用户反馈如何分析?这份B站用户差评反馈报告可以给出一个答案

15天0基础极速入门数据分析,掌握一套数据分析流程和方法,学完就能写一份数据报告!了解一下>>

面对用户反馈,我们需要运用什么方法才能做到更好的分析呢?让我们一起跟随笔者,通过各种分析的方法,拓宽我们的思维,去写出更好的用户反馈分析报告吧!

哔哩哔哩(英文名称:bilibili,简称B站)现为国内领先的年轻人文化社区,该网站于2009年6月26日创建,目前月活跃用户量为8504万,其中18-35岁用户占总人数的78%。

B站最开始是一个二次元社区,初始B站的会员注册门槛非常高,需要在规定的时间内做100道题,且分数达到60分才可以成功注册。用户在B站利用弹幕的形式交流,成为UGC制作视频,为产品提供源源不断的内容,有着极高的粘性和忠度。

目前的B站的目标已不仅仅有二次元,从高评价纪录片“人生一串”到央视入驻B站,B站的触手已经从二次元伸向了时尚、综艺、舞蹈、生活、纪录片、科技等垂直领域,也逐步通过与广告、自制游戏综艺、直播打赏等方式实现商业化,成为可以与优爱腾竞争的新泛娱乐化视频平台。

软件在应用商店的实时排名:

一、收集用户反馈

本次用户反馈需求主要基于非UP主用户展开讨论与分析。

1. 用户反馈基本信息

信息周期:90天(版本v5.44.2-v5.48.2)

浏览数据量:1000+

选取样本数据量:60(120条筛选出的无重复观点样本)

体验环境:iOS系统+Android系统(无手机和平板机型和价位偏好)

需要说明的是,由于90天的信息周期涉及到4个APP版本的更新,反馈数据量过于庞大,因此需要通过数据确定重点研究的版本。图中展示了iOS系统B站评分岁产品更新的变化图,可以得出以下两个结论:

  1. 每一次版本的更新都会引发一次差评的增长
  2. 差评数量较高的版本是V5.47和V5.48版本,版本更新后连续4-5日每日差评数量相比之前增长近20

因此,我们选取v5.47和v5.48版本的用户反馈作为主要分析的版本。

2. 用户反馈来源

本次研究选取了三类主要的渠道收集用户数据,ios,Android和公共社交平台。iOS和Android我们优先考虑多应用商店软件评价集合平台(e.g.七麦、蝉大师、酷传)。但由于集合平台缺少具体版本以及评论点赞信息,需要选取质量较高的应用商城作为补充的用户反馈来源。

下图为蝉大师统计的不同应用市场的B站评分和评论量,可以看到VIVO应用市场的评论总数更多,而华为市场的昨日增长最高(对新版本的评价更多),所以选取这两个应用市场做具体分析。

由于B站用户年龄集中在18-35岁,社交娱乐属性强,微博是其接触最多的公共平台,反馈相比知乎更简短直接,故选其进行分析。用户反馈渠道一览表如下:(半公开渠道如社群由于反馈周期长本次不做考虑)

二、用户反馈信息整理表

将内容不同的60条反馈按照功能,内容和技术三类进行分类,这三类分别对应产品、运营和技术部门。各类别反馈的具体信息如下(图中标红的字为问题反馈中的重点信息)

1. 功能类反馈(33条)

2. 内容类反馈(10条)

3. 技术类反馈(17条)

三、反馈内容分析

1. 反馈分类细化

将反馈已有的功能、内容、技术三个一级分类进行细化,形成细分的二级分类:

  • 功能(产品):现有功能问题,新功能建议
  • 内容(运营):用户服务,社区生态,内容组织
  • 技术(技术):产品bug(其余问题技术非第一手执行部门)

各部分问题数量占比如图所示,可见产品bug、现有功能问题和新功能建议方面所提出的问题个数最多。

2. 反馈热度分析

1)词云分析

将小组内选取的120条不同平台的差评反馈(有重复),分析高频关键词得到以下词云:

从词云中我们可以发现以下的差评关键词出现频率较高:

  • 屏蔽(按关键词屏蔽内容,屏蔽不喜欢的用户和相关用户)
  • 弹幕(弹幕礼仪,弹幕个性化设置)
  • iPad(有一些专门针对平板的bug)
  • 闪退卡顿

