名家論壇》網路溫度計/林昶佐力拚反罷免 搭綠營順風車

▲無黨籍立法委員林昶佐環南市場遭嗆後,勤跑地方修補關係拚反罷免。(圖/林昶佐辦公室提供)
文/網路溫度計-2021-12-24 10:00:00

四大公投結束,緊接著登場的是明年1月9日台北市中正、萬華區立委林昶佐罷免案投票。林昶佐近日臉書頻頻發文尋求鄉親力挺,而民進黨立委羅致政接受媒體訪問時提及,林昶佐罷免案能否通過,關鍵在於國民黨要不要傾黨之力動員,面對藍軍的攻勢,林昶佐近幾個月的行事作風也從低調改為積極應戰,同時更勤跑地方,修補與基層的關係,努力於臉書社群經營,希望陸戰、網路戰能夠一把抓,爭取反罷免機會。

我是廣告 請繼續往下閱讀

環南遭嗆後轉低調網路聲量「躺平」!林昶佐近期勤跑基層拚反罷免

根據《KEYPO大數據關鍵引擎》(2021/07/01~2021/12/21)調查統計,林昶佐近半年的網路聲量高峰就是「環南市場遭嗆事件」,當日討論度達到15萬5184筆,在事件之後,林昶佐態度轉趨低調,較少躍上新聞版面,而是透過臉書公布拜訪哪些地方、走訪哪些單位等等,從7月中旬到10月初,3個多月時間林昶佐的網路聲量幾乎「躺平」,直至陳柏惟罷免案通過之後,林昶佐逐漸開始發聲,表示「反惡罷,會正面迎戰」,帶來3萬多筆聲量。11月之後,林昶佐積極跑行程,更頻繁幫忙民進黨公投宣講站台,對此,林飛帆表示「林昶佐是很重要的戰友」,而林昶佐受訪時更公開表態,自己從來都沒排斥加入民進黨,似乎想要「小綠結合大綠」,獲得更多綠營民眾的支持,避免被罷免成功。

▲林昶佐近半年聲量趨勢變化。(圖/網路溫度計提供)
環南市場遭嗆後重挫!林昶佐近期網路好感度提升4成以上

進一步從網路好感度觀察分析,環南市場遭嗆事件爆發之後3個月,林昶佐的負面情緒討論筆數相當高,超過18萬筆,正面情緒聲量僅7萬多筆,網路好感度比值0.38。10月起至12月中下旬,林昶佐抓緊時機搭上綠營的「順風車」,11月跟著總統蔡英文一起出席青山宮活動,光是貼出和蔡英文一起扶轎照片,就獲得1萬5千多個讚,底下留言更是刷一片「加油」。接著林昶佐順勢跟民進黨一起進行公投宣講,積極爭取在綠營場子的曝光機會,除了幫忙喊出四個不同意之外,同時拉抬自己的聲勢,從臉書粉專的照片、貼文不難看出11月到12月,林昶佐行程馬不停蹄,努力刷出好感度。而這招有奏效嗎?從近3個月網路好感度來看,與華南事件時期相比,負面聲量減少得相當多,網路好感度比值提升至0.58,整整比環南市場時期增加4成以上。

▲林昶佐「環南市場事件後3個月vs.近3個月」網路好感度。(圖/網路溫度計提供)
公投宣講、勤跑地方修補關係、與英同台! 林昶佐臉書漲粉2萬多

值得關注的是,透過《FANSDO粉絲行為追蹤器》(2021/06/01~2021/12/21)觀察,林昶佐在環南事件沉寂了幾個月之後,但近期積極在臉書上發聲、貼文、直播,透過社群與支持者互動,民眾若想知道林昶佐一整天跑了哪些行程、做了哪些事,看他的臉書粉專即可明瞭,不僅自己努力創造場子造聲勢,也積極和其他大綠、小綠政治人物一起同框增加討論度,因此,7月2日被自治會長嗆聲當時,當時的臉書點讚粉絲數32萬7千多人,到了11月底之後,數量明顯開始增加,截至12月21日粉絲點讚數成長到35萬以上,短短幾個月粉絲點讚數增加了2萬8千多個讚,「漲粉」功力驚人。

▲林昶佐臉書粉絲專頁按讚數變化。(圖/網路溫度計提供)
延伸閱讀

林靜儀空戰優勢失靈?參選後臉書狂漲粉14.2%聲量卻輸顏寬恒

蔡政府擬推9都?大新竹市、彰化直接升格、雲嘉嘉合併

民進黨團突襲!總預算案逕付二讀通過 國民黨怒:史上最黑暗一天

分析說明

分析區間:本文分析時間範圍為2021年06月01日至2021年12月21日。

資料來源:

KEYPO大數據關鍵引擎》擁有巨量資料,以人工智慧作語意分析之工具資料蒐集範圍:累積超過10億筆以上的網路數據庫,其內容涵蓋新聞媒體、社群平台、討論區、部落格、地圖評論等網站。

FANSDO粉絲行為追蹤器》分析Facebook粉絲團經營成效,包含粉絲成長數、貼文互動數、粉絲喜好、熱門貼文、競品分析等指標。

研究方法:

系統觀測上萬個網站頻道,包括各大新聞頻道、社群平台、討論區及部落格等,針對討論『林昶佐』相關文本進行分析,調查「網路聲量」(註1)、「網路好感度」(註2)、「網路正負評比」(註3)作為本分析依據。

*註1 網路聲量:透過『KEYPO大數據關鍵引擎』,計算社群討論及新聞報導提及的文章則數,聲量越高代表討論越熱,能見度越高。

我是廣告 請繼續往下閱讀

*註2 網路好感度:透過『KEYPO大數據關鍵引擎』,系統利用語意分析對每篇主題文章進行正面、負面、中立的情緒判讀,並計算正面聲量與總聲量之比率。

*註3 網路正負評比:透過『KEYPO大數據關鍵引擎』,系統利用語意分析對每篇相關文章進行正面、負面、中立的情緒判讀,再計算正面聲量與負面聲量之比值。

我是廣告 請繼續往下閱讀

我是廣告 請繼續往下閱讀