基于在線評論文本挖掘的用戶滿意度因素探究

黃春林 肖群 徐晨 郝亞男

摘要：如今，網(wǎng)絡(luò)評論已成為消費(fèi)者了解商品信息、購買商品的重要影響因素，海量用戶的頻繁交易形成了大量的在線商品評論，從而提供了極具價(jià)值的文本信息。本研究基于信息采納模型的框架，以京東平臺的數(shù)碼影音產(chǎn)品為研討對象，利用網(wǎng)絡(luò)爬蟲收集用戶評論，然后對評論內(nèi)容進(jìn)行文本挖掘，概括出數(shù)碼影音產(chǎn)品中影響用戶滿意度的六個(gè)因素：做工質(zhì)感、商家服務(wù)、續(xù)航能力、音質(zhì)音效、產(chǎn)品特色、佩戴感受。研究結(jié)果可幫助廠商、京東平臺店鋪制定產(chǎn)品的改進(jìn)和營銷策略。

關(guān)鍵詞：在線評論挖掘;數(shù)碼影音產(chǎn)品;用戶滿意度;LDA

引言

隨著移動互聯(lián)網(wǎng)技術(shù)的發(fā)展，電子商務(wù)凸顯出巨大潛力，為人們的生活方式帶來了巨大改變，也重塑了諸多行業(yè)的貿(mào)易機(jī)制。由于線上交易的虛擬性，繼而催生了如用戶生成內(nèi)容（UGC）等許多獨(dú)有的消費(fèi)者行為，體現(xiàn)在網(wǎng)絡(luò)購物市場上就是用戶在線評論。有學(xué)者認(rèn)為，在線上購物環(huán)境下用戶在線評論已成為消費(fèi)者了解商品質(zhì)量信息、降低購買風(fēng)險(xiǎn)性進(jìn)而確定是否購買的重要信息資源。因此，如何提高服務(wù)質(zhì)量，進(jìn)而提升消費(fèi)者網(wǎng)購體驗(yàn)，成為維持用戶滿意度和持續(xù)增長重要因素。

CNNIC最新公布的《第47次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》，截至2020年12月，我國的線上購物用戶規(guī)模已經(jīng)達(dá)到7.82億[1];然而，根據(jù)《2020年度中國電子商務(wù)用戶體驗(yàn)與投訴監(jiān)測報(bào)告》顯示， 2020全年，我國線上購物的投訴占全體投訴的59. 97%，網(wǎng)絡(luò)購物領(lǐng)域如此高比例投訴量，除去其自身商業(yè)模式的影響，更體現(xiàn)出此行業(yè)依然存在大量消費(fèi)體驗(yàn)不佳現(xiàn)象[2]。而當(dāng)今的市場競爭愈發(fā)激烈，電商行業(yè)已經(jīng)從搶占市場份額的戰(zhàn)略逐漸向強(qiáng)調(diào)服務(wù)質(zhì)量和用戶體驗(yàn)的戰(zhàn)略轉(zhuǎn)移，同時(shí)總體市場發(fā)展的趨勢也逐漸由“價(jià)格驅(qū)動”轉(zhuǎn)向“服務(wù)驅(qū)動”，因此，如何幫助電商企業(yè)和經(jīng)營商家提升網(wǎng)購顧客體驗(yàn)質(zhì)量，輔助企業(yè)進(jìn)行運(yùn)營管理，成了急需解決的問題。

網(wǎng)購消費(fèi)者在購買商品后，常會發(fā)表商品評價(jià)，一般包括購買商品與線上介紹是否一致、商品使用情況、商家服務(wù)質(zhì)量和物流配送等內(nèi)容?；诰€上購物時(shí)商品的虛擬屬性，用戶了解商品信息的渠道單一，無法對商品情況進(jìn)行全面了解，因此無形中增大了消費(fèi)者購買風(fēng)險(xiǎn)，而在線評論根據(jù)真實(shí)用戶的購買情況，包含了諸多額外的商品信息，能夠幫助有購買意向的消費(fèi)者，使其對商品信息有更全面的了解，所以在線網(wǎng)絡(luò)評論更容易獲得其他用戶的信服和采納，如何從大量用戶評論中提取出影響用戶選擇行為的因素，成為了當(dāng)前理論研究和企業(yè)發(fā)展急需關(guān)注的問題。

本研究選取京東平臺作為用戶在線評價(jià)的數(shù)據(jù)來源，以文本挖掘技術(shù)為基礎(chǔ)，對數(shù)碼影音商品的評論進(jìn)行分析，分析影響消費(fèi)者滿意度的因素，進(jìn)而找到提高電商平臺用戶網(wǎng)絡(luò)購物體驗(yàn)的方法，這樣企業(yè)也能根據(jù)用戶需要逐漸改進(jìn)商品和服務(wù)，從而進(jìn)一步提升用戶滿意度，為企業(yè)和消費(fèi)者帶來雙贏的局面 [3]。

