一种从 TikTok 与 YouTube 中发掘需求相关反馈的数据驱动方法
人机交互
2023-07-26 v4 软件工程
摘要
视频作为一种参与、沟通与内容创作媒介的重要性日益增加，使其对于企业考量用户反馈而言至关重要。然而，在社交媒体平台上筛选大量视频内容以提取需求相关反馈具有挑战性。本研究深入探究了 TikTok 与 YouTube 这两个聚焦视频内容的广泛使用社交媒体平台，在识别相关用户反馈方面的潜力，这些反馈可经后续需求生成步骤进一步精炼为需求。我们通过分析来自跨多个行业的 20 款热门产品的 6276 个视频的音频与视觉文本以及元数据（即描述/标题），评估了视频作为用户反馈来源的前景。我们采用最先进的基于深度学习 transformer 的模型，并分类出 3097 个包含需求相关信息的视频。随后我们对相关视频进行聚类，并为 20 款产品分别发现了多个需求相关反馈主题。该反馈后续可被精炼为需求制品。我们发现产品评分（功能、设计、性能）、缺陷报告与使用教程是视频中持续存在的主题。诸如 TikTok 与 YouTube 的基于视频的社交媒体能够提供宝贵的用户洞察，使其成为企业改进以客户为中心开发的强大且新颖的资源。
引用
@article{arxiv.2305.01796,
title = {A Data-Driven Approach for Finding Requirements Relevant Feedback from TikTok and YouTube},
author = {Manish Sihag and Ze Shi Li and Amanda Dash and Nowshin Nawar Arony and Kezia Devathasan and Neil Ernst and Alexandra Albu and Daniela Damian},
journal= {arXiv preprint arXiv:2305.01796},
year = {2023}
}