基于消費(fèi)者評(píng)論的顧客滿意度評(píng)價(jià)模型研究

陳英梅，浦 佳

本刊核心層次論文

基于消費(fèi)者評(píng)論的顧客滿意度評(píng)價(jià)模型研究

陳英梅，浦 佳

(遼寧工業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院，遼寧 錦州 121001)

隨著電子商務(wù)的快速發(fā)展，傳統(tǒng)顧客滿意度調(diào)查方法操作復(fù)雜，有效率低、成本較高、調(diào)查周期長等缺點(diǎn)，已難以滿足企業(yè)對(duì)顧客滿意度更新的需求，并且電子商務(wù)平臺(tái)上豐富的商品評(píng)論沒有得到充分利用。近年來隨著信息技術(shù)的高速發(fā)展，自然語言處理技術(shù)取得了巨大的進(jìn)步，已經(jīng)在機(jī)器翻譯、人工客服、智能音箱等領(lǐng)域大放異彩。本文將自然語言處理技術(shù)應(yīng)用在電子商務(wù)平臺(tái)的非結(jié)構(gòu)化評(píng)論文本上，構(gòu)建一個(gè)顧客滿意度評(píng)價(jià)模型，以蘇寧易購某商品的消費(fèi)者評(píng)論數(shù)據(jù)為例，對(duì)顧客滿意度進(jìn)行評(píng)價(jià)并找出消費(fèi)者突出反映的問題。

顧客滿意度；消費(fèi)者評(píng)論；評(píng)價(jià)模型；自然語言處理

一、引言

伴隨著我國網(wǎng)購規(guī)模的擴(kuò)大，電子商務(wù)平臺(tái)上的消費(fèi)者評(píng)論越來越豐富，其中蘊(yùn)含的價(jià)值也逐漸引起了學(xué)者們的關(guān)注。許多學(xué)者研究了消費(fèi)者評(píng)論與產(chǎn)品銷量的影響關(guān)系：劉俊清、湯定娜研究了在線商品評(píng)論與顧客信任、購買意愿三者之間的關(guān)系；李林雨利用消費(fèi)者評(píng)論對(duì)汽車品牌的輿情進(jìn)行分析；牛麗慧和由麗萍則給出了基于商品評(píng)論的顧客滿意度指標(biāo)體系構(gòu)建與分析方法。傳統(tǒng)顧客滿意度調(diào)查信息獲取方法操作復(fù)雜，有效率低、成本較高、調(diào)查周期長等缺點(diǎn)，已經(jīng)難以適應(yīng)電子商務(wù)的快速發(fā)展。通過消費(fèi)者評(píng)論來獲取顧客滿意度這一方面也有學(xué)者進(jìn)行了研究，孫研子與陳玉宏使用灰色綜合評(píng)價(jià)理論對(duì)網(wǎng)購顧客滿意度進(jìn)行了分析；樊菊花基于模糊綜合評(píng)價(jià)法對(duì)網(wǎng)購消費(fèi)者的滿意度進(jìn)行評(píng)價(jià)等。本文利用近兩年取得巨大突破的自然語言處理技術(shù)來構(gòu)建一個(gè)顧客滿意度評(píng)價(jià)模型，通過消費(fèi)者評(píng)論來獲取顧客滿意度，不僅推動(dòng)了自然語言處理技術(shù)的應(yīng)用，還探索了新的顧客滿意度獲取方法。

二、構(gòu)建顧客滿意度評(píng)價(jià)模型

（一）確定評(píng)價(jià)的指標(biāo)

顧客滿意度的評(píng)價(jià)是通過運(yùn)用層次化結(jié)構(gòu)來設(shè)定評(píng)價(jià)的指標(biāo)，深入清楚地揭示出顧客滿意度測評(píng)指標(biāo)體系的內(nèi)涵。本文在國際通行的電子商務(wù)顧客滿意度評(píng)價(jià)指標(biāo)基礎(chǔ)上，參考了國內(nèi)顧客滿意度評(píng)價(jià)指標(biāo)體系構(gòu)建方法，確定該模型的商品顧客滿意度評(píng)價(jià)指標(biāo)，各指標(biāo)和權(quán)重因商業(yè)形態(tài)和客戶關(guān)注度的差異而有些調(diào)整[1]。測評(píng)指標(biāo)由兩級(jí)指標(biāo)項(xiàng)構(gòu)成，權(quán)重值總和為1，如表1所示。