相關(guān)理論

用戶滿意度理論

通過對國內(nèi)外文獻(xiàn)中用戶滿意度概念的研究和總結(jié)，發(fā)現(xiàn)它們的定義仍然存在差異。Oliver（1980）認(rèn)為，用戶滿意度是指用戶在進(jìn)行商品和商家服務(wù)的購買或享受后，對商品和服務(wù)的現(xiàn)實(shí)感受與預(yù)期感知的比較[4]。當(dāng)用戶覺得商品或商品比自己期望的產(chǎn)品和服務(wù)更好時(shí)，就會支持產(chǎn)品，產(chǎn)生認(rèn)同感，當(dāng)用戶覺得商品或商品并沒有比自己預(yù)期的產(chǎn)品和服務(wù)更好時(shí)，就會有一種不以為然的感覺，這是一種事后的評價(jià)[4]。Davis F D（1989）認(rèn)為，用戶滿意度的定義是從購買開始到使用產(chǎn)品和服務(wù)的全過程中的感受，表達(dá)了用戶在整個(gè)過程中的心理[5]。

網(wǎng)絡(luò)爬蟲技術(shù)理論

網(wǎng)絡(luò)爬蟲，是指按照一定的規(guī)則自動地在萬維網(wǎng)中抓取信息的一種程序或者腳本，其被用于自動提取網(wǎng)頁[6]。

文本挖掘理論

文本挖掘（Text Data Mining， TDM），其含義是指為了實(shí)現(xiàn)發(fā)現(xiàn)知識的目的，從大規(guī)模文本庫中抽取隱含的、有潛在價(jià)值信息的過程，作為數(shù)字化社會的產(chǎn)物，文本分析已成為大數(shù)據(jù)時(shí)代下的一種極受歡迎的新興技術(shù)[7]。

數(shù)碼影音評論數(shù)據(jù)采集

數(shù)據(jù)來源

本文選擇平臺上銷量大、瀏覽量和收藏量高的產(chǎn)品為研究對象。在眾多網(wǎng)購產(chǎn)品中，以耳機(jī)為代表的數(shù)碼影音產(chǎn)品憑借廣大數(shù)碼產(chǎn)品迷的青睞，已經(jīng)成為消費(fèi)者最喜愛的商品之一。

在過去三年中耳機(jī)市場發(fā)生了一個(gè)重大的變化，由原本維持多年的音頻產(chǎn)品轉(zhuǎn)向了產(chǎn)品功能更加多樣的智能電子產(chǎn)品。這個(gè)行業(yè)的巨大變化由此也引發(fā)了相關(guān)用戶的消費(fèi)觀念、市場競爭等諸多的變化。發(fā)生這一變化之前，大多數(shù)用戶都以使用手機(jī)標(biāo)配耳機(jī)為主，很少一部分用戶由于追求更好的音質(zhì)等原因去購買其他的耳機(jī)，但自從2016年蘋果AirPods問世，打破了原先耳機(jī)市場的平衡，一年后真無線耳機(jī)市場得到了突飛猛進(jìn)的增長，耳機(jī)市場的銷售額更是一舉超過過去5年銷售額度的總和，成為一個(gè)新的紅海市場。其中，Strategy Analytics新興終端技術(shù)團(tuán)隊(duì)最新公布，截止2020年全球藍(lán)牙耳機(jī)的總銷量將超過3億部。然而，耳機(jī)市場的快速變化，質(zhì)量參差不齊，市場監(jiān)管不到位，由此也帶來了諸多產(chǎn)品和市場問題。因此本文將選用耳機(jī)作為研究的對象。

同時(shí)，主打數(shù)碼家電產(chǎn)品的京東電商平臺以極高的營收增速位居各大電商平臺的首位，顯示出了巨大的發(fā)展?jié)摿?，故本研究選取京東平臺作為用戶在線評論的數(shù)據(jù)來源。

數(shù)據(jù)采集

本文使用八爪魚爬蟲程序，爬取了京東部分商店的數(shù)碼影音用戶的在線評論數(shù)據(jù)，總用戶評論量存在7個(gè)CSV文件中，原始數(shù)據(jù)共約10萬條數(shù)據(jù)。抓取數(shù)據(jù)時(shí)，首先對數(shù)碼影音關(guān)鍵詞進(jìn)行檢索，抓取所有數(shù)碼影音商品列表用戶評論頁鏈接地址，之后通過循環(huán)此評論列表頁的地址進(jìn)入每個(gè)商品的用戶評論頁，對用戶評論進(jìn)行抓取。由于京東平臺網(wǎng)頁端對用戶評論展示進(jìn)行限制，故單個(gè)商品最多只能抓取100頁的用戶評論，約1000條。

