文本分析在实际运营中如何落地？

在大数据时代到来之前，企业通常会根据自己积累的历史数据和一线运营商的主观经验来猜测用户的下一个反应，作为制定后续营销和运营计划的依据。然而，在这个VUCA时代（宝洁首席运营官RobertMCDonald借用一个军事术语来描述这种新的商业世界模式，即volatility，易变性；uncertainty，不确定性；complexity，复杂性；ambiguity，模糊)，商业场景的变化速度和复杂性不是以前的样子，用户的偏好也很容易受到外部“场景”的影响，就像“孩子的脸”和“六月的日子”一样，以前积累的经验往往不足以作为企业下一阶段市场规划和运营的基础。根据数据操作的特点，VUCA时代 |在数据分析中，文本分析远比数值分析重要！(上)分析，我们可以看出，大数据文本分析是应对上述困境的良方。(1)接下来，我们将从理论到实践，谈谈文本分析是如何应用于商业实践的。1.通过基于大数据的文本分析，我们可以科学地分析用户行为和想法，使用户洞察力从原来的主观“猜测”转变为以数据为驱动的准确预测，从而对产品的营销和运营过程进行文本分析。在新产品上市或小规模投放市场之前，收集粉丝和潜在用户在社交媒体上的评论，分析他们的文本，了解他们喜欢什么产品，对什么不满意，以及他们对产品的其他期望，从而对用户的反馈做出快速、快速、准确的积极回应。由此可见，有文本分析介入的产品运营流程已被“重构”，如下图所示。参与文本分析的操作分析逻辑过程中，文本分析用户言论的“本质”在于对提取的文本数据所表达的“情感”的解释，即用户言论的情感分析。在理解文本分析背景下的“情感分析”之前，让我们先看看它的一般含义。2.大数据文本分析中的“情绪分析”是什么？先说“情绪”。“情感”一词在心理学中的一般含义是：一系列主观认知经验的总称是由各种感觉、思想和行为产生的心理和生理状态。我们日常生活中最常见的情绪是快乐、愤怒、忧虑、思考、悲伤、恐惧、惊讶，也就是中医所说的“七情”。然后，“情绪分析”是为了有效、准确地识别这些特定的情绪，并根据结果进一步采取合理的措施来处理自己或他人的情绪（如缓解自己的负面情绪、理解他人的异常行为等）。同样，基于大数据文本数据的“情感分析”也被业界称为“观点挖掘”。它利用多样化、大量的社交媒体作为客户服务，借助大量的社交网络平衡语料和新闻平衡语料的机器学习模型，提取文本中获得的情感倾向和评价对象，使运营商能够更全面、更深入地了解用户的“愿望”，掌握用户对产品的偏好，以及产品在用户视角下的优缺点。值得注意的是，基于大数据文本的情感分析在于深入分析评论的意义(评论事物的哪些方面)和附带的情感倾向(是“褒贬”还是“中立”)，而不是评论本身所说的话。值得注意的是，基于大数据文本的情感分析在于深入分析评论的意义（评论事物的哪些方面）和附带的情感倾向（是“赞美”、“贬损”还是“中立”），而不是评论本身所说的话。接下来，作者将以亚马逊Kindlevoyage商品评论的文本数据为例，讨论情感分析在商业实践中的应用。3.现在，作者以2014年9月在亚马逊官网平台上发布的Kindlevoyage电子书阅读器收藏限量为例，对其商品评论区的用户评论进行了基于文本数据的“情感分析”，看看我们能从中获得哪些有价值的insight，以优化我们的运营。