表1 顧客滿意度二級(jí)評(píng)價(jià)指標(biāo)表

序號(hào)一級(jí)指標(biāo)權(quán)重 二級(jí)指標(biāo) 1企業(yè)形象0.083企業(yè)信譽(yù)、品牌認(rèn)可度、網(wǎng)絡(luò)口碑 2顧客期望0.306網(wǎng)購帶來的愉悅、產(chǎn)品與預(yù)期一致 3顧客忠誠0.033再次購買欲望、購買頻次 4服務(wù)水平0.095售前賣家溝通主動(dòng)性、發(fā)貨及時(shí)性 5商品價(jià)值0.211商品價(jià)格、功能、性能、質(zhì)量 6交易安全0.158支付安全、商品送達(dá)及時(shí)性、商品送達(dá)安全性 7商品售后0.104安裝、使用輔導(dǎo)、三包政策落實(shí)、投訴處理 8用戶體驗(yàn)0.010產(chǎn)品體驗(yàn)、上網(wǎng)體驗(yàn)、服務(wù)體驗(yàn)

（二）確定程度副詞的權(quán)重

程度副詞是對(duì)一個(gè)副詞或形容詞在程度上加以限定或修飾的副詞。一般位置在被修飾副詞或者形容詞的前面。在消費(fèi)者評(píng)論中，程度副詞非常重要，是消費(fèi)者所表達(dá)情感強(qiáng)弱程度的重要體現(xiàn)，是顧客滿意度評(píng)價(jià)模型分析的依據(jù)之一。本文按程度副詞所表示的程度級(jí)別不同將程度副詞分為六個(gè)級(jí)別，并賦予相應(yīng)的權(quán)重值，如表2所示。

表2 程度副詞分級(jí)權(quán)重值表

序號(hào)級(jí)別權(quán)重 舉例 1欠|insufficiently0.5不甚、輕度、絲毫、微、相對(duì)…… 2稍|slightly1稍微有點(diǎn)、有些、未免、多少…… 3較|more1.5更加、較比、較為、還要…… 4很|very2很、很是、頗、太、特別、尤其…… 5超|over2.5超、超額、過度、過甚、何止…… 6最|most3極、極度、極其、之極、最……

（三）提取商品評(píng)論特征

顧客滿意度常用問卷調(diào)查法來獲取，但是調(diào)查問卷模板化的問題，有限的選項(xiàng)常常使被調(diào)查者難以表達(dá)自己內(nèi)心的真實(shí)感受，僅有的開放性問題也需要經(jīng)過繁瑣的分類統(tǒng)計(jì)處理。相較于填寫調(diào)查問卷，消費(fèi)者在編輯商品評(píng)論時(shí)能夠不受格式約束、選項(xiàng)限制，盡情描述。而顧客滿意度評(píng)價(jià)模型則需要從這些非格式化文本中提取出消費(fèi)者對(duì)商品的評(píng)論特征并進(jìn)行統(tǒng)計(jì)整理。要提取商品的評(píng)價(jià)特征，首先要對(duì)消費(fèi)者評(píng)論進(jìn)行分詞處理。在自然語言處理中，主要是依據(jù)語法功能來對(duì)語句進(jìn)行分詞。本文使用中文分詞庫jieba對(duì)消費(fèi)者評(píng)論數(shù)據(jù)分詞獲取各詞的詞性，選取四種具有代表性的詞性組合來提取消費(fèi)者評(píng)論中的商品特征短語，在語句名詞缺失的情況下，將該商品作為默認(rèn)評(píng)價(jià)主體[2]，具體見表3。

表3 詞性組合表

序號(hào)詞性組合長度限制舉例 1n + a>2噪音n 很大a 2v + a>2送貨v 快a 3v>1信得過v 4a>1正合適a

（四）評(píng)論情感分析

建情感詞典是進(jìn)行文本情感分類的準(zhǔn)備步驟，本文采用知網(wǎng)Hownet中文情感詞典來進(jìn)行評(píng)論文本的情感分析。基于語義的情感詞典傾向性計(jì)算是通過情感詞典與句式詞庫對(duì)文本語句結(jié)構(gòu)和情感傾向詞進(jìn)行分析，在采用權(quán)值算法進(jìn)行情感分類的基礎(chǔ)上，針對(duì)情感強(qiáng)度不同的情感詞賦予不同的權(quán)值，最后加權(quán)求和[3]。本文采用Python的snownlp庫來獲取文本情感值，傳入要評(píng)價(jià)的文本，返回情感傾向值λ，如圖1所示。λ為-1至1之間的實(shí)數(shù)，λ越接近-1則代表文本的情感越傾向于消極負(fù)面，λ越接近1則代表文本的情感越傾向于樂觀正面，0則代表中等程度。

