起點(diǎn)課堂會員權(quán)益
職業(yè)體系課特權(quán)
線下行業(yè)大會特權(quán)
個(gè)人IP打造特權(quán)
30+門專項(xiàng)技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導(dǎo)直播
12場專業(yè)技能直播
會員專屬社群
榮耀標(biāo)識 「用戶研究」基于游客評論的消息價(jià)值挖掘?qū)嵗?/h2>
編輯導(dǎo)語：讀懂客戶對于用戶研究工作過程中極為重要，本文作者分享了基于游客評論的消息價(jià)值來做用戶研究的相關(guān)內(nèi)容，講述了游客研究的過程和步驟等，感興趣的一起來看看。
繼上一篇文章從理論與工具推薦的層面分享了如何從評論中讀懂用戶，這篇文章我將從頭到尾將用戶評論的獲取再到內(nèi)容分析的樣貌全盤呈現(xiàn)，以期對評論分析有需求的同學(xué)們提供更加詳盡的幫助。沒閱讀上一篇文章的可以點(diǎn)擊我的個(gè)人主頁查看。
為了使行文更加便捷，本篇分享我將以評論豐富、反爬措施寬松的旅游行業(yè)舉例。假如我是馮小剛電影公社的管理者，面對各個(gè)OTA平臺海量的游客評論，開始了自己的游客研究之旅。
一、評論內(nèi)容的獲取
據(jù)瀏覽發(fā)現(xiàn)，景區(qū)的在線評論集中在幾個(gè)頭部OTA網(wǎng)站，分別為攜程、去哪兒、途牛、美團(tuán)四家。
第一步先將景區(qū)在這個(gè)平臺的網(wǎng)址搜集下來，分別進(jìn)行評論內(nèi)容的采集，文中以
攜程網(wǎng)為例。
第二步打開Python，編寫代碼（網(wǎng)上也有很多可以直接調(diào)用的代碼），配置好你所需要爬取的頁數(shù)范圍以及所期待爬取的字段，開始采集即可。如若需要攜程評論爬取的源碼，評論區(qū)留言即可。
倘若是非編程手段，這里以后羿采集器為例，安裝好后，輸入網(wǎng)址，點(diǎn)擊智能采集，等待加載頁面，在頁面底部編輯將不需要的字段剔除，文中只保留了用戶id、評論內(nèi)容與評論時(shí)間。
在爬取完后，生成excel表格，打開表格可以見到已經(jīng)采集完畢，共得到3900條數(shù)據(jù)，至此數(shù)據(jù)采集階段結(jié)束。
二、第二步、預(yù)處理評論數(shù)據(jù)
分詞與去除停用詞。打開Rost cm6軟件，發(fā)現(xiàn)其只支持文本格式的內(nèi)容，于是將excel表導(dǎo)出為文本格式。而后在Rost cm6的界面中打開分詞窗口，選中待處理文件，選擇結(jié)果保存位置，選擇停用詞表，而后確定運(yùn)行即可。
三、第三步、詞頻分析與情感分析
同樣的是Rost cm6，打開詞頻分析窗口，選擇上個(gè)步驟中輸出的分詞結(jié)果，確定分詞，得到按照詞頻排序的excel文件，將其按照景區(qū)風(fēng)格、娛樂體驗(yàn)以及情緒感知三個(gè)維度分類，歸結(jié)出以下表格。
由表中內(nèi)容可以見得在游客心目中馮小剛電影公社的風(fēng)格維系在與景區(qū)定位相一致的水平上，即由高頻詞中的“芳華”、“南洋”、“民國”、“穿越”等詞語相對應(yīng)，也能看到“海南”、“?？凇贝淼胤教厣膮^(qū)位詞被反復(fù)提及。
