В 2018 в США товары общей стоимостью более $500 миллионов были куплены онлайн. Клиенты интернет-магазинов часто пишут отзывы, делятся своими впечатлениями и опытом использования купленных товаров. Поскольку такие отзывы доступны большому кругу интернет-пользователей по всему миру, они играют важную роль в формировании общественного мнения о товаре, способствуют росту или сокращению объема продаж того или иного товара. Отзывы, опубликованные в сети, представляют собой уникальный ресурс объективных данных о продукции: покупатели делятся своим мнением о товарах с другими потенциальными покупателями без участия производителя.
Пытливые производители могут извлечь из онлайн-отзывов очень ценные сведения. Во-первых, в ходе анализа таких данных они могут использовать отзывы большой аудитории своих покупателей, включая тех, с которыми не налажена никакая другая связь. Во-вторых, это позволит им лучше понять потребности и предпочтения своих клиентов. В-третьих, у производителей появляется возможность сравнить отзывы и образ своих товаров с продукцией конкурентов на уровне отдельных характеристик. Анализ онлайн-отзывов позволяет производителям ответить на ряд важных вопросов:
- Какие характеристики продукта интересуют покупателей в первую очередь?
- Какие отзывы оказывают наибольшее влияние на потенциальных покупателей и заставляют их принимать решение о покупке товара?
- Какие эмоции демонстрируют покупатели по отношению к разным характеристикам товара?
- Какие проблемы приводят к возврату товара или срыву сделок купли-продажи?
- Выделяют ли покупатели какие-то конкурентные преимущества товара по сравнению с похожей продукции от других производителей?
- Как меняются предпочтения покупателей с течением времени?
Наиболее прогрессивно мыслящие компании сегодня активно привлекают специалистов по так называемой сетевой разведке к анализу онлайн-отзывов, опубликованных в социальных сетях. Очевидно, что своевременный анализ текстовых данных большого объема — непростая задача.
Данные отзывов покупателей
Отзыв о товаре может включать описание разных характеристик этого товара, начиная с его функционала и заканчивая ценой. Ниже приводится пример такого отзыва:
“Прежде чем открыть собственное дело, я долго изучал принтеры, поскольку знал, что мне придется распечатывать много документов (черно-белая печать), сканировать большие документы и печатать конверты. Мой принтер прекрасно справляется с этими и другими задачами! Тонера хватает надолго, принтер печатает быстро, подача бумаги из лотка тоже быстрая. При необходимости не раздумывая купил бы еще один такой же принтер, особенно по такой цене… Стоит потраченных денег!”
На сайтах таких онлайн ритейлеров, как Amazon, Best Buy и Walmart, вы найдете тысячи похожих отзывов. Они могут касаться разных характеристик одного товара, разных товаров одного бренда или разных брендов, представленных на потребительском рынке.
Для того, чтобы производитель товаров мог составить общее представление о состоянии потребительского рынка и извлечь из анализа отзывов наиболее ценные сведения, недостаточно проанализировать небольшую выборку данных. Важно иметь возможность анализировать все доступные отзывы покупателей о товарах. Конечно, сделать это ввиду большого объема данных по всем товарам и скорости обновления онлайн-отзывов, непросто, особенно вручную.
Интернет-торговля — очень динамичный рынок. Новые товары быстро приходят на смену старым. Объем данных увеличивается очень быстро в связи с тем, что новые отзывы о товарах публикуются в сети ежеминутно. Например, на сайтах Amazon.com и Bestbuy.com опубликовано 60 000 отзывов покупателей о 12 моделях принтеров, которые в данный момент продают эти ритейлеры. Попробуйте представить, какой объем данных вам придется обработать, если вы захотите проанализировать все доступные отзывы о принтерах четырех самых крупных производителей данного товара. Очевидно, что вручную сделать это невозможно, необходимо использовать программные инструменты, позволяющие автоматизировать процесс анализа данных.
Подходы к автоматизации анализа данных
Производитель товаров должен иметь возможность эффективно и быстро собирать необходимые текстовые данные, извлекать из них ценные сведения и представлять их в виде наглядных отчетов. Все это можно сделать с помощью инструментов текстовой обработки данных PolyAnalyst™ Text.
