在竞争激烈的软件市场中，用户体验（UX）评估对于确保软件质量和促进长期产品成功至关重要。UX评估通常结合了标准化问卷的定量指标和通过开放式问题收集的定性反馈。尽管开放式反馈为改进提供了宝贵的见解，并帮助解释定量结果，但分析大量用户评论仍然是一项挑战且耗时的工作。
本文介绍了在一家大型软件公司进行长期UX测量项目期间开发的技术，以高效处理和解释大量用户评论。我们采用监督机器学习方法，为每条评论分配有意义的预定义主题标签，以提供收集评论的高层次概述。此外，我们展示了如何利用生成式AI（GenAI）创建简明而信息丰富的用户反馈摘要，从而有效地向组织，特别是高层管理层传达发现。
最后，我们探讨用户评论中表达的情感是否可以作为整体产品满意度的指标。我们的结果表明，单靠情感分析并不能可靠地反映用户满意度。相反，产品满意度需要在调查中明确评估，以测量用户对产品的感知。
博主点评： 本文通过结合多标签分类与生成式AI，为用户反馈分析提供了一种创新的方法，尤其是在快速变化的软件环境中，这种方法能够显著提高分析效率。值得注意的是，情感分析的局限性提醒我们，量化用户满意度仍需依赖直接的调查反馈。