其次游客對景區(qū)的娛樂體驗(yàn)的感知?jiǎng)t絕大部分集中在“拍照”上，“服裝”、“衣服”、“旗袍”等代入式的拍照體驗(yàn)也表明景區(qū)給游客帶來的價(jià)值多是單向互動(dòng)的環(huán)境塑造，同時(shí)從“門票”、“票價(jià)”中可以看到游客對于景區(qū)的門票售賣頗為看重，另外“晚上”、“夜景”頻繁出現(xiàn)，表明相較于白天景區(qū)，晚上的馮小剛電影公社具有另一番特色。
故而被游客在意，而景區(qū)內(nèi)的“冰雪”大世界、“海洋館”也給游客留下不少印象；此外，高頻詞的情緒感知維度中，見到“值得”、“好玩”、“好看”、“方便”等詞頻現(xiàn)，同時(shí)也見到“不值”、“收費(fèi)”、“太貴”、“便宜”等對立的感知，可以見得在不同群體的判別標(biāo)準(zhǔn)中，票價(jià)與景觀具有截然不同的作用效果。
到這一步就可以實(shí)現(xiàn)了最基礎(chǔ)的文本分析即詞頻分析，接著為了使詞頻更加可視化，將其導(dǎo)入到上一篇文章推薦的詞云網(wǎng)站中生成詞云。
依舊是在Rost cm6域內(nèi)，打開情感分析窗口，導(dǎo)入未分詞的評論文本，一鍵分析即可，經(jīng)過簡單處理，得到馮小剛電影公社的游客評論情緒如下。可以發(fā)現(xiàn)游客對馮小剛電影公社的評論中積極情感比例大于消極情緒的比例，總體情感偏向大致呈現(xiàn)積極態(tài)勢，而且情感的極端性不顯著。
四、第四步、語義網(wǎng)絡(luò)共現(xiàn)
方便起見，本文只在Rost cm6中生成最基礎(chǔ)的語義網(wǎng)絡(luò)圖，生成過程不做贅述，與上文提到的詞頻分析、情感分析相似。得到語義網(wǎng)絡(luò)圖如下（本文將其按照積極情緒與消極情緒分別制作了語義網(wǎng)絡(luò)圖）。
1. 積極情緒
馮小剛電影公社游客表達(dá)的積極情緒多為好看、好玩、適合等，這些積極情感的產(chǎn)生與景區(qū)目的地的服務(wù)定位相合。
從積極情緒的語義網(wǎng)絡(luò)結(jié)構(gòu)圖可以看出，“拍照”作為中心節(jié)點(diǎn)之一，與“旗袍”、“衣服”、“服裝”等詞匯密切聯(lián)系，同時(shí)“晚上”也是頻繁提及的詞匯，證明拍照這個(gè)娛樂活動(dòng)在游客的體驗(yàn)中摻雜著諸多與景區(qū)內(nèi)的服飾提供服務(wù)聯(lián)系密切。
再看到以“建筑”為中心節(jié)點(diǎn)的詞群，“南洋”、“民國”、“穿越”、“年代”等詞匯頻現(xiàn)，與景區(qū)的建筑風(fēng)格完全相一致；另外看到以“芳華”為中心詞的詞匯則多和“公社”、“馮小剛”、“拍攝”、“小院”聯(lián)系起來，可以認(rèn)為在景區(qū)里，芳華小院的地位不輕，多為游客關(guān)注且產(chǎn)生好感。
2. 消極情緒
游客在消極情緒中多展露出懊惱、遺憾等。其產(chǎn)生原因與門票價(jià)格與景區(qū)內(nèi)容管理以及游客自身認(rèn)知等多種因素相關(guān)。
景區(qū)門票價(jià)格的設(shè)置不合理導(dǎo)致了游客體驗(yàn)情緒不佳，致使產(chǎn)生消極情感。從消極情緒的語義網(wǎng)絡(luò)結(jié)構(gòu)圖（右圖）中可以看到，以“門票”與“景區(qū)”兩個(gè)關(guān)鍵中心詞為節(jié)點(diǎn)的詞群中表現(xiàn)出了主要的消極情感。
