基于企業(yè)網(wǎng)絡(luò)輿情的客戶滿意度分析及管理方法

高學(xué)東， 王 艾

（北京科技大學(xué) 東凌經(jīng)濟管理學(xué)院，北京100083）

0 引言

網(wǎng)絡(luò)輿情作為新媒體環(huán)境下網(wǎng)絡(luò)用戶對于特定社會現(xiàn)象所持有的不同觀點、態(tài)度、情緒和行為傾向的總和，隨著社交網(wǎng)絡(luò)用戶數(shù)量的激增而呈現(xiàn)出內(nèi)容自由度高、傳播速度快、覆蓋范圍廣等特征，并在我國經(jīng)濟社會的生產(chǎn)、生活中扮演著日益重要的角色［1，2］。

網(wǎng)絡(luò)輿情監(jiān)測問題一直是政府相關(guān)管理部門和企業(yè)相關(guān)組織機構(gòu)的研究熱點之一［3］。政府監(jiān)測網(wǎng)絡(luò)輿情的目的是對網(wǎng)絡(luò)輿情進行引導(dǎo)或干預(yù)，避免負面網(wǎng)絡(luò)輿情的病毒式傳播［4，5］；而企業(yè)監(jiān)測網(wǎng)絡(luò)輿情的目的是在激烈的市場競爭中快速獲取競爭情報、擴大企業(yè)優(yōu)勢［6］。

現(xiàn)有企業(yè)網(wǎng)絡(luò)輿情的研究工作主要集中于輿情的預(yù)警機制設(shè)計、傳播過程識別、危機應(yīng)對策略分析等問題［7～9］，而關(guān)于企業(yè)如何利用網(wǎng)絡(luò)輿情來豐富原有客戶關(guān)系管理內(nèi)涵、并從而提升企業(yè)競爭優(yōu)勢的研究較少。

本研究針對網(wǎng)絡(luò)輿情環(huán)境下的企業(yè)客戶關(guān)系管理問題，利用文本挖掘技術(shù)和聚類方法，實現(xiàn)基于企業(yè)網(wǎng)絡(luò)輿情的客戶滿意度預(yù)測，并根據(jù)預(yù)測結(jié)果為企業(yè)銷售戰(zhàn)略的制定提供決策支持。

1 相關(guān)研究評述

1.1 企業(yè)客戶-網(wǎng)絡(luò)用戶-企業(yè)網(wǎng)絡(luò)輿情關(guān)系

在網(wǎng)絡(luò)輿情環(huán)境中，存在三個關(guān)鍵實體，即企業(yè)客戶、網(wǎng)絡(luò)用戶和企業(yè)網(wǎng)絡(luò)輿情［10］。企業(yè)客戶是指在現(xiàn)實社會中，購買或體驗過企業(yè)提供的產(chǎn)品（或服務(wù)）的真實消費者。因而，企業(yè)與客戶確立了以產(chǎn)品為中心的銷售關(guān)系。

網(wǎng)絡(luò)輿情的熱點話題深入到經(jīng)濟社會生產(chǎn)、生活的方方面面，例如國內(nèi)外政治經(jīng)濟局勢、社會突發(fā)事件、文化娛樂生活等［11］。企業(yè)網(wǎng)絡(luò)輿情特指以企業(yè)或企業(yè)所經(jīng)營的具體業(yè)務(wù)為話題的網(wǎng)絡(luò)輿情，如產(chǎn)品網(wǎng)絡(luò)輿情等，它能夠直接影響企業(yè)的生產(chǎn)經(jīng)營效益。所以，企業(yè)可以通過獲取與其主營業(yè)務(wù)相關(guān)的網(wǎng)絡(luò)輿情，來改善經(jīng)營現(xiàn)狀，特別是拓展與客戶互動的渠道。

社交網(wǎng)絡(luò)平臺由于其自身使用便捷、信息傳播速度快等優(yōu)勢，是企業(yè)網(wǎng)絡(luò)輿情傳播的重要渠道，如微博、微信朋友圈、QQ空間等［12］。網(wǎng)絡(luò)用戶作為社交網(wǎng)絡(luò)世界的締造者和參與者，其活躍度對企業(yè)網(wǎng)絡(luò)輿情的傳播產(chǎn)生重要影響。

