文本分析 / VOC

实时 AI 品牌监测工具追踪什么：Listen Labs Pulse、Brand24 与 Profound 等

Listen Labs 对比实时 AI 品牌监测工具，分为社交聆听与 AI 搜索可见性追踪器，称 Listen Labs Pulse 能解释指标变动。Brand24 覆盖 2500 万+ 来源，Chatbeat 以 $99/月追踪 4 个 AI 平台；Otterly 以 $29/月支持 15 个提示词和 4 个引擎。多数工具只报告指标变动，不解释原因，刷新从分钟级到按日/按月不等。

ReviewMap：区分同行评审评论中的评价行为与自动化边界

研究团队提出 ReviewMap 框架，把同行评审评论分为评估学术标准与校准贡献价值两类评价行为。在 500 篇 ICLR 2026 论文上，多模型 LLM 共识使行为层达到模型间 κ ≥ 0.75，属性层仍需人工监督，划出自动化边界。17% 的审稿人-论文实例无校准编码，Strengths 的校准占比近 Weaknesses 的 3 倍。

自动关键词提取与标注：文本与语音的现代理论方法与实用方案综述

一篇综述系统梳理文本与语音模态下的自动关键词提取（KE），将统计、混合、机器学习、结构化方法及 LLM 关键词生成纳入统一框架。文章比较基于转录文本和端到端声学的语音 KE 路线，并概述自动语料标注的方法与挑战；结论认为领域正走向更集成、上下文感知的范式，未来需应对低资源语言数据稀缺、多模态融合和生成式 KE 评测。

Prodege 与 First & First Consulting 研究：社交媒体到底如何影响 Z 世代健康悖论

Prodege 与 First & First Consulting 调查 3,000 名美国成年人发现，Z 世代日均使用社交媒体不足 1 小时的净心理健康得分为 43%，低于 1–2 小时的 62%，7 小时以上为 55%，重度使用未线性恶化。5 小时以上 Z 世代中 66% 每周多次线下社交，26% 认为健康与放纵的矛盾更像审美而非妥协。

TACT：用 AI 委员会做大规模定性主题分析的实用流程

论文提出 TACT（Traceable AI Council for Thematic analysis），用 AI 委员会在规模上完成定性主题分析，同时让团队保留对解读与判断的控制。TACT-Lite 为核心流程，TACT-Full 额外加入来自其他模型族的对抗模型，以及标出高不确定性编码的判定模型。在 256 条由其他研究者编码的 Stack Overflow 帖子数据集上，候选码本 F1 为 0.75-0.77，最终编码 F1 为 0.71-0.72；留出样本上作者人工编码与 TACT 编码的 Cohen's κ 为 0.79-0.85；每 100 条帖子的模型调用成本为 $13.77（TACT-Lite）至 $33.59（TACT-Full）。

为什么值得看：论文给出 TACT 的双档设计、256 条帖子上的 F1 与每条成本，团队可据此估量 AI 委员会式定性编码的投入产出。

Listen Labs 如何用六步诊断流程和 AI 主持访谈查明 NPS 下滑原因

Listen Labs 增长负责人 Anish Rao 发布一份六步诊断指南，讲解如何用 AI 主持访谈查明 NPS 下滑的原因。文中指出只有约 10% 的 NPS 受访者会留下开放题文本，一轮 5000 账户、12–25% 回收率的调研可能只收到 60–150 条评论，且 30% 以上回答只有一两个词时应视为问卷设计问题而非分析问题。Listen Labs 的做法是从 50M+ 核实样本网络中招募贬损者，在 45+ 国家、120+ 语言开展自适应 AI 主持访谈，24 小时内交付可追溯到具体受访者、原话和视频片段的结论，并可通过 Listen Labs Pulse 对接 Qualtrics、Decipher 等现有 NPS 工具。