筆者在查看京東平臺商品評論區(qū)時(shí)，發(fā)現(xiàn)用戶評論主要由用戶名、會員標(biāo)志、數(shù)碼影音型號，數(shù)碼影音顏色、評論時(shí)間、評價(jià)星級、評論內(nèi)容和追評等板塊組成。然后在進(jìn)行正式評估之前，要對所采集的數(shù)據(jù)進(jìn)行預(yù)處理，首先由于從網(wǎng)頁中爬取的數(shù)據(jù)中會包含一些無效信息，如特殊符號、語氣助詞、表情符號等，需要去除無關(guān)數(shù)據(jù)，因此選取其中出現(xiàn)頻次較高的關(guān)鍵詞作為基本分析對象。由于這些因素與本研究沒有太多益處，故剔除其他評論中的因素，只保留用戶文本評論內(nèi)容。

文本分析與數(shù)碼影音用戶滿意度因素歸納

數(shù)據(jù)預(yù)處理——中文分詞

中文分詞是根據(jù)一定的規(guī)范將連續(xù)的字序列重新組合成詞序列的過程[8]。本文所用的jieba分詞器是一個(gè)第三方中文分詞組件庫，分詞效果準(zhǔn)確度較高，因此本文選用jieba組件進(jìn)行分詞。

文本詞云統(tǒng)計(jì)

西北大學(xué)里奇·戈登在2006年提出“wordcloud”這個(gè)概念，通過形成“關(guān)鍵詞云層”或“關(guān)鍵詞渲染”，在圖形上突出內(nèi)容文本中出現(xiàn)次數(shù)較高的“關(guān)鍵詞”。詞云圖通過去掉大量的文字信息，讓網(wǎng)絡(luò)訪問者對文字的主旨一目了然。本文將分好的詞進(jìn)行頻數(shù)統(tǒng)計(jì)后，采用Wordcloud庫生成詞云圖，效果如圖：

詞云圖中字體越大的詞組的詞頻越高，也側(cè)面反映出了該詞組在該文本當(dāng)中可能越為重要，但文本中一般會存在大量標(biāo)點(diǎn)符號、日常語氣詞、副詞等詞，這些詞與用戶要表達(dá)的主題思想通常關(guān)系不大，一般做法是將其列為停用詞列表，讓真正的主題詞（比如名詞、動詞）凸顯出來。由上圖，可以看出一些用戶對于數(shù)碼影音購買滿意度的關(guān)注特征，例如音質(zhì)、音效、質(zhì)感、舒適度等特征，但仍有一些詞如數(shù)碼影音、能力、感覺等與主題表達(dá)無關(guān)的詞，這些將在后續(xù)中進(jìn)行優(yōu)化。

用戶滿意度因素歸納

本小節(jié)使用LDA模型對數(shù)碼影音評論進(jìn)行主題分析，從而得出用戶在購買數(shù)碼影音產(chǎn)品中滿意度的影響因素。LDA是文檔主題生成模型，也被稱為三層貝葉斯概率模型，其本質(zhì)上是一種非監(jiān)督機(jī)器型的學(xué)習(xí)技術(shù)，能夠?qū)Υ罅课臋n內(nèi)容集或語料庫中潛藏的主題信息進(jìn)行識別，LDA通過采用詞袋的方法，將每一篇文檔都看做成一個(gè)詞頻向量，然后對文本信息向易于建模的數(shù)字信息的轉(zhuǎn)變有了極大的幫助[9]。

LDA生成過程

LDA對于語料庫中的每篇文檔都定義了以下的生成過程：首先從每篇文檔的主題分布中抽取一個(gè)主題;然后從被抽到的主題所對應(yīng)的單詞分布中抽取一個(gè)單詞;最后一直重復(fù)上述過程直到文檔中的每個(gè)單詞都被抽取過[9]。

語料庫中的每個(gè)文檔都對應(yīng)于T的多項(xiàng)分布（multinomial distribution）（通過重復(fù)試驗(yàn)等方法事先給定），多項(xiàng)分布被記作θ。每個(gè)主題對應(yīng)于詞匯表（vocabulary）中V個(gè)單詞的多項(xiàng)分布，并且該多項(xiàng)分布被稱為φ。

LDA模型生成部分代碼：

#lda模型，num_topics設(shè)置主題的個(gè)數(shù)