（1）企業(yè)客戶與網(wǎng)絡(luò)用戶間的關(guān)系

DONG［13］在研究移動社交網(wǎng)絡(luò)用戶對聯(lián)系人產(chǎn)品推薦信息反應(yīng)意象的影響因素中，明確了企業(yè)客戶與網(wǎng)絡(luò)用戶的關(guān)系。實證研究表明，網(wǎng)絡(luò)用戶一旦建立對企業(yè)產(chǎn)品或服務(wù)的購買意愿，就轉(zhuǎn)化為企業(yè)客戶，且聯(lián)系人產(chǎn)品推薦模式對網(wǎng)絡(luò)用戶轉(zhuǎn)化為企業(yè)客戶起到較大的促進作用。而企業(yè)客戶一旦在社交網(wǎng)絡(luò)平臺上發(fā)布或瀏覽信息，就直接成為網(wǎng)絡(luò)用戶。所以，社交網(wǎng)絡(luò)平臺的發(fā)展使得企業(yè)客戶向網(wǎng)絡(luò)用戶的轉(zhuǎn)化速率快速提升，甚至對于銷售手機等同類電子產(chǎn)品的企業(yè)，客戶就是網(wǎng)絡(luò)用戶。

因此，企業(yè)客戶與網(wǎng)絡(luò)用戶具有雙向可達聯(lián)系，并且隨著網(wǎng)絡(luò)基礎(chǔ)設(shè)施的普及、社交網(wǎng)絡(luò)平臺的完善，聯(lián)系將會向緊密化、穩(wěn)固化發(fā)展。

（2）網(wǎng)絡(luò)用戶與企業(yè)網(wǎng)絡(luò)輿情的關(guān)系

LI et al.［14］研究了面向輿情主題的微博用戶行為，明確了網(wǎng)絡(luò)用戶與企業(yè)網(wǎng)絡(luò)輿情的關(guān)系。實驗結(jié)果表明，信息傳播中的網(wǎng)絡(luò)用戶存在三種類型，即一般關(guān)注型、主動參與型、以及信息傳播型用戶。其中，主動參與型用戶以自身為中心，向周圍聯(lián)系人主動散播輿情信息，且用戶行為特征對輿情主題敏感。而信息傳播型用戶在企業(yè)網(wǎng)絡(luò)輿情傳播過程中活躍度最高，是重要輿情信息轉(zhuǎn)發(fā)、創(chuàng)造者，甚至是輿情領(lǐng)袖。所以，主動參與型和信息傳播型網(wǎng)絡(luò)用戶均可以通過在社交網(wǎng)絡(luò)平臺上對企業(yè)產(chǎn)品進行評論、意見反饋來營造企業(yè)網(wǎng)絡(luò)輿情。同時，企業(yè)網(wǎng)絡(luò)輿情又可以通過社交網(wǎng)絡(luò)平臺傳播并影響所有類型用戶。

因此，主動參與型和信息傳播型用戶與企業(yè)網(wǎng)絡(luò)輿情具有雙向可達關(guān)系。

綜上，大量企業(yè)客戶已經(jīng)將其對于企業(yè)產(chǎn)品的意見主動反饋到了社交網(wǎng)絡(luò)平臺上，甚至參與了該產(chǎn)品網(wǎng)絡(luò)輿情的構(gòu)建及傳播。這無形中開發(fā)出一條由客戶推動的意見反饋渠道，為企業(yè)獲取產(chǎn)品情報、實踐客戶關(guān)系管理提供了新模式。

（3）網(wǎng)絡(luò)用戶-企業(yè)網(wǎng)絡(luò)輿情關(guān)系的穩(wěn)定性

GAO［15］在研究網(wǎng)絡(luò)輿情形成機理及信息受眾觀點測度中，進一步明確了網(wǎng)絡(luò)用戶與企業(yè)網(wǎng)絡(luò)輿情的關(guān)系。依據(jù)網(wǎng)絡(luò)輿情場理論，將網(wǎng)絡(luò)輿情場內(nèi)信息受眾觀點測度分解為三個維度，即個體維度、群體維度、以及整體維度。個體維度觀測范圍為場域內(nèi)每一位網(wǎng)絡(luò)用戶，在實踐過程中面臨信息失真、個體行為滯后等問題。群體維度觀測范圍為具有信息交互的同質(zhì)網(wǎng)絡(luò)用戶個體群落（類），網(wǎng)絡(luò)用戶類往往處于明晰場域中，并具有一定的魯棒性。整體維度觀測范圍為全部網(wǎng)絡(luò)用戶，測度的目的由網(wǎng)絡(luò)用戶本身轉(zhuǎn)向網(wǎng)絡(luò)輿情場的極性與強度。因此，由于網(wǎng)絡(luò)用戶群體行為具有魯棒性特征，只有主觀參與型和信息傳播型網(wǎng)絡(luò)用戶類到達企業(yè)網(wǎng)絡(luò)輿情的單向聯(lián)系具有穩(wěn)定性。

所以，本研究僅考察主觀參與型和信息傳播型網(wǎng)絡(luò)用戶（簡稱網(wǎng)絡(luò)用戶）類至企業(yè)網(wǎng)絡(luò)輿情的單向聯(lián)系。并且針對具有清晰話題的企業(yè)網(wǎng)絡(luò)輿情，網(wǎng)絡(luò)用戶與企業(yè)客戶在群體行為上具有等效性。