圖1 評(píng)論情感傾向分析圖

（五）顧客滿意度評(píng)價(jià)算法

顧客滿意度評(píng)價(jià)算法是評(píng)價(jià)模型的核心，本文參考其他學(xué)者的顧客滿意度評(píng)價(jià)模型，設(shè)計(jì)出顧客滿意度評(píng)價(jià)算法[4]。每段消費(fèi)者評(píng)論的顧客滿意度由四個(gè)因素計(jì)算得出，其中否定詞數(shù)量與情感極性決定了結(jié)果值的正負(fù)，程度級(jí)別與情感傾向體現(xiàn)評(píng)論的情感強(qiáng)度，決定結(jié)果值的大小，公式（1）如下，用表示每條消費(fèi)者評(píng)論的滿意度；為分句數(shù)；為當(dāng)前句；為否定詞數(shù)量；為情感極性；為程度級(jí)別；為情感傾向值。

公式（1）體現(xiàn)的是一條消費(fèi)者評(píng)論的顧客滿意度，在公式（1）的基礎(chǔ)上，將每條評(píng)論進(jìn)行一級(jí)指標(biāo)的分類，并與對(duì)應(yīng)權(quán)重相乘，最后將所有消費(fèi)者評(píng)論進(jìn)行求和取平均值處理，計(jì)算結(jié)果作為該商品的最終顧客滿意度。公式（2）如下，為每條評(píng)論所屬一級(jí)指標(biāo)對(duì)應(yīng)的權(quán)重值；與的乘積為該評(píng)論的最終滿意度；為商品顧客滿意度；為費(fèi)者評(píng)論數(shù)；為當(dāng)前評(píng)論。最終顧客滿意度評(píng)價(jià)算法如公式（2）所示。

三、實(shí)例分析

（一）獲取消費(fèi)者評(píng)論數(shù)據(jù)

本文使用Python語言構(gòu)建爬蟲，通過偽裝爬蟲來應(yīng)對(duì)網(wǎng)站反爬蟲措施，使用正則表達(dá)式、XPath篩選技術(shù)對(duì)蘇寧易購電子商務(wù)網(wǎng)站中某商品的消費(fèi)者評(píng)論文本進(jìn)行批量獲取，將獲取到的商品評(píng)論作為數(shù)據(jù)集用于實(shí)例分析[5]。為提高實(shí)驗(yàn)數(shù)據(jù)的有效性，商品評(píng)論數(shù)據(jù)集在使用前需要對(duì)數(shù)據(jù)進(jìn)行清理，爬蟲獲取的評(píng)論數(shù)據(jù)中夾雜一些無效數(shù)據(jù)、網(wǎng)頁標(biāo)簽、重復(fù)評(píng)論和多余的符號(hào)，例如：“
”“}”“!!!!!”等。如果這些文本數(shù)據(jù)不經(jīng)處理就傳入顧客滿意度評(píng)價(jià)模型進(jìn)行評(píng)價(jià)，會(huì)降低顧客滿意度評(píng)價(jià)結(jié)果的準(zhǔn)確性。

（二）評(píng)價(jià)模型的使用

將清洗過的評(píng)論文本數(shù)據(jù)，傳入顧客滿意度評(píng)價(jià)模型來對(duì)商品的顧客滿意度進(jìn)行評(píng)價(jià)。該模型經(jīng)過中文分詞處理、評(píng)論特征提取、情感極性分析、文本分類、顧客滿意度評(píng)價(jià)計(jì)算，最終得出該商品在蘇寧易購上的顧客滿意度為0.20675，提取的評(píng)價(jià)短語經(jīng)過歸一化處理后以圖表形式展現(xiàn)，如圖2所示。

