高德地图加油站 POI 分析和优化

在高德的AppStore里看到一条这样的低分且有内容有价值的评论，于是好奇趋势，假设自己是POI的产品，会怎么优化这个点呢？下面的一些数据不是真实的，只是大概看了之后自己给的哦，可能导致的结论也是不完全正确的，这里只给自己的思路。

一条App Store的评论

需求说明

• 目的：优化POI加油站部分，减少因为加油站信息偏差导致的用户流失
• 人群：使用导航找加油站的车主

问题分析

首先关键词提取：“信息不真实“，这里的信息指的是什么呢？ 先来看一看加油站详情页长什么样子，并结构化一下：

加油站页面&信息结构图

这里的信息不真实到底指的什么呢？我思（y）考（y）了一下：

加油信息不真实可能原因及严重程度分析

第一步优化方案

红、橙、蓝表示信息不真实的严重后果，所以如果单单从加油站信息错误导致的问题做优化的话，如果没有技术壁垒的情况下，貌似只需要做到以下几点就好了（排名分先后，解决方法可能不好实现，目前只是提出来）

（1）实时更新加油站可加油的类型

方法：激励商户更新|| 加油站管理系统提供接口

（2）每天更新油价

方法：激励商户更新 || 加油站管理系统提供接口

（3）确认可用的支付方式

方法：激励商户提供信息 || 获取商家微信支付宝银行卡pos端口情况获取

（4）确认服务和周边是否真实存在（厕所、便利店、速食店等）

方法：激励商户添加商户信息 || 通过支付行为数据自动添加

（5）确认油卡是否可买可充

方法：激励商户填充信息 || 加油卡管理系统接口

（6）确认&更新店面信息（门店照片和名称）

方法：激励商户更新店面情况（根据街景自动更新？）

但是，既然开放了评论区，那就去挖一挖评论里是否有用户在意的，但是以上信息里没有的东西。另外，车主开着车，一条条刷评论区再做决定不太友好，怎么帮助车主最有效率找到期望的加油站呢？

评论区深入挖掘

我统计了30个加油站的500条有效评论（有内容指出是哪个部分满意或者不满意），以下为统计数据：

星级评论饼状图

从图中可以发现一个1星和5星的评论站比例占了77%，且1星评论比5星评论多7%。说明用户在非常满意和非常不满意的时候才会对加油站做评论，且不满意的时候倾诉、评论的意愿更大。

1星（左）和5星（右）用户关键字分布

从1星用户评论关键词图可以发现，当加油站工作人员服务态度差是导致差评的罪魁祸首，其次是油的质量，用户怀疑油没有加到指定量的时候也会差评。另外等待时间长、价格贵也会导致差评，但是不是最主要原因。

从5星用户评论关键词图可以发现，服务态度好、有优惠、油质好和送洗车或者礼品是让用户好评的关键点。其中态度好最能驱使用户进行评论，有优惠也较大程度的驱使用户好评（这里的有优惠是满减或者每升便宜多少钱，不是说的价格便宜哦，可能优惠之后跟某些便宜的加油站价格差不多，这里用户并没有对比和指明）

从1星和5星图也能发现，评论的用户更倾向于对态度做出评价，尤其是给出低分的用户。其次是油的质量，是否有优惠，是否送礼品或者洗车服务等。

思考

那么是不是直接从评论中提取关键字作为标签作为信息显示就好了？不一定，因为这个由个前提条件，就是用户关注的内容和用户评论的关键词是一致的。这个前提是否成立呢？我们做了个简单的小调查。

加油站用户调查

首先我们需要确定什么人会去关注这个评价。

加油流程图

从上图可知，会去看评价而确定去某个加油站的人需要满足几个前提：

1. 没去过周边加油站（如果去过，即使打开导航也只是为了找路，不是为了看评价）
2. 开导航去到该加油站（如果不用导航，已经开到加油站了，不会再打开导航地图去看评价）

基于上面两个前提，我做了一个简陋的调查报告

问卷中可能有不开车的人，这些人的回答可能更倾向于“幻想”，但是通常人以为自己做出的决策会和真实不相符，所以这里把这些人滤过了。

不会导航搜索的也就不会看评论了，我们只关注会用导航的人，所以对于会看导航的，我们问了如下问题

我们发现少量车主不关注加油站信息，只关注距离，而85%的车主会关注评论，那么对于这部分用户，我们设计如下问题

最终可以得出，我们终极目标用户主要关注的点在：

1. 距离
2. 油质量
3. 价格
4. 加油速度

调查结果与用户评论分析

让我们对比下评论高频和找加油站用户关注点：

距离是由车主当前位置和附近加油站数量决定的，先不看。只有油的质量是双方的高频关注。因此，刚刚提到的前提是不完全成立的，也就是说：

评价关键词不完全等于用户选择加油站的考虑点，所以我们需要引导评价的用户给出我们需要的信息。

其次，我们再来看看评论的有效性。我们再来看看流程图，看到底是哪些用户会去评论加油站

我们从流程图中发现，以下几种路径的会评价加油站：

• 不用导航，常去该加油站（7%）
• 不用导航，路过加油站（20%）
• 导航搜索，没有查看评价，随机选择的加油站（38%）
• 导航搜索，查看评价后选择的加油站（35%）

可以看出

1. 常去该加油站的，评论意愿最低；
2. 非“常客”，且导航搜索后评价人数占总评价人数73%。

你会发现一个问题就是：

对加油站最了解的常客贡献的信息很少的，反而是去了少数几次甚至只去了一次的用户评论的占大多数。这会导致一个问题就是，评价的用户可能基于某一次的愉快或者不愉快的经验评分，造成评价偏差。

所以怎么鼓励常去的用户给出有价值的准确的评价才是最重要的。下面看一下激励机制：

现在高德对于评论的用户会给“高德币“的利益激励，可以换取打车券、顺风车券等等，但是，自己有车的人用到这些券的概率和频率是不是很低呢？

那么私家车车主一定会做的事情是什么？

• 加油（最频繁）
• 修车（低频）
• 保养（低频）

因此，在利益激励上，可以通过对加油上给出一定的优惠机制，能够激励用户去做评论。为啥这个一定有效呢？

因为在和Jeff聊起搜加油站时，他告诉我了一个叫团油的app，这个app主打就是通过app支付可减免钱。如果用户愿意下一个app，只为了加油省钱一件事情，那么如果把这个唯一的事情都整合到使用频率更高的地图上，是不是可以把那边的用户拉过来呢？

第二步解决方案

1. 在评论里面规定一些引导标签，如“油质量高“，”加油速度快“，”价格低“，引导用户给出更有价值的评价；
2. 通过评论加油站积分可以换取油费优惠的活动，激励用户评论（可重复评论）。

终极优化总结

信息区：

1. 实时更新加油站可加油的类型
2. 每天更新油价
3. 确认可用的支付方式
4. 确认服务和周边是否真实存在（厕所、便利店、速食店等）
5. 确认油卡是否可买可充
6. 确认&更新店面信息（门店照片和名称）