（台泰時報8月25日電）在一般評分邏輯中，「2/10」幾乎等同負評，但2026年泰國部分Z世代消費者卻開始反過來使用這組數字，以帶有反諷意味的方式表達「好到不想讓別人知道，免得爆紅」，讓原本看似簡單的評分系統，成為AI、社群聆聽與行銷科技新的語意判讀考題。

這種用法常出現在餐廳、旅遊景點、飯店或商品推薦內容中。消費者即使實際非常喜歡，也可能故意留下「2/10」、「不要來」、「很難吃」等表面負面的文字，真正意思卻可能是「太好了，不想分享給更多人」，帶有「私藏」或避免熱門化的意味。

這種現象也反映出，品牌「知道消費者寫了什麼」與「真正理解消費者想表達什麼」，已經成為兩件不同的事。

傳統情緒分析通常會把「喜歡」判定為正面，把「不好吃」、「不要來」等詞彙歸為負面，但人類日常語言本來就包含反諷、誇張、玩笑及特定社群內部才懂的暗語。同一個詞在不同情境下，也可能呈現完全相反的含義，甚至可能在短短幾週內產生新用法。

反諷辨識也一直是自然語言處理的重要研究課題。原因在於，反諷最大的特色，就是字面意思與實際意圖往往相反。若AI系統只依賴關鍵字，或缺乏上下文資訊，便可能直接把一句稱讚誤判為抱怨。

當這類判讀進一步串接客戶關係管理系統（CRM）、客戶資料平台（CDP）、社群聆聽及行銷自動化後，錯誤可能不只停留在一則留言，而會沿著整套系統持續放大。

例如，若系統把「2/10」判定為負評，可能導致顧客被分到錯誤的客群、收到不適合的推薦或優惠，甚至自動客服可能主動向其道歉，形成「顧客明明正在稱讚品牌，系統卻把他當成不滿客戶」的尷尬情況。

近年的大型語言模型已比過去以關鍵字或傳統機器學習為主的情緒分析系統，更能理解語境與說話者意圖。2025年相關研究指出，若讓模型先分析語用情境與潛在意圖，再判斷是否存在反諷，可提升反諷辨識能力；其他針對GPT與Llama模型的研究也顯示，經微調後的模型表現明顯改善。

不過，準確度仍取決於模型版本、模型規模、設定方式與訓練資料，零樣本辨識也仍存在限制。對泰語而言，挑戰又更複雜，因為除了網路俚語，還包括故意拉長語氣、刻意錯字、地方方言、粉絲圈用語，以及TikTok等平台快速生成的新詞彙。

因此，品牌使用AI進行CRM或社群分析時，關鍵可能不是單純尋找「最聰明的模型」，而是重新設計問題。除了詢問一句文字究竟是正面或負面，也應進一步判斷是否可能帶有反諷、真正意圖是抱怨、推薦、開玩笑或刻意私藏，以及消費者實際行為是否與留言一致。

例如，一名消費者雖寫下「2/10」，但3個月內已光顧同一家店12次，又收藏店家、分享貼文，甚至補上一句「拜託不要紅」，系統若能整合行為資料，便更容易正確理解其真正態度。

另一項挑戰是，今日社群內容已不再只有文字。有人可能寫「超難吃」，照片卻是一個吃得乾乾淨淨的盤子；也可能寫「飯店超爛，2/10」，配圖卻是令人驚艷的海邊夕陽。影像與文字之間的矛盾，反而可能正是判斷反諷的重要線索。

因此，多模態反諷辨識研究開始同時分析文字與圖片。對高度依賴TikTok、Instagram及Reels等影音與視覺平台的品牌而言，只分析文字，可能只能看到消費者意圖的一半。

「2/10」看似只是年輕世代的一個網路玩笑，卻凸顯行銷科技在Customer Intelligence時代面臨的新課題。當品牌大量投資AI、CRM、CDP、Social Listening及Marketing Automation後，真正有價值的能力，可能不只是擁有最多資料、最快處理速度，而是能否正確理解人類真正想表達的意思。

因為有時候，系統眼中最討厭品牌的那位顧客，可能正是喜歡到不想讓其他人知道的人。

圖片來源：Marketeer