非常干貨系列之教你怎么分析APP的用戶評論

為什么要分析評論反饋

任何2C的產(chǎn)品都避免不了海量的用戶評論/反饋，這恐怕對普通用戶來說，是最直接的向產(chǎn)品表達(dá)看法的途徑了。如果能夠正確的分析這些評論，發(fā)現(xiàn)關(guān)鍵問題，產(chǎn)品就不會(huì)走向歪路……不過可不容易。很多產(chǎn)品對用戶評論的重視度并不高，即便愿意花費(fèi)精力去分析，即便分析了，使用的方法也是五花八門。

我以前實(shí)習(xí)的時(shí)候做過一種“打雜”的工作，就是回復(fù)用戶反饋。我那時(shí)在1禮拜之內(nèi)將反饋的回復(fù)率提高到了大約80%，只剩20%實(shí)在無法理解的才沒有回復(fù)。我那段實(shí)習(xí)經(jīng)歷中不乏重要項(xiàng)目的策劃、設(shè)計(jì)和實(shí)施，但是我卻覺得那段回復(fù)評論的“打雜”是讓我收獲最多的工作，也是對產(chǎn)品收益最大的工作。

有人也許想說，現(xiàn)在有的是分析工具、人工智能來做大數(shù)據(jù)分析，還需要人工分析評論嗎？我們現(xiàn)有的工具，大多只能對文字做一個(gè)非常粗略的統(tǒng)計(jì)，而無法真正理解文字背后的意圖，所以真正有價(jià)值的工作，還是脫離不了人力。

 

該用什么方法

現(xiàn)在用研也不是什么罕見工作了，分析用戶評論的方法非常多，而且誰都可以自創(chuàng)一種。我并不覺得有什么方法是一定好的，有什么是一定不好的。不過，學(xué)術(shù)界有一個(gè)叫做內(nèi)容分析（Content Analysis）的領(lǐng)域，專門研究文字、媒體信息，半個(gè)世紀(jì)的時(shí)間里有很多人通過研究分析，終于找到了一套較為成熟的方法。我想，花費(fèi)眾人半個(gè)世紀(jì)才研究出來的分析方法，應(yīng)該還是經(jīng)得起考驗(yàn)的吧。所以，我決定在這里介紹一個(gè)以內(nèi)容分析法為基礎(chǔ)的，分析產(chǎn)品評論和反饋的方法。

系統(tǒng)化的內(nèi)容分析最早是在1927年被一個(gè)叫做 Lasswell 的人用來分析政治宣傳內(nèi)容，也是挺神奇。接下來的二三十年代里，內(nèi)容分析被用來研究當(dāng)時(shí)快速發(fā)展的電影領(lǐng)域。五十年代隨著電視的普及，內(nèi)容分析成為了大眾傳播研究的重要手段。到了現(xiàn)在，內(nèi)容分析已經(jīng)開始運(yùn)用于網(wǎng)絡(luò)社區(qū)以及評論的分析研究。

Lasswell 最早給內(nèi)容分析的定義是這樣的：“誰說了什么，通過什么渠道，對誰說的，有什么影響”。

然而在產(chǎn)品評論和反饋這種單一場景中，這個(gè)定義里面剩下“誰說了什么，對誰說的”有意義，減輕了不少復(fù)雜程度。

經(jīng)過這么多年的發(fā)展，內(nèi)容分析其實(shí)早已不是一種單一的手段，里面涉及到了很多新的因素，例如多媒體內(nèi)容分析、定性分析、計(jì)算機(jī)分析等等。但是真正發(fā)展成熟、被廣泛認(rèn)得的，還是比較傳統(tǒng)的文字定量分析。我打算在這里介紹的，也是這種已經(jīng)比較確定的方法。

 

分析步驟

別看前面扯了一大堆，其實(shí)這個(gè)方法非常簡單，其最大的價(jià)值不過是標(biāo)準(zhǔn)化而已。為了方便理解，我使用了應(yīng)用寶里滴滴出行的評論作為案例。

1. 選擇樣本

這里的樣本也就是指產(chǎn)品評論和反饋的內(nèi)容了，通常不要少于50條。不過需要注意的是，參與分析的人必須完整讀完所有內(nèi)容，所以要量力而行。為了以后方便維護(hù)，可以給每一條加上編碼。

