洞察報告》2017年第一季專櫃美妝輿情大調查 探索網友關注的商品

化妝歷史源遠流長,古時仕女「淨揩妝臉淺勻眉」,直至今日,妝飾姿容仍是女性不懈的生活一景。在化妝品年年推陳出新,樣式數不勝數之下,女孩們美容的相關討論熱度不曾衰減。究竟龐大的討論中,大家最關注的商品是那些? 最容易引發怨怒與驚喜的話題是什麼?

社群研究室釋出2017年專櫃美妝輿情調查報告,針對專櫃商品,為您分析化妝品偏好趨勢!

本分析報告使用《OpView社群口碑資料庫》,針對指定議題進行文本分析。

觀測期間:2017.01.27~2017.04.27

分析範圍:社群網站、討論區、部落格及新聞


 

OpView輿情聲量分析_聲量 TOP 15 的網站頻道

▲聲量 TOP 15 的網站頻道

本次調查,社群網站為主要聲量來源,佔總體近六成聲量,其中Ptt、Youtube 及 Facebook 為社群網站中前三大累積網站。以單一版面來看,前 3 大頻道佔整體聲量的50%,分別為Ptt的美妝版(聲量:4,394)、Youtube的Hello Catie頻道 (聲量:2,475)及Dcard的美妝版 (聲量:2,210)。
OpView輿情聲量分析_聲量 TOP 15 的網站頻道

▲聲量 TOP 15 的網站頻道

OpView輿情聲量分析_Ptt 美妝版 TOP 3 討論串

▲Ptt 美妝版 TOP 3 討論串

Ptt美妝版熱門主題的主題及內容大多為網友們自身使用各種專櫃美妝產品的功效討論及心得分享。此外,亦可發現在關於專櫃粉底液的投票結果之討論主題,其全部 89% 的回文作者皆為不同人,得知網友們普遍對於該討論主題有興趣。

OpView輿情聲量分析_Youtuber ─ Hello Catie TOP 3 討論串
聲量第二名的重點頻道,來自 Youtuber ─ Hello Catie ,在觀測期間中符合關鍵字的影片雖僅有 4支,卻引起上千位網友的熱烈回應,擴散力之強,說是美妝類的網紅女王也不為過。

OpView輿情聲量分析_ Dcard美妝版TOP 3 討論串
聲量第三的Dcard美妝版,相較於上述兩頻道,不重複作者率較低,推論此版的網友對於各自關注的議題,會駐足停留並深度回文討論,故可以在此版獲得相對深度的回饋。


專櫃美妝- 議題探索

化妝品品類:

進一步分析各種美妝產品與其相關議題於網路上的聲量變化,在品類上,「唇膏」討論量最高,「粉底」及「粉餅」次之。從主回文比來看討論的熱絡度,則是由「粉底」奪冠,接續為「粉餅」、「蜜粉」。

OpView輿情聲量分析_化妝品品類聲量及主回文比

▲化妝品類聲量排行榜
[註1] 主回文比= 回文數量 / 主文數量

OpView輿情聲量分析_化妝品類熱門討論串

▲化妝品類熱門討論串

維度分析:

在其他相關議題的維度分析中,則是將所有文本進行語意斷詞,產生數千關鍵詞組,再以K-means演算法計算集群,可發現網友最關注的前五大主題:體驗、保養、保濕、肌膚、售價。

OpView輿情聲量分析_維度分析 – 維度選擇方法

▲維度分析 – 維度選擇方法

五大主題中,以「體驗」議題聲量最高,包含試用商品後的體驗心情、購買流程中所產生的服務人員、通路商場等評論。
OpView輿情聲量分析_五大議題聲量佔比

▲五大議題聲量佔比

接著再將各商品類別,與五大議題交叉分析:
OpView輿情聲量分析_

[註2] 指在全部有關眼線的聲量,約有42%的聲量會提及肌膚,其他格內數值計算方式亦同。

OpView輿情聲量分析_深度討論群及感性討論群
從網友討論各商品類型時,會提及的五大議題佔比來看,將16種商品依k-means演算法分為兩大集群,分別為注重功能性、在抒發時會仔細探討商品各面向的「深度討論族群」,其中CC產品討論面向最全面;以及功能性討論比重較低,純粹隨興分享或使用當下心情描述為主的「感性體驗族群」。