例如“門票”連接的“還要”“不便”二詞反映出園區(qū)重復(fù)收費(fèi)等現(xiàn)象嚴(yán)重，激發(fā)游客的不滿也使游客感覺游玩體驗(yàn)的完整性被破壞；另外“景區(qū)”連接著的 “不大”“票價(jià)”等詞有效反映出對于部分產(chǎn)生消極情緒的游客來說，馮小剛電影公社的面積以及內(nèi)容不夠豐富，使得游客產(chǎn)生景區(qū)較小值不回票價(jià)的遺憾情感。
五、第五步、主題分析
本文使用到基于TF-IDF方法的主題詞聚類分析,TF意為詞頻，用來測算詞條出現(xiàn)的頻率，而IDF意為反文檔頻率，用來衡量前述詞條的普遍重要性。
其計(jì)算公式為：
TF-IDF=TF×IDF
對已經(jīng)經(jīng)過調(diào)查上述數(shù)據(jù)預(yù)處理的在線評論文本另存為xlsx格式導(dǎo)入Python，進(jìn)行LDA主題模型構(gòu)建，采用TF-IDF方法，反復(fù)試驗(yàn)調(diào)整詞匯表為最高閾值為0.4（即該詞在超過40%的評論里出現(xiàn)過則作廢，認(rèn)為其無特征意義），聚類主題數(shù)為4個(gè)。最后得到的在線評論主題詞分類結(jié)果如下表所示。
主題詞聚類的結(jié)果顯示，游客對馮小剛電影公社的感知因素有主打特色、娛樂設(shè)施、基礎(chǔ)設(shè)施與情緒感知四個(gè)方面。可以認(rèn)為較有多面性與復(fù)雜性。并且主題聚類結(jié)果與上文詞頻分析人腦歸結(jié)出的三個(gè)類別高度重合，很符合預(yù)期。
馮小剛電影公社的景點(diǎn)之一即攝制場地，表現(xiàn)在游客體驗(yàn)中頻繁表現(xiàn)出的“芳華”以及“電影”、“公社”以及“小院”中，證明其在游客游覽的過程中產(chǎn)生了重要影響且評價(jià)多為“不錯(cuò)”。
同時(shí)可以從第二個(gè)主題中看到游客游玩體驗(yàn)到的“拍照”、“穿越”感、“民國”、“南洋”以及“天氣”是為其娛樂過程中著重在意的感知，備受青睞和關(guān)注。
另外從游客的情緒感知即第四個(gè)主題可以看到“性價(jià)比”、“不值”，“喜歡”、“一般般”等對立的情緒感知，可以認(rèn)為對不同人群來說，馮小剛電影公社的體驗(yàn)不盡相同，或?yàn)閮r(jià)格敏感型顧客與否的區(qū)別，景區(qū)可以從價(jià)格歧視的角度出發(fā)設(shè)置票型以顧及不同消費(fèi)者群體的感受。
六、第六步、給結(jié)論
經(jīng)過上述游客評論分析，作為馮小剛電影公社的管理者就可以總結(jié)出以下結(jié)論以支撐在運(yùn)營與管理側(cè)的改良。
- 其一，改善景區(qū)入口服務(wù)。景區(qū)應(yīng)該制定合理的定價(jià)策略，例如考慮到價(jià)格接受程度不同的游客的體會，實(shí)現(xiàn)差別定價(jià)策略。在景區(qū)可以接受的范圍內(nèi)，對不同游客如普通游客、學(xué)生、幼兒、老年人等定義不同的價(jià)格標(biāo)準(zhǔn)。再有就是錯(cuò)峰調(diào)整票價(jià)，節(jié)假日等旅游旺季不妨全價(jià)，而在旅游淡季時(shí)，票價(jià)就需要折扣，同時(shí)不同渠道的購票也應(yīng)該差別定價(jià)。同時(shí)將套票的價(jià)格放低，鼓勵(lì)游客購買優(yōu)惠的套票，以鼓勵(lì)游客體驗(yàn)景區(qū)全貌。
- 其二，景區(qū)內(nèi)應(yīng)該增加導(dǎo)游類服務(wù)人員，為游客游玩時(shí)長做加持，使不愛拍照的游客也能在工作人員的講解下沉浸在景區(qū)的風(fēng)格與建筑背后的故事中，減少類似不值票價(jià)的情感出現(xiàn)，使此類游客的游玩時(shí)長加長。
