一、什么是文本分析

1. NLP技術(shù)的介紹

自然語(yǔ)言處理(NLP，Natural Language Processing) 是研究人與計(jì)算機(jī)交互的語(yǔ)言問(wèn)題的一門(mén)學(xué)科。我們平時(shí)使用的語(yǔ)言，中文、英語(yǔ)等即為自然語(yǔ)言，自然語(yǔ)言處理即為一種能讓計(jì)算機(jī)理解人類語(yǔ)言的技術(shù)。自然語(yǔ)言處理的應(yīng)用十分廣泛，例如：機(jī)器翻譯、手寫(xiě)體和印刷體字符識(shí)別、語(yǔ)音識(shí)別及文語(yǔ)轉(zhuǎn)換、信息檢索、信息抽取與過(guò)濾、文本分類與聚類、輿情分析和觀點(diǎn)挖掘等。

文本分析應(yīng)用的就是NLP技術(shù)，市面上有很多應(yīng)用NLP技術(shù)研發(fā)的語(yǔ)義分析產(chǎn)品，基本原理都是通過(guò)文本數(shù)據(jù)處理，圈定關(guān)鍵詞，分析關(guān)鍵詞的詞頻，提煉用戶觀點(diǎn)。

2. 文本分析的價(jià)值

文本數(shù)據(jù)屬于非結(jié)構(gòu)化數(shù)據(jù)，數(shù)據(jù)信息更為復(fù)雜，具有不規(guī)則、不完整性特征，無(wú)法通過(guò)既定的數(shù)據(jù)模型直接分析。需要將文本數(shù)據(jù)進(jìn)行預(yù)處理，輸出可以應(yīng)用數(shù)據(jù)庫(kù)二位邏輯表來(lái)表現(xiàn)的數(shù)據(jù)。

文本數(shù)據(jù)的來(lái)源很多，例如微博、小紅書(shū)、知乎、淘寶、論壇、視頻網(wǎng)站等等。在電商領(lǐng)域，本文數(shù)據(jù)來(lái)源主要來(lái)自電商直播的聊天窗口、客服咨詢界面、產(chǎn)品售后評(píng)價(jià)等。分析方法主要為文本數(shù)據(jù)預(yù)處理，提煉出主要分析維度和細(xì)分維度，匹配維度下的關(guān)鍵詞，輸出各維度的詞頻和轉(zhuǎn)化率，挖掘用戶觀點(diǎn)，發(fā)現(xiàn)產(chǎn)品機(jī)會(huì)點(diǎn)。

二、電商運(yùn)營(yíng)面臨的痛點(diǎn)

公域流量的獲取成本越來(lái)越高，提升私域流量的轉(zhuǎn)化成為了降本增效的有效途徑。淘寶店鋪每天進(jìn)店人數(shù)、咨詢?nèi)藬?shù)過(guò)萬(wàn)，能夠轉(zhuǎn)化的卻寥寥無(wú)幾，詢單未購(gòu)人群和詳情頁(yè)跳出人群居高不下，是哪里出了問(wèn)題？

是客服服務(wù)不到位？活動(dòng)力度不夠大？還是產(chǎn)品賣(mài)點(diǎn)與用戶需求不匹配？

用戶在購(gòu)買(mǎi)產(chǎn)品時(shí)總有2種力影響著他們的消費(fèi)行為，一個(gè)是動(dòng)力，即消費(fèi)者需求與痛點(diǎn)，一個(gè)是阻力，即產(chǎn)品不能滿足消費(fèi)者預(yù)期或信息不對(duì)稱。當(dāng)消費(fèi)阻力大于消費(fèi)動(dòng)力時(shí)，用戶往往難以轉(zhuǎn)化。

商家在運(yùn)營(yíng)時(shí)同樣面臨著用戶需求無(wú)法準(zhǔn)確獲取，產(chǎn)品成交歸因無(wú)法分析，客服服務(wù)質(zhì)量無(wú)法評(píng)估，產(chǎn)品賣(mài)點(diǎn)無(wú)法精準(zhǔn)突出等問(wèn)題。

通過(guò)文本分析，商家可以了解用戶的真實(shí)需求，對(duì)用戶進(jìn)行精準(zhǔn)營(yíng)銷(xiāo)，減少產(chǎn)品賣(mài)點(diǎn)與用戶需求的信息不匹配問(wèn)題，從而促進(jìn)交易的達(dá)成。

