基于詞頻分析的在線教育APP用戶體驗研究

【摘要】以蘋果和安卓兩大移動操作系統(tǒng)的應用市場為數(shù)據(jù)源，通過網(wǎng)絡爬蟲工具，將四種主流在線教育APP的用戶反饋進行采集整理，并采用詞頻分析的方法對采集到的數(shù)據(jù)進行多維度的分析、探討，從而得到當前用戶體驗設計中的優(yōu)勢與不足，進一步為在線教育APP的運營提供新的思路和建議。

【關鍵詞】APP;在線教育;詞頻分析;用戶體驗

1. 研究背景

一份由中國互聯(lián)網(wǎng)絡信息中心（CNNIC）發(fā)布的報告顯示：“截止2019年6月，我國網(wǎng)民規(guī)模達8.54億，較2018年底增長2598萬”，其中手機網(wǎng)民使用在線教育課程類APP（手機互聯(lián)網(wǎng)應用）的用戶規(guī)模達1.99億，占手機網(wǎng)民的23.6%。從這份報告可以看出，技術的迭代升級使移動設備逐漸凸顯現(xiàn)出其在互聯(lián)網(wǎng)中的重要作用。

人因工程領域著名學者唐·諾曼（DonaldNorman）曾指出“以用戶為中心”（User-centered）的設計思路，就是利用一系列認知科學的理論和方法，來減少人機交互的鴻溝，以需求推動設計，以靈感驅動技術。作為UGC（用戶生成內容）模式的APP商店評論區(qū)，這里有用戶對APP最直觀的感受和反應，因此將這些數(shù)據(jù)加以分析，可以得出一些隱藏的用戶信息和邏輯關系。

2. 研究對象和方法

2.1 研究對象

如表1所示，研究對象為四種主流APP，安卓的廠牌較多，因此遴選了APP下載量排行前三的應用市場作為數(shù)據(jù)源，通過網(wǎng)絡爬蟲工具（一種基于特定規(guī)則進行網(wǎng)絡數(shù)據(jù)采集的腳本），對表中的數(shù)據(jù)源進行采集。整理國內50所高校的收假時間，經(jīng)折中后將采集區(qū)間定于2020年2月25日和3月25日之間，以時間倒序的方式采集條目。

采集的內容分為三個維度——“評論內容（C）”、“星級（R）”以及“發(fā)表時間（T）”。其中“C”的采集標準為：每個條目不得低于2個漢字并跳過某一特定漢字連貫率高于4次的條目;“R”的采集標準為：提取圖標HTML內部鏈接后僅保留與評級相關的1個阿拉伯數(shù)字并跳過未進行評級的條目;“T”的采集標準為：時間格式為“年-月-日”。

2.2 研究方法

本文所采用的研究方法為詞頻分析法，是一種將定性數(shù)據(jù)進行量化分析的方法，通過文本挖掘，可以獲取特定范圍內的熱點及其變化趨勢。用戶反饋是一種用戶在不受干預的情況下生成的語言材料，但由于文本不正式，需要通過特定的方法將這些數(shù)據(jù)進行加工，才能對整個運營情況進行判定。

3. 詞頻統(tǒng)計與用戶體驗分析

詞頻統(tǒng)計和情感分析分別采用了ROST ContentMining和Gooseeker自然語言處理工具，并利用Excel的篩選工具統(tǒng)計評級情況，分析總條數(shù)達12000條，共計373004個字符，切分為8401個詞語。如表2所示，由于統(tǒng)計數(shù)據(jù)數(shù)量龐大，此處僅展示權重排行前100位的詞語。

分別對表2的高頻詞進行語言材料溯源，平均每個詞條追溯15個不同的語言材料，從語言材料即用戶反饋中提取出典型、突出的用戶體驗問題，并進一步分析和歸納。

3.1. 較多高頻詞含有負面情感

“軟件”一詞是權重排名最高的詞語，頻率高達2604次。在對應的15個不同的語言材料中，10條被標記為負面情感，5條為中性情感。其中負面情感里，負面詞有2個，分別為“垃圾”和“無語”，出現(xiàn)頻率分別為10次和1次，如此高的頻率導致“垃圾”一詞排在了表單的第8位。一星、崩潰、氣死等詞匯，也都很直觀地反映出了用戶對平臺的不滿。

