Big Database

当消费阻力大于消费动力时用户往往难以转化。 商家在运营时同样面临着用户需求无法准确获取产品成交归因无法分析客服服务质量无法评估产品卖点无法精准突出等问题。 通过文本分析商家可以了解用户的真实需求对用户进行精准营销减少产品卖点与用户需求的信息不匹配问题从而促进交易的达成。 三、文本分析的实际应用 挖掘用户需求 用户往往会带着需求浏览产品主图和详情页希望能够直接从产品介绍中找到符合自己预期的产品卖点。当产品卖点满足用户需求时用户就是直接静默转化当产品卖点与用户需求不匹配时用户就会寻求客服帮助或直接流失。


那么是什么因素直接影响用户的转化？一大痛点。 我们以粉底产品为例 纳米比亚电话数据 影响用户购买粉底的主要原因是什么？ 是品牌倾向？——高价大牌还是低价平替 是产品性质？——遮瑕力、持久度还是防水控油 是肌肤问题？——油性痘肌、沙漠干皮还是毛孔色斑 是活动力度？——积分加倍、满减折扣还是派样礼赠 为了更好的分析用户的真实需求和痛点我们将售前咨询的文本数据进行预处理圈定出用户的主要咨询热点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通过关键词匹配各个维度的询单人数和 转化人数。 例如： 一级维度：产品品质、功效性能、肌肤问题、活动价格、包装物流…… 产品品质对应的二级维度：成分、效期、正品、规格…… 功效性能对应的二级维度：遮瑕度、贴合度、控油性、防水性、滋润度、持久性、质地…… 肌肤问题对应的二级维度：痘肌、毛孔、黑眼圈、暗沉、色斑、油皮、干皮、肤色、敏感肌…… 活动价格对应的二级维度：价格、赠品、积分、折扣…… 包装物流对应的二级维度：包装、物流、时效…… 通过波士顿矩阵模型分析各个维度的咨询率和转化率从而挖掘用户的主要咨询热点和影响用户转化的主要因素。


高咨询高转化的维度：需要在内容展示上重点突出例如主图标题、详情页首页等 高咨询低转化的维度：提升内容展示的权重并进一步优化客服答疑或详情页介绍 低咨询高转化的维度：保持内容展示的权重 低咨询低转化的维度：降低内容展示的权重或进行内容展示剔更 提升客服服务质量 用户进行售前咨询往往是带着疑虑的意向用户用户是否转化取决于用户的疑虑是否能够得到快速、精准和满意的解决。因此客服服务至关重要客服响应的及时性、答疑的准确性和推荐的精准性同时影响着用户的转化。 对于同一个咨询热点不同客服的答疑话术和答疑效果是不同的。