2)点赞评论分析

在华为应用市场和VIVO应用市场中得到的用户反馈按照点赞数由高到底排序,两个应用市场分别最受认可的3个差评(华为市场2个,vivo市场1个)为:

  • 以前质量高的视频检索不到(现有功能问题)
  • 弹幕礼仪太差(内容问题)
  • 刷B站视频会卡死自动重启(产品bug)

3. 产品适配性差评分析

1)平板端

从用户反馈中可以看出:产品适配性上,平板是弱于手机的;而且部分功能仅存在于手机上,直接影响用户体验。

2)手机端

产品bug和功能问题没有明显的设备差异,仅仅iOS13系统使用最新版本的app时出现的几个问题需要重点关注:

  • 横屏状态下,手机顶部的时间显示消失了
  • 关闭后台播放,锁屏后,仍在播放
  • 闪退卡顿很频繁

四、B站用户画像

BILIBILI最初是由ACG(即Animation、Comic、Game、动漫、漫画、御宅向游戏)而启发的一个内容社区,到如今已经发展成为具有多个模块的综合性娱乐平台,也是目前国内最为活跃的二次元社区之一。

(以下数据来自极光2017.9-2018.3)

1. 用户年龄和性别分布

用户群体多为20-24岁的学生党,及30岁以下的年轻工作者为主。

这一类人群多为大学生,相对来说社会生活压力较低,有更多时间和金钱享受娱乐生活,追求精神爱好。

【个性】、【自我】、【多元】、【猎奇】是这类用户的性格标签。

性别比例均衡,说明该社区内容综合性强,内容没有性别偏好。

2. 内容分布

B站的内容跨度较大,内容包含动漫、纪录片、学习视频、鬼畜、游戏等,其中番剧+游戏+国创是其主要内容版图。内容追求原创保护版权,发展大量UGC并形成社区文化,最大限度地保证了其内容的生命力和社区生态稳定。

3. 用户需求

在不考虑PGC,UGC的基础上,将用户的需求分为了以下三点:

1)内容享受

BILIBILI需要满足用户对以二次元为主题内容观看以及其他重点内容(游戏,鬼畜,偶像,学习等)的补充,保证维持原有喜爱二次元具有分享性的用户和非二次元对社区文化感兴趣的用户。

2)体验优先

BILIBILI以其弹幕文化而出名,而且视频无广告,画质高,原创力强等皆是BILIBILI自身拥有的优势所在。

3)社交服务

通过频道对内容主题的划分,使得用户更加轻松找到自己所需的内容和群体,便于认识更多的同好之人。

五、反馈内容场景还原

根据B站的用户画像,本次分析从业务端出发,将问题按照产品-运营-技术三大类对反馈内容进行分类和梳理,并将用户按照这三大业务方向分为(需要强调的是,本次反馈仅针对于移动端且非up主的用户):

  • 追求软件体验的用户(功能):共整理出2个细分类别,8个场景,13个问题,每个问题对应至少2个现有解决方案。
  • 追求内容服务的用户:共整理出2个细分类别,4个场景,7个问题,每个问题对应4个现有解决方案。
  • 追求硬件体验的用户:共整理出2个细分类别,4个场景,5个问题,每个问题对应至少2个现有解决方案。

六、需求优先级排序

在对需求优先级排序之前,需要梳理核心目标用户画像,用于判断用户属性和不同需求的用户体量。

1. B站核心用户画像

这里列举了两类B站典型用户,第一类用户(兴趣持续驱动)&第二类用户(非兴趣驱动)

【第一类典型用户】

【第二类典型用户】

2. 优先级评判标准

基于核心用户画像,建立横向对比维度作为优先级评判标准:用户数量、发生频率、产品价值、实现难度。

  1. 用户数量:多少用户会遇见此类问题
  2. 发生频率:核心用户遇见此问题的概率
  3. 产品价值:问题的迫切程度、用户的付费意愿和ARPU
  4. 实现难度:开发和迭代效率

综合四个维度可以形成两个四象限图,更直观反映问题的难易程度:

3. 反馈的优先级评判

将差评反馈进行二度梳理,将需求进行排序,并将其按照重要程度和紧急程度分为P0,P1,P2,P34类。

P0重要且紧急>P1重要但不紧急>P2紧急但不重要>P3不重要也不紧急

最后将场景按照优先级排序后得到本图(红黄蓝绿分别代表P0,P1,P2,P3)