- 第三，加強(qiáng)市場監(jiān)管，提升旅游服務(wù)質(zhì)量。對市場監(jiān)管的加強(qiáng)，嚴(yán)格規(guī)范馮小剛電影公社景區(qū)內(nèi)的各類市場行為，對提供的服務(wù)、產(chǎn)品的質(zhì)量制定一套統(tǒng)一的標(biāo)準(zhǔn)。堅(jiān)決禁止宰客的行為出現(xiàn)，尤其對景區(qū)內(nèi)的服裝租賃服務(wù)加強(qiáng)監(jiān)管。以一系列的措施解決游客游玩中遇到的問題，減少游客的消極情緒產(chǎn)生。
本文由 @ 我叫徐知魚 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)作者許可，禁止轉(zhuǎn)載
題圖來自 unsplash，基于 CC0 協(xié)議
更多精彩內(nèi)容，請關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號或下載App
編輯導(dǎo)語：讀懂客戶對于用戶研究工作過程中極為重要，本文作者分享了基于游客評論的消息價(jià)值來做用戶研究的相關(guān)內(nèi)容，講述了游客研究的過程和步驟等，感興趣的一起來看看。
繼上一篇文章從理論與工具推薦的層面分享了如何從評論中讀懂用戶，這篇文章我將從頭到尾將用戶評論的獲取再到內(nèi)容分析的樣貌全盤呈現(xiàn)，以期對評論分析有需求的同學(xué)們提供更加詳盡的幫助。沒閱讀上一篇文章的可以點(diǎn)擊我的個(gè)人主頁查看。
為了使行文更加便捷，本篇分享我將以評論豐富、反爬措施寬松的旅游行業(yè)舉例。假如我是馮小剛電影公社的管理者，面對各個(gè)OTA平臺海量的游客評論，開始了自己的游客研究之旅。
一、評論內(nèi)容的獲取
據(jù)瀏覽發(fā)現(xiàn)，景區(qū)的在線評論集中在幾個(gè)頭部OTA網(wǎng)站，分別為攜程、去哪兒、途牛、美團(tuán)四家。
第一步先將景區(qū)在這個(gè)平臺的網(wǎng)址搜集下來，分別進(jìn)行評論內(nèi)容的采集，文中以
攜程網(wǎng)為例。
第二步打開Python，編寫代碼（網(wǎng)上也有很多可以直接調(diào)用的代碼），配置好你所需要爬取的頁數(shù)范圍以及所期待爬取的字段，開始采集即可。如若需要攜程評論爬取的源碼，評論區(qū)留言即可。
倘若是非編程手段，這里以后羿采集器為例，安裝好后，輸入網(wǎng)址，點(diǎn)擊智能采集，等待加載頁面，在頁面底部編輯將不需要的字段剔除，文中只保留了用戶id、評論內(nèi)容與評論時(shí)間。
在爬取完后，生成excel表格，打開表格可以見到已經(jīng)采集完畢，共得到3900條數(shù)據(jù)，至此數(shù)據(jù)采集階段結(jié)束。
二、第二步、預(yù)處理評論數(shù)據(jù)
分詞與去除停用詞。打開Rost cm6軟件，發(fā)現(xiàn)其只支持文本格式的內(nèi)容，于是將excel表導(dǎo)出為文本格式。而后在Rost cm6的界面中打開分詞窗口，選中待處理文件，選擇結(jié)果保存位置，選擇停用詞表，而后確定運(yùn)行即可。
三、第三步、詞頻分析與情感分析
同樣的是Rost cm6，打開詞頻分析窗口，選擇上個(gè)步驟中輸出的分詞結(jié)果，確定分詞，得到按照詞頻排序的excel文件，將其按照景區(qū)風(fēng)格、娛樂體驗(yàn)以及情緒感知三個(gè)維度分類，歸結(jié)出以下表格。