1.2 客戶滿意度

客戶滿意度作為反映企業(yè)競爭力的重要因素，企業(yè)會根據(jù)自身所處行業(yè)、以及經(jīng)營的產(chǎn)品或服務(wù)的特征，識別客戶滿意度的影響因素，從而構(gòu)建符合企業(yè)實際的客戶滿意度評價指標體系［16］。進而，依據(jù)評價指標體系得到客戶滿意度的定量化結(jié)果后，通常采用主觀設(shè)定閾值的方式，將客戶滿意度劃分為3～7個不同的等級，例如不滿意、一般、滿意等［17］。

現(xiàn)有客戶滿意度指標體系數(shù)據(jù)來源往往還是依靠對企業(yè)客戶展開抽樣滿意度調(diào)查的方法，例如借助客戶投訴系統(tǒng)、客戶滿意度調(diào)查問卷等，在現(xiàn)實環(huán)境中人為設(shè)置數(shù)據(jù)采集點［18］。企業(yè)不僅需要承擔(dān)較高的調(diào)研和數(shù)據(jù)統(tǒng)計分析成本，也無法準確掌握開展客戶滿意度分析工作的時機。

然而，由于社交網(wǎng)絡(luò)平臺的出現(xiàn)，企業(yè)客戶已經(jīng)將涵蓋滿意度信息的文本評論發(fā)布到了網(wǎng)絡(luò)環(huán)境中，即客戶推動式意見反饋渠道，企業(yè)可以直接獲取相關(guān)評論數(shù)據(jù)，并通過文本挖掘的方式得到最終的客戶滿意度。

1.3 文本情感分析

不同于具有清晰空格分隔的英文句法結(jié)構(gòu)，中文文本因其自身復(fù)雜性，往往需要參考中文情感詞典或中文情感預(yù)料庫來實現(xiàn)文本情感極性分類［19，22］。現(xiàn)有研究中，中文文本情感分析方法日趨成熟，除文本數(shù)據(jù)外，社交網(wǎng)絡(luò)評論中常見的表情符號也是研究熱點之一，已有大量研究探索利用表情符號提升情感分類效果［20，21］。

相較于現(xiàn)實環(huán)境，網(wǎng)絡(luò)環(huán)境具有更高的開放度、包容度，用戶可以更加自由地在網(wǎng)絡(luò)平臺上進行信息交流、意見表達。所以，網(wǎng)絡(luò)評論文本除了能夠反映用戶對某一具體產(chǎn)品、服務(wù)的意見、滿意程度之外，還會流露更多個性化信息，如近期關(guān)注熱點、興趣愛好等，可以為企業(yè)制定銷售戰(zhàn)略提供具有較高參考價值的有利信息。

1.4 評述

針對網(wǎng)絡(luò)輿情環(huán)境下的企業(yè)客戶關(guān)系管理問題，現(xiàn)有研究的不足主要表現(xiàn)為沒有將企業(yè)產(chǎn)品（或服務(wù)）的真實消費者與社交網(wǎng)絡(luò)用戶之間建立關(guān)聯(lián)，忽略了企業(yè)客戶自發(fā)建立的意見反饋網(wǎng)絡(luò)渠道，因而無法真正發(fā)揮企業(yè)網(wǎng)絡(luò)輿情在客戶關(guān)系管理中的價值。

歷史研究成果對本研究的理論支撐主要體現(xiàn)在：①在具有清晰主題的企業(yè)網(wǎng)絡(luò)輿情約束下，企業(yè)客戶與網(wǎng)絡(luò)用戶在群體行為上等效；②對于與企業(yè)產(chǎn)品或服務(wù)相關(guān)的文本評論內(nèi)容，情感分析結(jié)果能夠得到網(wǎng)絡(luò)用戶滿意度；③文本評論內(nèi)容中蘊含大量企業(yè)銷售戰(zhàn)略制定過程中期望參考的個性化信息。

2 模型構(gòu)建與研究框架

2.1 企業(yè)客戶推動式信息反饋模型

傳統(tǒng)企業(yè)運營過程中，企業(yè)通過生產(chǎn)經(jīng)營產(chǎn)品并銷往客戶，形成了經(jīng)典的“企業(yè)-客戶”產(chǎn)銷業(yè)務(wù)渠道。隨著社交網(wǎng)絡(luò)平臺的快速發(fā)展，網(wǎng)絡(luò)用戶在平臺上主動對企業(yè)提供的產(chǎn)品進行評論、意見反饋，進而產(chǎn)生以產(chǎn)品為話題的網(wǎng)絡(luò)輿情。多數(shù)企業(yè)已經(jīng)意識到網(wǎng)絡(luò)輿情的價值，并設(shè)立輿情監(jiān)測部門或崗位，通過監(jiān)測、獲取企業(yè)網(wǎng)絡(luò)輿情，嘗試挖掘競爭情報、擴大企業(yè)優(yōu)勢，這同時也建立了“網(wǎng)絡(luò)用戶-企業(yè)”信息傳播渠道。此時，產(chǎn)銷業(yè)務(wù)渠道與信息傳播渠道表現(xiàn)為以企業(yè)為核心的單向串行結(jié)構(gòu)。