三、文本分析的實(shí)際應(yīng)用

1. 挖掘用戶需求

用戶往往會(huì)帶著需求瀏覽產(chǎn)品主圖和詳情頁(yè)，希望能夠直接從產(chǎn)品介紹中找到符合自己預(yù)期的產(chǎn)品賣(mài)點(diǎn)。當(dāng)產(chǎn)品賣(mài)點(diǎn)滿足用戶需求時(shí)，用戶就是直接靜默轉(zhuǎn)化，當(dāng)產(chǎn)品賣(mài)點(diǎn)與用戶需求不匹配時(shí)，用戶就會(huì)尋求客服幫助或直接流失。

那么是什么因素直接影響用戶的轉(zhuǎn)化？轉(zhuǎn)化的歸因問(wèn)題一直是電商運(yùn)營(yíng)的一大痛點(diǎn)。我們以粉底產(chǎn)品為例，影響用戶購(gòu)買(mǎi)粉底的主要原因是什么？

1. 是品牌傾向？——高價(jià)大牌還是低價(jià)平替
2. 是產(chǎn)品性質(zhì)？——遮瑕力、持久度還是防水控油
3. 是肌膚問(wèn)題？——油性痘肌、沙漠干皮還是毛孔色斑
4. 是活動(dòng)力度？——積分加倍、滿減折扣還是派樣禮贈(zèng)

為了更好的分析用戶的真實(shí)需求和痛點(diǎn)，我們將售前咨詢的文本數(shù)據(jù)進(jìn)行預(yù)處理，圈定出用戶的主要咨詢熱點(diǎn)，分類歸納出對(duì)應(yīng)的一級(jí)維度，再將一級(jí)維度細(xì)分拆解出二級(jí)維度，通過(guò)關(guān)鍵詞匹配各個(gè)維度的詢單人數(shù)和 轉(zhuǎn)化人數(shù)。例如：

• 一級(jí)維度：產(chǎn)品品質(zhì)、功效性能、肌膚問(wèn)題、活動(dòng)價(jià)格、包裝物流……
• 產(chǎn)品品質(zhì)對(duì)應(yīng)的二級(jí)維度：成分、效期、正品、規(guī)格……
• 功效性能對(duì)應(yīng)的二級(jí)維度：遮瑕度、貼合度、控油性、防水性、滋潤(rùn)度、持久性、質(zhì)地……
• 肌膚問(wèn)題對(duì)應(yīng)的二級(jí)維度：痘肌、毛孔、黑眼圈、暗沉、色斑、油皮、干皮、膚色、敏感肌……
• 活動(dòng)價(jià)格對(duì)應(yīng)的二級(jí)維度：價(jià)格、贈(zèng)品、積分、折扣……
• 包裝物流對(duì)應(yīng)的二級(jí)維度：包裝、物流、時(shí)效……

通過(guò)波士頓矩陣模型分析各個(gè)維度的咨詢率和轉(zhuǎn)化率，從而挖掘用戶的主要咨詢熱點(diǎn)和影響用戶轉(zhuǎn)化的主要因素。

• 高咨詢高轉(zhuǎn)化的維度：需要在內(nèi)容展示上重點(diǎn)突出，例如主圖標(biāo)題、詳情頁(yè)首頁(yè)等
• 高咨詢低轉(zhuǎn)化的維度：提升內(nèi)容展示的權(quán)重，并進(jìn)一步優(yōu)化客服答疑或詳情頁(yè)介紹
• 低咨詢高轉(zhuǎn)化的維度：保持內(nèi)容展示的權(quán)重
• 低咨詢低轉(zhuǎn)化的維度：降低內(nèi)容展示的權(quán)重或進(jìn)行內(nèi)容展示剔更

2. 提升客服服務(wù)質(zhì)量

用戶進(jìn)行售前咨詢，往往是帶著疑慮的意向用戶，用戶是否轉(zhuǎn)化取決于用戶的疑慮是否能夠得到快速、精準(zhǔn)和滿意的解決。因此客服服務(wù)至關(guān)重要，客服響應(yīng)的及時(shí)性、答疑的準(zhǔn)確性和推薦的精準(zhǔn)性同時(shí)影響著用戶的轉(zhuǎn)化。

