互联网内容评论业务梳理

DA经验分享

于 2024-08-26 23:42:43 发布

阅读量293

点赞数 7

文章标签：数据分析职场和发展大数据

本文链接：https://blog.csdn.net/groupby2023/article/details/141535973

版权

几乎所有以文字、图片、视频为载体的互联网产品（app与web），评论都是重要的产品功能，评论区都是重要的社区场景。评论的本质是什么？是沟通！之所以特别指出这一点，是想让评论回归本质。很多做产品和运营的人都会忘记这点，从而做出一些效果有待商榷的业务动作。本文将主要梳理以内容为载体的互联网评论业务。

1、评论生产逻辑

如果要以一个公式简单总结用户评论的生产逻辑，我想下面这个式子会有帮助，它总结了评论业务的关键要素：

评论人群+评论动机+评论方式+评论激励=评论行为

评论人群

评论行为与你拥有怎样的用户相关，有的人表达欲强，有的人表达欲弱，有的人评论质量高，有的人评论质量低，都是很常见的现象。也就是说评论人群决定了评论意愿和评论质量的上下限。区分用户的方式一般有人口属性、社会属性、消费偏好，比如30+的人比年轻人更爱评论，女性的评论质量通常比男性高，偏好图文消费的评论意愿高于偏好视频消费的等等。

你拥有怎样的用户还包括你的内容是否与用户正确对接，如果你的内容是美妆，那你就应该专注在城市的年轻女性，如果你的内容是亲子互动，那你就应该专注在30+的人群，如果你的内容是内涵段子，那你就应该专注在30-的人群。只有内容与人群正确对接，才能激发用户评论。

你拥有怎样的用户决定评论社区的氛围，一般而言，一个女性社区就应该降低男性的比例，并且应该做评论隔离，在我们的调研中，会发现纯女性社区对女性用户有非常强的吸引力，她们不希望内容被男性用户看到，更不希望被评论和私信，因为有些时候的批评私信都低俗且肤浅。

评论动机

评论动机一般有两类，一类是内容促评论，即用户消费内容后产生的评论意愿，比如提供正/反观点、提供答案、表达疑问、表达感谢称赞、自我展示、@分享等；另一类是评论促评论，也就是评论回复或称为子评论，很多运营课程都强调“神评”，指的是可以吸引很多评论回复的评论，而像小红书这样的平台，则是评论区的真实经验分享与讨论非常吸引人，构建起了短视频平台无法比拟的社区氛围。不同的内容类型有不同的促评能力，比如求助类的内容往往会有较高的评论率，真实经验类的内容也会有较高质量的评论率。

在不考虑评论方式和激励的情况下，衡量评论动机强弱常用的指标有：

评论渗透：评论uv/消费uv，评论uv/dau，有些产品从dau到消费uv漏斗比较大，适合用前者。

vv评论率：评论次数/消费次数，用来衡量内容促评能力的核心指标。这里特别要注意的是，不同消费场景的vv评论率是不同的，比如抖音的沉浸流，vv评论率往往要低于小红书的双列详情页消费，不仅因为vv的内涵不同，也跟消费场景带评能力有关。

评论回复占比：有回复的评论数/评论数，一般要排除作者的评论，是用来衡量评论社区氛围的核心指标。

还有一个指标叫评论回复率：被回复的非作者评论数/非作者评论数。指作者对他人评论的回复情况，一般用来衡量作者的账号经营意愿。

评论方式

评论方式是指用户可以怎样评论，包括写文字、表情包、上传图片、@认识的人、快捷评论。一般一个产品首先有的功能是写文字评论，然后是表情包评论，一些大产品还有上传图片评论，俨然将评论区跟内容区的隔离打破。@认识的人建立在关系之上，一般也只有大产品才有这种功能，本质上是一种端内分享。

快捷评论，ai时代兴起的一种评论方式，会提供一些评论备选项，降低评论的难度和精力花费，这一功能对于可评可不评的用户而言，可以增加他们的评论，但是这种评论一般促评能力比较低，而且收到评论的人看着也无感或感觉虚假，当人意识到哪些是ai评论时，这样产生的评论也就失去了对用户的价值，甚至破坏社区氛围，因此需要谨慎使用且降低负向，控制比例。

评论激励

评论激励虽然有很多种，但我觉得好的评论激励只有一种：评论反馈（回复、点赞）。评论的本质是一种沟通，无论这种沟通是为了表达赞同、赞美、回答问题、分享观点，还是质疑、批评、提出问题。既然是沟通，那怎样的沟通是一个好的可持续的沟通呢？肯定是自然、诚实、想说就说，不想说就不说。因此我认为做评论激励不是一条正确的路，而且很难达到效果，甚至有负面作用，用户不是傻子，激励来的沟通和正常的沟通通常可以区分出来，且能被激励产生评论的用户，跟其他用户的差异性，导致的评论社区的失衡，都是要考虑的问题。

