数据分析干货｜如何量化10W条电商评论相关的产品指标？

发布时间：2024-12-09 10:40

在客户之声系统的搭建中，有一个非常重要的数据来源，就是电商平台用户评论。电商评论由已购买、已使用的客户发出，具有数据量大、分布密度高、观点明确等多重特点，是非常重要的客户体验文本。

在采集方面，八爪鱼有丰富的采集经验，我们可以帮助品牌采集全网电商平台（淘宝、天猫、京东、苏宁、唯品会、品牌官方商城等）的商品评论。字段包括主评、追评、回复、时间、评论人等。支持亿级评论抓取、实时采集新增评论、沉淀历史评论、通过增加SKU灵活拓展数据源。

在分析方面，与价格、销量等数值型的、结构化的数据不同，这些电商平台用户评论大多是文本型的（很少一部分是音频、图片、视频）、非结构化的数据。文本型数据具有多维、语义复杂的特点，很难直接进行分类和分析。我们需要根据具体的业务需求，针对产品、服务等搭建细粒度指标体系，定性定量的分析每个具体指标下的评论反馈。

关于如何搭建产品指标体系，我们一般有两种方法，一种是基于业务经验，由品牌提供指标；另一种是对全量文本进行无监督聚类，提取高频词作为指标。两种方法可以结合起来，最终确定的指标体系合理即可。同时我们可以从是否覆盖全客户旅程的重要触点、是否与行业/部门的业务高度契合等角度评估是否合理。在指标搭建后，我们需要对评价的指标内容进行分析，这里贡献一些分析角度：

1. 本品分析

1. 按评论声量排名：用户评论最赞点/最槽点在哪里？

2. 按评论比例排名：用户评论好评率最高的是什么？负评率最高的是什么?

3. 评价高频词分类洞察：可以从产品力、服务力、品牌力、营销力等方面分别分析。

4. 用户评论的真实声音：典型意见挖掘，包括用户评论焦点、出现周期、用户近期关注热点、新词发现，及时把握市场近期风向和消费者需求。

5. 业内品牌重点行为关注：

①「直播带货」电商评价长尾效应：比较不同主播之间的正面和负面评价点，分析主播的影响力和带货能力；

②「明星代言」影响力评估 ：分析明星正面和负面评价点，评估明星代言与品牌契合度及明星影响力。

6. 业务场景示例：相关指标主分析，包括有效评论、好评率、指标提及率、差评率、同比、环比，指标好评率排名、指标负面声量排名、多维度关联分析（店铺、型号、系列、产品名称）等。

7. 好评及差评变化趋势：根据时间线分析用户好评率及差评率变化，分析使用周期中客户体验的变化，以及不同运营或促销策略对于用户体验的影响效果。

8. 波士顿矩阵指标分析波士顿矩阵是由美国大型商业咨询公司——波士顿咨询集团（Boston Consulting Group）首创的一种规划企业产品组合的方法。

根据指标声量和指标满意度，我们可以将产品指标分为强势区、维持区、改善区和次改善区；强势区指标声量高且指标满意度高于80%，是产品的优势点；维持区指标相对不高，消费者关注度偏低，但满意度高于80%，改善区表示指标声量高于中位数，且满意度指标低于80%，企业需要重点关注并改进，次改善区满意度指标低于80%，声量相对偏低，但同样不容忽视。

2. 不同电商平台的用户评价分析

1. 各平台评论声量分布（总评价数）

2. 各平台好评率对比

3. 各平台消费者最爱在评论中提及偏好及以及指标差评率变化趋势

4. 各平台消费者正面口碑评价指标对比（TOP5）

5. 各平台消费者负面口碑评价指标对比（TOP5）很多品牌会选择在多个电商平台布局，包括但不限于淘宝、天猫、京东、苏宁、拼多多、抖音小店等平台，由于各平台的人群偏向和运营策略各有不同，消费者评价也会出现差异。

3. 本品VS竞品分析

1、产品品类平均正负面评价率

2、本品及竞品的整体正负面声量对比分析