电商数据分析-消费者运营分析-评价词频分析-评价情感分析.pptx

消费者运营分析 11.4.1评价词频分析&11.4.2评价情感分析 评价词频分析 CONTENTS 评价情感分析 评价词频分析 PART ONE 评价词频分析 词频分析是文本分析的基础，基于词频可以了解大量文本信息的内容，既可以分析自己的商品也可以分析竞品。 接口说明如下。 通过基于机器学习算法分词的开源接口，可查阅接口的相关说明。 接口：/get.php?source= &param1=&param2=。 接口参数如下。 “Source=”：要分词的文本。 “Param1=”：返回分词结果的概率，最小为0，最大为1。 “Param2=”：是否为调试模式，调试模式可以看到分词结果的概率。0为非调试模式，1为调试模式。 例1：/get.php?source=清华大学是好学校&param1=0&param2=1。 返回：清华:0.604942 清华大学:1 华大:0.068537 大学:0.937618 好学:0.730473 好学校:0.699564 学校:0.833307 例2：/get.php?source=清华大学是好学校&param1=0.8&param2=1。 返回：清华大学:1 大学:0.949906 学校:0.936925 例3：/get.php?source=清华大学是好学校&param1=0&param2=0 返回：清华 清华大学 华大 大学 好学 学校 评价词频分析 图1 评价词频分析 例4：图1所示为采集某竞品的消费者评价数据，分析评价的词频。 数据采集路径：【淘宝商品】-【评价详情页】。 解：选中数据，如图2所示，在【数据】选项卡中单击【自表格/区域】选项，将评价导入Power Query编辑器。 图2 图3 图4 如图3所示，在Power Query编辑器中筛选数据，搜索“此用户”，将无效的评价“此用户没有填写评价。”过滤掉。 如图4所示，在【添加列】选项卡中，单击【自定义列】功能键。 评价词频分析 图5 图6 评价词频分析 如图5所示，键入公式“ Csv.Document(Web.Contents ("/get.php?source="&Uri.EscapeDataString ([评价]) &"&param1=0.8&param2=0"))”。 M函数说明： Web.Contents：是以二进制文件的格式下载网页。 Csv.Document：是将二进制文件转换成Csv格式的表格。 由于是访问互联网数据需要设置隐私级别，为了方便练习，如图6所示，可直接勾选【忽略此文件的隐私级别检查……】，老版本没有这个选项，选择公共权限。 获取数据后，如图7所示，勾选【展开】和【Column1】字段，展开后将字段“Column1”重命名为“分词”。 图7 图8 消费者复购率计算与分析 展开后，按照图8所示内容，筛选掉空白行。 图9 图10 消费者复购率计算与分析 如图9所示，在【开始】选项卡中单击【分组依据】选项。 如图10所示，基于分词进行分组。 图11 图12 消费者复购率计算与分析 如图11所示，单击【开始】选项卡中【关闭并上载】选项，将数据关闭并上载到Excel工作表中。 如图12所示，对“计数”进行排序，可以观察到买家对这款产品的评价关键词，通过观察可以发现买家对这款产品满意的占比较大，因此这款产品的效果不错。 评价情感分析 PART TWO 评价情感分析 评价情感分析是判断文本的情感得分，正面得分越高表示买家对产品或服务越满意，负面得分越高表示消费者对产品或服务越不满意。 商业接口可以在API集市申请，本例使用/的接口，每天可调用500次。 接口地址：/sentiment/analysis。 调用方式：Post。 图13 图14 例5：图13所示是评价数据，使用接口分析评价情感得分。数据采集路径：【淘宝商品】-【评价详情页】。 选中数据，如图14所示，在【数据】选项卡中单击【自表格/区域】选项，将评价导入Power Query编辑器。 评价情感分析 图15 图16 由于接口的次数限制，在Power Query编辑器中进行数据筛选，只保留前5条，每次只消耗5次API调用次数。如图15所示，在Power Query编辑器【开始】选项卡中，单击【保留行】中的【保留最前面几行】选项，指定保留5行。 如图16所示，在【添加列】选项卡中，单击【自定义列】选项。 评价情感分析 如图17所示，键入函数：“Json.Document(Web.Contents("/sentiment/ analysis",[Headers=[#"X-Token"="UGlLtDcd.16189.