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) 是研究人與計算機交互的語(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算機理解人類(lèi)語(yǔ)言的技術(shù)。自然語(yǔ)言處理的應用十分廣泛，例如：機器翻譯、手寫(xiě)體和印刷體字符識別、語(yǔ)音識別及文語(yǔ)轉換、信息檢索、信息抽取與過(guò)濾、文本分類(lèi)與聚類(lèi)、輿情分析和觀(guān)點(diǎn)挖掘等。
文本分析應用的就是NLP技術(shù)，市面上有很多應用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)文本數據處理，圈定關(guān)鍵詞，分析關(guān)鍵詞的詞頻，提煉用戶(hù)觀(guān)點(diǎn)。
2. 文本分析的價(jià)值
文本數據屬于非結構化數據，數據信息更為復雜，具有不規則、不完整性特征，無(wú)法通過(guò)既定的數據模型直接分析。需要將文本數據進(jìn)行預處理，輸出可以應用數據庫二位邏輯表來(lái)表現的數據。
文本數據的來(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，本文數據來(lái)源主要來(lái)自電商直播的聊天窗口、客服咨詢(xún)界面、產(chǎn)品售后評價(jià)等。分析方法主要為文本數據預處理，提煉出主要分析維度和細分維度，匹配維度下的關(guān)鍵詞，輸出各維度的詞頻和轉化率，挖掘用戶(hù)觀(guān)點(diǎn)，發(fā)現產(chǎn)品機會(huì )點(diǎn)。
二、電商運營(yíng)面臨的痛點(diǎn)
公域流量的獲取成本越來(lái)越高，提升私域流量的轉化成為了降本增效的有效途徑。淘寶店鋪每天進(jìn)店人數、咨詢(xún)人數過(guò)萬(wàn)，能夠轉化的卻寥寥無(wú)幾，詢(xún)單未購人群和詳情頁(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(hù)需求不匹配？
用戶(hù)在購買(mǎi)產(chǎn)品時(shí)總有2種力影響著(zhù)他們的消費行為，一個(gè)是動(dòng)力，即消費者需求與痛點(diǎn)，一個(gè)是阻力，即產(chǎn)品不能滿(mǎn)足消費者預期或信息不對稱(chēng)。當消費阻力大于消費動(dòng)力時(shí)，用戶(hù)往往難以轉化。
商家在運營(yíng)時(shí)同樣面臨著(zhù)用戶(hù)需求無(wú)法準確獲取，產(chǎn)品成交歸因無(wú)法分析，客服服務(wù)質(zhì)量無(wú)法評估，產(chǎn)品賣(mài)點(diǎn)無(wú)法精準突出等問(wèn)題。
通過(guò)文本分析，商家可以了解用戶(hù)的真實(shí)需求，對用戶(hù)進(jìn)行精準營(yíng)銷(xiāo)，減少產(chǎn)品賣(mài)點(diǎn)與用戶(hù)需求的信息不匹配問(wèn)題，從而促進(jìn)交易的達成。
三、文本分析的實(shí)際應用
1. 挖掘用戶(hù)需求
用戶(hù)往往會(huì )帶著(zhù)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期的產(chǎn)品賣(mài)點(diǎn)。當產(chǎn)品賣(mài)點(diǎn)滿(mǎn)足用戶(hù)需求時(shí)，用戶(hù)就是直接靜默轉化，當產(chǎn)品賣(mài)點(diǎn)與用戶(hù)需求不匹配時(shí)，用戶(hù)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(hù)的轉化？轉化的歸因問(wèn)題一直是電商運營(yíng)的一大痛點(diǎn)。我們以粉底產(chǎn)品為例，影響用戶(hù)購買(mǎi)粉底的主要原因是什么？
- 是品牌傾向？——高價(jià)大牌還是低價(jià)平替
- 是產(chǎn)品性質(zhì)？——遮瑕力、持久度還是防水控油
- 是肌膚問(wèn)題？——油性痘肌、沙漠干皮還是毛孔色斑
- 是活動(dòng)力度？——積分加倍、滿(mǎn)減折扣還是派樣禮贈
為了更好的分析用戶(hù)的真實(shí)需求和痛點(diǎn)，我們將售前咨詢(xún)的文本數據進(jìn)行預處理，圈定出用戶(hù)的主要咨詢(xún)熱點(diǎn)，分類(lèi)歸納出對應的一級維度，再將一級維度細分拆解出二級維度，通過(guò)關(guān)鍵詞匹配各個(gè)維度的詢(xún)單人數和 轉化人數。例如：