下面是滴滴出行在應(yīng)用寶里的50條最新用戶評論：

2. 設(shè)計(jì)分組

你先把前25條通讀一遍，寫下可行的分組計(jì)劃，例如“支付問題、下單問題、登錄問題”等。這個(gè)分組設(shè)計(jì)以后可以調(diào)整，但是這里需要定制一個(gè)初始計(jì)劃。

25條這個(gè)數(shù)是針對不太復(fù)雜的產(chǎn)品而言的，如果是像微信這種什么功能都有的產(chǎn)品，那這個(gè)數(shù)量就不夠了。如果產(chǎn)品模塊和功能較多，可以先將各自的評論和反饋區(qū)區(qū)分開來，再進(jìn)行分析。

如果是自己獨(dú)自完成，只需寫下分組名稱就好了。如果維保準(zhǔn)確性，多人同時(shí)進(jìn)行，則需要給每組寫下描述和規(guī)則。

下面是范例：

3. 完成分組

通過前25條設(shè)計(jì)的分組方案，閱讀其余的內(nèi)容并完成它們的分組。在這個(gè)過程中，如果發(fā)現(xiàn)先前設(shè)計(jì)的分組方案不合理，可以進(jìn)行修改。

以下是滴滴出行的分組范例：

4. 記錄關(guān)鍵問題和現(xiàn)象

在分組過程中或之后，仔細(xì)閱讀評論的過程中肯定會(huì)遇到一些關(guān)鍵的問題和現(xiàn)象，你一定要在發(fā)現(xiàn)的第一時(shí)間記錄下來，不然后來肯定就忘記了。

這也是通讀評論的價(jià)值所在，通過一條一條的理解，很多真正的問題都藏在粗略的文字背后。例如，滴滴出行的反饋里面多次出現(xiàn)“相同路線來回價(jià)格不一致”、“預(yù)估價(jià)格與實(shí)際價(jià)格相差過大”等評論，它們是不是都指向一個(gè)問題——“缺少價(jià)格解釋”？

滴滴出行的范例：

5. 統(tǒng)計(jì)分析

如果你整個(gè)分析都是在Excel里完成的，那么統(tǒng)計(jì)起來就方便了。你可以算一算正負(fù)面評價(jià)的比例和最受關(guān)注的問題。

不過，最有用的分析可能不是這些定量的數(shù)據(jù)，而是你記錄下單關(guān)鍵問題和現(xiàn)象。通過整理，你會(huì)發(fā)現(xiàn)很多之前沒有想過的問題，只有真正一條一條閱讀分析才能挖掘出來。

范例：

其它

一個(gè)人的判斷不一定準(zhǔn)確，所以這種分析可以叫上兩個(gè)人同時(shí)進(jìn)行，這樣的話分組規(guī)則就不能輕易修改了。兩人分別分組之后，可以計(jì)算一下兩人得出相同結(jié)果的概率是多少，通常要80%~90%以上才能夠確保結(jié)果的可信度。

分析關(guān)鍵問題這一步驟其實(shí)已經(jīng)超出傳統(tǒng)的定量分析，借鑒了一些定性分析的成分。因?yàn)檫@畢竟是產(chǎn)品的用戶調(diào)研，不像心理學(xué)研究那樣要求絕對的準(zhǔn)確率與客觀性，所以這里就可以不用太過拘泥于方法，關(guān)鍵是一定要通讀并理解所有內(nèi)容。

評論和反饋中肯定有相當(dāng)一部分是你無法理解或是與產(chǎn)品無關(guān)的，這些內(nèi)容可以跳過不計(jì)。

 

總結(jié)

內(nèi)容分析的方法畢竟太過專業(yè)，真正做的時(shí)候可以有一定的靈活性，但是這四條不能忽視：

1. 保證內(nèi)容的數(shù)量在50條以上，但也不用太多
2. 一定要通讀并理解，不要隨便掃一眼或者干脆搜索關(guān)鍵詞
3. 謹(jǐn)慎并且不斷優(yōu)化分組規(guī)則
4. 透過現(xiàn)象看本質(zhì)，隨時(shí)記錄發(fā)現(xiàn)的關(guān)鍵問題