APP 評論分析 — 1

分析目標

本文主要是針對日常常見的各種評分做簡單的貝式模型計算,了解各家銀行APP 的服務表現與趨勢,建立標準分析手法,做為未來評估各項因子對於顧客使用體驗的影響力,並作為未來投入資源更新服務時的參考依據。

資料源

來自 Apple Store 與 Google Play 上面的評論。

程式碼

資料處理方法

  1. 取用每週來自 iOS 與 Android 上面的評論資料,本次資料時間為20211128 -20211205
  2. 將這些資料透過貝式推論建立統計模型
  3. 因為此次 Rating 1 ~ 5,因此初始先驗模型採用 Dirichlet 五類並用各評分分類均等。
  4. 後續採用多項分布加上 MCMC 進行大量抽樣(5000筆),進行後續模擬統計量評估。

基礎統計量

從這裡可以看見 Richart 遠遠勝過其他對手(先暫不考慮只有15個評論的 KOKO),再來就是富邦 4.3,後續星展3.6、國泰 2.66、與 中信 2.60 與 玉山 2.24,其實光是平均分數就已經有感受到跟過往認知的排名有所差異。不過就評分來說,通常都是要有強烈動機才會去評分,有與各家顧客客群特色有關,但這個影響因子就需要再用其他的手法來分析。

個別平均表現

中國信託 評分 2.61
玉山 評分 2.33
台新 richart 評分 4.78
國泰 評分 2.62

基本上,扣掉 Richart 輾壓眾生之外,大家的評價是非常接近的。不過也可以看到 國泰與中信非常接近,如果要用排名的話大概是這樣:

Richart >> 國泰 ≥ 中信 > 玉山

個別比較

左圖 Richart> 玉山 p = 1 , 右圖 中信 > 玉山 p = 0.8423
左圖 國泰 > 中信 p = 0.5176 , 右圖 國泰 > 玉山 p = 0.8228

如果將彼此模擬的評分,拿 Highest Density Interval, HDI (95%) 來做比較對照,可以看見 Richart 毫無疑問是與大家都不在同一個量級。但是就算是拿國泰與中信,其實表現上都還是比玉山相對有在統計上接近顯著的差異,雖然不到常用的統計標準 95%,但至少都有80% 以上的差異了。

後記

這個統計量只是做一個很簡單的評估目前各 app 彼此在使用者的評價中是否有明顯的差異,但是尚未針對主導原因做任何的細部分析,後續可以加上使用者評論、時間、有無回應等變量做更近一步的評估,找出主要影響使用者評分的原因,後續再根據這些原因分析了解是否會提升評價。

本來想說回頭來研究資料操作的,但是赫然發現原來以為玉山的 app 評價應該是不錯的分數,但在這裡攤開後卻是還有不少東西可以來研究一下的,特別是為什麼別人的是好的,找到後可以學,為什麼被評價低,找到後就可以改善,不管是哪個,透過持續性指標追蹤,就能更正確的回應市場與滿足使用者需要。

--

--

aha 專長於組裝各式語言與各大平台服務,打造最小可行產品原型.曾獲得2011 政府開放資料平台App社會組首獎.2015 PIXNET Mobile Service社會組首獎.2014 DSC R 課程講師.2017pycon與2017 DSC講者,2022 法律x法遵黑客松第三名。

Love podcasts or audiobooks? Learn on the go with our new app.

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store
Cheng-Yu Lin

Cheng-Yu Lin

107 Followers

aha 專長於組裝各式語言與各大平台服務,打造最小可行產品原型.曾獲得2011 政府開放資料平台App社會組首獎.2015 PIXNET Mobile Service社會組首獎.2014 DSC R 課程講師.2017pycon與2017 DSC講者,2022 法律x法遵黑客松第三名。