数据分析如何应用在商业场景中？

本文将以华为P10手机新产品上市过程为分析对象，对case进行完整的数据分析。在大数据时代，文本数据分析如何应用于商业场景，为运营和产品带来变化。新产品上市前或小规模上市后，收集粉丝和潜在用户在媒体上的言论，分析文本，知道自己喜欢什么产品，对什么不满意，对产品的其他期望，从而快速、快速、准确地制定营销策略，最后对购买产品的用户反馈做出积极回应。如图所示：通过基于大数据的文本分析，企业可以正确阅读分散在互联网上的用户的“声音”，企业可以直接理解用户的想法，挖掘用户对产品和服务的情感和观点。1、产品预热期媒体和粉丝总体反馈华为P10手机于2月26日启动。本文从2月10日到2月26日收集数据。在产品销售前，潜在用户对产品的期望和吐槽点通过媒体和粉丝对产品的舆论趋势和热点话题进行了分析。1、媒体和粉丝的整体情感反馈图片来源:从情感分布可以看出，该产品的好评率为63.85%，负面评论仅为4.42%，31.72%的媒体和网络评论呈观望态度，期待产品。2、整体舆论观点和热门文章图片来源：百度指数产品发布前媒体主要与竞争产品小米M6进行比较，产品功能主要是指纹、显示、三个莱卡镜头、钻石雕刻技术、时尚配色、价格等因素作为热点评论。评论内容偏正。2、本文通过百度索引分析了2月至3月对华为P10相关词语的用户特征，分析了主动搜索产品的用户（潜在用户）的焦点、区域分布、年龄分布和性别分布，为潜在用户绘制肖像。1、红色代表搜索指数变化率上升，绿色代表下图中潜在用户*点下降。接近中心词的代表与中心词的相关性越高。图片来源：百度指数反映了产品发布前潜在用户的*点，主要包括华为商场推广、价格预期、同类高端产品mate9和荣耀v9评价。随着新闻发布会的到来，潜在用户越来越*价格。2、本文主要从区域、省、城市三个层面分析潜在用户的区域分布。发现华东、华中地区对产品的高度*，与新闻发布会现场为上海、运营初期线下预热活动和媒体投放有关。图片来源：百度指数图片来源：百度指数针对上述高度*的城市，在广告或活动中，可以*这些地区。3、潜在用户年龄分布图片来源：微图4、潜在用户性别分布图片来源：百度指数华为P10新闻发布会热身活动主要在江苏、浙江、珠江三角洲，新闻发布会位于上海，组织者在二三线城市媒体和线下开展了早期热身宣传活动。潜在用户主要是30-39岁的男性，主要*与上一代产品p9的功能差异，与同类高端产品mate9和荣耀v9的综合评价和比较，以及价格和发布日期。根据本文前两部分的分析，在华为P10发布之前，通过媒体发布产品信息，收集了大量的媒体和粉丝评论，可以看出整体情绪呈积极趋势，大多数人对产品的卖点功能持乐观态度，然后在此基础上分析潜在买家的特点。之后，对产品感兴趣的人进行准确的营销，分析每个交付渠道的用户特征，进行关键渠道、活动和广告。三、用户评论信息分析产品上市后，通过收集电商用户评论数据，获取用户反馈。本文从用户情感分析、用户反馈趋势分析、用户聚焦分析、典型用户意见分析、文本分析四个方面，收集京东平台华为P10手机用户评论数据，共3055条。1、用户评论情绪分析用户评论情绪分析包括用户评价和情绪分析，两者之间存在一定的积极关系，即用户评价较高，相应的情绪积极，反正也是如此。1)用户评价分析本文对评论数据的评价进行分组，按1-5颗星的数量进行分组。 图片来源：从上图可以看出，95.43%以上的用户对产品性能非常满意，并给出了5颗星的评价；其次，4颗星的评价占2.56%，上述两颗星的总和超过97.99%。可以看出，整体市场反馈非常好。2)用户整体情绪倾向分析图片来源:微图上图是用户对产品整体情绪的反映。根据用户对华为P10文字评论的情绪倾向分析，可以反映消费者对手机的整体态度是肯定还是否定。也就是说，负面情绪和正面情绪意味着用户的态度是对产品不满意，对产品非常好。2、通过跟踪每天用户的正负评论数量，分析用户反馈趋势分析引起异常波动的原因。