跨平台 NLP 分析：使用者對生成式 AI 的信任與摩擦點

大規模跨平台評論數據分析

一項針對生成式 AI 應用程式使用者體驗的最新研究，透過自然語言處理技術，量化分析了跨平台的用戶反饋。研究團隊蒐集了 Google Play 與 Apple App Store 上六款主流生成式 AI 應用程式的 17,012 則英文評論，對象包含 ChatGPT、Gemini、Microsoft Copilot、Claude、DeepSeek 以及 Perplexity。研究目的是補上現有文獻在大規模使用者感知品質、信任度及採用障礙上的空白。

主要不滿集中於廣告與驗證流程

研究結果顯示，負面情緒集中在四個領域。廣告干擾佔比達 91%。驗證流程問題佔 89%。伺服器穩定性不足也是用戶不滿的重點，佔比 83%。訂閱定價策略引發的爭議則佔 73%。這些數據點出目前生成式 AI 應用程式在商業模式與技術穩定性上的主要摩擦點。

各應用程式情緒分佈差異顯著

研究團隊利用 BERTopic 主題建模與 RoBERTa 情感分類技術，搭配卡方檢定、克魯斯卡爾-華利斯檢定以及帶有邦費羅尼校正的多項邏輯回歸，評估各應用程式之間的差異。結果顯示，不同應用程式之間的情緒分佈存在統計學上的顯著差異。其中 Claude 的負面情緒比例最高，達 47.7%，但同時也擁有一群相當熱情的使用者，顯示這個用戶群體出現統計學上顯著的極化現象。儘管各應用程式的評論數量不均，這些發現仍被證明是穩健的。

方法論驗證與特定觀察

為確保分析結果準確，研究團隊用包含 300 則評論的分層樣本，對兩個主要分析組件進行人工編碼驗證。除了整體趨勢，研究也提出幾項探索性觀察：部分 DeepSeek 的評論提到與其中國起源相關的地緣政治及資料隱私擔憂。研究另外提出「信任摩擦指數」（Trust Friction Score），用來把特定應用程式的信任與可用性障礙整理成可解釋的維度。

研究意義與未來應用

這項由 Md Jafrin Hossain、Umme Nusrat Jahan 和 Shouvaggo Sharif Shammo 共同撰寫的研究，已提交至 Elsevier 旗下的 Array 期刊，目前處於同行審查階段。研究提供了經過驗證、具行動指引性的證據，說明消費者生成式 AI 應用程式中的使用者信任、可用性與採用障礙。