本文的主要内容分为3个板块
1.评论分析：评价高频词分析和评价评分维度分析
2.用户评论的拆分和标签化
3.用户需求画像
一：评论分析
评价高频词分析和评价评分维度分析这个部分的内容在我前面发过的一篇文章中《评论分析之-评价高频词分析和评价评分维度分析》有详细的介绍。
这个部分的核心目的，是基于亚马逊前台的数据呈现，形成我们对用户评论提到的高频需求点有框架性的认知，可以让我们抓住重点，以及给予后续的评论分析指明拆分评论的大致维度。
如果说我们新做一个类目，或者说制定产品开发和运营策略的时候，我们需要初步了解用户需求和产品核心关注点，那么这个步骤的动作就会比较有效，并且得到的是真实的用户反馈的统计数据，可以通过几个维度的参数看到整个品类的评 论情况
比如在"toiletry bag 评价高频词分析"中，基于统计结果我们可以快速抓取到重点的参数信息，"Clear-TOP100评价高频词"子表，对应Clear toiletry bag这个类型的产品做的统计分析，从表格中我们可以看出：
用户评论中高频关注的维度是"质量，尺寸，旅行，拉链，性能，价值，外观，组织性，清晰度，颜色，TSA批准，合身度，容量"等。用户评论关注维度中，用改善空间的维度是"质量，拉链，清晰度，TSA批准，密封性"这几个维度用户评论关注维度中，有重大问题的维度是"耐用性，清洁度，拉上拉链方便，气味"这几个维度
"men-TOP100评价高频词"子表，对应 toiletry bag for men这个类型的产品做的统计� ��析,从表格中我们可以看出：
用户评论中高频关注的维度是"质量，尺寸，外观，空间，价值，拉链，耐用性，性能，坚固性，口袋，旅行，皮革，组织性，便携性，存储空间，气味，颜色，多功能性，防水性，合身，重量，礼物"等。用户评论关注维度中，用改善空间的维度是"尺寸，耐用性，合身"这几个维度用户评论关注维度中，有重大问题的维度是"拉链，气味，旗帜"这几个维度
"H-women-TOP100评价高频词"子表，对应 toiletry bag for women这个类型的产品做的统计分析,从表格中我们可以看出：
用户评论中高频关注的维度是"质量，尺寸，口袋，空间，旅行，外观，组织，颜色，拉链，性能，挂钩，便携� �，价值，存储空间，使用方便，重量，悬挂方便，风格，合身性，多功能性，可悬挂性，露营，概念，悬挂方便，家庭使用"等。用户评论关注维度中，用改善空间的维度是"质量，尺寸，合身性，肩带，拆卸方便，清洁方便"这几个维度用户评论关注维度中，有重大问题的维度是"拉链，耐用性，珠宝存储"这几个维度
以上分析抓取的重要信息，我们发现里面包含了场景，用户高频关注点，用户需求为满足点，差评高频点，这个部分的内容就是我们产品开发人员和运营人员该要重点去关注的内容了。
产品开发新品的升级方向，改良方向，以及把控产品品质的关键环节；运营在做产品图片设计，五点呈现的时候� ��如何抓住重点，说到用户的心坎里，就是呈现上述用户关心的信息，用户担忧的点。这个过程就是更符合用户需求的过程。
二：用户评论的拆分和标签化
如果说《评论分析之-评价高频词分析和评价评分维度分析》是抓住重点需求，那么第二个部分的核心目的，就是拆解用户需求，实现"知其然'亦知其所以然"，也就是我们要去知道用户需求背后的那个为什么？
（1）这个部分的工具操作时比简单的，就一步，打开卖家精灵插件，然后选取目标ASIN，下载评论，在表格里合并即可。
为了有代表性，我这里是在原来细分市场的基础上，每个类型以及每个系列都选择了几个典型的父ASIN，以此尽可能获得这 个品类的评价多种类型产品的认知。
这样就形成了带评价内容的原始数据表格，我这次是提取了3000条评价内容来分析。
（2）第二步，就是提取和拆分评价的有效内容。就是逐条读评论，把评论中的有效信息拆解出来。然后形成初步的维度拆分，这些维度其中一些就是从评价高频词来的，另一部分是在拆解评论中去不断完善。
比如这样一段评价内容"买了这个作为 礼物，收礼人很喜欢，在旅行时也用它。材质很好，防水，可以装下所有洗漱用品，携带方便"我就去了里面的有效信息，礼物，旅行，材质很好，防水，装下所有洗漱用品，携带方便，然后填写到对应的参数维度中。
（3）第三步，就是将参数维度标签化。为什么要这么做呢，因为用户的评论信息，太多太杂了，主要是可能同一个点，比如赞同"尺寸大"，每个用户的评论的表达内容都不一样，那我们根本没办法做分析，因此需要简化规整信息，才能看到规律性的主线内容。因此，我会做这个标签化。
然后我就可以把尺寸相关的信息规整成为几个方向的表达
这样就形成了标签化的信息。然后这些分拆的内容里面，有一些是标准化的内容，我的统计做法就不一样了，这个表格中4个维度的内容，都是这种内容，我就做拆解和统计词频的方式来统计。
我拿场景举例，在表格每一行的统计里面"度假"和"度假，浴室"分开行的，没法规整，并且我们还可以看到，度假在6行都有出现，那我就做拆解之后再做归总统计
No comments:
Post a Comment