相信每一位外卖老板都关注店铺评分。它不仅反映着顾客对自己餐馆的满意度，也深深地影响着餐馆的进店访问率以及店铺排名，其重要性毋庸置疑。
不过，虽然店铺评分很重要，但大多数老板仅仅把注意力放在“评分”这个单一的数据上。没有对评分背后的原因进行数据分析，会导致老板们看不清自身的问题，进而也难以提高分数。
如何通过数据分析提高顾客满意度，从而提升店铺评分？这就是袋鼠君今天的“数据分析课堂”的主题。
首先，用店铺评分进行数据对比，了解餐馆现状
做餐饮，最怕的就是自己都弄不明白自己做得是好是坏。想要清楚自己处于外卖商圈中哪个层级，你需要做好对比分析。
1，用你的店铺评分和竞争对手的店铺评分对比
找到同商圈中和自己同品类的商家，然后用销量排名，找出销量比自己好的，以及和自己差不多的商家。这些人就是值得你关注的竞争对手。
将自己的店铺评分和这些对手们的店铺评分做对比，看看自己属于高分档还是低分档。
△以上为操作步骤图
2，用你的店铺评分和商圈评分的平均数对比
根据销量排名，找出排名前50的商家（此数据仅为参考，具体数字请根据你的商圈大小考虑），将他们的店铺评分加起来，再除以50，计算出该商圈的店铺评分平均数。
将自己的评分和商圈平均数作对比，可以看出自己是否低于一般水准，在商圈中有无竞争力。
然后，分时段记录细节数据，看清发展轨迹
店铺评分会有数据变化，但是变化得非常慢、微小，不利于深层次的数据分析。想要快速看出变化，需要将它拆解开，分成3大细节数据：好评占比、差评占比和一星差评率。
根据一般惯例，4星及以上的评分归为“好评”，3星及以下的评分归为“差评”。因此，这3大细节数据的公式是这样的：
1，好评占比=(4星评价数+5星评价数)/总评价数
2，差评占比=(3星评价数+2星评价数+1星评价数)/总评价数
它有更简单的计算方法，差评占比=1-好评占比
3，一星差评率=1星评价数/总评价数
P.S.一星评价率属于差评占比中的一部分，之所以要把它从差评占比中单拎出来，是因为一星差评率对店铺排名有直接影响，需要重点关注。
老板们每过1周，或半个月就记录下这段时间内产生的好评占比、差评占比和一星差评率，同时，去自己非常关心的竞争对手的评论区，找出他们的这3大数据，和自己做对比。用折线图的形式展现，可以清晰地表现出自己的发展变化，以及和对手之间的差距。
通过不断记录和检测折线图，可以用比较快的速度找到餐馆运营的变化，这些变化往往能通过大的数据涨幅或跌幅体现出来。如果是正面的变化，就加强；如果是负面的，就尽快解决问题。
最后，深度分析评论数据，找出餐馆病灶
很多老板们在分析顾客评价时只关注评分，不关注评论，这是因为评论看上去不客观，也不可量化。但实际上，正因为评论有足够多的复杂度，它里面包含着更多重要的信息。并且，有不少给好评的顾客会在评论中说差评内容，有的差评顾客也会说一些好评的话。如果只分析评分，就会出现脱离实际的情况。
△以上就是一个典型例子
那么，如何将评论信息量化，将它可以被数据分析呢？
方法不难，只需提取出评论中的关键词或句，然后把它归类（比如“分量少”、“味道不佳”、“包装撒漏”、“包装精美”等），然后计算出一段时间内（一周或一个月）出现这种评价的次数即可。
举个例子：
在这条一星差评中，顾客提到了3个不满意的地方。
“所有菜品没有超过2条”——差评——分量少
“3点多才到”——差评——配送速度慢
“包装撕不开”——差评——包装问题
下面这条好评中，顾客提到2个满意、1个不满意的地方：
“平淡不油腻”——好评——味道好
“有点凉”——差评——保温不好
“经济实惠”——好评——实惠
将这些关键词提取出来，然后按照“好评”和“差评”分成两列，放到表格中。每当一条新评论出现时，将其中内容和已有的关键词对照，符合的加一，不符合的就在表格中添加新的关键词。
△?以上表格仅为例子，老板们需要按照自家店评论中的实际情况列表
好评次数最多的关键词，意味着它是餐馆中的优势。以上图为例，“包装精美”就是这家店最明显的优点，需要坚持和发扬光大。
差评次数最多的关键词，则意味着它是餐馆中存在的经营隐患，甚至是病灶。它拖累了店铺整体的评分，影响复购率，给顾客较差的就餐体验。在上图例子中，“味道油腻”是这家店最大的问题。老板需要从做菜这一环节去解决，减少放油量。
P.S.从上文中老板们也可以看出来，关键词列得细，有利于问题的解决。如果“味道油腻”被改为“味道难吃”，老板们会不知道往哪个方向改。
定期分析评论数据，可以让老板们及时找出餐馆问题所在。它可以和本文第二部分的“分时段记录细节数据”紧密结合，当数据出现大的涨幅和跌幅时，分析当周的评论数据，找出带来变化的影响因素是什么。