亚马逊官网Kindlevoyage电子书阅读器产品详情页面分析时间段:2014.12.01~2015.06.23数据来源:Kindlevoyage电子书阅读器产品评论区意见领袖总数(评论员)：1675人原评：2720条详细评价信息(包括对评价的“回应”，即评价的评价，如此循环）：4659条亚马逊Kindlevoyage电子书阅读器收藏限量版评论区(2)作者将从用户聚焦分析、用户反馈趋势分析、用户情绪分析、用户反馈分析、各地区用户评级分布和情绪分析五个方面对Kindlevoyage亚马逊商品评论区4659条用户留言/评论进行文本分析。文本分析了KindleVoyage用户评论的几个模块1、用户典型意见分析大数据文本分析中的“典型意见”是指将用户的意见聚合在文档级别的语义上，将内涵相似但表达不同的意见/意见聚合在一起，提取典型的用户反馈/意见，在短时间内快速梳理出用户关注的话题。从上图可以看出用户评论的典型意见分析，通过分析这些用户留言的典型意见，结合Kindlevoyage产品的详细描述，我们可以了解到，用户对Kindlevoyage的评价主要集中在以下七个方面：捆绑销售策略（主题1）限量销售策略（主题2）屏幕显示效果（主题3）原配套皮套（主题4）与“同族兄弟”KindlepaperWhite的比较（主题5）屏幕亮度自动调节功能（主题6）、主题7)售后客服评价(主题8)用户对这些主题的具体评价和情感感受，我们需要进一步的分析。2、用户反馈趋势分析用户反馈趋势分析曲线显示了文本数据量的时间分布，可以从宏观上掌握上述8个主题对应的评论（数量）的发展趋势，以便及时跟进，探索有价值的评论。2、用户反馈趋势分析用户反馈趋势分析曲线显示了文本数据量的时间分布，可以从宏观上掌握上述8个主题对应的评论（数量）的发展趋势，以便及时跟进，探索有价值的评论。在下图中，从下到上，主题1到主题8的评论数量随时间的变化而增加或减少。其中，评论量的大小以图形面积的大小呈现。从用户评论量随时间线的变化趋势可以看出，这些话题发布量的增减趋势基本相同，2015-3-1达到评论高峰，2016-1-25达到小高峰。这两个时间点前后几天买家数量激增。然而，在2016年4月24日，商品评论区的整体评论量突然减少。对于这些异常点，运营商可以调出日期销售记录、商品维护日志等数据，找出原因，对症下药，做好后续操作。3、用户评价和情绪分析包括两个模块，即用户评价和情绪分析。两者之间存在一定的正相关系，即用户评价高，相应的情绪积极，反正也是如此。(1)用户评价分析用户评价星级分布表用户评价星级比例图。从以上两张图可以看出，63%以上的用户对KindleVoyage的产品性能非常满意，并给出了5颗星的评价；其次，四星评价占19.15%，上述两者之和超过80%。可以看出，KindleVoyage的整体市场反馈非常好。(2)用户整体情绪倾向分析用户整体情绪偏向用户情绪分布上图是用户对Kindlevoyage整体情绪的仪表盘，是根据用户对Kindlevoyage的文字评论来分析情绪倾向的，可以反映消费者对Kindlevoyage的整体态度是肯定还是否定。仪表板分为负面情绪、中性情绪和正面情绪三个主要方向，其中隐含的用户态度是对产品不满意，产品一般和产品都很好。从以上两张图可以看出，买家主要对Kindlevoyage进行中性评论，情绪正面值为1.06，整体情绪偏向正面，说明每个人对Kindlevoyage的真实看法与星级的整体评价倾向是一致的，没有言不由衷。4、个人用户的情绪倾向分析是所有用户对Kindlevoyage的整体情绪倾向，但在很多情况下，我们想知道哪些用户的“声音”在这些评论中更具代表性。这就要求分析引擎在语义层面上对每个用户进行重要的排名，从而发现“话语权重”较大的“意见领袖”。此外，我们应该分析单个用户的情绪态度、评价和关注的产品，这涉及到以单个用户为主体的情绪倾向分析。