以滴滴出行为例,谈谈如何分析用户评论.pdfVIP

以滴滴出行为例，谈谈如何分析用户评论

本文介绍一种分析评论反馈的系统化方法。这种方法基于内容分析（Content

Analysis）研究方法，但是十分简单有效。

为什么要分析评论反馈

任何2C的产品都避免不了海量的用户评论/反馈，这恐怕对普通用户来说，最

直接的向产品表达看法的途径了。如果能够正确地分析这些评论，发现关键问题，

产品就不会走向歪路……不过可不容易。很多产品对用户评论的重视度并不高，

即便愿意花费精力去分析，即便分析了，使用的方法也是五花八门。

我以前实习的时候做过一种“打杂”的工作，就是回复用户反馈。我那时在1

礼拜之内将反馈的回复率提高到了大约80%，只剩20%实在无法理解的才没有回

复。我那段实习经历中不乏重要项目的策划、设计和实施，但是我却觉得那段回

复评论的“打杂”是让我收获最多的工作，也是对产品收益最大的工作。

有人也许想说，现在有的是分析工具、人工智能来做大数据分析，还需要人工

分析评论吗？我们现有的工具，大多只能对文字做一个非常粗略的统计，而无法

真正理解文字背后的意图，所以真正有价值的工作，还是脱离不了人力。

该用什么方法

现在用研也不是什么罕见工作了，分析用户评论的方法非常多，而且谁都可以

自创一种。我并不觉得有什么方法是一定好的，有什么是一定不好的。不过，学

1/7

术界有一个叫做内容分析（ContentAnalysis）的领域，专门研究文字、媒体信

息，半个世纪的时间里有很多人通过研究分析，终于找到了一套较为成熟的方法。

我想，花费众人半个世纪才研究出来的分析方法，应该还是经得起考验的吧。所

以，我决定在这里介绍一个以内容分析法为基础的，分析产品评论和反馈的方法。

系统化的内容分析最早是在1927年被一个叫做Lasswell的人用来分析政治

宣传内容，也是挺神奇。接下来的二三十年代里，内容分析被用来研究当时快速

发展的电影领域。五十年代随着电视的普及，内容分析成为了大众传播研究的重

要手段。到了现在，内容分析以及开始运用于网络社区以及评论的分析研究。

Lasswell最早给内容分析的定义是这样的：“谁说了什么，通过什么渠道，

对谁说的，有什么影响”。

然而在产品评论和反馈这种单一场景中，这个定义里面剩下“谁说了什么，对

谁说的”有意义，减轻了不少复杂程度。

进过这么多年的发展，内容分析其实早已不是一种单一的手段，里面涉及到了

很多新的因素，例如多媒体内容分析、定性分析、计算机分析等等。但是真正发

展成熟、被广泛认得的，还是比较传统的文字定量分析。我打算在这里介绍的，

也是这种已经比较确定的方法。

别看前面扯了一大堆，其实这个方法非常简单，其最大的价值不过是标准化而

已。为了方便理解，我使用了应用宝里滴滴出行的评论作为案例。

2/7

1、选择样本

这里的样本也就是指产品评论和反馈的内容了，通常不要少于50条。不过需

要注意的是，参与分析的人必须完整读完所有内容，所以要量力而行。为了以后

方便维护，可以给每一条加上编码。

下面是滴滴出行在应用宝里的50条必威体育精装版用户评论：

2、设计分组

你先把前25条通读一遍，写下可行的分组计划，例如“支付问题、下单问题、

登录问题”等。这个分组设计以后可以调整，但是这里需要定制一个初始计划。

25条这个数是针对不太复杂的产品而言的，如果是像微信这种什么功能都有

的产品，那这个数量就不够了。如果产品模块和功能较多，可以先将各自的评论

和反馈区区分开来，再进行分析。

如果是自己独自完成，只需写下分组名称就好了。如果维保准确性，多人同时

进行，则需要给每组写下描述和规则。

3/7

下面是范例：

3、完成分组

按照通过前25条设计的分组方案，阅读其余的内容并完成它们的分组。在这

个过程中，如果发现先前设计的分组方案不合理，可以进行修改。

以下是滴滴出行的分组范例：

4、记录关键问题和现象

在分组过程中或之后，仔细阅读评论的过程中肯定会遇到一些关键的问题和现

象，你一定要在发现的第一时间记录下来，不然后来肯定就忘记了。

这也是通读评论的价值所在，通过一条一条的理解，很多真正的问题都藏在粗

略的文字背后。例如，滴滴出行的反馈里面多次出现“相同路线来回价格不一致”、

“预估