然而，本研究通過第1.1節(jié)分析結(jié)果，發(fā)現(xiàn)企業(yè)客戶與網(wǎng)絡(luò)用戶在企業(yè)網(wǎng)絡(luò)輿情和群體測度兩個約束條件下，能夠形成行為等價關(guān)系，由此提出企業(yè)客戶推動式信息反饋模型（圖1）。企業(yè)客戶與網(wǎng)絡(luò)用戶的等價關(guān)系一旦建立，網(wǎng)絡(luò)用戶關(guān)于企業(yè)產(chǎn)品的態(tài)度、情緒、意見就等效于客戶的態(tài)度、情緒、意見，只是通過文本評論的方式表達出來?？梢?，該模型呈現(xiàn)為一個具有穩(wěn)定性的閉環(huán)結(jié)構(gòu)。

依據(jù)企業(yè)客戶推動式信息反饋模型，企業(yè)若想獲取反映企業(yè)競爭力的客戶滿意度情報，除了傳統(tǒng)方式進行客戶滿意度實地調(diào)查外，又增添了新的渠道，即相關(guān)文本評論的情感分析。

所以，本研究的主要任務(wù)是建立企業(yè)網(wǎng)絡(luò)輿情約束和群體測度約束的求解方法，以利用網(wǎng)絡(luò)用戶與企業(yè)用戶的等價關(guān)系來實現(xiàn)客戶滿意度預(yù)測。

圖1 企業(yè)客戶推動式信息反饋模型

2.2 研究框架

分析企業(yè)客戶推動式信息反饋模型發(fā)現(xiàn)，網(wǎng)絡(luò)用戶與企業(yè)和客戶均具有可達關(guān)系。

企業(yè)網(wǎng)絡(luò)輿情約束對網(wǎng)絡(luò)用戶的具體要求為：①網(wǎng)絡(luò)用戶必須真實參與了企業(yè)網(wǎng)絡(luò)輿情的傳播過程；②網(wǎng)絡(luò)用戶的觀點、態(tài)度具有準確性，即與輿情內(nèi)容相符合。群體測度約束對網(wǎng)絡(luò)用戶的具體要求為：①以網(wǎng)絡(luò)用戶群體（類）為研究對象；②網(wǎng)絡(luò)用戶群體（類）應(yīng)具有明顯特征，以便實現(xiàn)銷售決策支持。

根據(jù)上述要求，確立本研究的技術(shù)路線（圖2）。首先，構(gòu)建網(wǎng)絡(luò)用戶輿情敏感性指數(shù)來實現(xiàn)輿情檢驗工作，從而得到初始網(wǎng)絡(luò)用戶。其次，提出變尺度聚類算法，通過廣度尺度變換，完成關(guān)鍵網(wǎng)絡(luò)用戶識別；通過深度尺度變換，完成用戶—客戶關(guān)系建立。最后，針對不同客戶群體（類）的客戶滿意度預(yù)測結(jié)果匹配最佳銷售戰(zhàn)略，并結(jié)合客戶群體的特征制定銷售戰(zhàn)術(shù)。（具體研究方法見第3節(jié)）

圖2 研究框架

3 變尺度聚類理論及方法

3.1 尺度變換理論基礎(chǔ)

“尺”是所有可能用于觀測對象的角度、“度”是對象在尺上的所有可能取值，“尺度”共同構(gòu)成了丈量事物的客觀準則。尺度是人的一種先驗知識，與其被用于觀測的對象無關(guān)。只有當(dāng)尺度被用于衡量具體對象后，才會形成包含對象、屬性的數(shù)據(jù)結(jié)構(gòu)，并實現(xiàn)數(shù)據(jù)存儲。

“尺度變換”是為滿足某種對于特定對象的觀測需求，如獲取對象特征，通過調(diào)整、選取合適的尺度來得到期望數(shù)據(jù)的過程。這種觀測需求既可能是初始明確的，也可能是初始模糊而在尺度變換過程中逐漸清晰的。尺度變換則與被觀測對象有著緊密關(guān)聯(lián)，主觀人為尺度變換也正是人類智能的重要體現(xiàn)。

