基于在線評價信息的產(chǎn)品選擇*

于 超

(沈陽工業(yè)大學 管理學院， 沈陽 110870)

在線評價信息是指購買并使用過某種產(chǎn)品的消費者根據(jù)親身體驗在社交網(wǎng)站或電子商務(wù)平臺上給出的評價信息，評價信息通常涉及到消費者關(guān)注的多個產(chǎn)品指標(即屬性)且以評分或等級的形式存在。消費者在選擇購買某一產(chǎn)品前，尤其是針對價值較高且尚未有過使用經(jīng)歷的產(chǎn)品的購買，通常會廣泛地獲取并參考其他消費者針對各備選產(chǎn)品給出的評價信息來輔助決策[1]。隨著互聯(lián)網(wǎng)的飛速發(fā)展，在線獲取產(chǎn)品的評價信息已經(jīng)成為消費者獲取產(chǎn)品評價信息的主要途徑。如何合理有效地運用數(shù)據(jù)規(guī)模龐大的在線評價信息實現(xiàn)產(chǎn)品選擇進而輔助消費者進行購買決策，有關(guān)這方面的研究具有實際意義。

一、研究現(xiàn)狀

近年來，關(guān)于基于在線評價信息的產(chǎn)品選擇或排序方法的研究已引起了部分學者們的關(guān)注。Li等[2]運用社會網(wǎng)絡(luò)分析理論構(gòu)建了一個綜合評價模型，并將其用于在線商品的等級評價，以獲取在線商品的等級和排序結(jié)果，進而輔助商品的選擇。Peng等[3]針對產(chǎn)品排序問題，提出了一種基于產(chǎn)品的在線顧客評價信息的多屬性決策方法，通過對在線評論信息進行挖掘獲取產(chǎn)品的關(guān)鍵屬性，運用模糊PROMETHEE的方法計算得到產(chǎn)品排序結(jié)果。Najmi等[4]針對如何從繁雜的評論中提取相關(guān)有用信息進而對在線產(chǎn)品進行排序的問題，提出一個產(chǎn)品排序系統(tǒng)，對評論信息進行情感分析和有用性評估，將不同的產(chǎn)品功能和特征賦權(quán)為相似產(chǎn)品排序，最終為每個產(chǎn)品生成一個統(tǒng)一的排序，輔助產(chǎn)品的選擇。Chen等[5]針對市場結(jié)構(gòu)可視化問題，提出了一個將主題建模方法、TOPSIS方法和多維標度方法加以整合的方法，通過移動電話的在線評論信息說明該方法可以用于市場中產(chǎn)品的定位和排序。習揚等[6]針對產(chǎn)品排序問題，提出了一種使用在線評價信息的決策方法，將在線評價信息描述為離散型概率分布函數(shù)的形式，通過構(gòu)建并求解優(yōu)化模型確定屬性權(quán)重，進而實現(xiàn)對方案的排序。梁霞等[7]提出了一種基于在線評論的產(chǎn)品選擇方法，通過對在線評論信息的分析確定產(chǎn)品屬性權(quán)重及顧客針對產(chǎn)品屬性取值的評價值，進而確定備選產(chǎn)品的排序結(jié)果。尤天慧等[8]提出了一種基于在線評價信息和消費者期望的產(chǎn)品選擇方法，通過計算商品各屬性的評價值相對于消費者給出的屬性評價期望的損益值，確定產(chǎn)品各屬性的評價結(jié)果分布情況，進而實現(xiàn)對備選產(chǎn)品的排序。Liu等[9]針對產(chǎn)品排序問題，提出了一種基于在線評論的決策方法，運用情感分析技術(shù)將顧客在線評論轉(zhuǎn)化為直覺模糊數(shù)，在此基礎(chǔ)上依據(jù)直覺模糊集理論實現(xiàn)對產(chǎn)品的排序。

已有研究成果為解決基于在線評價信息的產(chǎn)品選擇問題提供了較好的思路和支撐，但在實際中，針對某產(chǎn)品各屬性的在線評價信息大多是數(shù)據(jù)規(guī)模龐大且呈離散型隨機分布的形式，針對某產(chǎn)品指標的在線評價信息可視為離散型隨機變量，而已有的基于在線評價信息的產(chǎn)品選擇方法中所使用的在線評價信息大多沒有考慮其為離散型隨機變量的情形?；诖耍疚奶岢隽艘环N基于離散型隨機變量的在線評價信息的產(chǎn)品選擇方法。