Например, одно из наших решений позволяет автоматически извлекать интересующие вас тексты отзывов с сайтов таких онлайн-ритейлеров как Amazon.com и Bestbuy.com, очищать данные и выполнять глубокую обработку естественного языка для того, чтобы распределить все отзывы по категориям в зависимости от отдельных характеристик товара и тональности отзывов. Затем решение позволяет представить полученные данные в виде интерактивного графического отчета, который предназначен для продукт-менеджеров. Предусмотрена возможность автоматического обновления отчета через указанные пользователем интервалы времени.
Изучение потребительских предпочтений
Каким образом подобный анализ онлайн-отзывов позволяет лучше понять потребности покупателей? Ниже приводится фрагмент веб-отчета, созданного с помощью описанного выше решения:
Диаграмма 1: Фрагмент интерактивного веб-отчета
На данной странице отчета отображены основные темы или аспекты, которые заинтересовали покупателей принтеров. В шапке страницы приводится основная статистика с указанием общего количества опубликованных отзывов и количество обращений к выбранной теме. Горизонтальные столбчатые диаграммы отображают до 15 основных тем из 50 подтем, которые были выявлены в текстах отзывов. Каждый столбик в диаграммах обозначает общую тональность отзывов (положительную, отрицательную, нейтральную) по отношению к отдельным характеристикам товара. Тип тональности обозначается цветом (зеленый, желтый и красный, соответственно). Слева отображаются данные о том, какие отзывы читатели сочли полезными в процессе принятия решения о покупке принтера. Так, например, мы видим, что, по мнению читателей, более 35% отзывов содержат полезную информацию. Также можно сделать вывод о том, что отзывы, в которых товар оценен на 1 или 2 звезды, потенциальные покупатели считают более полезными, чем отзывы с оценкой в 4 и 5 звезд.
В связи с тем, что на отзывы с оценкой товара в 1 или 2 звезды потенциальные покупатели обращают больше внимания, продавцу будет полезно детально изучить эти отзывы, чтобы определить, какие характеристики принтеров вызывают наибольшее недовольство покупателей. Это можно сделать путем детализации всех записей. После того, как вы выберете в этих отзывах отдельную тему (в нашем примере это — Дизайн), страница будет выглядеть следующим образом:
Диаграмма 2: Детализация данных в интерактивном веб-отчете
Теперь, согласно данным в шапке страницы, мы видим, что на момент анализа данных было опубликовано 3 524 отзыва, в которых товар оценен ниже, чем на 3 звезды. Потенциальные покупатели посчитали, что 56% этих отзывов содержат полезную информацию. Тема Дизайн, как видим, упоминалась в отзывах 4 822 раза; преобладающая тональность — отрицательная. Также здесь представлен список подтем в разделе Дизайн, включая такие подтемы, как Качество сборки, Шум, Скорость инициализации, Размер, Кнопка включения/выключения.
Сравнив две эти цифры, мы обнаружим, что основные причины, по которым покупатели принимают решение не приобретать принтеры, не всегда связаны с темами и подтемами, упоминаемыми в отзывах. Например, на первой диаграмме три наиболее часто упоминаемых темы — Качество печати, Соединение и Настройка. Однако, изучив детально отзывы с 1-2 звездами на второй диаграмме, мы видим другую тройку наиболее часто упоминаемых проблем: Соединение, Дизайн и Качество печати. Это говорит о том, что несмотря на то, что настройка принтера часто обсуждается в отзывах, для потенциальных покупателей она не имеет решающего значения при выборе товара. А вот дизайн принтера, напротив, заставил многих покупателей данного товара оценить его меньше, чем на три звезды.
Подобный автоматизированный анализ и составление отчетности по анализу онлайн-отзывов о товарах позволяет производителям извлекать ценные сведения, которые можно применить на практике в режиме реального времени. Кроме того, результаты такого анализа могут быть использованы для мониторинга характеристик товара с течением времени, усовершенствования дизайна новых товаров, оптимизации ценовой политики и повышения эффективности маркетинговых решений.