圖2 模型評(píng)價(jià)結(jié)果圖

在商品顧客滿意度的定性分析上，本文使用李克特量表將顧客滿意度分為五個(gè)級(jí)別：“很不滿意、不滿意、一般、滿意、很滿意”。該模型的顧客滿意度區(qū)間為[-1，1]，對(duì)應(yīng)五級(jí)態(tài)度的分值區(qū)間為：“很不滿意；[-1,-0.6)、不滿意；[-0.6,-0.2)、一般；[-0.2,0.2)、滿意；[0.2,0.6)、很滿意；[0.6,1]”。按五級(jí)態(tài)度分類，該商品的顧客滿意度0.20675，屬于“滿意”級(jí)別。從模型評(píng)價(jià)結(jié)果來看，該商品具有性價(jià)比高、送貨速度快、服務(wù)態(tài)度好、制冷制熱效果好等優(yōu)點(diǎn)，消費(fèi)者的整體評(píng)價(jià)較好。但是也有兩點(diǎn)突出的問題被消費(fèi)者反映較多：第一，工作時(shí)噪音過大，這是消費(fèi)者反映最多的問題。第二，售后保障令人不太滿意。若企業(yè)能夠以這兩個(gè)問題為出發(fā)點(diǎn)，真誠為顧客解決這些問題，該商品的顧客滿意度必然會(huì)有所提升。

四、結(jié)論

從該數(shù)據(jù)集的顧客滿意度評(píng)價(jià)結(jié)果來看，該模型對(duì)商品的顧客滿意度評(píng)價(jià)達(dá)到了該模型的設(shè)計(jì)目標(biāo)，能夠得到顧客滿意度量化結(jié)果，并通過李克特量表給出較為直觀的定性結(jié)果，較有效地提取出能夠反映大多數(shù)消費(fèi)者評(píng)論觀點(diǎn)的商品特征短語，幫助企業(yè)獲取該商品的優(yōu)缺點(diǎn)。在實(shí)例分析中較準(zhǔn)確地找出了評(píng)論數(shù)據(jù)集中消費(fèi)者突出反映的產(chǎn)品工作噪音大和售后服務(wù)差兩個(gè)突出的問題。

盡管自然語言處理技術(shù)已經(jīng)取得了很大進(jìn)步，顧客滿意度評(píng)價(jià)指標(biāo)在結(jié)合產(chǎn)品相關(guān)特性調(diào)整后也更加完善，但該模型對(duì)蓄意刷單、刷好評(píng)的行為尚無力應(yīng)對(duì)，無法辨別的惡意數(shù)據(jù)會(huì)降低顧客滿意度評(píng)價(jià)模型反映商品真實(shí)情況的準(zhǔn)確率。另外，該模型難以理解消費(fèi)者抽象表述的真實(shí)意圖，無法聯(lián)想到文本以外的內(nèi)容，復(fù)雜的文本語義理解還需要人工智能領(lǐng)域取得更大的發(fā)展。本文將消費(fèi)者評(píng)論與自然語言處理技術(shù)相結(jié)合，是對(duì)新技術(shù)促進(jìn)原有理論發(fā)展的嘗試，對(duì)電子商務(wù)顧客滿意度評(píng)價(jià)未來的發(fā)展有一定的推動(dòng)作用。

[1] 周娟. 基于顧客需求的B2C電子商務(wù)網(wǎng)站滿意度評(píng)價(jià)研究[D]. 南昌: 南昌大學(xué), 2018.

[2] 祝永志, 荊靜. 基于Python語言的中文分詞技術(shù)的研究[J]. 通信技術(shù), 2019, 52(7): 1612-1619.

[3] 姚珂. 基于詞典與規(guī)則的文本情感分析[J]. 電腦知識(shí)與技術(shù), 2018, 14(26): 168-169.

[4] 李玉鵬, 鄒帆, 謝衛(wèi)星. 結(jié)合偏好和不均衡語義評(píng)價(jià)的顧客滿意度測定[J]. 計(jì)算機(jī)集成制造系統(tǒng), 2019, 1(16): 165-172.

[5] 夏玉芹, 單雪微. 基于Python的簡單文本情感分析[J]. 陰山學(xué)刊(自然科學(xué)版), 2018, 32(4): 60-64.

F270.7

A

1674-327X (2021)02-0039-03

10.15916/j.issn1674-327x.2021.02.011

2020-09-18

遼寧省社會(huì)科學(xué)規(guī)劃基金項(xiàng)目(L18CGL014)；遼寧省科協(xié)創(chuàng)新智庫項(xiàng)目(LNKX2019-2020B8)；遼寧省教育廳科學(xué)研究項(xiàng)目(JJW202015408)

陳英梅(1970-)，女，遼寧錦州人，副教授。

(責(zé)任編校：許偉麗)