这份P10的大数据分析,能给几分?

本文将以华为P10手机新品上市过程为分析对象,做一个完整的数据分析case。阐述在大数据时代,文本数据分析如何应用在商业场景中,为运营、产品带来变革。

本文将以华为P10手机新品上市过程为分析对象,做一个完整的数据分析case。阐述在大数据时代,文本数据分析如何应用在商业场景中,为运营、产品带来变革。

在新产品上市前,或者是小规模投放市场后,在媒体上对粉丝和潜在用户的言论进行收集,对其进行文本分析,知道他们喜欢产品的哪些方面,对哪些方面不太满意,以及他们对产品的其他期望,从而敏捷、快速、准确制定营销策略,最后对已购买产品的用户反馈做出积极的回应。如图所示:

这份P10的大数据分析,能给几分?

通过基于大数据的文本分析,企业可以用正确的方式阅读用户散落在网络上的“声音”,企业可以直接读懂自己用户的想法,挖掘出用户对于产品、服务的情感和观点。

一、产品预热期媒体和粉丝总体反馈

华为P10手机2月26日首发,本文采集数据时间段为2月10到2月26日,在产品发售前,通过媒体和粉丝对产品的舆论走势和热门话题,分析潜在用户对产品的期望和吐槽点。

1、媒体和粉丝总体情感反馈

这份P10的大数据分析,能给几分?

图片来源:微图

从情感分布可以看出,该产品好评率为63.85%,负面评论仅为4.42%,31.72%的媒体和网络评论是呈观望态度,对产品有所期待。

2、整体舆论观点和热门文章

这份P10的大数据分析,能给几分?

图片来源:百度指数

上图中产品发布前媒体主要与竞品小米的M6进行比较,产品功能方面主要是指纹、显示、三颗莱卡镜头、钻雕工艺、时尚配色、价格等因素作为热点进行评论。评论内容偏正向。

二、潜在用户画像

本文通过百度指数,分析2-3月搜索华为P10相关词语的用户特征,分析主动搜索该产品的用户(潜在用户)关注点在哪里,地域分布,年龄分布,性别分布,为潜在用户进行画像。

1、潜在用户关注点

下图中红色代表搜索指数变化率上升,绿色代表下降。靠近中心词代表与之关联性越高。

这份P10的大数据分析,能给几分?

图片来源:百度指数

该图反映潜在用户在产品发布前的关注点,主要包括华为商城推广、价格期望,同类高端产品mate9和荣耀v9测评等关注点。随着发布会到来,潜在用户对价格的关注度上升。

2、潜在用户地域分布

本文主要从区域、省、城市分三个层级进行分析。发现华东、华中地区对产品的关注度高,与发布会现场为上海,以及运营前期在该地域线下预热活动和媒体投放有一定关系。

这份P10的大数据分析,能给几分?

图片来源:百度指数

这份P10的大数据分析,能给几分?

图片来源:百度指数

针对上述关注度高的城市,在投放广告或活动时,可以重点考虑这些地域。

3、潜在用户年龄分布

这份P10的大数据分析,能给几分?

图片来源:微图

4、潜在用户性别分布

这份P10的大数据分析,能给几分?

图片来源:百度指数

华为p10发布会预热活动主要在江浙珠江三角洲地区,发布会地点位于上海,主办方在二三线城市媒体及线下进行了前期预热宣传活动。潜在用户主要是年龄在30-39岁之间的男性,主要关注点在与上代产品p9的功能差异、与同类高端产品mate9和荣耀v9全方位测评对比,以及价格及发布日期。

依据本文前两部分分析可知,华为P10发布前,通过媒体发布产品信息,收集大量媒体和粉丝评论,可见总体情感呈正向趋势,大部分人群看好该产品卖点功能,再此基础上分析潜在购买人群特征。之后对产品感兴趣的人进行精准营销,分析各投放渠道的用户特点,进行重点渠道、活动、广告投放。

三、用户评论信息分析

产品上市后,通过采集电商用户评论数据,获取用户反馈。

本文使用八爪鱼采集京东平台华为p10手机用户评论数据,共计3055条,运用微图文本分析工具,从以下4个方面,即用户情感分析、用户反馈趋势分析、用户聚焦点分析、用户典型意见分析,进行文本分析。

1、用户评论情感分析

用户评论情感分析包括用户评价和情绪分析,二者存在一定的正相关关系,也就是说,用户评价较高,相应的情绪偏正面,反正亦然。

1)用户评价分析

本文对评论数据评星情况进行分组,按1-5颗星进行数量分组。

 

这份P10的大数据分析,能给几分?

图片来源:微图

从上图可知,超过95.43%的用户对于产品性能是非常满意的,给出了5颗星的评价;次之4颗星评价占到2.56%的比重,以上二者比重之和超过97.99%,可知总体市场反馈非常不错。

2)用户总体情绪倾向分析

这份P10的大数据分析,能给几分?

图片来源:微图

上图是用户对于产品总体情感的反映,根据用户对华为P10文字评论进行情绪倾向分析得出的,能反映消费者对于该手机总体态度是肯定还是否定。即负面情绪、正面情绪,其中暗含用户态度就是—对产品不满意和产品很不错。

2、用户反馈趋势分析

通过追踪每天用户的正、负面评论数量,分析引起异常波动的原因。 及时采取应对策略。

这份P10的大数据分析,能给几分?