傳統(tǒng)聚類算法是在單一尺度上的挖掘過程，即在一次完整的聚類任務(wù)中，初始數(shù)據(jù)集不發(fā)生任何變化［24］。尺度本身就體現(xiàn)類結(jié)果的特征。由于初始數(shù)據(jù)的尺度并不一定是最佳觀測尺度，且同一組尺度應(yīng)用于不同數(shù)據(jù)集的結(jié)果表現(xiàn)往往不同，所以傳統(tǒng)聚類算法在實踐應(yīng)用中經(jīng)常會出現(xiàn)只有少部分類的特征較為明顯的問題，并隨著數(shù)據(jù)量增大而問題加劇。

在問題求解理論中，尺度通常是以概念的形式存在于人的知識體系中［25］。由于概念間本身具有聯(lián)系，本研究將概念（尺度）間的擴展聯(lián)系引入聚類分析方法中，提出概念空間模型（圖3）。

圖3 概念空間

概念空間由概念鏈和值空間兩部分構(gòu)成，概念空間的層次結(jié)構(gòu)具有特征：①低層級概念偏序于高層級概念，即CHi?CH（i+1）（i∈N）；②每一個概念都可決定同層級的值空間取值；即Vij∈CHi（j∈N+）；③同層級的值空間取值遵循該概念鏈的偏序關(guān)系，即CHi?CHk→（j∈N+）。

依據(jù)概念空間模型，尺度變換分為兩個類型：①深度尺度變換，以概念鏈中的概念為觀測尺（屬性）、以此概念所對應(yīng)的同層值空間取值為觀測度。深度尺度變換過程中，觀測度隨觀測尺的層級變化而變化，也被視為同步尺度變換模式；②廣度尺度變換，以值空間中的取值為觀測尺（屬性），以對象與觀測尺的范數(shù)關(guān)系為觀測度。廣度尺度變換過程中，不同觀測尺可以處于不同的層級，也被視為異步尺度變換模式。

依據(jù)粗糙集理論中的決策表結(jié)構(gòu)［26］，定義深度、廣度尺度變換的多尺度數(shù)據(jù)集。

定義1（多尺度數(shù)據(jù)集）對于任一數(shù)據(jù)集D＝DO＝（U，AO，VO，f O），多尺度數(shù)據(jù)集DS＝（U，AT，VT，f T），其中，U是DO和DS的共同論域，AO是D的原始屬性（原始尺度），AT是D的目標尺度，且AO?AT，AT＝｛t｜（a∈A0）∧（t＝CH（a））｝。對于深度多尺度數(shù)據(jù)集，CH（a）是屬性a的概念鏈中任一概念；對于廣度多尺度數(shù)據(jù)集，CH（a）是屬性a的值空間中任一取值。

由于概念空間的離散特征，深度多尺度數(shù)據(jù)集較為常見且屬性均為分類屬性。而廣度尺度變換數(shù)據(jù)集較為特殊，文本挖掘中的詞袋模型就是一種廣度多尺度數(shù)據(jù)集，本研究中僅考慮所有的屬性均為二值屬性的廣度多尺度數(shù)據(jù)集。

3.2 變尺度聚類算法

定義1表明，尺度變換就是針對某一數(shù)據(jù)集D，依據(jù)概念空間中屬性的偏序關(guān)系，將原始尺度AO轉(zhuǎn)化為目標尺度AT的過程。

定義2（尺度變換率） 尺度變換率用于度量尺度變換所引起的數(shù)據(jù)分布變化：

其中，U／AO＝｛，…，｝，U／AT＝｛，…，｝。

傳統(tǒng)聚類結(jié)果有效性評價指標［27］均是從聚類結(jié)果的整體出發(fā)，得到所有類表現(xiàn)的一個綜合評價值，并不適用于關(guān)注個體類表現(xiàn)的變尺度聚類算法。

定義3（粒度偏差）令CI代表一個含有n個對象、m個屬性的類（xij∈CI），a是CI中的一個屬性，粒度偏差為：

其中，對于由分類屬性構(gòu)成的深度多尺度數(shù)據(jù)集，x Ij為類CI在每個屬性中的眾數(shù)；對于由二值屬性構(gòu)成的廣度多尺度數(shù)據(jù)集，只有全0屬性時x Ij＝0，其他情況x Ij＝1。如果xij＝x Ij，δ（xij，x Ij）＝0，否則δ（xij，x Ij）＝1。G（U／a）是商U／a的知識粒度。

粒度偏差GrD（CI）度量了類CI的離散程度，GrD（CI）取值的減小代表類內(nèi)對象xij間相似度的提升。給定某一觀測尺度上的閾值R0，只有當(dāng)GrD（CI）≤R0，表明類CI滿足質(zhì)量要求、結(jié)果可接受。