- 一級維度：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)對應的二級維度：成分、效期、正品、規格……
- 功效性能對應的二級維度：遮瑕度、貼合度、控油性、防水性、滋潤度、持久性、質(zhì)地……
- 肌膚問(wèn)題對應的二級維度：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)格對應的二級維度：價(jià)格、贈品、積分、折扣……
- 包裝物流對應的二級維度：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(xún)率和轉化率，從而挖掘用戶(hù)的主要咨詢(xún)熱點(diǎn)和影響用戶(hù)轉化的主要因素。
- 高咨詢(xún)高轉化的維度：需要在內容展示上重點(diǎn)突出，例如主圖標題、詳情頁(yè)首頁(yè)等
- 高咨詢(xún)低轉化的維度：提升內容展示的權重，并進(jìn)一步優(yōu)化客服答疑或詳情頁(yè)介紹
- 低咨詢(xún)高轉化的維度：保持內容展示的權重
- 低咨詢(xún)低轉化的維度：降低內容展示的權重或進(jìn)行內容展示剔更
2. 提升客服服務(wù)質(zhì)量
用戶(hù)進(jìn)行售前咨詢(xún)，往往是帶著(zhù)疑慮的意向用戶(hù)，用戶(hù)是否轉化取決于用戶(hù)的疑慮是否能夠得到快速、精準和滿(mǎn)意的解決。因此客服服務(wù)至關(guān)重要，客服響應的及時(shí)性、答疑的準確性和推薦的精準性同時(shí)影響著(zhù)用戶(hù)的轉化。
對于同一個(gè)咨詢(xún)熱點(diǎn)，不同客服的答疑話(huà)術(shù)和答疑效果是不同的。例如用戶(hù)咨詢(xún)：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(guān)意識都會(huì )認為客服C的答疑效果更佳。通過(guò)分析客服答疑話(huà)術(shù)的轉化率，可以進(jìn)行客服服務(wù)質(zhì)量評估，幫助優(yōu)化客服答疑標準化流程，提升客服轉化率。
3. 構建用戶(hù)畫(huà)像標簽
用戶(hù)進(jìn)行售前咨詢(xún)常常會(huì )帶著(zhù)自己的痛點(diǎn)和需求，依據用戶(hù)問(wèn)題，商家可以構建用戶(hù)專(zhuān)屬個(gè)人畫(huà)像。對于詢(xún)單未購人群，商家可以根據用戶(hù)個(gè)人畫(huà)像進(jìn)行二次觸達，針對性制定合理的產(chǎn)品推薦方案，提升詢(xún)單未購人群轉化率。
- 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……
- 購買(mǎi)屬性：購買(mǎi)頻次、購買(mǎi)方式、了解渠道、節日送禮……
4. 產(chǎn)品滿(mǎn)意度分析
通過(guò)售后評價(jià)文本數據，分析已購人群的產(chǎn)品滿(mǎn)意度，比較與競爭品牌產(chǎn)品的好評率差異，幫助商家了解自身產(chǎn)品優(yōu)劣勢表現。
評價(jià)分析的作用：
- 產(chǎn)品定位：了解產(chǎn)品的市場(chǎng)定位和競爭優(yōu)劣勢，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)機會(huì )點(diǎn)。
- 用戶(hù)偏好：了解用戶(hù)的品牌傾向和產(chǎn)品偏好，挖掘用戶(hù)的痛點(diǎn)和爽點(diǎn)，幫助商家進(jìn)行產(chǎn)品運營(yíng)策略調整，提高用戶(hù)滿(mǎn)意度。
- 售后服務(wù)：了解產(chǎn)品從物流運輸到確認收貨再到售后服務(wù)的各個(gè)環(huán)節的優(yōu)劣表現，幫助提升售后服務(wù)質(zhì)量。
四、小結
在電商運營(yíng)的過(guò)程中，通過(guò)文本分析，可以打通售前、運營(yíng)和售后的銷(xiāo)售鏈路，解決商家售前無(wú)法準確識別用戶(hù)需求，售中無(wú)法精準解決用戶(hù)痛點(diǎn)，售后無(wú)法了解用戶(hù)產(chǎn)品滿(mǎn)意度的問(wèn)題，幫助商家建立并優(yōu)化售前、售中和售后的標準化機制，進(jìn)而提升各個(gè)銷(xiāo)售環(huán)節的購買(mǎi)轉化率。
