前言

在产品运营上线后，总是有各种各样的反馈，我们一般需要对这些反馈进行统计，因为这些数据都是非结构化的数据，类似文本消息，语音消息，这时候我们可以考虑利用NLP对这些数据进行聚类或者分类，在NLP使用之前，我对NLP的各种产品以及Python自带的库也摸索了一遍，最终出于最优解决方案原则，选择了腾讯的NLP文本处理接口，主要利用了情感分析/智能分词的接口，当然有兴趣的小伙伴也可以尝试利用jieba库，snownlp去进行文本分析，但效果可能没那么好，产生我们反馈迭代的这个需求的动力是优化迭代我们的产品，所以我们需要在产品上寻找最优解决方案，此外，进行反馈的分析目标是对我们客观世界的现象进行聚类or分类，这里则用到一些NLP的技术，技术仅仅是作为实现我们需求分析的一个小环节。
这里我会简单的写几行代码去调取NLP接口进行分析，以及本地用pandas对我们的结果进行收集，关于可视化，后面有时间将会补充，

一、NLP是什么？

处理自然语言的关键是要让计算机“理解”自然语言，所以自然语言处理又叫做自然语言理解(NLU，NaturalLanguage Understanding)，也称为计算语言学(Computational Linguistics。NLP主要运用场景，智能客服，智能语音，AI纠错等等场景。

二、使用步骤

1.引入库

代码如下（示例）：

import pandas as pd
import openpyxl
import os
import json
from tencentcloud.common import credential
from tencentcloud.common.profile.client_profile import ClientProfile
from tencentcloud.common.profile.http_profile import HttpProfile
from tencentcloud.common.exception.tencent_cloud_sdk_exception import TencentCloudSDKException
from tencentcloud.nlp.v20190408 import nlp_client, models

2.数据分析流程

定义接口请求的id和key,一般会放在env里
SecretId = os.environ.get('TENCENTCLOUD_SECRET_ID', SecretId)
SecretKey = os.environ.get('TENCENTCLOUD_SECRET_KEY', SecretKey)#create client profile
def get_client_profile():cred = credential.Credential(f"{SecretId}", f"{SecretKey}")httpProfile = HttpProfile()httpProfile.endpoint = "nlp.tencentcloudapi.com"clientProfile = ClientProfile()clientProfile.httpProfile = httpProfileclient = nlp_client.NlpClient(cred, "ap-guangzhou", clientProfile)return client# 情感分析
def get_sentiment(text):try:client = get_client_profile()req = models.SentimentAnalysisRequest()params = {"Text": text}req.from_json_string(json.dumps(params))resp = client.SentimentAnalysis(req)print(resp.to_json_string())j = json.loads(resp.to_json_string())return j['Positive']except TencentCloudSDKException as err:print(err)# 分词
def get_participle(text):try:client = get_client_profile()req = models.LexicalAnalysisRequest()params = {"Text": text,}req.from_json_string(json.dumps(params))resp = client.LexicalAnalysis(req)print(resp.to_json_string())j = json.loads(resp.to_json_string())return [i['Word'] for i in j['PosTokens']]except TencentCloudSDKException as err:print(err)# 读取excel文件获取数据并存储到列表中
if __name__ == '__main__':df = pd.read_excel('8-4.xlsx',engine='openpyxl')df['sentiment'] = df['content'].apply(get_sentiment)# 分词还需要进行一些数据结构上的处理，这里不再阐述df['participle'] = df['content'].apply(get_participle)# 导出结果看看df.to_csv("participle.csv",index=False)

情感分析（积极度）：

分词的结果（词名长度词性）：

总结

从产品的PDCA闭环里，技术可以推动我们去归类问题，然后定义产品分析方向的迭代，NLP很好的帮助了A的角色，当然，技术仅仅是辅助，但我们有了分析的数据能更好并能更有说服力地去迭代产品，而不是出于主观思想去定义迭代方向，这将是个很好的思路（数据驱动产品迭代）。

产品分析之用户评论分析相关推荐

python文本挖掘与分析：热剧《延禧攻略》用户评论分析
需要用到的工具:pycharm编辑器,python3 主要用到的库:re,urllib,requests,time,BeautifulSoup,selenium,numpy,matplotlib,ji ...
python文本挖掘与分析：歌曲《说散就散》网易云音乐平台用户评论分析
一.准备工作: 1.python3.x 2.编辑器pycharm 3.requests,json,os,base64,codecs,AES,pymysql(存入什么样的数据库就用什么,也可以不用数据库 ...
数据分析案例-对某宝用户评论做情感分析
目录原始数据绘制词云图情感分析原始数据原始数据为某宝一商品的用户评论数据绘制词云图 # coding=utf-8import jieba import re import wordclou ...
QQ卖手办，用AI分析用户评论
作者 | 徐汉彬指导 | 宋彦编辑 | Jane 出品 | AI科技大本营徐汉彬,腾讯鹅漫前台研发团队 Leader,T3-3 级工程师,负责鹅漫U品和 AMS 平台(高峰期 PV 超过 13 ...
AI Challenger 2018：细粒度用户评论情感分析冠军思路总结
2018年8月-12月,由美团点评.创新工场.搜狗.美图联合主办的"AI Challenger 2018全球AI挑战赛"历经三个多月的激烈角逐,冠军团队从来自全球81个国家.100 ...
春藤家长学院简易产品分析及用户分析、K12教育市场分析
春藤家长学院简易产品分析及用户分析品牌slogan:家长有规划,孩子有未来藤家长学院是一个聚焦"家庭教育规划"的App,帮助0-18岁孩子的中国家庭,获得优质的教育资源和理念, ...
基于用户评论情感分析详细设计与技术实现
基于用户评论情感分析详细设计与技术实现文章目录基于用户评论情感分析详细设计与技术实现前言一.技术架构二.分析服务器构建 1.1 创建flask项目 1.2 编写数据库连接脚本,获取用户评论数 ...
python 评论分析_如何利用python实现用户评论挖掘并分析
1.利用函数nextpage获取所需的id 顾名思义,这是一个"翻下一页"的函数.可以通过读取url中的id进行自动翻页,利用该函数对股票代码进行获取. 以沪深股市为例,在当前页面 ...
实战项目-用户评论数据情绪分析
目录 1.基于词典的方法 2.基于词袋或 Word2Vec 的方法 2.1 词袋模型 2.2 Word2Vec 3.案例:用户评论情绪分析 3.1 数据读取 3.2 语料库分词处理 3.3 Word2 ...

产品分析之用户评论分析

文章目录

前言

一、NLP是什么？

二、使用步骤

1.引入库

2.数据分析流程

总结

产品分析之用户评论分析相关推荐

最新文章

热门文章