專櫃美妝- 正負情緒探索

從所有文本中挑選出絕對正評(正面情緒顯著且負面情緒不顯著)與絕對負評(負面情緒顯著且正面情緒不顯著)之文章,並分別斷出關鍵詞彙後,將其視為變數,利用隨機森林 ( Randforest ) 演算法建立分類模型,並分析出該分類模型的重要變數,得出容易使網友推崇或抱怨的重點商品/議題。
OpView輿情聲量分析_隨機森林 ( Randforest ) 法分類模型

▲隨機森林 ( Randforest ) 法分類模型
[註3]將斷詞後的字詞,依照其出現頻率多寡給予不同的權重,並將已賦予字詞權重的文章投入隨機森林(Randforest)訓練分類模型。

使用的訓練文章數佔總文章數80%,隨後使用剩餘的20%文章,測試先前所訓練的分類模型之準確度。測試結果發現,正評文章分類模型的分類準確度為90%,負評文章分類模型的分類準確度則為81%。
在建立負評分類模型時,從演算結果[註4]可知,網友們在討論美妝產品的顏色效果及保濕效果時,含有較強烈的正面情緒。

[註4] MeanDecreaseAccuracy:與MeanDecreaseGini,數值愈高,表示該屬性對於該模型的判別影響越大,意指該變數為建立此模型的重要變數,能夠有效分類不同情緒之文章。

OpView輿情聲量分析_2017彩妝正評分類模型

再以上述的「顏色」、「保濕」,交叉各種商品類類型來看,「遮瑕膏」的保濕效果及「唇膏」的顏色,為網友們的正評討論焦點。
OpView輿情聲量分析_2017彩妝各品項正評討論維度關聯性

在建立負評分類模型時,「適不適合」及「櫃姊推薦」為重要的關鍵變數,可得知網友們對於找不到適合自己的美妝產品時,會有較煩躁與焦慮的詞彙,故含有較強烈的負面情緒,並傾向找櫃姊幫忙。此外,當網友與櫃姊有不好的互動經驗時,亦會有較高的負面情緒。

OpView輿情聲量分析_2017彩妝負評分類模型

 

 

 

 

 

 

 

 

 

 

 

再以上述的「適合」、「櫃姐」,交叉各種商品類類型來看,網友們不知如何挑選適合的「粉底」,而闡述目前遇到的選品疑慮、或是在選擇「唇膏」時易被櫃姊激怒。
OpView輿情聲量分析_2017彩妝各品項負評討論維度關聯性


【分析應用】

探索熱門話題、頻道

欲掌握市場流行風向,可鎖定重點頻道的熱門話題,迅速瞭解消費者對與美妝產品的看法,再參酌頻道排行中適合洽談合作的部落客、網紅,設計宣傳策略。。

「深度討論」VS.「感性體驗」宣傳層面大不同

「深度討論」產品族群,需全面描述該美妝產品的保濕功能、肌膚影響及產品售價等功能性描述。此外,更需進一步闡述該如何做好保養措施,全方位給予消費者關於產品的相關資訊;而「感性體驗」產品群時,透過體驗行銷的方式,用感性的口吻描述產品的使用心得,較易吸引消費者的目光。

產品議題的正負情緒分析

定期觀測網友對不同產品、議題的正負情緒趨勢,如本次觀測期在冬季,可發現當網友討論到遮瑕膏的保濕功效時擁有較高的正面情緒。 除季節性因素外,也可觀測常態性的喜好,如唇膏顏色易誘發大眾分享,品牌可開發特殊顏色的唇膏,期許消費者有更正面的回饋。
而負面議題的觀測,則可以提供更完善的顧客服務並即時掌握公關危機。如網友們對於找不到適合的粉底最容易感到困惑,希望能有專業人員的推薦,故未來當顧客前往專櫃購買粉底產品時,專櫃人員可以積極的主動提供諮詢協助,以提升顧客購買時的滿意度。此外,需提升專櫃人員的應對技巧,以減少客訴事件。


社群研究員