一、什么是文天职析1. NLP技术的先容自然说话处置(NLP,Natural Language Processing) 是研讨人与计较机交互的说话题目标一门学科。我们平常利用的说话,中文、英语等即为自然说话,自然说话处置即为一种能让计较机了解人类说话的技术。自然说话处置的利用非常普遍,例如:机械翻译、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、文天职类与聚类、舆情份析和概念挖掘等。 文天职析利用的就是NLP技术,市道上有很多利用NLP技术研发的语义分析产物,根基道理都是经过文本数据处置,圈定关键词,分析关键词的词频,提炼用户概念。 2. 文天职析的代价文本数据属于非结构化数据,数据信息更加复杂,具有不法则、不完整性特征,没法经过既定的数据模子间接分析。需要将文本数据停止预处置,输出可以利用数据库二位逻辑表来表示的数据。 文本数据的来历很多,例如微博、小红书、知乎、淘宝、论坛、视频网站等等。在电商范畴,本文数据来历首要来自电商直播的聊天窗口、客服征询界面、产物售后评价等。分析方式首要为文本数据预处置,提炼出首要分析维度和细分维度,婚配维度下的关键词,输出各维度的词频和转化率,挖掘用户概念,发现产物机遇点。 二、电商运营面临的痛点公域流量的获得本钱越来越高,提升私域流量的转化成为了降本增效的有用路子。淘宝店肆天天进店人数、征询人数过万,可以转化的却百里挑一,询单未购人群和详情页跳出人群居高不下,是那里出了题目? 是客服办事不到位?活动力度不够大?还是产物卖点与用户需求不婚配? 用户在采办产物时总有2种力影响着他们的消耗行为,一个是动力,即消耗者需求与痛点,一个是阻力,即产物不能满足消耗者预期或信息差池称。当消耗阻力大于消耗动力时,用户常常难以转化。 商家在运营时一样面临着用户需求没法正确获得,产物成交归因没法分析,客服办事质量没法评价,产物卖点没法精准突出等题目。 经过文天职析,商家可以领会用户的实在需求,对用户停止精准营销,削减产物卖点与用户需求的信息不婚配题目,从而促进买卖的告竣。 三、文天职析的现实利用1. 挖掘用户需求用户常常会带着需求阅读产物主图和详情页,希望可以间接从产物先容中找到合适自己预期的产物卖点。当产物卖点满足用户需求时,用户就是间接寂静转化,当产物卖点与用户需求不婚配时,用户就会追求客服帮助或间接流失。 那末是什么身分间接影响用户的转化?转化的归因题目一向是电商运营的一大痛点。我们以粉底产物为例,影响用户采办粉底的首要缘由是什么?
为了更好的分析用户的实在需求和痛点,我们将售前征询的文本数据停止预处置,圈定出用户的首要征询热门,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,经过关键词婚配各个维度的询单人数和 转化人数。例如:
经过波士顿矩阵模子分析各个维度的征询率和转化率,从而挖掘用户的首要征询热门和影响用户转化的首要身分。
2. 提升客服办事质量用户停止售前征询,常常是带着疑虑的意向用户,用户能否转化取决于用户的疑虑能否可以获得快速、精准和满足的处理。是以客服办事相当重要,客服响应的实时性、答疑的正确性和保举的精准性同时影响着用户的转化。 对于同一个征询热门,分歧客服的答疑话术和答疑结果是分歧的。例如用户征询:这款粉底遮瑕结果怎样样?
不言而喻,主观认识城市以为客服C的答疑结果更佳。经过度析客服答疑话术的转化率,可以停止客服办事质量评价,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停止售前征询经常会带着自己的痛点和需求,根据用户题目,商家可以构建用户专属小我画像。对于询单未购人群,商家可以按照用户小我画像停止二次触达,针对性制定公道的产物保举计划,提升询单未购人群转化率。
4. 产物满足度分析经过售后评价文本数据,分析已购人群的产物满足度,比力与合作品牌产物的好评率差别,帮助商家领会本身产物好坏势表示。 评价分析的感化:
四、小结在电商运营的进程中,经过文天职析,可以买通售前、运营和售后的销售链路,处理商家售前没法正确识别用户需求,售中没法精准处理用户痛点,售后没法领会用户产物满足度的题目,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采办转化率。 本文由@数据小镜子 原创公布于大家都是产物司理,未经答应,制止转载。 题图来自 Unsplash,基于 CC0 协议。 该文概念仅代表作者本人,大家都是产物司理平台仅供给信息存储空间办事。 |