做评论业务的时候，发现一条很有意思的规律：有没有首评很重要。一条内容有了一条评论，那么产生后续评论的可能性就会增大。因此又诞生了一个指标叫“零评率”。这本身没有问题，可以通过抢首评，抢沙发，引导用户评论。但是另一种做法就比较存疑了：人工消灭零评内容，通过雇人写评论的方式，把零评内容消灭掉。每个人每天写上百条评论，指标上好看，立竿见影，但是促评能力如何，有怎样的负向，就是需要审慎评估的了，毫无疑问这些评论大多都是为了说话而说话，这样的沟通是很难获得用户认可和信赖的，特别是当它占比很大的时候，整个的社区氛围也会出现问题。

2、评论分析方法论

主要问题

围绕评论一般有这么几个分析主题：评论渗透，评论频次，评论互动，评论留存。在这几个主题下，可以细分到不同场景、用户、内容、评论类型等。场景一般有双列feed流、沉浸式、搜索、单主题tab等。用户一般会分为dau新老用户、评论的新老用户、其他人口和社会属性用户、不同活跃度用户等。内容一般是分垂类、生命周期、地域、活动、话题等。评论类型首先应该分为一级评论和非一级评论，因为非一级评论属于评论的回复，动机和属性大有不同。其次再分为文评、图评、快捷评、社交评（@评）。

这里有一个核心要注意的问题是：你要分析的是谁？是作者还是消费者。两者的评论动机可以说完全不同，我上面梳理的评论生产逻辑更多是基于消费者的视角。而作者的动机比较简单，要么是还有话没说完，补充内容，包括自己消除0评，也是创作意图的延申，要么是看到消费者评论，回复评论，其他动机占比很低。

对于一些有补评论动作的产品也要注意，业务自己生产或雇人生产的评论，要进行隔离，因为这类评论动机也很简单，就是为了评论而评论，它们的存在会干扰你的分析。但是它们可以作为变量，评估对你的指标的影响，从而给业务方提出优化建议。

主要思路

既然已经比较清楚地知道评论的生产逻辑，那么评论问题的分析自然也就围绕这一逻辑展开：是什么样的人、消费内容促评论能力如何、评论区促评能力如何、是否有方便的评论方式、是否受到激励。评论留存还受到活跃留存、是否消费的影响，而这部分其实主要不是评论策略的影响，而是这个产品本身的用户粘性问题，因此分析评论留存建议以下次有消费的评论用户作为分析的主体。

是什么样的人？涉及用户的人口属性（性别、年龄、婚姻等）、社会属性（职业、教育水平、地域、收入、宗教、国家等）、产品属性（生命周期、活跃度、消费深度、是否创作者等）、评论属性（过往vv评论率、是否首次评论等）。评论属性之所以重要，是因为它代表这个用户的评论能力，除了对未来的评论数据有预测作用外，还可以作为圈选用户进行独立运营的抓手。

内容促评能力如何？衡量的核心指标是所消费内容的vv评论率或者uv评论率，一般以历史累计消费数据或近一周消费数据来衡量。当要评估一个用户所消费内容的促评能力的时候，要以消费量达到一定规模的内容为基础，比如100+，先计算单个内容的促评能力，再计算均值，从而避免被高消费内容带偏指标。

评论区促评能力如何？衡量的指标是所消费评论的数量、所消费评论的回复占比（代表促评能力/社区氛围），前者是数量，后者是质量。有些更细致的分析，还会考虑所见评论的字数、评论区停留时长等更深的指标。如果你所在的业务还有自产的评论，建议也进行拆分标识，单独作为一个变量进行分析，因为这些评论是正向还是负向作用，尚未可知，且可以为业务决策提供重要参考。

是否有方便的评论方式？以目前业界的评论发展来看，这里主要考虑快捷评论方式的影响，即备选评论的show。目前大部分产品没有这一功能。

是否受到激励？衡量的指标是用户评论被回复的次数、是否参与评论激励、是否看到评论激励等。被回复次数建议可以分为用户回复和作者回复两类，因为两者代表着不同的业务方向。回复也可以分为不同类型的回复，如文字回复、表情回复、快捷回复等，你会有一些有意思的发现。如果你所在的业务还有自产的回复，建议也进行标识。

主要方法

一般涉及描述性分析和模型因果分析，相关性分析也可以作为参考，但往往在描述性分析里，就可以看到这个结果。如果只是看趋势，用描述性分析，如果想搞清楚某个因素对评论的影响，建议优先用模型因果分析，特别是要为业务找到优先做的方向的时候，因果分析在标准化之下，更有帮助。实际工作中，描述性分析必做，因果分析未必做。后面的文章我将结合实际介绍一下因果分析模型。