將開放式文字回饋貼到 Claude，告訴它文字的內容以及你想做出什麼決策，並要求它列出反覆出現的主題，為每個主題附上情緒 - 不要整體分數。每月大約少於幾千份文件時，這比設置專用的情緒分類器更有效，因為你得到的是原因，而不是標籤。問題在於，模型可能會對它誤讀的文字交付一個看似有信心的標籤，因此在你把任何分布呈現為事實之前，先用你自己的判斷檢查一個樣本。
這個頁面
工具價格查詢於 2026 年 8 月。
為什麼單獨的情緒分數毫無用處？
「72% 為正面」沒有任何你能據此採取行動的資訊。它沒有說明那 28% 在氣什麼、那是一個問題還是九個問題，也沒有說明正面評論是在談你剛推出的功能，還是你即將淘汰的功能。
你真正需要的是一份主題清單：人們不斷提到的五、六件事，每件事都有自己的情緒和大致頻率。「人們喜歡它的速度，而且有三十人在入門流程的同一個環節卡住」是一句有人可以據此採取行動的話。百分比不是。
這一點之所以最重要，是因為真實回饋很少只有單一面向。「喜歡產品，討厭價格」平均後會變成中性，而這是對該客戶最沒用的描述。將情緒附加到每個主題，而不是每份文件，才能保留訊號。
那麼，你應該改用專用的情緒分析工具嗎？
每月少於幾千份文件時，通常不用 - 而且了解原因很重要，因為大多數關於這個主題的建議都已經是十年前的資訊。
Amazon Comprehend 是主流的託管選項，情緒分析每單位收費 $0.0001，其中一個單位是 100 個字元，而且每次請求至少按 3 個單位計費。一則 300 字元的評論成本為 $0.0003。2,000 則約需六十美分。AWS 也為新舊客戶提供每月 50,000 個單位（5M 個字元）的免費額度，期限為前十二個月。就純粹的運算成本而言，分類器幾乎是免費的。
真正讓你付出代價的是其他所有事情。你需要 AWS 帳戶、憑證、將 CSV 透過 API 傳送出去並取回結果的指令碼，以及決定如何處理它回傳的標籤。而你得到的就只有一個標籤：附帶信心分數的情緒值。它不會告訴你負面意見集中在故障的密碼重設流程上，因為除非你另外建置主題分析，否則它不會讀取主題。
一個通用模型讀取相同的 2,000 則評論，就能提供主題、每個主題的情緒、具代表性的引言，以及你提出後續問題時的答案 - 完全不需要建置處理流程。每月超過幾千份文件、按排程執行並餵給儀表板後，情況就會逆轉，合適的分類器或批次 API 才能發揮成本效益。在此之下，你是在建置基礎架構，只為省下六十美分。
關於這個主題，你會看到許多較早期文章列出的清單，這裡有一項提醒：MonkeyLearn 出現在大多數「最佳情緒分析工具」彙整文章中，但已不再是獨立產品。Medallia 於 2022 年收購了它，而 monkeylearn.com 現在會以 301 重新導向至 medallia.com。在你據此規劃之前，請確認推薦給你的任何工具仍然存在。
實際上要如何執行分析？
有四件事決定了實用的分析與泛泛而談的分析之間的差異。
- 說明文字的內容。「這是我們調整定價後兩週內收到的 400 張支援工單」與直接貼上一段未標註的文字相比，會完全改變分析結果。
- 說明這項分析要支援哪個決策。用於產品路線圖論證的分析，和用於客戶流失事後檢討的分析並不相同。告訴它是哪一種。
- 要求提供頻率和引述，不要只要主題。要求每個主題提供大致數量和兩則逐字引述。引述是你稽核結果的方式 - 如果某則引述不支持該主題，主題就是錯的。
- 詢問它無法分類的內容。這些殘餘內容往往最有趣：留言可能太模糊、太簡短或太諷刺，因而無法歸類。
如果你的意見回饋來自你所設計的問卷，那麼這項分析的品質在執行問卷之前就已經決定了 - 這正是我們 HR generalist 指南中涵蓋的重點，也值得搭配閱讀 市場研究指南中的更廣泛內容。
Mira 將意見回饋分群整理成主題後，Elena 會把已排序的清單轉化為商業論證，並附上影響、工作量和建議。
查看 Elena →如何安裝 Mira Skill？
Mira 會以 ZIP 檔形式附帶一個 SKILL.md 位於根目錄的檔案。
- 開啟 Claude 桌面應用程式，點擊側邊欄中的 Customize，然後點擊 Skills。
- 點擊 + 並上傳 ZIP。Claude 會讀取
SKILL.md，並摘要說明其功能。 - 將其切換為開啟。關閉時，Claude 會忽略它。
- 貼上你的意見回饋，並描述你正在做的決策。
