近年来，在线评论的重要性直线上升。

高达93％的消费者说在线客户评论影响他们的购买决定。评论对客户的价值是非常明确的，但对企业的价值呢?

为了理解评级、评论和收益之间的关系，人们做了很多工作。康奈尔大学最近发现，只要回应顾客的评论，尤其是负面的评论，就会对消费者对酒店的看法产生积极的影响。哈佛商学院据报道，当餐馆在Yelp上获得一星的评分时，他们的收入就会大幅增长9%。

但你如何将评论和评分转化为收益?

如今的客户希望看到企业不仅在倾听，而且还在积极利用他们收到的反馈。客户的声音(VoC)项目的目的正是为了促进这一点——为企业提供一个收集和处理用户反馈的框架。

利用VoC的审查

把你的网上评论纳入你的简历客户的声音Program为您提供工具，开始了解客户在宏观层面上的意见，以便您可以发现改进的机会，并随着时间的推移衡量改进。

在这篇文章中，我们将探讨可以采取的步骤，使用情感分析和自然语言处理等VoC技术，开始最大化您从评论中获得的价值。我们还将看看真实的例子，看看你的评论内容如何帮助你完善和优先考虑你的产品路线图。

这么多数据，这么少时间

许多公司已经在多个平台上收集在线评论。软件公司在G2上进行审查。餐厅经常在谷歌、Tripadvisor和Yelp上被评论。酒店可能会在Expedia、Booking.com、Hotels.com和Tripadvisor上有评论。手机应用开发者通常会在苹果、谷歌Play、亚马逊和微软等多个平台上提供应用并获得评论。如果你的公司生产在网上销售的实体产品，评论可能会在塔吉特、沃尔玛、亚马逊、谷歌购物和无数其他平台上传播。

仅仅是在这些平台上跟踪和回复评论就已经够困难的了——从所有这些评论中获取意义尤其具有挑战性。人类的大脑并不是用来吸收大量数据的，当人类试图手动大规模分析评论文本时，几乎不可能避免确认偏误。

这就是情感和文本分析可以提供帮助的地方，它们都是所有一流VoC程序的组成部分。

使用情感分析来了解用户的真实感受

情感分析是一种分析技术，它使用软件来分析一段文本，并确定它是积极的、中性的还是消极的。对评论的文本部分进行情感分析可以帮助你回答以下问题:

• 随着时间的推移，我的评论中的情绪是否变得越来越积极?
• 在我的评论中，目前正面情绪和负面情绪的比例是多少?

这些问题的答案可以帮助你确定你对产品或服务所做的改变是否受到客户的欢迎。将用户情绪的变化映射到应用程序的新版本发布，或者你对产品或服务的更改，这有助于你在宏观层面上了解客户的反应。

每个企业都希望看到这样的情绪时间表:

请注意，最近两个版本更新不仅看到了总评论数的增长，而且还看到了积极评论的比例的增长。

我们都希望避免情绪分析图表看起来像天气应用程序的数据:

请注意标记产品发布的虚线与带有负面情绪的评论急剧上升之间的相关性。

为什么不直接依靠明星评分呢?

星级评级是公众舆论的一个有用指标，但它们往往比情绪分析呈现出更积极的整体情况。许多审查平台，如手机应用程序商店，为用户提供了一个选择，只需给一个星级，而不留下评论。在某些情况下，特定平台上的评级数量可能超过评论数量的20倍。

一个最近的研究发现在排名前100的移动应用中，整体评分平均比带有评论的评论的评分高1.33颗星。这表明用户经常使用评论来分享抱怨和担忧，或者报告错误——这些都是“客户之声”分析的重要输入。

此外，人气和星级并不总是一致的。Appbot最近对600万应用评论的分析显示，样本中有7-8%的人对应用评价褒贬不一。混合情绪指的是星级评价与评论文本的情绪不一致的评论——高星级与负面评论，反之亦然。对于褒贬不一的评论，星级可能会产生误导。

情感分析帮助我们识别用户真实感受的趋势。重要的是要记住，目前的情绪分析技术仍然不完善，但由人类来判断评论的情绪也是相当主观的。基于机器的情感分析具有始终如一的表现方式的优势，使其成为分析评论作为VoC一部分时的必备工具。

使用NLP来查看是什么驱动了评论情绪

在使用情感分析来了解用户对你的公司的感觉之后，下一步就是调查他们为什么会有这种感觉。

自然语言处理(NLP)可以帮助你做到这一点。NLP是一个领域人工智能致力于训练机器理解人类语言。它包含了许多不同的技术，可以帮助您分析评论。

作为一个例子，让我们回顾一下我们上面看过的天气应用程序数据。当我们使用NLP在一段规定的时间内执行关键字分析时，这些是我们看到的最流行的单词:

这种技术听起来很简单，几乎简单到可以在电子表格中运行，但是这里有一些运行在底层的NLP技术，使这种分析在没有太多人工干预的情况下有用。

这些技巧包括:

我们可以从上面看到，在90天的报告期内，这款应用的大多数流行词汇都与崩溃和bug有关。这些词似乎最常出现在这段时间的早期，大约是在新版本应用发布的时候(与此同时，我们在上图中看到了负面情绪的高峰)。如果我们把注意力集中在这一时期，数字会发生一些变化:

上文第1项显示，提及“更新”一词的评论中，83.5%的评论整体持负面情绪。我们还可以在第2项中看到，在这7天的时间里，几乎78%的评论提到了“更新”，几乎43%的评论提到了“崩溃”。

这些信息在倡导对这些问题进行优先级调查和修复时非常有用，特别是在您的路线图中塞满了技术团队要处理的其他事情的情况下。

对于VoC报告，还有其他几种流行的自然语言处理技术。一些工具提供预制主题或主题检测，根据数据集中常见的主题或主题对评论进行分组。许多工具提供这样的选项创建你自己的主题或话题因此，您可以更具体地监视对您自己的产品、服务或品牌很重要的内容主题。

VoC报告将所有这些结合在一起

您可以在分析中使用许多其他类型的用户反馈，我们可以探索不同的报告技术，但以上建议是通过利用评论更好地了解VoC的坚实起点。这种做法，连同其他企业反馈管理努力，可以帮助你优先考虑对用户重要的工作，并获得更高的星级评级。你的生意会做得更好，你的客户也会感谢你。