3.2.疫情是促成網(wǎng)課高峰期的原因之一

疫情一詞出現(xiàn)頻率為246次，相關語言材料共計235條，正面傾向111條，中性傾向95條，負面傾向29條。抽取的15個樣本中，正面情感傾向8條，中性情感傾向7條。其中標記為正面詞的有：重要、希望、方便等。多數(shù)用戶的反饋中表達了疫情是其使用遠程教育平臺的原因。

3.3 UGC模式下衍生出了一種特殊的表達方式

表單中排第6位的詞語“分期”，就是在UGC模式下衍生出的新詞新語，很多用戶在反饋時會提交“分期付款”、“分期給”等看似毫無關聯(lián)的語句，實際上是一種用戶使用感受的特殊反饋，通過語料分析可知：用戶之所以如此評價，是因為用戶把“分期”這種購買行為套用在了APP評價中，下次評級用戶可能會為APP增加分數(shù)。有研究表明，流行語之所以能被大眾接受，是情感驅動所致——“某種表達方式短時期內被很多人廣泛使用，源于某種群體情緒的發(fā)泄，換言之，群體情緒的發(fā)泄促成了爭相使用流行語這一群體行為?！庇纱丝梢?，用戶反饋專區(qū)猶如小型的社交網(wǎng)絡，某些群體的共識，可能會影響到其他用戶的看法，從而導致某些表達方式會由小范圍傳播到大范圍，這是一個值得重視的模塊，因為語言是不斷發(fā)展的，算法必須跟上時代的變化。

3.4 整體用戶體驗情況不太樂觀

如表3所示，如果將差評定義為1-2星，中評為3星，好評為4-5星，那么按照好評率計算四種APP，由高到低依次為：釘釘（26.2%）、騰訊課堂（20.5%）、騰訊會議（18.1%）、超星學習通（9.8%）。由此可見，釘釘?shù)挠脩趔w驗相對出色，但從整體的評級來看，“一星”的占比明顯較大，這說明疫情帶來了前所未有的網(wǎng)課高峰期，然而很多平臺沒有做好充足的準備。

4. 總結

在互聯(lián)網(wǎng)高度發(fā)達的今天，除了技術性的研發(fā)，許多開發(fā)者開始將注意力聚焦到用戶體驗上來，就在線學習平臺而言，有研究表明“學習平臺在基礎功能上具有同質化傾向……在戰(zhàn)略層上具有同質性，功能目標相近，業(yè)務模塊趨同”，因此用戶體驗的研究顯得尤為重要，因為這是使產(chǎn)品保持用戶粘度的關鍵因素。通過詞頻分析研究用戶反饋，將數(shù)據(jù)進行量化處理，可迅速掌握當前產(chǎn)品存在的優(yōu)勢和不足，當然，通過詞頻分析的方法不能夠徹底對用戶行為進行研究，還需要在此基礎上研究出新的方法或數(shù)據(jù)挖掘的算法以保證數(shù)據(jù)的全面、精準與可靠。

參考文獻：

[1]中國互聯(lián)網(wǎng)絡信息中心.第44次《中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告》[EB/OL].http：//www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/201908/P020190830356787490958.pdf，2019-8-30.

[2]Donald A. Norman，Stephen W. Draper.User Centered System Design; New Perspectives on Human-Computer Interaction[M].L. Erlbaum Associates Inc.：USA，1986：31-61.

[3]石晶，崔麗娟.群體行為驅動：流行語的社會心理分析[J].當代修辭學，2011（06）：22-27.

[4]劉述.用戶視角下在線學習平臺體驗研究[J].電化教育研究，2019，40（10）：47-52.

作者簡介：方瑞，男，上海理工大學出版印刷與藝術設計學院在讀研究生，研究方向：數(shù)字出版、用戶體驗設計。