مفاهیم تحلیل مخاطب

پرتو در کنار سوشال لیستنینگ، برای تحلیل افکار مخاطبان سازمانی ساخته شده — همان سیستمی که پنل‌های پایش بازخورد عمومی برای واحدهای تصمیم‌گیر استفاده می‌کنند. این صفحه مفاهیم خاص این دامنه را که در DS کدگذاری شده توضیح می‌دهد. برای مفاهیم شبکه‌های اجتماعی + اینفلوئنسر، صفحه‌ی مفاهیم دامنه را ببینید.

5 گرایش مخاطب (Audience Stance)

برای هر موضوع/برند پایش‌شده، نظرات منتشره در 5 گرایش دسته‌بندی می‌شوند. این کلاس‌بندی ابتدا توسط تحلیل‌گر یا مدل ML تعیین می‌شود و سپس به‌عنوان رنگ‌بندی در کارت‌ها، نمودارهای Sankey، و توزیع‌های گرایش استفاده می‌شود.

کلیدهای متنی تایپ FlowKey (که در توکن‌های CSS بالا هم دیده می‌شوند) شناسه‌های legacy سازگاری با کد قدیمی‌اند و هرگز در UI محصول نمایش داده نمی‌شوند — سطح نمایش همیشه «برچسب نمایشی» خنثی است:

type FlowKey = 'pro-gov' | 'internal-critic' | 'internal-opponent' | 'external-opponent' | 'grey'

import { FlowBadge, Distribution } from '@partodata/ui'

<FlowBadge flow="pro-gov" />
<FlowBadge flow="internal-critic" />
<Distribution kind="flow" data={{ 'pro-gov': 280, 'internal-critic': 80, 'internal-opponent': 40, 'external-opponent': 20, grey: 30 }} />

FLOW_KEYS ثابت در lib برای iteration: import { FLOW_KEYS, flowLabels } from '@partodata/ui'.

9 احساس پیشرفته (Emotion Scale)

برای تحلیل عمیق، DS در کنار 3 سطح ساده‌ی sentiment، یک scale پیشرفته‌ی 9 احساسی هم پشتیبانی می‌کند — برگرفته از مدل چرخ Plutchik. برای داشبوردهای تحلیلی + تفکیک عمیق احساس مناسب است؛ برای summary cards و list views، scale ساده‌تر کافی است.

import { EmotionBadge, Distribution } from '@partodata/ui'

<EmotionBadge emotion="anger" />
<Distribution kind="emotion"
  data={{ joy: 120, trust: 100, anger: 60, fear: 40, neutral: 80, anticipation: 50 }}
  variant="stacked"
/>

چه زمانی scale ساده، چه زمانی scale پیشرفته؟

• Simple (3-class) via SentimentBadge — برای summary badges، compact cards، list views، dashboard headers. سرعت خوانش > دقت.
• Advanced (9-emotion) via EmotionBadge + Distribution kind="emotion" — برای detail views، تحلیل deep، Sankey breakdown. دقت > سرعت خوانش.

Distribution kind="emotion" در حالت variant="compact" با topN می‌تواند emotionهای کم‌اهمیت را در یک chip «بقیه» ادغام کند.

شدت (Severity)

یک مقیاس چهارسطحی برای اولویت یک هشدار، خوشه، تیکت یا پیشنهاد اقدام؛ برای مرتب‌سازی و فیلتر:

import { SeverityBadge } from '@partodata/ui'

<SeverityBadge severity="urgent" />
<SeverityBadge severity="high" variant="solid" />  {/* full fill */}
<SeverityBadge severity="medium" variant="soft" />  {/* tinted, default */}

تا نسخهٔ 4 همین مقیاس با نام دیگری هم بود: StatusBadge با سطح‌های critical، warning، middle و low. از 5.0 فقط SeverityBadge هست (critical می‌شود urgent، warning می‌شود high و middle می‌شود medium)؛ npx --no parto-migrate-v5 کد قدیمی را خودکار تبدیل می‌کند. در جدول، SeverityCell همین نشان را در ردیف می‌گذارد.

