电商运营：如何通过文本分析进行机会点挖掘
一、什么是文本分析
1. NLP技术的介绍
自然语言处理(NLP，Natural Language Processing) 是研究人与计算机交互的语言问题的一门学科。我们平时使用的语言，中文、英语等即为自然语言，自然语言处理即为一种能让计算机理解人类语言的技术。自然语言处理的应用十分广泛，例如：机器翻译、手写体和印刷体字符识别、语音识别及文语转换、信息检索、信息抽取与过滤、文本分类与聚类、舆情分析和观点挖掘等。
文本分析应用的就是NLP技术，市面上有很多应用NLP技术研发的语义分析产品，基本原理都是通过文本数据处理，圈定关键词，分析关键词的词频，提炼用户观点。
2. 文本分析的价值
文本数据属于非结构化数据，数据信息更为复杂，具有不规则、不完整性特征，无法通过既定的数据模型直接分析。需要将文本数据进行预处理，输出可以应用数据库二位逻辑表来表现的数据。
文本数据的来源很多，例如微博、小红书、知乎、淘宝、论坛、视频网站等等。在电商领域，本文数据来源主要来自电商直播的聊天窗口、客服咨询界面、产品售后评价等。分析方法主要为文本数据预处理，提炼出主要分析维度和细分维度，匹配维度下的关键词，输出各维度的词频和转化率，挖掘用户观点，发现产品机会点。
二、电商运营面临的痛点
公域流量的获取成本越来越高，提升私域流量的转化成为了降本增效的有效途径。淘宝店铺每天进店人数、咨询人数过万，能够转化的却寥寥无几，询单未购人群和详情页跳出人群居高不下，是哪里出了问题？
是客服服务不到位？活动力度不够大？还是产品卖点与用户需求不匹配？
用户在购买产品时总有2种力影响着他们的消费行为，一个是动力，即消费者需求与痛点，一个是阻力，即产品不能满足消费者预期或信息不对称。当消费阻力大于消费动力时，用户往往难以转化。
商家在运营时同样面临着用户需求无法准确获取，产品成交归因无法分析，客服服务质量无法评估，产品卖点无法精准突出等问题。
通过文本分析，商家可以了解用户的真实需求，对用户进行精准营销，减少产品卖点与用户需求的信息不匹配问题，从而促进交易的达成。
三、文本分析的实际应用
1. 挖掘用户需求
用户往往会带着需求浏览产品主图和详情页，希望能够直接从产品介绍中找到符合自己预期的产品卖点。当产品卖点满足用户需求时，用户就是直接静默转化，当产品卖点与用户需求不匹配时，用户就会寻求客服帮助或直接流失。
那么是什么因素直接影响用户的转化？转化的归因问题一直是电商运营的一大痛点。我们以粉底产品为例，影响用户购买粉底的主要原因是什么？
- 是品牌倾向？——高价大牌还是低价平替
- 是产品性质？——遮瑕力、持久度还是防水控油
- 是肌肤问题？——油性痘肌、沙漠干皮还是毛孔色斑
- 是活动力度？——积分加倍、满减折扣还是派样礼赠
为了更好的分析用户的真实需求和痛点，我们将售前咨询的文本数据进行预处理，圈定出用户的主要咨询热点，分类归纳出对应的一级维度，再将一级维度细分拆解出二级维度，通过关键词匹配各个维度的询单人数和 转化人数。例如：
- 一级维度：产品品质、功效性能、肌肤问题、活动价格、包装物流……
- 产品品质对应的二级维度：成分、效期、正品、规格……
- 功效性能对应的二级维度：遮瑕度、贴合度、控油性、防水性、滋润度、持久性、质地……
- 肌肤问题对应的二级维度：痘肌、毛孔、黑眼圈、暗沉、色斑、油皮、干皮、肤色、敏感肌……
- 活动价格对应的二级维度：价格、赠品、积分、折扣……
- 包装物流对应的二级维度：包装、物流、时效……
通过波士顿矩阵模型分析各个维度的咨询率和转化率，从而挖掘用户的主要咨询热点和影响用户转化的主要因素。
- 高咨询高转化的维度：需要在内容展示上重点突出，例如主图标题、详情页首页等
- 高咨询低转化的维度：提升内容展示的权重，并进一步优化客服答疑或详情页介绍
- 低咨询高转化的维度：保持内容展示的权重
- 低咨询低转化的维度：降低内容展示的权重或进行内容展示剔更
2. 提升客服服务质量
用户进行售前咨询，往往是带着疑虑的意向用户，用户是否转化取决于用户的疑虑是否能够得到快速、精准和满意的解决。因此客服服务至关重要，客服响应的及时性、答疑的准确性和推荐的精准性同时影响着用户的转化。
对于同一个咨询热点，不同客服的答疑话术和答疑效果是不同的。例如用户咨询：这款粉底遮瑕效果怎么样？
- 客服A：亲，这款粉底的遮瑕效果很好的呢。
- 客服B：亲，这款粉底质地较为轻薄，主打中度遮瑕。
- 客服C：亲，这款粉底粉质细腻，较为轻薄，中度遮瑕，可以遮住色斑、暗沉、红血丝、痘印等肌肤问题，遮瑕效果持久。
显而易见，主观意识都会认为客服C的答疑效果更佳。通过分析客服答疑话术的转化率，可以进行客服服务质量评估，帮助优化客服答疑标准化流程，提升客服转化率。
3. 构建用户画像标签
用户进行售前咨询常常会带着自己的痛点和需求，依据用户问题，商家可以构建用户专属个人画像。对于询单未购人群，商家可以根据用户个人画像进行二次触达，针对性制定合理的产品推荐方案，提升询单未购人群转化率。
- 人群属性：职业、年龄、性别、婚姻状态、肌肤问题……
- 产品属性：品牌偏好、质地成分、效期产地、包装礼盒……
- 购买属性：购买频次、购买方式、了解渠道、节日送礼……
4. 产品满意度分析
通过售后评价文本数据，分析已购人群的产品满意度，比较与竞争品牌产品的好评率差异，帮助商家了解自身产品优劣势表现。
评价分析的作用：
- 产品定位：了解产品的市场定位和竞争优劣势，帮助企业进行产品研发和性能优化，抢占市场机会点。
- 用户偏好：了解用户的品牌倾向和产品偏好，挖掘用户的痛点和爽点，帮助商家进行产品运营策略调整，提高用户满意度。
- 售后服务：了解产品从物流运输到确认收货再到售后服务的各个环节的优劣表现，帮助提升售后服务质量。
四、小结
在电商运营的过程中，通过文本分析，可以打通售前、运营和售后的销售链路，解决商家售前无法准确识别用户需求，售中无法精准解决用户痛点，售后无法了解用户产品满意度的问题，帮助商家建立并优化售前、售中和售后的标准化机制，进而提升各个销售环节的购买转化率。
本文作者@数据小镜子 。
版权声明
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！
