Recenzje należą do nielicznych publicznych informacji na Amazonie tworzonych bezpośrednio przez kupujących. Ten poradnik pokazuje, co można z nich wywnioskować, gdzie przebiegają granice zbierania i wykorzystywania danych oraz jak przełożyć przyczyny negatywnych opinii na wybór produktu i optymalizację oferty.
Na Amazonie recenzje produktów należą do nielicznych treści pisanych przez samych kupujących i dostępnych publicznie. Ich wartość nie wynika z samej liczby opinii, lecz z tego, że kupujący opisują, dlaczego produkt ich rozczarował. Takich informacji nie znajdzie się na stronie produktu przygotowanej przez samego sprzedawcę.
Co można wyczytać z publicznych recenzji
Najbardziej bezpośrednio można odpowiedzieć na cztery pytania: czy popyt w danej kategorii jest rzeczywisty, czy ma już szczyt za sobą; gdzie konkurenci mają słabe punkty; jak kupujący własnymi słowami opisują to, czego potrzebują; oraz co sprawia, że produkty konkurencji się sprzedają.
Aby ocenić popyt, trzeba patrzeć zarówno na łączną liczbę recenzji, jak i na ich rozkład w czasie. Starszy produkt może mieć bardzo dużo zgromadzonych opinii, ale niemal żadnych nowych w ciągu ostatnich sześciu miesięcy. To zupełnie inna sytuacja niż w przypadku produktu, który co miesiąc regularnie zdobywa nowe recenzje. Słabości konkurencji najlepiej analizować w opiniach od 1 do 3 gwiazdek. Jest ich zwykle mniej, ale każda często opisuje konkretny problem. To, co naprawdę liczy się dla kupujących, należy wydobywać z często powtarzających się słów i przede wszystkim z ich własnych sformułowań, a nie ze słów podawanych przez narzędzie do keywordów. Powód, dla którego konkurent dobrze sprzedaje, często widać w jednym lub dwóch atutach wielokrotnie powtarzanych w pozytywnych recenzjach. Zwykle są to też elementy najmocniej eksponowane na stronie produktu.
Negatywne recenzje mają największą gęstość informacji
Pozytywna recenzja pokazuje jedynie, że ktoś kupił produkt. Negatywna mówi, dlaczego ktoś nie chciałby kupić go ponownie. Gdy przeczyta się serię nisko ocenionych recenzji głównych konkurentów, problemy często skupiają się wokół kilku tematów: wymiary lub pojemność nie zgadzają się z rzeczywistym produktem, opakowanie ulega uszkodzeniu w transporcie, instrukcja jest trudna do zrozumienia, brakuje funkcji albo działa ona inaczej niż opisano, bądź obsługa posprzedażowa reaguje zbyt wolno.
Podczas czytania warto od razu przypisywać opinie do kategorii takich jak jakość, logistyka, rozmiar, niezgodność z opisem i brakujące funkcje. Problem można uznać za wspólny pain point dopiero wtedy, gdy powtarza się w różnych recenzjach. Jedna skarga nie wystarcza.
Łatwo też pominąć zdania zawierające kontrast. Sformułowania w rodzaju „wszystko jest dobre poza tym jednym elementem” często wskazują na konkretną i możliwą do naprawienia wadę, dlatego są bardziej użyteczne niż recenzja pełna złości od początku do końca.
Korzystaj wyłącznie z danych publicznych i najpierw wyznacz granice
Analizowanie publicznych recenzji jest zwykłym badaniem rynku. To coś innego niż obchodzenie zabezpieczeń platformy w celu pozyskania danych. Nie należy przekraczać kilku granic:
- Przestrzegaj zasad robots i warunków korzystania z platformy oraz nie używaj metod automatyzacji, których platforma wyraźnie zabrania;
- Kontroluj częstotliwość żądań. Bardzo częste zapytania mogą zostać potraktowane jako obciążanie serwerów; to kwestia zasad, a nie tylko techniki;
- Nie obchodź CAPTCHA, kontroli logowania ani podobnych mechanizmów weryfikacyjnych. Sam fakt ich istnienia pokazuje stanowisko platformy;
- Przetwarzaj wyłącznie publicznie dostępne treści recenzji. Dane osobowe, takie jak pseudonimy czy zdjęcia profilowe kupujących, powinny pozostać poza zakresem zbierania;
- Nie wykorzystuj pozyskanych danych do manipulowania recenzjami ani wprowadzania kupujących w błąd.
Sposób porządkowania może pozostać prosty
Większość sprzedawców nie potrzebuje tak zwanego zbierania danych na dużą skalę. Wystarczy wybrać kilku głównych konkurentów i przeczytać po 30–50 nisko ocenionych recenzji każdego z nich. W trakcie czytania można je klasyfikować, a pobieranie próby zakończyć, gdy da się własnymi słowami przedstawić trzy wspólne problemy danej kategorii. Wnioski z ręcznego czytania zachowują kontekst i często są bardziej użyteczne niż ogromny zbiór tekstu, którego nikt nie przeanalizował.
Wnioski trzeba przełożyć na działania
Samo zauważenie problemu oznacza w praktyce, że nic jeszcze nie zrobiono. Po stronie produktu wspólne pain pointy warto dodać do listy tematów dla dostawcy lub do wymagań rozwojowych. Na stronie produktu należy z wyprzedzeniem odpowiadać na pytania powtarzające się w negatywnych recenzjach, na przykład za pomocą tabeli wymiarów, instrukcji montażu lub informacji o opakowaniu. W obszarze keywordów warto przenieść prawdziwe sformułowania kupujących do tytułu i punktów oferty, zastępując nimi wyrażenia, które tylko sprzedawcy wydają się precyzyjne.
Porządkowanie danych w środowisku wielu kont
Gdy zespół jednocześnie obsługuje kilka sklepów lub marketplace’ów, recenzje i arkusze często są rozproszone po różnych panelach kont, przez co trudno korzystać z danych łącznie. Powszechną praktyką jest tworzenie odseparowanych środowisk przeglądarki dla różnych serwisów i ról. Funkcje środowiska multi-account w PurpleMark pozwalają zachować każdy stan logowania oddzielnie i zarządzać nimi centralnie, podczas gdy same dane nadal pozostają rozdzielone.
Opłacalność analizy recenzji zależy od tego, jak trafnie są czytane, a nie od tego, ile ich zebrano. Wystarczy ograniczyć zakres do danych publicznych i skupić wysiłek na ustalaniu przyczyn.
