產品需求挖掘與排序的2大利器:文本挖掘與KANO模型

產品無論處於哪個階段,解決用戶需求價值點的方法主要遵循2個路徑:自下而上從用戶中來的需求驅動產品迭代發展;自上而下到用戶中去的產品功能優化驅動產品迭代發展。

产品需求挖掘与排序的2大利器:文本挖掘与KANO模型

大多互聯網產品無論處於探索期、成長期,還是成熟期、衰退期,產品所處階段解決用戶需求價值點的方法主要遵循這2個路徑:

  1. 自下而上從用戶中來的需求驅動產品迭代發展;
  2. 自上而下到用戶中去的產品功能優化驅動產品迭代發展;

第1條路徑市面上相關的方法論說的很多,這裡主要結合自己在產品運營的實踐中詳細說說第2條路徑,當我們把用戶需求轉化為產品需求後,為了避免出現產品功能的遺漏或誤解用戶的需求,以及最重要的功能沒上,無關緊要的功能卻上了很多等尬場現象,我們該如何提前做好預防這樣現象的發生?

一、問卷調研的文本挖掘分析

首先我們肯定已經完成了第1條工作路徑了,我們為了防止出現遺漏或誤解用戶需求的情況,我們有必要進行一次定量的用戶問卷調研,除了要獲得用戶對我們即將上線的產品功能點的態度與觀點(主要獲得功能點的價值排序),最重要的還是要有收集用戶對產品功能其它補充建議的主觀題,一來為避免出現遺漏了最重要最緊急的功能,二來也為產品的下次迭代做好用戶需求分析的準備工作。

因為最終往往通過問卷調研統計上來的用戶文本信息是非結構化數據,所以我們短時間內如果通過文本分析的話處理過程比較耗時耗力,文本分析只適合小群體,此時我們需要通過對文本信息的詞頻統計和網絡語義分析可以將文本進行聚類分析,這樣處理大量定量文本信息不僅客觀而且效率快。

相關的工具推薦用ROST Content Mining內容挖掘系統,我們通過問卷分析後臺導出用戶文本信息後,相關操作如下(數據做了脫敏處理):

1. 文本數據清洗

可以將文本以字數從高到低進行排序(用LEN函數),清除無意義的用戶調研文本,再將文本保存為text文檔。

产品需求挖掘与排序的2大利器:文本挖掘与KANO模型

2. 打開ROST Content Mining進行分詞和詞頻統計

首先分詞之前我們可以打開軟件本身提供的用戶詞典表格,(軟件功能性分析-點擊分詞-根據對話框的自定義詞表所在的路徑找到),再將和自身業務產品相關的專有名詞添加到用戶詞典表格,主要是為了避免出現分詞後的結果將自身的產品、品牌等字詞進行了拆分,給後面的詞頻分析造成麻煩。

此時我們就可以對清洗後的用戶調研文本text文件進行分詞了,(點擊軟件功能性分析-點擊分詞-在對話框中添加用戶調研文本所在路徑),然後會形成分詞後的用戶文本信息效果,如下圖:

产品需求挖掘与排序的2大利器:文本挖掘与KANO模型

最後針對分詞後的用戶文本進行詞頻統計,如下圖,針對高頻出現的詞我們基本上有了全局的瞭解。

产品需求挖掘与排序的2大利器:文本挖掘与KANO模型

3. 進行語義網絡分析

可以針對原始的用戶調研文本進行語義網絡分析,可以結合上一步對出現頻率高的詞提取關鍵字:

产品需求挖掘与排序的2大利器:文本挖掘与KANO模型

比如針對上圖名片這一高頻詞出現了相關的版面、高大、添加等語義網絡關鍵詞。如果我們想對名片-版面這一高頻詞進行文本分析我們可以通過文本篩選找到所有和名片-版面相關所有的用戶文本信息,針對這些信息可以歸納出關於名片-版面的普遍建議,最後發現大部分用戶還是希望名片能夠有更好的版面設計和商業社交範等,當然我們還要給這些觀點的用戶進行定量,比如覺得名片的版面設計需要具有商業社交範的用戶有200人。

完成了用戶文本挖掘分析後,我們要針對用戶的其它建議進行業務評估與技術可行性評估從而決定是否有遺漏的重要功能點,如果有,是否可以提前安排研發檔期,如果沒有,可做甄別再列入需求優化池。

基本上文本挖掘分析能夠幫助工作人員在面對大量非結構化文本信息時,能夠更加高效的提煉和歸納結論,整個過程既是科學也是藝術。

二、需求排序之kano模型

針對走完第1條路徑後(自下而上從用戶中來的用戶需求驅動產品需求迭代發展),為了更好的集中研發資源滿足好當下最重要的功能優先級上線,也為了避免拍腦袋而帶來的決策失誤,較為客觀的做法最好還是讓用戶來決定,此時我們就需要結合kano模型將產品功能需求點劃分為期望型需求、魅力型需求、必備需求、無差異需求、反向需求、可疑需求。

产品需求挖掘与排序的2大利器:文本挖掘与KANO模型

如何對這些產品功能進行需求類型的排序,這需要我們獲得用戶對這些產品功能的正向和反向的態度,首先正向和反向都要設計好5個檔位,中間的觀點為中立,如下圖所示:

产品需求挖掘与排序的2大利器:文本挖掘与KANO模型

然後從數據後臺導出用戶文本信息EXCEL文檔,針對每道題的正反進行交叉分析,可以用函數COUNTIFS(criteria_range1,”A.我很喜歡”, criteria_range2,”A.我很喜歡”)獲取每個功能的交叉分析值,如下圖所示:

产品需求挖掘与排序的2大利器:文本挖掘与KANO模型

其次對每個功能的正反交叉分析值進行功能屬性的色塊劃分:A:魅力屬性;O:期望屬性;M:必備屬性;I:無差異屬性;R:反向屬性;Q:可疑結果。

产品需求挖掘与排序的2大利器:文本挖掘与KANO模型

最後計算每個功能的better與worse值。better就是提供該功能後的滿意係數:=(A+O)/(A+O+M+I);worse就是不提供該功能後的不滿意係數:= -1*(O+M)/(A+O+M+I);前者越接近1代表用戶越滿足,後者越接近-1代表用戶越不滿足;

产品需求挖掘与排序的2大利器:文本挖掘与KANO模型

我們分別針對這次調研的6個產品需求功能點分別計算出6個產品功能的better-worse值,再用spss或EXCEL對6個功能的better-worse值進行散點圖分析,如下圖所示:

产品需求挖掘与排序的2大利器:文本挖掘与KANO模型

最後我們可以得出相對必備功能2和魅力功能4,優先級可以前置,相對無差異功能1、3、5、6可以根據現有資源安排是否開發上線。

總結:自下而上從用戶中來的需求驅動產品迭代發展是內核,自上而下到用戶中去的產品功能優化驅動產品發展是外部推手,只有兩者兼顧用戶需求驅動產品發展才完整。

作者:活著便精彩,5年+產品運營人,專研於產品運營、用戶運營,這幾年在總結屬於自己的運營思維模型。微信公眾號:運營心經雜談,歡迎一起交流。

題圖來自Unsplash,基於CC0協議


分享到:


相關文章: