Cùng một câu hỏi — dân văn phòng khổ vì cái gì — đọc ba loại nguồn khác nhau sẽ ra ba bảng khác nhau. Cột nguồn trong corpus 6.672 than phiền nói lên loại tiếng nói, không chỉ nói lên số lượng.
Ba loại tiếng nói
- Review Google Play và App Store: bức xúc về sản phẩm. Bản mobile thiếu tính năng chiếm 26,4% (Play) và 26,8% (App Store) số than phiền; giá và license 25,0% và 22,7%.
- Reddit và Hacker News: kể quy trình và cách lách. Nhập lại dữ liệu thủ công chiếm 28,7% riêng trên Hacker News và 16,8% trên nhóm Reddit + Hacker News, gần như không xuất hiện trong review store.
- Stack Exchange: lỗi kỹ thuật cụ thể. Công thức hỏng chiếm 31,2%, quyền truy cập 16,9%, nhập lại dữ liệu thủ công 12,6%.
Hệ quả trực tiếp: đọc review store để quyết định sẽ làm gì thì kết luận là bản mobile thiếu tính năng. Đọc Reddit và Hacker News thì kết luận là nhập lại dữ liệu thủ công. Cả hai đều đúng, nhưng là hai bài toán khác nhau — một cái của nhà sản xuất phần mềm, một cái của người vận hành.
Chọn nguồn theo câu hỏi
Câu hỏi sản phẩm của tôi bị chê gì thì đọc review store: dữ liệu nhiều, dễ lấy theo thời gian, nhưng chỉ trả lời được về sản phẩm. Câu hỏi quy trình trong doanh nghiệp gãy ở đâu thì phải đọc Reddit và Hacker News, vì đó là nơi duy nhất người ta kể cả cách họ lách và công cụ họ mua thêm. Câu hỏi lỗi cụ thể của một công thức hay macro thì Stack Exchange. Bảng kết quả hai loại nguồn đầu: 6.672 than phiền và Cách chống cháy.
Tình trạng truy cập thật từ máy chủ này
- Reddit qua tên miền gốc: HTTP 000 — bị ISP chặn, DNS trả về ::1. Lấy được qua mirror arctic-shift.
- Microsoft Answers (Excel): 200 sau một lần 301, đọc được qua CloakBrowser CDP. Microsoft Tech Community: 403 khi gọi trực tiếp, cần render.
- Google Docs Editors Community 200, Atlassian Community 200, Spiceworks Community 200 — đọc trực tiếp.
- G2, GetApp, TrustRadius, Trustpilot: 403 khi gọi trực tiếp, nhưng nội dung vẫn đọc được qua extractor.
- Google Play 200 (qua google-play-scraper), review App Store qua RSS 200, Hacker News qua Algolia API 200 không cần auth, Stack Exchange API 200 có quota.
Ghi chú phương pháp: mọi item đều được gán nhãn theo cùng một bộ nhãn và cùng thang mức nặng 1–5, nên so sánh giữa các nguồn là so sánh trên cùng thước đo — nhưng tỷ lệ phần trăm chỉ có nghĩa trong từng nguồn, không cộng dồn giữa các nguồn khác cách thu thập.