：粉絲、觸及、互動、點擊、轉換、營收 — 社群量化指標追蹤漏斗｜書裡 9.3.1

補充：底層指標也要看「質」

書裡 9.3.1 提醒，底層的社群指標不能只看總數：

品質粉絲指數：有效互動粉絲（過去 30 天有實質互動的粉絲比例）、真實人類粉絲（扣除機器人、殭屍粉絲後的真實人數）、目標族群粉絲（符合品牌目標族群定義的粉絲比例）。
互動率好壞怎麼判斷：必須與競品分析對比，不同產業的品牌關注度與互動率天然不同。
口碑集中度：討論若只集中在自家粉絲團，代表影響力未擴散、觸及不到潛在客戶。
聲量與正負評：聲量是網友「提及該品牌的次數」，代表關注程度；正負評是正情緒聲量與負情緒聲量，判斷基準為語意分析。
社群與新聞比：口碑中有多少來自網友、多少來自新聞，是企業了解大眾喜好的風向球。
提升消費動機：行銷活動前先做前測、活動後再做後測（問卷、訪談、社群行為對比）；AI 時代可自動分析同一受眾群在活動前後的貼文、留言、討論內容變化，更不侵入、更即時。
轉換率：將流量化為指定行動（結帳、註冊、追蹤等）的比例，公式是「轉換次數 ÷ 同時間範圍的廣告點擊總數」。這是底層往中層銜接的關鍵數字。

報表前自我檢查

三類數據陷阱避坑圖：虛榮指標、相關不等於因果、忽略沒發生的事 — 三類數據陷阱避坑圖｜書裡 9.4.2

我的報表有放頂層（營收、利潤、LTV）嗎？
自問：如果主管只看第一頁，他看得到生意有沒有變好嗎？還是只看到粉絲數？
我的報表有放中層（獲客成本、轉換率、ROAS）嗎？
自問：我說得出這個月每拿到一個客人花了多少錢、跟上個月比是變好還是變差嗎？
底層數字有連到上面兩層嗎？
自問：觸及和互動變高了，轉換和營收有跟著動嗎？沒有的話，問題卡在哪一段？
陷阱一：我有沒有被「虛榮指標」騙了？
自問：粉絲高但沒互動？觸及高但沒點擊？點擊多但沒轉換？我看的是「漏斗轉換率」，還是只看「絕對數字」？
陷阱二：我有沒有把「相關」當成「因果」？
自問：ROAS 上升真的是那篇貼文的功勞，還是剛好有活動？AI 給的洞察，我有沒有用實驗驗證過再下決策？
陷阱三：我有沒有忽略「沒發生」的事？
自問：我只看了誰互動、誰購買，有沒有去看「本來會互動卻沒互動」「看了卻沒買」的人？流失漏斗分析了嗎？

勾選狀態只存在你自己的手機或電腦瀏覽器裡，不會上傳。

⑤本頁更新紀錄

2026-09-28｜新增證照考點速記（2026 技能規範對照），內容與印刷定稿逐區校對補強。
2026-09-27｜新增互動練習（翻卡、測驗、情境判斷、步驟導覽）與 Prompt 產生器。
2026-09-27｜書中圖改為最新定稿版，內容依印刷定稿全文校正。
2026-09-26｜新增本章速覽與書中圖解、內容優化。
2026-09-26｜首次發布：獨立 AI 分析平台名單（8 家）、社群數據工具總表（Meta、LINE 官方帳號、TikTok、YouTube 後台＋GA4、Looker Studio、Google 快訊、Google Trends、第三方工具）、AI 質化分析 Prompt、指標金字塔對照表與報表前自我檢查。