二、問題描述

下面的符號用來描述基于在線評價信息的產(chǎn)品選擇問題中所涉及的集和量。

(1)A={A1，A2，…，Am}：備選的產(chǎn)品集合。其中Ai表示第i個備選產(chǎn)品，i∈M，M={1，2，…，m}。

(2)C={C1，C2，…，Cn}：指標集合，各指標是加性獨立的。其中Cj表示第j個指標，j∈N，N={1，2，…，n}。

本文要解決的問題是，依據(jù)決策信息A、C、W和X，如何通過可行的決策分析方法來選擇最優(yōu)的產(chǎn)品。

三、原理與方法

(1) 獲取在線評價信息。針對電子商務(wù)平臺上的某一產(chǎn)品，有過購買經(jīng)歷的消費者會根據(jù)自身的使用經(jīng)歷對該產(chǎn)品的各個指標給出評分，進而形成數(shù)據(jù)規(guī)模龐大的在線評價信息。消費者在選擇產(chǎn)品前，為了能夠更加客觀準確地了解該產(chǎn)品的各方面性能，通常會參考在線評價信息。由于在線評價信息數(shù)據(jù)規(guī)模龐大，因此，有必要對其進行采集和處理，以形成具有參考價值的評價信息。針對在線評價信息的采集，可以通過數(shù)據(jù)采集軟件(如八爪魚采集器、Heritrix、jcrawl等)進行。對采集到的數(shù)據(jù)進行整理，可進一步得到各備選產(chǎn)品對應(yīng)于各指標的離散型隨機變量情形的在線評價結(jié)果，進而得到?jīng)Q策矩陣。

(1)

(i，s∈M且i≠s；j∈N)

(2)

(3)

構(gòu)造有序產(chǎn)品對的優(yōu)序度函數(shù)，記gj(Ai，As)為有序產(chǎn)品對(Ai，As)針對指標Cj的在線評價結(jié)果的優(yōu)序度，計算公式為

(4)

(i，s∈M且i≠s；j∈N)

其中，gj(Ai，As)∈[0，1]。gj(Ai，As)的值越接近0，表明針對指標Cj的在線評價結(jié)果產(chǎn)品Ai占優(yōu)于產(chǎn)品As的程度越小；當gj(Ai，As)=0時，表明針對指標Cj的在線評價結(jié)果產(chǎn)品Ai不占優(yōu)于產(chǎn)品As。gj(Ai，As)的值越接近1，表明針對指標Cj的在線評價結(jié)果產(chǎn)品Ai占優(yōu)于產(chǎn)品As的程度越大；當gj(Ai，As)=1時，表明針對指標Cj的在線評價結(jié)果產(chǎn)品Ai嚴格占優(yōu)于產(chǎn)品As。

依據(jù)簡單加權(quán)方法，建立兩兩產(chǎn)品比較的總體優(yōu)序度矩陣G=[g(Ai，As)]m×m，其中g(shù)(Ai，As)為有序產(chǎn)品對(Ai，As)的總體優(yōu)序度，計算公式為

(5)

其中，g(Ai，As)可被視為產(chǎn)品Ai優(yōu)于產(chǎn)品As的可信度，g(Ai，As)∈[0，1]，且g(Ai，As)越大表示產(chǎn)品Ai占優(yōu)于產(chǎn)品As的程度越大。

(6)

(7)

(8)

可見，oi越大，產(chǎn)品Ai越好。依據(jù)oi值的大小，可對所有產(chǎn)品進行排序和優(yōu)選。

四、算 例

(1) 運用數(shù)據(jù)采集軟件收集來自汽車之家汽車評論網(wǎng)站上4款備選轎車的全部車主針對8個評價指標給出的真實評分數(shù)據(jù)，經(jīng)過整理得到4款備選轎車8個指標的在線評分分布情況，具體如表1～4所示。

表1 產(chǎn)品A1各指標在線評分分布情況

表2 產(chǎn)品A2各指標在線評分分布情況

表3 產(chǎn)品A3各指標在線評分分布情況

表4 產(chǎn)品A4各指標在線評分分布情況

(2) 產(chǎn)品各指標的評分是離散型隨機變量，依據(jù)整理后的數(shù)據(jù)，可得到產(chǎn)品各指標評分對應(yīng)的分布律和累積分布函數(shù)。例如，產(chǎn)品A1各指標評分對應(yīng)的分布律和累積分布函數(shù)如下：

限于篇幅，其他產(chǎn)品各指標評分對應(yīng)的分布律和累積分布函數(shù)不再一一列出。

(3) 依據(jù)隨機占有準則，判斷針對各指標評分的兩兩產(chǎn)品比較的隨機占優(yōu)關(guān)系，構(gòu)建隨機占優(yōu)關(guān)系矩陣，即

(4) 依據(jù)式(2)、(3)，計算各指標的偏好閥值，計算結(jié)果分別為ε1=0.682，ε2=0.404，ε3=0.212，ε4=0.283、ε5=0.218，ε6=0.125，ε7=0.342，ε8=0.397。依據(jù)式(4)、(5)，計算兩兩產(chǎn)品比較的總體優(yōu)序度，進而建立總體優(yōu)序度矩陣，即

表5 各產(chǎn)品的和oi計算結(jié)果

五、結(jié) 語

本文給出了一種基于數(shù)據(jù)規(guī)模龐大且呈離散型隨機分布形式的在線評價信息進行產(chǎn)品選擇的方法，具有可操作性和實用性，為消費者有效利用在線評價信息輔助產(chǎn)品選擇提供了方法與技術(shù)支撐，為解決現(xiàn)實中的產(chǎn)品選擇問題提供了一種新的途徑。