评论已经积累了3万条，但没有人阅读
虽然评论数据收集成功，但在利用方面却经常遇到困难。虽然已经自动收集了各个渠道的评论，但每月积累的成千上万条文本却没有人来阅读。最终，负责人只是偶尔浏览几页最新评论就停止了。
评论是客户投入金钱和时间留下的反馈（VOC）。问题在于数量。如果数量太大以至于人类无法全部阅读，那么应该让机器来读取，而人类则负责解释和判断。本文总结了在收集的评论数据上附加AI分析的方法。
分散在哪里：评论渠道地图
VOC并不集中在一个地方。根据产品和行业的不同，需要关注不同的渠道。
| 渠道 | 包含的VOC | 主要关注的组织 |
|---|---|---|
| 电商评论（Coupang、Naver等） | 产品质量、配送、性价比满意度 | 品牌、制造商、MD |
| 应用商店（App Store、Play Store） | 应用质量、更新反馁、错误 | 服务、应用运营 |
| Google Maps、Places | 店铺体验、接待、卫生 | 线下店铺运营 |
| 海外平台（亚马逊等） | 国家反应、当地竞争产品比较 | 全球业务 |
| SNS、社区、博客 | 自发提及、病毒传播、投诉扩散 | 市场营销、公关 |
随着渠道增多，手动操作很快就会达到极限。特别是海外评论可能受到语言障碍的影响，即使收集了数据，也很容易变成无人阅读的数据。
结构很简单：为每条评论添加分析列
并不需要复杂的系统来进行AI分析。只需为每条收集到的评论记录添加分析结果列即可。
AI分析数据示例
{
"channel": "앱스토어(일본)",
"review_body": "アップデート後、起動が遅くなった気がします...",
"translated": "업데이트 후에 실행이 느려진 것 같습니다...",
"sentiment": "Negative",
"keywords": ["업데이트", "실행 속도"],
"categories": [
{"category": "성능", "subcategory": "앱 구동", "type": "Negative"}
]
}
原始评论数据上附加了翻译、情感、关键词、类别，接收方可以直接从过滤器和汇总开始，而无需阅读文本。
AI分析项目
| 分析项目 | 功能 | 应用 |
|---|---|---|
| 情感分析 | 区分积极/消极/中性 | 跟踪渠道和时间段的消极比例，检测激增 |
| 类别分类 | 标记质量、配送、价格、客户服务等主题 | 发现投诉集中的领域，确定改进优先级 |
| 关键词提取 | 提取经常提及的表达 | 早期发现新问题 |
| 翻译 | 将多语言评论翻译为韩语 | 比较不同国家的VOC |
准确性取决于运营而非模型
即使使用相同的AI模型，不同团队的分析质量也会有所不同。由于现在任何人都可以使用模型，质量差异主要取决于模型之外的三个方面。Hashscraper在多个行业的VOC分析中积累了经验。
1. 输入数据质量
分析的起点是输入的数据。如果混杂有重复评论或渠道与产品不匹配的数据，即使使用优秀的模型进行分析，汇总也会产生失真。我们从收集到分析的整个流程中保证数据的净化，确保进入分析的是经过整理的数据。
2. 适合行业的分类体系
如果类别太宽（“质量投诉”），即使汇总也无法产生行动，而如果类别太窄，分类就会混乱。就像化妆品的“润滑”和应用的“润滑”问题不同一样，行业术语也需要考虑在内。因此，在开始分析之前，我们会根据客户的改进组织单位设计分类体系。由于我们在多个行业中运营过，因此分类体系的设计起点是稳固的，比从零开始更快速和稳定。
3. 审查和校正循环
我们不会直接交付AI分类结果。初步结果会由人员审查样本，调整标准，而且在运营过程中，如果出现新的投诉类型，我们会添加类别并调整体系。例如，“快递很快但产品令人失望”这样的复合评论会根据快递积极和产品消极两个信号进行处理，这些标准也是在这个过程中共同制定的。
一次性分析脚本和运营中的分析流水线在这里有所不同。看似合理的图表任何人都可以制作，但是可信的、可用于决策的分析需要这三个要素。
通过分析可以回答以下问题
- 本月消极评论比例是否比上月增加？在哪个渠道？
- 新产品发布后，哪个类别的投诉出现了？
- 不同国家对同一产品的反应有何不同？
- 与竞争对手的评论相比，我们的薄弱领域在哪里？
这些问题无法通过阅读每条评论原文来回答，而是需要汇总和比较。每条评论虽然是个案，但一旦附加分析列，就成为了指标。
总结
VOC分析的瓶颈不在于收集而是阅读。通过为收集的评论添加情感、分类和翻译列，人们可以从阅读转变为解释和判断。
Hashscraper提供评论收集和AI分析作为一个流水线。可以在已经收集的数据上添加分析，而收集体系保持不变。爬虫的运营、维护和监控由我们负责。
推荐阅读
- 爬取数据如何成为决策
- 全球咨询公司如何分析一部智能手机在全球的反应 — 7个国家评论·VOC综合分析案例
- 全球品牌如何一目了然地管理数十个国家店铺的评分·评论 — Google Maps声誉综合监控案例
- 通过电商评论爬取分析自家·竞争产品反应的方法
立即开始
您积累的评论，上次完整阅读是什么时候？从收集到AI分析，我们将帮助您建立评论成为指标的结构。