及时采取应对策略。图片来源：微图假设销量与评论数量成正比，产品整体销量也呈上升趋势。用户整体评论量呈上升趋势。上图中的正面评论总体呈上升趋势。6月15日至6月30日，正面评论达到高峰期，与京东6.18大促销活动有关。负面评论基本保持稳定，4月30日左右出现异常波动。对于这个异常点，可以调出日期内的销售记录、商品维护日志等数据，找出原因。用户评论的内容主要是“疏油层”手机屏幕容易脏，“闪存门”等关键词。具体评论细节应及时反馈给产品部门用户，以验证是否存在相应的问题或个别现象。防止大规模舆论事件爆发。6月18日左右出现负波动，6月18日活动销量增加，负面评论相应增加。同时，受活动期间物流配送缓慢等因素影响，波动正常。3、作为对文本常用性的总结，用户*分析关键词，通过给出每个单词的相应权重，总结文本语境中最重要的单词。单词的大小代表单词的权重(重要性和频率)。1)整体用户*焦点图片来源:微图从上图关键词可以看出，按语义分为三类:品牌词、产品功能词和程度词。品牌词：华为、京东品牌词。产品功能词：外观、内存、指纹、相机等。程度词：非常好，问题，非常好等等。从图中文字的大小可以看出，用户对产品功能、华为品牌和京东服务基本满意，但存在一些问题。2)用户*焦点图片来源:从上图关键词可以看到微图，产品功能词:系统、电池、屏幕。程度词:好，好，正品。反映用户实际使用产品一段时间后，对系统、性能、屏幕等功能非常满意。3)KOL用户*焦点图片来源:从上图关键词可以看到微图，产品功能词:系统、电池、屏幕、做工、指纹。程度词：吐槽、清晰、新颖、流畅、惊喜、卡顿、敏感。KOL用户对产品功能的评价更加细致。虽然关键词反馈不多，但仍需高度警惕。具体调查是产品本身的设计问题还是很少的产品质量问题，并将此反馈传递给相关负责部门。4、用户典型意见分析大数据文本分析中的“典型意见”是指用户的意见聚合在文档级别的语义上，聚合内涵相似但表达不同的意见/意见，提取典型的用户意见，并在短时间内快速梳理用户对产品的*。本文采用微图文本分析工具，分析购买华为P10用户的主要观点。图片来源：微图显示用户整体反馈良好，主要体现在外观设计、颜色、指纹锁、摄影功能、系统等方面。而且耗电快是一个敏感的问题，需要注意。2)在电子商务文本评论中，用户通常会在使用一段时间后进行评论。这些评论往往是针对产品实际使用过程的。我们可以从用户那里得到更真实的反馈。图片来源:微图用户使用一段时间后，对手机的整体性能评价很高，对手机系统自带软件很满意。3)KOL用户的典型观点是所有用户的总体观点，但在很多情况下，我们想知道哪些用户的“声音”在这些评论中更具代表性。发掘出“意见领袖”，“话语权重”较大。本文以JD.COMplus用户(资深网络消费用户)为代表KOL用户。图片来源:从微图上图可以看出，“领导”的整体情感倾向是积极的，更注重产品细节。例如，与苹果7相比，双摄像头照片清晰，指纹解锁灵敏。但与苹果7系统相比，系统流畅性有更高的体验要求。4)负面评论的典型意见是用户在所有负面评论中的主要观点。图片来源：从上图可以看出，用户的负面观点主要是对内存、电池、屏幕等方面的不满。就性价比而言，与苹果相比，具体的负面观点是显示饱和度、分辨率、对焦等问题。除上述关于京东送货速度快的评论外，对手机周边产品的手机膜搭配购买价格也有不满。从上面的例子中，我们可以体验到大数据文本分析对产品、设计、营销和运营的巨大价值。通过正确分析这些大量的文本数据，我们可以直接理解用户的想法，获得强有力的决策支持，从而使产品研发、营销推广和日常运营更接近消费者的需求，最终将产品交付给需要的人。

以上就是关于数据分析如何应用在商业场景中？的相关介绍，更多数据分析如何应用在商业场景中？相关内容可以咨询我们或者浏览页面上的推荐内容。我们将让你对数据分析如何应用在商业场景中？有更深的了解和认识。