下图分别关注意见领袖(用户)情绪分析总结和单个意见领袖(用户)情绪分析。我们可以看到评论用户的名称、评论的数量、情绪是属性和相应的情绪值。如果我们想详细分析一个重要用户的情绪，我们可以点击用户的详细信息进行深入分析，如果我们想详细分析一个重要用户的情绪。如下图所示：单个意见领袖（用户）的详细情绪分析可以从上图中了解为什么用户对Kindlevoyage持积极态度（红色显示积极情绪）-下面的积极关键字云显示用户对Kindlevoyage的感觉、屏幕显示和工艺质量非常满意。另外，在“焦点概览”中，我们可以了解到有8条类似的评论，当节点达到峰值时。经过以上分析，我们还需要进一步了解评论区所有用户对Kindlevoyage的反馈，了解用户喜欢哪些方面，对哪些方面不太满意，以及这些（不）满意的程度，这是“情感分析”的首要任务。因此，我们需要进行下一步的分析-用户反馈分析。5、用户反馈分析的原则是从许多用户评论中提取与产品属性相关的代表性关键词，对类似的文本进行聚类，然后给出相应的权重，最后匹配相应的情感属性和情感价值。最终的结果让运营商有了用户的视角，知道产品哪里性能好，哪里反映平庸，哪里需要改进和改进。下图是用户在使用Kindlevoyage后的评论中提取和聚类的关键词云，其中文本大小代表了单词的权重(重要性和频率)，字体颜色表示单词的情绪偏差(红色是正面评价，灰色是中性评价，蓝色是负面评价)。用户对KindleVoyage评论的主要关注点是根据关键词及其重要性进行排名。笔者找到了用户满意度的几个方面:屏幕显示效果好，用户非常认可，“显示效果”、“高分辨率”、“看着舒服”、“字迹清晰”等关键词显示较大，此类评价的用户多为；字体为红色，表明用户反映的情绪积极。产品(及周边)质量好，体现在“做工精细”上、“续航能力”、“原装皮套”、“值得拥有”、“IpadMini(那种做工)"、“实体翻页键(好)、“一分钱一分货”等关键词。“限量珍藏版”这个概念牌打得好，用户愿意为此买单，主要体现在“限量珍藏版”这个词频繁而红色的关键词上。另一方面，运营商还应及时了解用户的负反馈，有针对性地提高服务质量。幸运的是，这里只有“压敏按钮”这些负面词，点击“压敏按钮”一词，看到用户的详细嘲笑……“压敏按钮下沉……”虽然这些反馈不多，但仍需要高度警惕，具体调查是产品本身的设计问题，还是很少的产品质量问题，并将反馈传递给相关负责部门。6、区域评分和情感分析将用户的反馈数据和评分同步到地图上。通过形成的数据地图，我们可以直观地看到Kindlevoyage的评价和情绪，从而监控用户的整体反馈，重点关注用户差评的“重灾区”。这里选取了Kindlevoyage在江苏省各市的用户反馈数据，反映了Kindlevoyage用户对该地区产品的评价和情感倾向。其中，价值代表评分水平，颜色反映情感价值，绿色代表好，蓝色一般，红色代表处于报警状态，需要关注，调查问题的具体原因。从江苏省各市Kindlevoyage用户的评分和情绪分布可以看出，徐州、连云港等城市的用户反馈良好，反映在评分高、颜色绿色的情况下。然而，淮安、镇江、南京的Kindlevoyage用户非常不满意，评分低，情绪处于红色警报状态，需要引起客户体验部门的高度重要，做好用户情绪咨询和公关工作。从以上例子中，我们可以认识到大数据文本分析对产品、设计、营销和运营的巨大价值，其重要性不亚于传统的结构性数据分析。通过正确阅读这些大量的文本数据，我们可以直接理解用户的想法，获得强有力的决策支持，使产品研发、营销推广和日常运营更接近消费者的需求，最终在用户心中形成良好的品牌形象。