为什么值得看：文中六步诊断流程把 NPS 下滑拆到人群与时间线，并指出仅靠开放题文本聚类难以定位原因。

Atlas of Human-AI Interaction 用 LLM 从 31,741 篇论文抽取 308,802 条论断构建交互知识图谱

论文提出一套组织实证发现的框架，结合 LLM 驱动的论断抽取、实体消解、分类体系生成与知识图谱构建，并保留与研究情境和来源的链接。作者以 Atlas of Human-AI Interaction 实例化该框架，组织来自 31,741 篇论文的 308,802 条论断，并提供交互界面用于浏览构念与已报告关系、核查证据。论文还给出描述性语料分析与一项探索性用户研究，考察这一表示如何支持研究者的意义建构，并指出改进空间。

为什么值得看：框架把论文论断抽成可比较的知识图谱，并附探索性用户研究，可供做文献综述与洞察库的研究者参考。

Listen Labs 的 Voice of Customer 软件功能指南：七类核心能力各自做什么

Listen Labs 的 Voice of Customer 软件功能指南拆解七类核心能力。文章引用 Transformer 情感系统在真实反馈约 79%、规则词库约 44% 的准确率对比，并强调指标要能追溯到原话和源片段。Listen Labs 的 AI 主持访谈可从 50M+ 验证受访者网络、45+ 国家招募，并在 24 小时内交付分析和成果。

科学文本问答的结构化条件反事实生成与验证

研究提出基于LLM的结构化流程，对100篇Scopus摘要生成事实与反事实QA，67篇用于验证。生成用gpt-4.1，自动验证用gpt-5-mini按15项清单执行；三名标注者一致性中等，平均成对Cohen's kappa约0.54。原始QA/关系级正确性0.97/0.89，文档级全局一致性0.07，25.4%文档验证分数下降超阈值。

Product Talk 发布 AI 评估测试框架，附可运行的合成访谈示例

Product Talk 作者将自用的 AI 评估测试框架整理进代码仓库，并附一个完整示例，读者可以先跑通示例，再替换成自己的输入、提示词和 eval。示例用 15 份合成访谈记录检验「访谈转故事并判断参与者状态」的流程，更换提示词后编造引语从 12.5% 降到 1.7%，无依据论断从 8.4% 降到 3.2%，状态标签错误降为零。框架分三步：先看输出错误，再按错误类型各配一个可独立添加的 eval 模块，最后跑基线版与变体版对比，工具面向 Supporting Members 和 CDH Members 开放。

为什么值得看：作者把自用的 AI 评估测试框架整理成仓库并附完整示例，研究者可据此搭建自己的提示词对比实验。

碎片化的 VoC 项目会带来什么代价

碎片化的 VoC 项目让支持工单、访谈和问卷分散在 Zendesk、Notion 和电子表格中，各团队只掌握一部分。没人掌握完整图景，这正是这类分散项目要付出的代价。

MAXQDA 发布 26.2 更新，新增片段级 AI 编码与 AI Reports

MAXQDA 发布 26.2（2026 年 3 月）更新，新增片段级 AI 编码与 Beta 版 AI Reports，并改版 Memos 布局。片段级 AI 编码会对选中的文本片段给出编码建议并附理由，需人工批准后应用，AI Assist 免费版一次最多分析 5 个编码，Premium 最多 20 个。AI Reports 按自定问题生成可回溯到原文的报告，免费版最多纳入 2 份文档，Premium 最多 50 份。

为什么值得看：新版把 AI 编码从文档级细化到片段级并加入 AI Reports，研究者可据此判断哪些编码与汇总环节能交给模型提速。

QDA 软件 AI 功能对比（2026）：NVivo、、、ATLAS.ti、Dedoose、 与 Taguette

一项对比测试考察了 NVivo、、、ATLAS.ti、Dedoose、 与 Taguette 的 AI 功能，并按研究者最关心的维度评估这些 QDA 平台。测试覆盖多款 AI 辅助 QDA 平台，重点比较现有 AI 能力的表现

MAXQDA 24.6 更新：新增 Light 2 主题与 AI Assist「Summarize Paraphrases」功能

MAXQDA 发布 24.6 更新，新增第三套界面主题 Light 2，并为主菜单上的 AI Assist 增加「Summarize Paraphrases」功能，可将单份文档内所有释义整合为一段摘要。释义输出长度可选 short、medium、long，AI Assist 偏好设置中新增「Additional Instructions」字段以自定义输出。AI Assist 为可选付费插件，更新免费，购买后可获得免费或高级版本。