پلتفرم‌های صوتی‌تصویری — TV / Radio / Press

علاوه بر 7 پلتفرم اجتماعی استاندارد (Instagram، X، TikTok، YouTube، LinkedIn، Telegram، Threads)، DS برای پایش رسانه‌ای، این منابع کلاسیک را هم اضافه می‌کند:

tv و radio در هر دو تم رنگ یکسان دارند (شخصیت برندی غالب). press بسته به theme تنظیم می‌شود (در light theme dark navy، در dark theme روشن‌تر).

import { PlatformMark } from '@partodata/ui/social'

<PlatformMark source="tv" />
<PlatformMark source="press" />

چه زمانی از این‌ها استفاده کنیم؟

• بولتن‌های پایش رسانه — هرجا که داده‌ی شبکه‌های اجتماعی با پوشش رسانه‌ی کلاسیک ترکیب می‌شود، این پلتفرم‌ها سهم رسانه‌ی سنتی را نمایان می‌کنند
• Post — هر 11 منبع (شبکه‌های اجتماعی + TV/Radio/Press/Web) با یک مدل (SocialPost) و یک کامپوننت: پست، خبر با تیتر و نویسنده، و بخش پخش با برنامه، زمان پخش، بازهٔ بخش، روش به‌دست‌آمدن متن و اطمینان تشخیص؛ فهرستشان یک EntityCollection است

تشخیص بات (Bot Detection)

برای ارزیابی اعتبار حساب‌ها، DS یک scale سه‌سطحه دارد:

این به‌صورت BotDetectionMeter در کارت‌های پروفایل + audit صفحات استفاده می‌شود.

import { BotDetectionMeter } from '@partodata/ui'
;<BotDetectionMeter data={{ real: 824, suspicious: 156, bot: 74 }} />

نمره‌ی ارزیابی (Score Tiers)

برای ارزیابی کیفیت یک پیج/حساب/گزارش، DS یک scale 5 سطحه دارد:

پیش‌فرض thresholdها (نرمال‌سازی روی scale 0..100): excellent ≥ 80، good ≥ 60، moderate ≥ 40، poor ≥ 20، critical < 20. در CriterionScoreCard و EngagementRateBenchmark استفاده می‌شود.

import { CriterionScoreCard } from '@partodata/ui'
;<CriterionScoreCard name="کیفیت محتوا" score={72} weight={0.4} trend={{ delta: +8 }} />
{
  /* tier از score خودکار محاسبه می‌شود → "good" → سبز */
}

کارت‌های دامنه‌محور

چهار کارت برای پنل‌های پایش آماده است؛ حساب تحت رصد یک Account است، نه کارت جدا.

ConceptCard — یک کلاستر مفهومی

نمره، توزیع گرایش و احساس، روند و خلاصهٔ هوش مصنوعی یک کلاستر.

AlertRuleCard — یک قاعدهٔ هشدار

شرط، آستانه، کانال و شدت یک هشدار.

SavedQueryCard — یک جست‌وجوی ذخیره‌شده

جست‌وجو با تعداد اجرا و زمان آخرین اجرا.

JobCard — یک کار در حال اجرا

کار ناهمگام با پیشرفت، جزئیات و اقدام‌ها.

تحلیل کامنت‌های کمپین تخفیف فصلی

در حال برچسب‌گذاری#6

62٪

1250

کامنت

18 مهر 1405·هوشمند·@sample_shop·در حال محاسبه…

لغو

در حال اجرا

چند منبع

بازخورد بسته‌بندی جدید

نیازمند بازبینی شما#5

نتیجه آماده است و منتظر بازبینی شماست.

842

کامنت

12

برچسب

18 مهر 1405·یکپارچه·3 منبع

بازبینی

نیازمند بازبینی شما

برای جزئیات هر کدام، صفحه‌ی کامپوننت مربوطه را ببینید.

توزیع جغرافیایی — استان‌های ایران

برای داده‌ی per-province، IranProvinceHeat یک لیست افقی با heat-bar ارائه می‌دهد. 31 استان ایران با کد ISO 3166-2:IR و برچسب trilingual (fa/ar/en) در lib به‌عنوان IRAN_PROVINCES export شده. findProvince() و getProvinceLabel() برای lookup در دسترس‌اند.

import { IranProvinceHeat } from '@partodata/ui'
;<IranProvinceHeat
  data={{ tehran: 4820, isfahan: 2140, fars: 1480 }}
  scale="severity-urgent"
  topN={10}
  hideMissing
  showRank
/>

بولتن‌سازی

برای ساخت bulletin پایش، ReportComposer + 6 section template آماده وجود دارد:

import {
  ReportComposer,
  ExecutiveSummarySection,
  SentimentBreakdownSection,
  FlowDistributionSection,
  TopPostsSection,
  TimelineSection,
  SourceBreakdownSection,
  BulletinViewer,
} from '@partodata/ui'

برای بازخوانی نهایی + پرینت، BulletinViewer با print:hidden action buttons و [&_section]:break-inside-avoid آماده است.