Skills 適用於所有 Claude 方案 - Free、Pro、Max、Team 和 Enterprise - 但需要啟用程式碼執行功能。如果 Skills 選單呈灰色或找不到，請前往 Settings > Capabilities，啟用 Code execution and file creation。在 Team 和 Enterprise 中，這是 Organization settings 的擁有者層級設定，因此你可能需要提出請求。
如果你無法啟用程式碼執行功能，或你使用的是 ChatGPT 或 Gemini，請開啟 SKILL.md 檔案、複製其內容，並貼到自訂指示中。Skill 不會自動觸發，但會影響該對話中的每一則回覆。
這會在哪裡出錯？
這一節值得讀兩遍，因為這種失效模式很不易察覺。
- 它會自信地犯錯。模型不會回答「我不確定這個人想表達什麼」。無論是否正確讀懂留言，它都會以相同語氣回傳一個俐落的標籤。輸出中沒有任何內容能區分可靠的分類與誤讀。
- 諷刺和輕描淡寫會讓它失效。「太好了，又有一次更新」和「我想應該還行吧」正是人類能立即讀懂、模型卻會將其扁平化的留言。
- 頻率數字是估計值，而不是計數結果。當模型說某個主題出現在 30 則留言中時，它並沒有逐一計算。如果這個數字要放進投影片，請自行計算，或要求模型輸出列號，讓你可以核對。
- 你的樣本可能不代表你的客戶。會留下評論並回答開放式問題的人，本來就具有特殊性。分析描述的是回應者，而沒有任何工具能解決這一點。
- 主題界線取決於判斷。對相同的回饋執行兩次，你可能一次得到六個主題，另一次得到四個，因為「緩慢」和「沒有回應」合理來說可以是一個主題，也可以是兩個主題。兩種答案都沒有錯，但都會改變你的圖表。
- 它無法告訴你該怎麼做。它只能告訴你人們說了什麼。改善新手引導與推出你已經承諾的功能之間的取捨，由你決定。
所以在你呈現任何內容之前，先抽樣檢查。 抽取一批留言 - 幾百份文件取五十份就很足夠 - 先在查看模型答案前自行標記，然後進行比較。你不是在追求完美，而是在找出分歧集中在哪裡。如果分歧集中在某個主題上，該主題就不可靠，你應該明確說明這一點。如果在樣本中，你與模型的分歧超過少數幾筆，就不要把分布當成結論報告。針對某一類回饋做過一次後，你往後就會知道可以多大程度信任它。
如果你的未讀內容大多是支援工單，請將 Mira 的主題分析與 Sam 搭配使用；在你了解客戶究竟在不滿什麼之後，Sam 會替你草擬回覆。
查看 Sam - 客戶支援 AI Skill（$19）→為什麼要使用 Skill，而不是每次都重新撰寫 prompt？
有兩個原因，而且都不是因為 Skill 更聰明。
第一點是保持一致性。只有在兩者以相同方式閱讀、採用相同的主題定義，以及對何謂抱怨有相同指示時，將本季的情緒與上季比較才有意義。儲存的 Skill 能固定方法，讓比較反映真實差異，而不是取決於你四月撰寫 prompt 的方式。
第二點是，前面列出的四件事 - 背景、決策、頻率，以及引文與無法分類的殘餘內容 - 在你趕時間時很容易被忘記，而那正是你將 400 張工單貼上去、寄望一切順利的時候。
每季執行脈動調查嗎？這項工具會設計問卷，讓開放式回答能在不同季度之間進行比較 - 這正是 Mira 追蹤變化所需的原始素材，而不是猜測是否發生變化。
查看員工問卷 Prompt（$9）→哪些文字值得用這個工具分析？
凡是有大量文字、卻沒有人有時間閱讀的地方：開放式問卷回答、產品評論、支援工單、離職訪談、應用程式商店留言、銷售通話筆記、社群提及。這套方法在不同情況下不會改變。改變的是你在開頭提供的背景，以及你希望分析指向的決策。
需要特別小心的類別，是樣本數極少的任何情況。十二則留言不代表有十二個主題；它們代表十二種意見，你應該親自閱讀。
總結：
針對一般的開放式文字分析 - 評論、工單、問卷回答、訪談逐字稿 - 請使用 Mira（$19）。如果內容大多是支援工單，請搭配 Sam（$19）。如果你正在設計產生這些回饋的問卷，請先從 員工問卷 Prompt（$9）開始。接著使用 Elena（$19）將主題整理成案例。這些工具都能在 Claude、ChatGPT 與任何 AI 聊天工具中使用，並提供 30 天退款保證 - 但你仍需要自行抽查輸出內容。
相關 Skill 指南
- 如何使用 Claude 進行電子郵件行銷：Nadia Skill 指南
- 如何使用 Claude 擔任社群媒體經理：Maya Skill 指南
- 如何使用 Claude 擔任成長行銷策略師：Sofia Skill 指南
- 如何使用 Claude 進行行銷分析：Rafa Skill 指南
KissMySkills 是一個提供 2,000+ 個 AI Skill、300+ 個 Prompt Pack、55 個 代理與免費工具的市集，適用於 Claude、ChatGPT 與任何 AI 聊天工具。