以滴滴出行為例，談談如何分析使用者評論

該用什麼方法

lasswell 最早給內容分析的定義是這樣的：「誰說了什麼，通過什麼渠道，對誰說的，有什麼影響」。

進過這麼多年的發展，內容分析其實早已不是一種單一的手段，裡面涉及到了很多新的因素，例如多**內容分析、定性分析、計算機分析等等。但是真正發展成熟、被廣泛認得的，還是比較傳統的文字定量分析。我打算在這裡介紹的，也是這種已經比較確定的方法。

分析步驟

1、選擇樣本

2、設計分組

你先把前25條通讀一遍，寫下可行的分組計畫，例如「支付問題、下單問題、登入問題」等。這個分組設計以後可以調整，但是這裡需要定製乙個初始計畫。

如果是自己獨自完成，只需寫下分組名稱就好了。如果維保準確性，多人同時進行，則需要給每組寫下描述和規則。

下面是範例：

3、完成分組

按照通過前25條設計的分組方案，閱讀其餘的內容並完成它們的分組。在這個過程中，如果發現先前設計的分組方案不合理，可以進行修改。

以下是滴滴出行的分組範例：

4、記錄關鍵問題和現象

滴滴出行的範例：

5、統計分析

如果你整個分析都是在excel裡完成的，那麼統計起來就方便了。你可以算一算正負面評價的比例和最受關注的問題。

不過，最有用的分析可能挺不是這些定量的資料，而是你記錄下單關鍵問題和現象。通過整理，你會發現很多之前沒有想過的問題，只有真正一條一條閱讀分析才能挖掘出來。

範例：

其它

乙個人的判斷不一定準確，所以這種分析可以叫上兩個人同時進行，這樣的話分組規則就不能輕易修改了。兩人分別分組之後，可以計算一下兩人得出相同結果的概率是多少，通常要80%~90%以上才能夠確保結果的可信度。

分析關鍵問題這一步驟其實已經超出傳統的定量分析，借鑑了一些定性分析的成分。因為這畢竟是產品的使用者調研，不像心理學研究那樣要求絕對的準確率與客觀性，所以這裡就可以不用太過拘泥於方法，關鍵是一定要通讀並理解所有內容。

總結

內容分析的方法畢竟太過專業，真正做的時候可以有一定的靈活性，但是這四條不能忽視：

保證內容的數量在50條以上，但也不用太多

謹慎並且不斷優化分組規則

透過現象看本質，隨時記錄發現的關鍵問題

標註：我使用「分組」這個詞，與英文中的「coding」有很大差異。但是直譯的話會容易讓人產生誤解，所以使用了感官上較為模糊的一種翻譯。