由表中內(nèi)容可以見得在游客心目中馮小剛電影公社的風(fēng)格維系在與景區(qū)定位相一致的水平上，即由高頻詞中的“芳華”、“南洋”、“民國”、“穿越”等詞語相對應(yīng)，也能看到“海南”、“?？凇贝淼胤教厣膮^(qū)位詞被反復(fù)提及。
其次游客對景區(qū)的娛樂體驗(yàn)的感知?jiǎng)t絕大部分集中在“拍照”上，“服裝”、“衣服”、“旗袍”等代入式的拍照體驗(yàn)也表明景區(qū)給游客帶來的價(jià)值多是單向互動(dòng)的環(huán)境塑造，同時(shí)從“門票”、“票價(jià)”中可以看到游客對于景區(qū)的門票售賣頗為看重，另外“晚上”、“夜景”頻繁出現(xiàn)，表明相較于白天景區(qū)，晚上的馮小剛電影公社具有另一番特色。
故而被游客在意，而景區(qū)內(nèi)的“冰雪”大世界、“海洋館”也給游客留下不少印象；此外，高頻詞的情緒感知維度中，見到“值得”、“好玩”、“好看”、“方便”等詞頻現(xiàn)，同時(shí)也見到“不值”、“收費(fèi)”、“太貴”、“便宜”等對立的感知，可以見得在不同群體的判別標(biāo)準(zhǔn)中，票價(jià)與景觀具有截然不同的作用效果。
到這一步就可以實(shí)現(xiàn)了最基礎(chǔ)的文本分析即詞頻分析，接著為了使詞頻更加可視化，將其導(dǎo)入到上一篇文章推薦的詞云網(wǎng)站中生成詞云。
依舊是在Rost cm6域內(nèi)，打開情感分析窗口，導(dǎo)入未分詞的評論文本，一鍵分析即可，經(jīng)過簡單處理，得到馮小剛電影公社的游客評論情緒如下。可以發(fā)現(xiàn)游客對馮小剛電影公社的評論中積極情感比例大于消極情緒的比例，總體情感偏向大致呈現(xiàn)積極態(tài)勢，而且情感的極端性不顯著。
四、第四步、語義網(wǎng)絡(luò)共現(xiàn)
方便起見，本文只在Rost cm6中生成最基礎(chǔ)的語義網(wǎng)絡(luò)圖，生成過程不做贅述，與上文提到的詞頻分析、情感分析相似。得到語義網(wǎng)絡(luò)圖如下（本文將其按照積極情緒與消極情緒分別制作了語義網(wǎng)絡(luò)圖）。
1. 積極情緒
馮小剛電影公社游客表達(dá)的積極情緒多為好看、好玩、適合等，這些積極情感的產(chǎn)生與景區(qū)目的地的服務(wù)定位相合。
從積極情緒的語義網(wǎng)絡(luò)結(jié)構(gòu)圖可以看出，“拍照”作為中心節(jié)點(diǎn)之一，與“旗袍”、“衣服”、“服裝”等詞匯密切聯(lián)系，同時(shí)“晚上”也是頻繁提及的詞匯，證明拍照這個(gè)娛樂活動(dòng)在游客的體驗(yàn)中摻雜著諸多與景區(qū)內(nèi)的服飾提供服務(wù)聯(lián)系密切。
再看到以“建筑”為中心節(jié)點(diǎn)的詞群，“南洋”、“民國”、“穿越”、“年代”等詞匯頻現(xiàn)，與景區(qū)的建筑風(fēng)格完全相一致；另外看到以“芳華”為中心詞的詞匯則多和“公社”、“馮小剛”、“拍攝”、“小院”聯(lián)系起來，可以認(rèn)為在景區(qū)里，芳華小院的地位不輕，多為游客關(guān)注且產(chǎn)生好感。
2. 消極情緒
游客在消極情緒中多展露出懊惱、遺憾等。其產(chǎn)生原因與門票價(jià)格與景區(qū)內(nèi)容管理以及游客自身認(rèn)知等多種因素相關(guān)。