本研究假設(shè)每一次變尺度聚類過程只實現(xiàn)單一屬性的尺度變換。

依據(jù)假設(shè)，深度尺度變換是將一個原始觀測尺轉(zhuǎn)化為一個目標觀測尺，而廣度尺度變換是將多個原始觀測尺轉(zhuǎn)化為一個目標觀測尺。

雖然深度與廣度尺度變換在多尺度數(shù)據(jù)集和粒度偏差評價度量上存在差異，但其尺度變換本質(zhì)相同。由此，提出面向廣度和深度尺度變換的變尺度聚類算法：

輸入：多尺度數(shù)據(jù)集D，概念空間CS，尺度變換率閾值S0，初始聚類參數(shù)k；

輸出：滿意類Cj及其尺度Aj。

Step 1對于初始數(shù)據(jù)集D，應(yīng)用聚類參數(shù)k進行初始聚類。

Step 2主觀判定出滿意類Ci，將Ci及其尺度Ai輸出，同時在數(shù)據(jù)集D中刪除Ci中包含的所有對象。

Step 3計算Step 2中所有滿意類的粒度偏差GrD（Ci），并將最大粒度偏差作為閾值R0。

Step 4選取屬性Aj進行尺度變換，若尺度轉(zhuǎn)化率STR（Aj，CH（Aj））＜S0成立，則更新多尺度數(shù)據(jù)集D，用CH（Aj）替代Aj。

Step 5更新閾值R0，計算上一次聚類結(jié)果中最小未滿意類Cj在新尺度CH（Aj）的粒度偏差，取GrD（Cj）與R0的較大值。

Step 6對于當(dāng)前數(shù)據(jù)集D，應(yīng)用參數(shù)k與上一次輸出的滿意類個數(shù)的差值進行聚類。

Step 7計算所有類的粒度偏差，小于R0的類作為滿意類，連同當(dāng)前尺度一起輸出，并在數(shù)據(jù)集D刪除輸出類的所有對象。

Step 8重復(fù)Step 4，直到數(shù)據(jù)集D為空。

變尺度聚類算法的時間復(fù)雜度為O（nmkt），其中n為對象個數(shù)，m為屬性個數(shù)，k是類個數(shù)，t是迭代次數(shù)。

4 方法應(yīng)用及結(jié)果分析

4.1 實驗設(shè)計

本實驗?zāi)康脑谟谕暾故酒髽I(yè)利用網(wǎng)絡(luò)輿情來獲取客戶滿意度情報，從而提升客戶關(guān)系管理水平的全過程。同時，驗證變尺度聚類算法在處理高維度、稀疏、大量數(shù)據(jù)時的準確性和運算效率。實驗設(shè)計見圖4。

本實驗共包含5個實驗環(huán)節(jié)，即數(shù)據(jù)采集及預(yù)處理、網(wǎng)絡(luò)用戶群體識別、網(wǎng)絡(luò)用戶輿情敏感性評價、企業(yè)客戶滿意度預(yù)測、以及企業(yè)銷售戰(zhàn)略戰(zhàn)術(shù)制定；7種數(shù)據(jù)分析方法和技術(shù)，即網(wǎng)絡(luò)爬蟲、文本分詞、情感分析、輿情監(jiān)測、廣度尺度變換聚類算法、輿情敏感性指數(shù)、深度尺度變換聚類算法；以及2個目標數(shù)據(jù)輸出結(jié)果，即企業(yè)客戶分類結(jié)果、以及銷售戰(zhàn)略和戰(zhàn)術(shù)。

由于數(shù)據(jù)采集及預(yù)處理并不是本研究的重點，所以直接采用成熟的方法和軟件實現(xiàn)（本文第4.2節(jié)詳述）。

網(wǎng)絡(luò)用戶群體識別和網(wǎng)絡(luò)用戶輿情敏感性評價，分別用戶實現(xiàn)企業(yè)客戶推動式信息反饋模型（圖1）中的群體測度約束、以及企業(yè)網(wǎng)絡(luò)輿情約束。

網(wǎng)絡(luò)用戶輿情敏感性評價的基本思想為將企業(yè)網(wǎng)絡(luò)輿情的關(guān)鍵詞熱度排序轉(zhuǎn)化為詞語權(quán)重，結(jié)合網(wǎng)絡(luò)用戶文本分詞結(jié)果中的詞頻數(shù)，計算每個用戶的輿情表現(xiàn)得分，從而判斷網(wǎng)絡(luò)用戶的輿情敏感度。由此，定義網(wǎng)絡(luò)用戶輿情敏感度指數(shù)：

其中，tfik為網(wǎng)絡(luò)用戶xi的文本內(nèi)容中出現(xiàn)第k個詞語的頻數(shù)，Hk為第k個詞語在某特定網(wǎng)絡(luò)輿情環(huán)境的權(quán)重，可以通過熱度數(shù)值標準化來求得。