對(duì)于同一個(gè)咨詢熱點(diǎn)，不同客服的答疑話術(shù)和答疑效果是不同的。例如用戶咨詢：這款粉底遮瑕效果怎么樣？

• 客服A：親，這款粉底的遮瑕效果很好的呢。
• 客服B：親，這款粉底質(zhì)地較為輕薄，主打中度遮瑕。
• 客服C：親，這款粉底粉質(zhì)細(xì)膩，較為輕薄，中度遮瑕，可以遮住色斑、暗沉、紅血絲、痘印等肌膚問(wèn)題，遮瑕效果持久。

顯而易見(jiàn)，主觀意識(shí)都會(huì)認(rèn)為客服C的答疑效果更佳。通過(guò)分析客服答疑話術(shù)的轉(zhuǎn)化率，可以進(jìn)行客服服務(wù)質(zhì)量評(píng)估，幫助優(yōu)化客服答疑標(biāo)準(zhǔn)化流程，提升客服轉(zhuǎn)化率。

3. 構(gòu)建用戶畫(huà)像標(biāo)簽

用戶進(jìn)行售前咨詢常常會(huì)帶著自己的痛點(diǎn)和需求，依據(jù)用戶問(wèn)題，商家可以構(gòu)建用戶專屬個(gè)人畫(huà)像。對(duì)于詢單未購(gòu)人群，商家可以根據(jù)用戶個(gè)人畫(huà)像進(jìn)行二次觸達(dá)，針對(duì)性制定合理的產(chǎn)品推薦方案，提升詢單未購(gòu)人群轉(zhuǎn)化率。

• 人群屬性：職業(yè)、年齡、性別、婚姻狀態(tài)、肌膚問(wèn)題……
• 產(chǎn)品屬性：品牌偏好、質(zhì)地成分、效期產(chǎn)地、包裝禮盒……
• 購(gòu)買(mǎi)屬性：購(gòu)買(mǎi)頻次、購(gòu)買(mǎi)方式、了解渠道、節(jié)日送禮……

4. 產(chǎn)品滿意度分析

通過(guò)售后評(píng)價(jià)文本數(shù)據(jù)，分析已購(gòu)人群的產(chǎn)品滿意度，比較與競(jìng)爭(zhēng)品牌產(chǎn)品的好評(píng)率差異，幫助商家了解自身產(chǎn)品優(yōu)劣勢(shì)表現(xiàn)。

評(píng)價(jià)分析的作用：

• 產(chǎn)品定位：了解產(chǎn)品的市場(chǎng)定位和競(jìng)爭(zhēng)優(yōu)劣勢(shì)，幫助企業(yè)進(jìn)行產(chǎn)品研發(fā)和性能優(yōu)化，搶占市場(chǎng)機(jī)會(huì)點(diǎn)。
• 用戶偏好：了解用戶的品牌傾向和產(chǎn)品偏好，挖掘用戶的痛點(diǎn)和爽點(diǎn)，幫助商家進(jìn)行產(chǎn)品運(yùn)營(yíng)策略調(diào)整，提高用戶滿意度。
• 售后服務(wù)：了解產(chǎn)品從物流運(yùn)輸?shù)酱_認(rèn)收貨再到售后服務(wù)的各個(gè)環(huán)節(jié)的優(yōu)劣表現(xiàn)，幫助提升售后服務(wù)質(zhì)量。

四、小結(jié)

在電商運(yùn)營(yíng)的過(guò)程中，通過(guò)文本分析，可以打通售前、運(yùn)營(yíng)和售后的銷(xiāo)售鏈路，解決商家售前無(wú)法準(zhǔn)確識(shí)別用戶需求，售中無(wú)法精準(zhǔn)解決用戶痛點(diǎn)，售后無(wú)法了解用戶產(chǎn)品滿意度的問(wèn)題，幫助商家建立并優(yōu)化售前、售中和售后的標(biāo)準(zhǔn)化機(jī)制，進(jìn)而提升各個(gè)銷(xiāo)售環(huán)節(jié)的購(gòu)買(mǎi)轉(zhuǎn)化率。