七、对B站的建议

1. 内容审核方面

1)加强算法,提升机器识别关键词能力,一旦出现高危关键词3次该视频将直接无法上架。

2)加强人工审核力度,可以邀请各个兴趣组的部分用户成为内容审核志愿者,用爱发电为维护社群内容质量做贡献,对这样的用户可以采取积分、会员、线下活动门票等奖励。

3)仿照游戏类产品建立打分制度。用户可在播放界面找到举报审核评分栏,单日多人累计评分低于xx或单人多次举报同一视频,则进入人工审核模式,审核后及时给用户反馈并对视频进行处理,审核不通过的用户将遭受封号或禁发视频1个月以上的惩罚。

4)定期进行APP内关键词或近义词(变声词)搜索弥补审核漏洞

2. 内容推荐方面

完善推送机制,非单纯相似内容推荐,而是要了解用户的综合属性,多标签多内容推荐以便提升新鲜感增强用户黏性。

1)建议仿照网易云音乐创建独特视频播单,不是同一主题不同up主的诠释而是相近主题或者主题之间可产生话题性和关联性,增强内容好感度和趣味性。

2)推送机制是关注UP主最新内容+用户喜欢标签内容+直播/文字/信息流广告。这样帮助了up主完成粉丝稳固,同时为用户推荐了新的他可能感兴趣的内容。

3)在界面上方加入近期热门话题标签栏(如肖恩,我和我的祖国等),用户可根据热门话题观看up主针对此话题的创作

3. 视频卡顿、闪退、长时间缓冲方面

这个问题的反馈从7月份到9月份一直存在,希望可以引发重视尽早改善。

附录

1.检索差评经验总结

https://docs.qq.com/sheet/DZXF1WWVrc0xrYVZn?tab=BB08J2&c=F5A0A0

2.学习笔记


参考文件

1.用户反馈分析案例

  • 收集整理用户反馈(简书):https://www.jianshu.com/p/6e8219592234
  • 如何用数据透视表快速做用户反馈分析(简书):https://www.jianshu.com/p/a2299277a4a1
  • foodie用户反馈分析报告(简书):https://www.jianshu.com/p/478da24971e4
  • 产品分析报告 | 哔哩哔哩“小破站” ,大魅力(人人都是产品经理):http://www.woshipm.com/evaluating/2093879.html
  • 用户反馈分析:网易蜗牛读书用户评论分析流程及结果(人人都是产品经理):http://www.woshipm.com/user-research/745038.html
  • 4000 字详解「用户反馈」的收集与分析(人人都是产品经理):http://www.woshipm.com/it/2823150.html

2.B站简介

https://www.bilibili.com/blackboard/aboutUs.html

3.B站用户画像数据

http://chanye.07073.com/guonei/1739829.html

 

作者:豆子,一个努力找运营工作的小白

本文由 @豆子 原创发布于人人都是产品经理,未经许可,禁止转载

题图来自 Unsplash,基于 CC0 协议

评论
欢迎留言讨论~!
  1. 你好,请教下,反馈信息整理那部分是人工整理的吗,还是机器整理出来的?

    回复
  2. 我记得我在前东家也试着在这些渠道搜集做反馈,比如每天iOS大概有300多条差评,其中95%寿没有意义的内容,找到剩下的5%反馈给团队,他们就会觉得总量较少,没有参考意义……
    后来我整合了一个月的近400条差评反馈归类给领导,领导让我封口,说团队还不能接受这些,会影响到团队士气的

    回复
  3. 太牛了!! ;-)

    回复
  4. 优秀,你已经超过很多找工作的小白了。

    回复
  5. 最近刚好在整理用户反馈,值得借鉴学习下。

    回复
  6. 做得太花哨了,有啥用?

    回复
    1. 下次会提升改进的,之前做的时候考虑观感的部分多了一些,谢谢您的建议,之后会多在文章中填充内容。

      回复
    2. 不用管他

      回复
  7. hello, 在“2.反馈热度分析——1)词云分析”这里,屏蔽、弹幕、iPad、闪退卡顿这四个词的大小和你给出的图不是很符合,你选择的这四个词是基于哪些考量和方法,可以介绍下吗?

    回复