圖4 實驗設(shè)計

4.2 數(shù)據(jù)采集及預(yù)處理

（1）數(shù)據(jù)采集

本實驗選取7天內(nèi)新浪微博上所有個人認證用戶發(fā)布的關(guān)于“iPhone X”的原創(chuàng)微博作為數(shù)據(jù)源，利用Python中的網(wǎng)絡(luò)爬蟲框架Scrapy，總共采集到4350條符合表1中數(shù)據(jù)采集要求的文本數(shù)據(jù)。

企業(yè)客戶數(shù)據(jù)來源于一個電子產(chǎn)品銷售公司營業(yè)部（含手機），隨機抽取625條真實客戶數(shù)據(jù)作為分析樣本，其數(shù)據(jù)結(jié)構(gòu)能夠匹配表1中企業(yè)客戶滿意度預(yù)測環(huán)節(jié)的網(wǎng)絡(luò)用戶數(shù)據(jù)結(jié)構(gòu)。

圖5 輿情關(guān)鍵詞及熱度

此外，利用公開網(wǎng)絡(luò)輿情監(jiān)測軟件，得到了“iPhone X”在表1研究時段的網(wǎng)絡(luò)輿情關(guān)鍵詞及熱度排序（圖5）。

（2）數(shù)據(jù)預(yù)處理

數(shù)據(jù)清洗是通過限定原創(chuàng)微博的最低點贊數(shù)、評論數(shù)、轉(zhuǎn)發(fā)數(shù)來去除掉信息價值較低微博，如手機營銷廣告、手機功能介紹等。本研究中，設(shè)定最低點贊數(shù)為12、評論數(shù)為8、轉(zhuǎn)發(fā)數(shù)為6（三者滿足其一即可），最終保留微博580條。

用戶過濾是通過微博影響力指數(shù)［28］來為研究時段內(nèi)發(fā)布多條原創(chuàng)微博的用戶擇一代表。原創(chuàng)微博影響力指數(shù)為點贊數(shù)、評論數(shù)、轉(zhuǎn)發(fā)數(shù)、新鮮度（發(fā)布時長）的綜合表現(xiàn)。最終，得到了300條原創(chuàng)微博，分別對應(yīng)了300個不同的網(wǎng)絡(luò)用戶。

情感分析是將每條微博（網(wǎng)絡(luò)用戶）的情感強度劃分為與目標客戶滿意度相一致的等級分布，如“滿意、一般、不滿意”。本情感分析工作得到積極情感類（滿意）網(wǎng)絡(luò)用戶160個、中立類（一般）網(wǎng)絡(luò)用戶69個、消極情感類網(wǎng)絡(luò)用戶（不滿意）71個。

文本分詞是將各類用戶的微博內(nèi)容進行細粒度切分，并構(gòu)建詞袋模型。最終，得到滿意類用戶研究時段內(nèi)的熱點關(guān)注原始詞1404個、一般類用戶研究時段內(nèi)的熱點關(guān)注原始詞719個、不滿意類用戶研究時段內(nèi)的熱點關(guān)注原始詞515個。

表1 網(wǎng)絡(luò)用戶數(shù)據(jù)采集要求

至此，完成全部數(shù)據(jù)預(yù)處理工作，結(jié)果見表2。

表2 數(shù)據(jù)預(yù)處理結(jié)果

4.3 結(jié)果分析

網(wǎng)絡(luò)用戶群體識別是利用廣度尺度變換聚類算法，對網(wǎng)絡(luò)用戶進行群體劃分，即得到具有明顯特征的網(wǎng)絡(luò)用戶類（圖6）。

圖6中，每一個矩形色塊代表一個用戶類，矩形在類坐標橫軸上的寬度代表該類中的用戶數(shù)量，矩形在尺度縱軸上的長度代表用于觀測該類的觀測尺個數(shù)。矩形對應(yīng)粒度偏差橫軸上的數(shù)值代表該類在當(dāng)前尺度下的粒度偏差。

可見，廣度尺度聚類變換是在保證結(jié)果有效性的前提下的一個觀測尺逐漸遞減的過程。網(wǎng)絡(luò)用戶群體識別環(huán)節(jié)一共得到了7個滿意用戶類、6個一般用戶類和2個不滿意用戶類。

圖6（a） 滿意類網(wǎng)絡(luò)用戶聚類結(jié)果

網(wǎng)絡(luò)用戶輿情敏感性評價是通過計算網(wǎng)絡(luò)用戶輿情敏感性指數(shù)，在每一個網(wǎng)絡(luò)用戶類中篩選出真正參與企業(yè)網(wǎng)絡(luò)輿情傳播過程的關(guān)鍵網(wǎng)絡(luò)用戶。