景區(qū)門票價(jià)格的設(shè)置不合理導(dǎo)致了游客體驗(yàn)情緒不佳，致使產(chǎn)生消極情感。從消極情緒的語義網(wǎng)絡(luò)結(jié)構(gòu)圖（右圖）中可以看到，以“門票”與“景區(qū)”兩個(gè)關(guān)鍵中心詞為節(jié)點(diǎn)的詞群中表現(xiàn)出了主要的消極情感。
例如“門票”連接的“還要”“不便”二詞反映出園區(qū)重復(fù)收費(fèi)等現(xiàn)象嚴(yán)重，激發(fā)游客的不滿也使游客感覺游玩體驗(yàn)的完整性被破壞；另外“景區(qū)”連接著的 “不大”“票價(jià)”等詞有效反映出對于部分產(chǎn)生消極情緒的游客來說，馮小剛電影公社的面積以及內(nèi)容不夠豐富，使得游客產(chǎn)生景區(qū)較小值不回票價(jià)的遺憾情感。
五、第五步、主題分析
本文使用到基于TF-IDF方法的主題詞聚類分析,TF意為詞頻，用來測算詞條出現(xiàn)的頻率，而IDF意為反文檔頻率，用來衡量前述詞條的普遍重要性。
其計(jì)算公式為：
TF-IDF=TF×IDF
對已經(jīng)經(jīng)過調(diào)查上述數(shù)據(jù)預(yù)處理的在線評論文本另存為xlsx格式導(dǎo)入Python，進(jìn)行LDA主題模型構(gòu)建，采用TF-IDF方法，反復(fù)試驗(yàn)調(diào)整詞匯表為最高閾值為0.4（即該詞在超過40%的評論里出現(xiàn)過則作廢，認(rèn)為其無特征意義），聚類主題數(shù)為4個(gè)。最后得到的在線評論主題詞分類結(jié)果如下表所示。
主題詞聚類的結(jié)果顯示，游客對馮小剛電影公社的感知因素有主打特色、娛樂設(shè)施、基礎(chǔ)設(shè)施與情緒感知四個(gè)方面。可以認(rèn)為較有多面性與復(fù)雜性。并且主題聚類結(jié)果與上文詞頻分析人腦歸結(jié)出的三個(gè)類別高度重合，很符合預(yù)期。
馮小剛電影公社的景點(diǎn)之一即攝制場地，表現(xiàn)在游客體驗(yàn)中頻繁表現(xiàn)出的“芳華”以及“電影”、“公社”以及“小院”中，證明其在游客游覽的過程中產(chǎn)生了重要影響且評價(jià)多為“不錯(cuò)”。
同時(shí)可以從第二個(gè)主題中看到游客游玩體驗(yàn)到的“拍照”、“穿越”感、“民國”、“南洋”以及“天氣”是為其娛樂過程中著重在意的感知，備受青睞和關(guān)注。
另外從游客的情緒感知即第四個(gè)主題可以看到“性價(jià)比”、“不值”，“喜歡”、“一般般”等對立的情緒感知，可以認(rèn)為對不同人群來說，馮小剛電影公社的體驗(yàn)不盡相同，或?yàn)閮r(jià)格敏感型顧客與否的區(qū)別，景區(qū)可以從價(jià)格歧視的角度出發(fā)設(shè)置票型以顧及不同消費(fèi)者群體的感受。
六、第六步、給結(jié)論
經(jīng)過上述游客評論分析，作為馮小剛電影公社的管理者就可以總結(jié)出以下結(jié)論以支撐在運(yùn)營與管理側(cè)的改良。