图片来源:微图

假设销量与评论数量成正比,产品整体销量也呈上升趋势。用户整体评论量呈上升趋势。上图中正面评论总体呈上升走势。正面评论在6月15到6月30日达到高峰期,与京东6.18大促活动有一定关联性。

负面评论基本保持稳定,在4月30日左右出现异常波动,对于这个异常点,可以调出对于该日期范围内的销售记录、商品维护日志等资料找出原因,而用户评论内容主要为“疏油层”手机屏幕容易脏,“闪存门”等关键词。应及时反馈给产品部门用户具体评论细节,验证是存在相应问题,还是个别现象。防范大规模舆论事件爆发。在6月18日左右出现负面波动,6.18活动销量增多,负面评论相应增加,同时受活动期间物流配送慢等因素影响,属正常波动。

3、用户聚焦点分析

关键词作为一个对文本常用的概括,通过给出每个词语相应的权重,总结文本语境中最要的词语。其中文字大小代表该词的权重(重要程度和词频)。

1)整体用户关注焦点

这份P10的大数据分析,能给几分?

图片来源:微图

从上图关键词可见,按语义进行划分包括品牌词、产品功能词、程度词三大类。品牌词语:华为、京东品牌词。 产品功能词:外观、内存、指纹、摄像头等。程度词:很好、问题、挺好等程度词。从图中词的大小可以看出用户对产品功能、华为品牌、京东服务基本满意,但存在一定问题。

2)追评用户关注焦点

这份P10的大数据分析,能给几分?

图片来源:微图

从上图关键词可见,产品功能词:系统、电池、屏幕。程度词:不错、很好、正品。反映用户实际使用一段时间产品后,对系统、性能、屏幕等功能很满意。

3)KOL用户关注焦点

这份P10的大数据分析,能给几分?

图片来源:微图

从上图关键词可见,产品功能词:系统、电池、屏幕、做工、指纹。程度词:吐槽、清晰、新颖、流畅、惊喜、卡顿、灵敏。KOL用户对产品功能评价更加细致。虽然卡顿这个关键词反馈不多,但仍要引起高度警惕,具体排查是产品本身的设计问题,还是极个别的产品质量问题,并将此反馈传递给相关负责部门。

4、用户典型意见分析

大数据文本分析中的“典型意见”是指,将用户的意见进行单据级别的语义聚合,将内涵相近但表述有差异的意见/看法聚合在一起,抽取出其中典型的用户意见,在短时间内迅速梳理出用户对于产品所关注的话题。

1)整体用户典型意见

本文使用微图文本分析工具,对购买华为P10用户的主要观点进行分析。

这份P10的大数据分析,能给几分?

图片来源:微图

可知用户的整体反馈不错,主要体现在外观设计、颜色、指纹锁、照相功能、系统等方面。而耗电量快是敏感问题,需要引起重视。

2)追评用户典型意见

在电商文本评论中,一般会出现用户使用一段时间后进行追评的情况,这些评论内容往往是针对产品实际使用过程的意见。我们从中可以获取用户更真实的反馈。

这份P10的大数据分析,能给几分?

图片来源:微图

用户使用过一段时间后,对手机的整体性能评价高,其中对手机系统自带软件表示满意。

3)KOL用户典型意见

上面是全体用户总体观点表达,但在很多时候,我们想要知道哪些用户的“发声”在这些评论中更具代表性。从中发掘出有“话语权重”较大的“意见领袖”。本文采用京东plus用户(资深网络消费用户)代表KOL用户。

这份P10的大数据分析,能给几分?

图片来源:微图

上图可知,“领袖”总体情感倾向正面,更关注产品细节问题。例如产品工艺与苹果7进行比较,双摄像头拍照清晰,指纹解锁灵敏。但与苹果7系统对比,在系统流畅度上有更高的体验要求。

4)负面评论典型意见

表示所有负面评论中,用户的主要观点。

这份P10的大数据分析,能给几分?

图片来源:微图

从上图可知,用户的负面观点主要是对内存、电池、屏幕等方面不满意。在性价比上与苹果进行对比,具体负面观点表现为显示饱和度、分辨率、对焦等问题。除了上文对京东送货速度快的评论外,对手机周边产品手机膜搭配购价格也有不满意之处。

从上面的实例中,我们可以体会到大数据文本分析对于产品、设计、营销和运营各个环节的巨大价值,用正确的方式分析这些海量的文本数据,就可以直接读懂用户的想法,获得强有力的决策支持,从而使产品研发、营销推广和日常运营更贴近消费者需求,最终把产品送达需要的人群。

参考资料:百度指数

实用工具:八爪鱼+微图

本文由 八爪鱼大数据(ID:bazhuayudata)投稿,并经数据分析网编辑发布,版权归原作者所有,转载请与作者联系。

本文采用「CC BY-SA 4.0 CN」协议转载自互联网、仅供学习交流,内容版权归原作者所有,如涉作品、版权和其他问题请给「我们」留言处理。

(0)
上一篇 2017-08-08 04:11
下一篇 2017-08-11 11:07

相关文章

关注我们
关注我们
分享本页
返回顶部