作者 | John Yap
題圖 | 站酷海洛
在線點評已經成為現代大眾消費裡的主流行為，我們在外出尋找一家餐館時，往往會首先去看看吃過的人都如何評價。既然顧客都如此在意點評，飯店老闆們就更不用說了。數據俠 John Yap 希望為餐飲老闆們設計一個爬蟲工具，通過分析用戶評價，來讓他了解自己的飯店的表現情況，制定相應的運營策略。讓我們來看看John Yap 具體是怎麼做的吧。
在線點評已經成為現代大眾消費裡的主流行為。以前飯店想要從消費者那裡獲得反饋，只能靠顧客填寫的意見表。而顧客則更多是閱讀食評人的文章來決定去哪裡吃。但時代已經變了，現在有很多在線點評應用，比如 Yelp ，比如 TripAdvisor。
在這些app上，用戶評分是最重要的部分，它是一次用餐體驗的集中體現。
往往一次點評裡還包含用戶對餐廳的好與壞的具體表述，有時候這些點評還會直接給出是否應該前往用餐的建議。這就營造了一種場景，在這裡餐廳被直接曝光在公眾的評價之下。這種理念其實並不新鮮，只不過以往只屬於食評人的權利，如今到了廣大群眾的手中。而這些app就成了集中收集和展示人們評論的廣場。
所以，看到如今的飯店都在積極的塑造自己的媒體形象也就不意外了，尤其是那些連鎖品牌，它們將這些評分視為推進業務的手段。我的項目挑選了紐約人民最愛的Shake Shack 漢堡店和加州人民自豪的 In-N-Out 漢堡店的數據。
在這篇文章裡，我希望用網絡爬蟲獲取的在線點評數據來完成兩件事：（1）提供一個數據庫記錄，讓飯店們可以用它來改善業績；（2）創建一個評估和比較商業表現的工具。
在我的 GitHub （DT君注：關注DT數據俠微信公眾號，後臺回覆“點評”即可獲取作者 GitHub 鏈接。）頁面可以看到更多的代碼。
▍搭建屬於你自己的數據庫，對 Yelp 點評數據進行系統性分析
Yelp 的評分等級為1星到5星，5星代表最棒。評分越高你的飯店自然就越有可能被顧客選中。
Yelp 顯示評論時候會有一個“ Yelp 、精選”的排序，但具體排序規則外界並不清楚。你自己也可以按照日期或評分升降序來排列，但我覺得有系統地來做這件事情會更好。比如，你可以像我一樣，用 Beautiful Soup 來爬取數據，用 Ploty、Excel等軟件或者R語言來進行分析。
把每個飯店的平均得分展示出來是個不錯的選擇，但是這並不能展現這家飯店的真實表現。比如，當一家飯店過往一直得到好評，但最近一週差評增多，這時候如果還是展示平均分數，那很可能它的分數還很高，但真實的趨勢其實並不樂觀。飯店經理需要知道真實的情況並做出改變。所以，最好在分析評分時候考慮進時間因素：
這組數據來自德州 Plano的 In-N-Out 漢堡店，基於這些數據，飯店經理就可以：對評分變化的趨勢進行可視化的分析。這樣你就可以知道最近是否評分變差。
分析那些具體的事件。你可以選擇只關注某一特定條件的評分變化情況。比如可以只看1星、2星評分，你還可以查看這些評論的具體內容。這樣你就可以對比分析，比如，是否在那些人手不足的日子裡，飯店獲得的評分也會相應變低。
擁有了自己的 Yelp 數據庫，你就可以建立一個用於提高表現的參考記錄庫。比如你可以設置新的欄目，總結評論中吐槽的各類環節，比如後勤、食物或者服務等。這樣你就可以發現顧客的抱怨來自哪些環節，並作出針對性的改進。而且，你還可以記錄下投訴發生的時間和過程，這樣也方便之後的新經理立刻了解過去的經驗，避免重複犯錯。
▍Yelp 評分作為一個表現評估工具
如果你是一個關心自己Yelp評分的經理，你要如何知道自己在 Yelp 上究竟有沒有提升呢？當你有了爬取的 Yelp 數據時，就很方便了。你可以選擇一個日期，然後計算到此日期之前的所有評分的平均值，這就和 Yelp 上顯示的當日的評分相同（直到下一個評分打出前）。
同樣使用上圖中的 In-N-Out 漢堡店數據，我們可以得到一個下面這樣的數據圖：
看起來，三家店都在最開始經歷了差評潮，北達拉斯店最為嚴重。但它三年後提升了一顆星。而Plano店這麼多年來依然是平均分最高的店。
你以為就這些麼？當然不是！還有更多。你競爭對手的表現如何？比如Shake Shack 漢堡店：
Shake Shack 漢堡店2016年開進得克薩斯。看起來它一開始並沒有經歷In-N-Out 漢堡店的遭遇，這是否意味著德州人更喜歡 Shake Shack 漢堡店？ 或者說他們很快就適應了這個從東部過來的連鎖快餐？
到2018年，所有店的平均得分都差不多，唯獨 Plano 的店的得分脫穎而出。也許這家店的經理真的配得上一次加薪晉升獎勵。
▍何時適合爬取數據
一旦你拿到了 Yelp 的點評數據，你就需要定期更新數據庫。那麼究竟應該以怎樣的頻率來更新呢？我們可以看看In-N-Out 漢堡店的數據。這是Plano的這家店獲得的點評數的時間分佈圖：
圖表顯示，最近每月平均只有1到3個點評。所以每個季度更新一次是更好的選擇。而對於像Shake Shack 漢堡店紐約麥迪遜廣場店這樣，更大客流量，更多點評數據的店，情況就完全不同了：
這家店是 Shake Shack 漢堡店的旗艦店，開業於2004、05年左右。巧合的是，這也正是 Yelp 開始上線運營的時期。圖表顯示，最近每個月它都會收到5到15個點評，所以也許每個月做一次數據更新比較合適。值得注意的是，有時候每月的平均點評數異常高，甚至達到上百個。我不知道這是怎麼回事，可能對應的是它最受歡迎的時期？但這種情況下，數據庫的更新就可以更加頻繁，每週一次都可以。
也許對於一些飯店業者來說，Yelp 和其他在線點評數據很討厭。但其實，你完全可以將它轉化成自己改進服務的工具。你可以記錄什麼時候收到了差評，可以對評價進行定製化處理，找到可以提升的領域，甚至可以以此作為評判標準，制定一個提升服務質量的目標，並用這個工具來進行評判。關鍵的是，這樣做的成本很低，你並不需要耗費太多精力就可以提升改善自己的經營。
注：本文編譯自數據博客《How Chain Restaurants Can Use Online Customer Reviews to Improve Their Businesses》。點擊“閱讀原文”查看。內容僅為作者觀點，不代表DT財經立場。文中圖片部分來自作者。
期待更多數據俠乾貨分享、話題討論、福利發放？在公眾號DT數據俠（ID：DTdatahero）後臺回覆“數據社群”，可申請加入DT數據社群。
▍數據俠門派
John Yap是一名在臨床試驗以及觀察性研究方面有多年工作經驗的統計學家。他參加了NYCDSA的課程來提高自己的數據科學能力。他希望用自己的能力來幫助人類提高生活質量。
▍加入數據俠
數據俠計劃是由第一財經旗下DT財經發起的數據社群，包含數據俠專欄、數據俠實驗室系列活動和數據俠聯盟，旨在聚集大數據領域精英，共同挖掘數據價值。申請入群請添加微信公號dtcaijing004並備註“數據社群”，合作請聯繫[email protected]。
閱讀更多 DT財經 的文章
