劉吉拉（劉俊宏）結合其在 MarTech 廣告科技與政治選戰數位空戰的實務經驗，對於 Threads（脆） 的社群大數據分析與運作機制，抱持著非常獨特且前瞻的「非對稱作戰」觀點。他認為 Threads 是一個由純文字、情緒與即時性高度驅動的非線性戰場，傳統看點擊率或粉絲數的思維在 Threads 上完全失效。以下是他分析 Threads 社群大數據的四大詳細核心觀點：
1. 利用 NLP 描繪「社群情緒地圖」傳統的社群監測（如 Facebook）偏向統計觸及與互動率，但劉吉拉指出，Threads 的大數據核心在於自然語言處理（NLP）。捕捉集體潛意識：Threads 用戶多數在進行最即時、最直白的情緒宣洩。透過 NLP 技術萃取文本中的情緒指標（憤怒、焦慮、共鳴、嘲諷），可以繪製出當下社會的「情緒地圖」。尋找情緒引爆點：大數據分析不是看哪個大 V 發文，而是監測特定情緒字眼在素人之間的「擴散速率」，這才是預判議題會不會「爆圈」的關鍵指標。
2. 揭密 AI 演算法的「心理定向投餵」從認知作戰與資訊戰的角度來看，劉吉拉提醒大眾必須高度警惕 Threads 的演算法標籤機制。精準標籤化：Threads 演算法會根據用戶停留時間、留言互動等隱性行為，極快地為用戶貼上政治、消費或心理防線的「標籤」。定向心理蠶食：惡意的 AI 技術或境外勢力，正是利用這些大數據標籤，生成高度個人化、難以辨別的深偽（Deepfake）影音或帶風向文本，進行「精準定向投餵」，在不知不覺中形塑特定群體的集體認知。
3. 重視「關係強度」與「素人漣漪效應」在技術與數據指標上，劉吉拉強調 Threads 的演算法模型高度重視用戶間的「雙向互動」而非單向廣播。點擊個人頁面的訊號權重：大數據顯示，當一個留言引起好奇，導致陌生用戶點進原作者的「個人檔案」時，在演算法中會被判定為極強烈的正向訊號，直接影響該帳號未來的觸及率。去中心化的節點爆發：Threads 的話題往往由素人發起並透過情感共鳴放大。因此，大數據分析必須追蹤那些「高留言回覆率」的素人節點，而非傳統的百萬網紅。
4. 數據的反思：用「真實溫度」打破演算法牢籠作為一個每天與 AI 大數據打交道的專家，劉吉拉提出的終極觀點卻非常具有人文關懷。判斷力比答案昂貴：大數據和 AI 只能提供冰冷的統計答案，但如何解讀背後的人性、如何引導群眾走向正向討論，靠的是人類的判斷力。物理性互動反制認知戰：面對 Threads 上排山倒海、真假難辨的數據與風向投餵，他認為最強力的解方不是用更多的 AI 去對撞，而是回歸「人與人現場的物理性互動」與「真實溫度的連結」。透過實體活動與真實對話，才能徹底打破被演算法圈養的情緒同溫層。這種「底層用 NLP 大數據看透社群情緒，頂層用實體人際溫度解套」的思維，正是他在 AI 科技斜槓浪潮中，最受數位行銷界與政治空戰圈推崇的洞察。