本指南将帮助您基于竞争对手的分析来创建报价，外发电子邮件，定位和营销策略。

我们将对G2人群进行老快3，并分析“喜欢”和“不喜欢”部分。然后我们’将使用Google表格公式按受欢迎程度对老快3中使用的单词进行排序，并过滤除名词和形容词之外的所有内容，以了解竞争对手的优势和劣势。

CRM类别中排名前三的产品有7000多个老快3，因此我们知道’有足够的数据可以使用，我们知道’数据过多，无法手动分析。

提取喜欢和不喜欢的东西

我们需要从以下位置下载用户生成的文本“What do you 最喜欢？” and “What do you dislike?” sections:

您’ll need Netpeak蜘蛛和following regular expressions to do so:

1. (?<= like best？）（。*）（？=您不喜欢什么？）—此RegExp将获取位于“like best?” and “What do you dislike?” parts.
2. (?<=您不喜欢什么？）（。*）（？=建议）-这将获取之间的文本“What do you dislike?” and “Recommendations”.

设置蜘蛛’■自定义搜索以获取必要的数据：

唐’不要忘记禁用所有其他爬网参数。如果您需要设置方面的帮助，请阅读我的文章 从竞争对手那里下载价格’ 网站s 或联系支持部门 netpeaksoftware.com。

获取URL列表以从中提取数据

每个页面上都有6条老快3，这意味着您’我将需要抓取很多页面。幸运的是，G2 Crowd上的动态URL包含页码：

//www.g2crowd.com/products/salesforce-crm/reviews?focus_review=249310&page=2&product_id = salesforce-crm

这意味着您可以毫无问题地生成这些页面’s how I do it:

• 选择您想要获得老快3的产品，并在必要时使用过滤器。当我想要获得负面老快3时，我宁愿寻找一星级，二星级和三星级的老快3，’这样我就知道不喜欢是有原因的，而不仅仅是因为’s a mandatory field.
• 转到第二个（或任何其他编号的页面）并复制其URL：

  //www.g2crowd.com/products/salesforce-crm/reviews?filters%5Bcomment_answer_values%5D
  =&filters%5Bnps_score%5D%5B%5D=3&filters%5Bnps_score%5D%5B%5D=2&filters%5Bnps_score%5D%5B%5D=1&order
  =g2_default&page=2

• 将该网址粘贴到Google表格电子表格中，并制作3份副本：

• 将页码更改为第二行和第三行中的连续页码，突出显示URL并向下拖动光标以连续复制URL地址：

• 根据需要生成尽可能多的URL：

抓取数据

换蜘蛛’s的爬网模式为“ URL列表”，粘贴您的列表并开始爬网。

抓取完成（抓取200页大约需要一分钟的时间）后，转到“搜索”标签，然后点击“All”，以查看搜索结果：

接下来，切换到“所有值”并导出文件。如果你不这样做’t切换到“所有值”’每页只会得到一个结果，而不是每页6个结果，所以不要’t forget to do it.

每个结果都以HTML开头和结尾。不用担心，您可以使用Google表格中的“查找和替换”功能将其删除。

排序数据

在Google表格中打开导出的文件，使用“查找和替换”功能删除HTML位。

您会找到想要的老快3部分，您’将具有6个带正反馈的列和6个带负反馈的列。

从这些老快3中获取最常用的词。

您’需要这个公式：

=数组公式(查询(透明(分裂(加入(” “,H2:H30,I2:I30,J2:J30,K2:K30,L2:L30,M2:M30),” “)&{“”;“”}),“选择Col1，按Col1的数量选择count（Col2）组，然后按count（Col2） desc限制500 标签Col1‘Word’, count(Col2) ‘used'”,0))

哪里 H2:H30,I2:I30,J2:J30,K2:K30,L2:L30,M2:M30 是您要分析的一组范围。您也可以选择单个范围，例如H2：M30，但我’ve发现Google表格在此任务上存在问题，而且范围很大。

和 desc限制500 定义要显示多少个结果。随时更改它。

分析数据

列出最常用的单词后，您可以对其进行手动分析，查看人们抱怨某些产品所使用的单词或他们赞美该产品的单词，或者’过于懒惰，您可以使用一种可用的POS标记脚本来按词性过滤单词：

I’ve tried these two:

//parts-of-speech.info/

//cogcomp.org/page/demo_view/pos

它们虽然平庸，但是如果您需要处理很多单词，则很有用。