如何從對話資料中分析出更多有價值的資訊，例如：使用者有興趣的節能問題、互動模式，以至於使用者的節能個性等，是一個值得探討的問題，因此研究團隊希望可以組織結構化這些對話紀錄，使其更易於檢索及分析。藉由更理解使用者的線上互動行為，以利後續設計更有吸引力的節能服務。 研究團隊認爲目前市面上缺乏一個有效率及智能檢索來分析對話紀錄的工具，大多只能支持關鍵字檢索，並無法更有組織的檢索及分析技術，如可以依照人物/時間/事件等分類，並取得對話的摘要，進而分析出使用者的節能行為，以利後續設計可提供更好使用者體驗的工具。

為了開發可以分析對話紀錄的工具以及取得資料的便利性，計畫分析主要採用開會的對話紀錄來做摘要跟分析使用者行為。由於分析需要詳細的標籤及龐大的對話資料，而日常生活中最常見的對話，莫過於大大小小不同開會，因此便以開會的對話紀錄來彌補資料的不足。除了訓練資料較多之外，透過收集開會的語音、文字、會議通知及摘要資料都有助於對話紀錄的特徵萃取及使用者的互動行為分析，後續亦可再透過Transfer Learning等技術將研發的分析模型套用到不同類型的對話紀錄。