Anker一个listing的4百多个负评给我们什麽价值? 如何运用大数据提升产品开发效率?

大数据!大数据!现在常常听,所以今次想说一下在产品开发过程中,怎麽利用大数据协助我们做调研分析?

当大家选到一个产品想进一步调研的时候,肯定需要分析一下市场龙头的listing,一般可以从listing的review内容了解对手产品的优点和缺点,而我比较看重那些负评。因为强如Anker的缺点如果我们都能克服,我们就有机会突围而出,当然这是比较极端的例子。但当大家面对一般的竞争对手,只要掌握对手产品上的缺陷,就能有助开发出更具优势的产品同时又可以避开一些坑。给大家看个图。

文字云

这是Anker一个吃了4百个多负评review的listing的文字云。可以看出stopped,charge,charging,wont,work,doesnt,是出现最多又能表达出问题的词。我们就能有效针对这些核心词再进一步研究那些问题。

但因为有些listing的review数量实在太多了,要逐一分析实在花太多时间,效率太低了。所以可借助文字云生成器帮我们归纳出现最多的关键词,从而收窄范围,接下来我们只要用那些核心关键词再搜那些review出来,就可针对研究那些核心缺陷。

最後给大家一个文字云生成器网址 www.amzbigdata.cn/wordcloud.php 大家也可以试一下。

工具非常易用,就只需三步。 首先把目标listing的1星,2星review拷贝出来,然後贴到框框上,之後字数调到9999,最後按生成就行了。当然,这只是其中一种操作方式,每个人都可能发掘出大数据的新价值,例如:玩深一点,可以将所有热销竞品的1-2星review都一起放进去生成器做分析,就可以看到整个细分市场的核心缺憾所在之处,从而作针对性的产品改良

至於文字云生成器还能怎麽运用?

-同类产品标题关键词的实时使用情况?

-???(会陆续补上)

-???

希望大家也可以分享一下,集思广益,一起运用大数据协助我们把亚马逊做得更好!

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 202,980评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,178评论 2 380
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,868评论 0 336
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,498评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,492评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,521评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,910评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,569评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,793评论 1 296
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,559评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,639评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,342评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,931评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,904评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,144评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,833评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,350评论 2 342

推荐阅读更多精彩内容