用一個實戰案例，教你學會分析App 的用戶評論

雨涵：本文介紹一種分析評論反饋的系統化方法。這種方法基於內容分析（Content Analysis）研究方法，但是十分簡單有效。

為什麼要分析評論反饋

任何2C的產品都避免不了海量的用戶評論/反饋，這恐怕對普通用戶來說，是最直接的向產品表達看法的途徑了。如果能夠正確的分析這些評論，發現關鍵問題，產品就不會走向歪路……不過可不容易。很多產品對用戶評論的重視度並不高，即便願意花費精力去分析，即便分析了，使用的方法也是五花八門。

我以前實習的時候做過一種「打雜」的工作，就是回復用戶反饋。我那時在1禮拜之內將反饋的回復率提高到了大約80%，只剩20%實在無法理解的才沒有回復。我那段實習經歷中不乏重要項目的策劃、設計和實施，但是我卻覺得那段回複評論的「打雜」是讓我收穫最多的工作，也是對產品收益最大的工作。

有人也許想說，現在有的是分析工具、人工智慧來做大數據分析，還需要人工分析評論嗎？我們現有的工具，大多只能對文字做一個非常粗略的統計，而無法真正理解文字背後的意圖，所以真正有價值的工作，還是脫離不了人力。

該用什麼方法

現在用研也不是什麼罕見工作了，分析用戶評論的方法非常多，而且誰都可以自創一種。我並不覺得有什麼方法是一定好的，有什麼是一定不好的。不過，學術界有一個叫做內容分析（Content Analysis）的領域，專門研究文字、媒體信息，半個世紀的時間裡有很多人通過研究分析，終於找到了一套較為成熟的方法。我想，花費眾人半個世紀才研究出來的分析方法，應該還是經得起考驗的吧。所以，我決定在這裡介紹一個以內容分析法為基礎的，分析產品評論和反饋的方法。

系統化的內容分析最早是在1927年被一個叫做 Lasswell 的人用來分析政治宣傳內容，也是挺神奇。接下來的二三十年代里，內容分析被用來研究當時快速發展的電影領域。五十年代隨著電視的普及，內容分析成為了大眾傳播研究的重要手段。到了現在，內容分析已經開始運用於網路社區以及評論的分析研究。

Lasswell 最早給內容分析的定義是這樣的：「誰說了什麼，通過什麼渠道，對誰說的，有什麼影響」。

然而在產品評論和反饋這種單一場景中，這個定義裡面剩下「誰說了什麼，對誰說的」有意義，減輕了不少複雜程度。

經過這麼多年的發展，內容分析其實早已不是一種單一的手段，裡面涉及到了很多新的因素，例如多媒體內容分析、定性分析、計算機分析等等。但是真正發展成熟、被廣泛認得的，還是比較傳統的文字定量分析。我打算在這裡介紹的，也是這種已經比較確定的方法。

分析步驟

別看前面扯了一大堆，其實這個方法非常簡單，其最大的價值不過是標準化而已。為了方便理解，我使用了應用寶里滴滴出行的評論作為案例。

1. 選擇樣本

這裡的樣本也就是指產品評論和反饋的內容了，通常不要少於50條。不過需要注意的是，參與分析的人必須完整讀完所有內容，所以要量力而行。為了以後方便維護，可以給每一條加上編碼。