- 其一，改善景區(qū)入口服務(wù)。景區(qū)應(yīng)該制定合理的定價(jià)策略，例如考慮到價(jià)格接受程度不同的游客的體會，實(shí)現(xiàn)差別定價(jià)策略。在景區(qū)可以接受的范圍內(nèi)，對不同游客如普通游客、學(xué)生、幼兒、老年人等定義不同的價(jià)格標(biāo)準(zhǔn)。再有就是錯(cuò)峰調(diào)整票價(jià)，節(jié)假日等旅游旺季不妨全價(jià)，而在旅游淡季時(shí)，票價(jià)就需要折扣，同時(shí)不同渠道的購票也應(yīng)該差別定價(jià)。同時(shí)將套票的價(jià)格放低，鼓勵(lì)游客購買優(yōu)惠的套票，以鼓勵(lì)游客體驗(yàn)景區(qū)全貌。
- 其二，景區(qū)內(nèi)應(yīng)該增加導(dǎo)游類服務(wù)人員，為游客游玩時(shí)長做加持，使不愛拍照的游客也能在工作人員的講解下沉浸在景區(qū)的風(fēng)格與建筑背后的故事中，減少類似不值票價(jià)的情感出現(xiàn)，使此類游客的游玩時(shí)長加長。
- 第三，加強(qiáng)市場監(jiān)管，提升旅游服務(wù)質(zhì)量。對市場監(jiān)管的加強(qiáng)，嚴(yán)格規(guī)范馮小剛電影公社景區(qū)內(nèi)的各類市場行為，對提供的服務(wù)、產(chǎn)品的質(zhì)量制定一套統(tǒng)一的標(biāo)準(zhǔn)。堅(jiān)決禁止宰客的行為出現(xiàn)，尤其對景區(qū)內(nèi)的服裝租賃服務(wù)加強(qiáng)監(jiān)管。以一系列的措施解決游客游玩中遇到的問題，減少游客的消極情緒產(chǎn)生。
本文由 @ 我叫徐知魚 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)作者許可，禁止轉(zhuǎn)載
題圖來自 unsplash，基于 CC0 協(xié)議
想問一下最后一個(gè)主題分析和詞頻維度是一個(gè)東西嗎？我可以根據(jù)自己的目標(biāo)自行進(jìn)行主題分類嗎？
文中的主題分析是基于TF-IDF方法做的，如果你需要自己手工做主題分類的話，不需要采用這個(gè)算法，或者僅將它的結(jié)果作為輔助即可。商業(yè)分析相對來說不需要像學(xué)術(shù)那么嚴(yán)絲合縫，能表達(dá)清楚自己的觀點(diǎn)即可。
作者有公眾號嘛，想追更了
您好，我又來了。請問在分詞中，處理的數(shù)據(jù)是否需要包括日期和用戶名呢？主要分析內(nèi)容是否是指評論內(nèi)容呢？感謝您的分享。
日期和用戶名是不包含的。分詞的對象就是評論內(nèi)容，所以將Excel轉(zhuǎn)化為文本文件導(dǎo)入rost cm6的前一步，需要把id和日期字段刪除。沒有在文中體現(xiàn)很抱歉，但是您問出這個(gè)問題應(yīng)該也意識到正確的操作辦法了，贊。
感謝您的指導(dǎo)。后來意識到了，修改過后的分析內(nèi)容更符合需求了。
您好，請問一下，在第三步“確定分詞，得到按照詞頻排序的excel文件，將其按照景區(qū)風(fēng)格、娛樂體驗(yàn)以及情緒感知三個(gè)維度分類，”這里，按照維度分類是需要手動(dòng)在EXCEL里分類的嗎？
是的，需要手動(dòng)劃分，我省略了這個(gè)步驟，因?yàn)檫@屬于是主題分析的一部分了，本文中的緯度劃分是基于學(xué)術(shù)屆的一些共識/結(jié)論進(jìn)行劃分的，這種景區(qū)的感知維度一般來說就包含他們仨。而在上一篇文章中我主要介紹了基于算法模型的「lda主題聚類」，本文中也有用到lda主題聚類分析，并且和這里的維度分類較為擬合。
很有幫助的用戶研究方法！大范圍的評論確實(shí)可以反映出存在和需要改進(jìn)的問題。
謝謝你的認(rèn)可??