圖6中，具有加粗邊框的色塊代表該類中含有一個通過輿情檢驗的用戶。網(wǎng)絡(luò)用戶輿情敏感性評價最終得到6個關(guān)鍵滿意用戶、1個關(guān)鍵一般用戶和2個關(guān)鍵不滿意用戶。

企業(yè)客戶滿意度預(yù)測正式將這些關(guān)鍵網(wǎng)絡(luò)用戶與企業(yè)客戶進行深度尺度變換聚類，建立網(wǎng)絡(luò)用戶與企業(yè)客戶的相似關(guān)系，從而能夠?qū)⒕W(wǎng)絡(luò)用戶的情感分類及尺度特征賦值給屬于同一類的企業(yè)客戶，實現(xiàn)客戶滿意度預(yù)測。

圖6（b） 一般類網(wǎng)絡(luò)用戶聚類結(jié)果

圖6（c） 不滿意類網(wǎng)絡(luò)用戶聚類結(jié)果

表3 企業(yè)銷售決策支持

因此，企業(yè)可以根據(jù)表3中3種不同的企業(yè)客戶滿意度等級，匹配不同的銷售戰(zhàn)略。然后，在每一種銷售戰(zhàn)略下，結(jié)合每一個企業(yè)客戶類的具體特征，制定更具有針對性的銷售戰(zhàn)術(shù)，從而提升企業(yè)的客戶關(guān)系管理水平。

5 結(jié)論

5.1 研究結(jié)論

隨著社交網(wǎng)絡(luò)平臺的迅速發(fā)展，網(wǎng)絡(luò)輿情在我國經(jīng)濟社會的生產(chǎn)、生活中扮演著日益重要的角色，企業(yè)更是期望通過挖掘網(wǎng)絡(luò)輿情來獲取有價值的信息情報，使其在激烈的市場競爭中擴大企業(yè)優(yōu)勢。由此，本文針對網(wǎng)絡(luò)輿情環(huán)境下的企業(yè)客戶關(guān)系管理問題展開深入研究，通過識別企業(yè)客戶、網(wǎng)絡(luò)用戶、企業(yè)網(wǎng)絡(luò)輿情間的關(guān)系，梳理出一條廣泛存在與網(wǎng)絡(luò)社交平臺上的、由企業(yè)客戶推動的意見反饋渠道，為企業(yè)提供了一種成本更低、效率更高的獲取客戶滿意度的方法。

本研究最后通過數(shù)據(jù)實驗，從數(shù)據(jù)采集與預(yù)處理、網(wǎng)絡(luò)用戶群體識別、網(wǎng)絡(luò)用戶輿情敏感性評價、企業(yè)客戶滿意度預(yù)測、以及企業(yè)銷售戰(zhàn)略戰(zhàn)術(shù)制定這五個環(huán)節(jié)，完整展示了企業(yè)如何利用網(wǎng)絡(luò)輿情實現(xiàn)客戶滿意度等級分類，并依據(jù)變尺度聚類結(jié)果實現(xiàn)銷售決策支持。

5.2 理論貢獻

本研究的理論價值主要體現(xiàn)在：

（1）構(gòu)建企業(yè)客戶推動式信息反饋模型。該模型表明，在企業(yè)網(wǎng)絡(luò)輿情和群體測度的約束下，網(wǎng)絡(luò)用戶與企業(yè)客戶具有等價關(guān)系，為深入研究網(wǎng)絡(luò)輿情的運作機理提供理論基礎(chǔ)。

（2）提出變尺度聚類算法。該算法將尺度變換理論引入聚類研究中，將傳統(tǒng)聚類方法的求解過程由單一尺度分析擴展到多尺度分析，克服了實際數(shù)據(jù)聚類應(yīng)用過程中的聚類結(jié)果特征不顯著問題，具有較高的實際應(yīng)用價值。

5.3 管理啟示

（1）企業(yè)可以利用文本挖掘技術(shù)，通過獲取與其主營業(yè)務(wù)相關(guān)網(wǎng)絡(luò)輿情，預(yù)測當(dāng)前客戶的滿意度，減少傳統(tǒng)求取客戶滿意度時的實地調(diào)研成本。

（2）企業(yè)可以通過檢測網(wǎng)絡(luò)輿情的變化情況，依據(jù)輿情本身的傳播學(xué)特征，確立開展客戶滿意度預(yù)測工作的最佳時點，并判斷現(xiàn)有客戶滿意度結(jié)果的有效性，而非完全依賴于領(lǐng)導(dǎo)的主觀經(jīng)驗判斷。

（3）企業(yè)可以利用變尺度聚類技術(shù)，在客戶劃分的過程中，保證對聚類結(jié)果質(zhì)量要求的同時，獲取到與當(dāng)前類最匹配的尺度特征，利用尺度為銷售策略制定提供決策支持。