%time lda = models. ldamodel. LdaModel （corpus = corpus， id2word = dictionary， num_topics = 6， passes =100， iterations = 6000）

本模型中iterations意思為訓(xùn)練模型過程中試圖推斷文本主題的次數(shù)，通常在1000以上，設(shè)為6000次，passes意思為訓(xùn)練模型過程中遍歷全部文本的次數(shù)，通常情況遍歷次數(shù)越大，耗時(shí)越長，設(shè)為100次。

主題分析結(jié)果

實(shí)驗(yàn)過程中針對文本主題num_topic進(jìn)行調(diào)整參數(shù)，最終確定6個(gè)主題，盡量做到不重不漏。下圖2為主題分析結(jié)果。盡管該模型預(yù)測不能做到百分百準(zhǔn)確預(yù)測主題詞，但基本上各個(gè)主題的關(guān)鍵詞相似度極高，皆有共同特征，可以視為同一個(gè)主題。

經(jīng)整理，確定的6個(gè)主題如下，為：做工質(zhì)感、商家服務(wù)、續(xù)航能力、音質(zhì)音效、產(chǎn)品特色、佩戴感受。

研究結(jié)論

結(jié)論

本文通過文本分析的方法對京東平臺數(shù)碼影音產(chǎn)品的用戶評論進(jìn)行了研究，構(gòu)建了相應(yīng)的BOW文本詞頻向量，利用LDA算法對實(shí)驗(yàn)數(shù)據(jù)進(jìn)行建模模擬計(jì)算，經(jīng)過不斷的調(diào)整參數(shù)，最終確定影響用戶購買數(shù)碼產(chǎn)品的6個(gè)因素，即做工質(zhì)感、商家服務(wù)、續(xù)航能力、音質(zhì)音效、產(chǎn)品特色和佩戴感受。這為商家和耳機(jī)產(chǎn)商優(yōu)化產(chǎn)品、平臺和商家服務(wù)以進(jìn)一步提升用戶滿意度提供了參考建議。

對數(shù)碼影音廠商和銷售平臺的建議

對耳機(jī)產(chǎn)商的建議

本文研究數(shù)據(jù)表明，在耳機(jī)產(chǎn)品方面，用戶主要關(guān)注五方面的因素，即做工質(zhì)感、續(xù)航能力、音質(zhì)音效、產(chǎn)品特色、佩戴感受。針對這五個(gè)因素，本文提出以下建議：

1.對做工質(zhì)感的建議

在做工質(zhì)感類別中，出現(xiàn)頻率較高特征詞有做工、質(zhì)感、顏色、手感、外觀、很漂亮、材質(zhì)、磨砂等詞，各大耳機(jī)廠商在這些方面要多加注意，提升產(chǎn)品的質(zhì)感、外觀設(shè)計(jì)等元素，緊追前沿時(shí)尚，給用戶以體驗(yàn)上的滿足。

2.對音質(zhì)音效的建議

音質(zhì)音效在數(shù)碼影音產(chǎn)品中的重要性一直以來都是比較高的，本實(shí)驗(yàn)也側(cè)面佐證了這一點(diǎn)。耳機(jī)產(chǎn)商也都深知要提升音質(zhì)音效，但產(chǎn)品有限的價(jià)位上，要重點(diǎn)提升哪些方面的音質(zhì)音效，還需后續(xù)深入研究。本實(shí)驗(yàn)中，音質(zhì)音效方面的關(guān)鍵特征詞有低音、降噪、雜音、隔音、高音、重低音等詞，故耳機(jī)廠商可重點(diǎn)提升這幾個(gè)產(chǎn)品音質(zhì)因素。

3.對續(xù)航能力的建議

續(xù)航能力在數(shù)碼產(chǎn)品中是用戶經(jīng)常容易吐槽的點(diǎn)。對于無線耳機(jī)產(chǎn)品來說，廠商可優(yōu)化產(chǎn)品的功耗、提升電池模組的性能、支持快速充電的功能等。

4.對佩戴感受的建議

佩戴感受方面的關(guān)鍵詞有舒適度、佩戴、耳塞、入耳式等，廠商可重點(diǎn)關(guān)注耳機(jī)的佩戴感受方面，多進(jìn)行用戶佩戴實(shí)驗(yàn)，優(yōu)化產(chǎn)品佩戴體驗(yàn)細(xì)節(jié)。

5.對產(chǎn)品特色的建議

每一個(gè)成功的產(chǎn)品大多都有自己的獨(dú)立特色，故廠商要想讓自己的產(chǎn)品大規(guī)模普及開來，也必須針對自己企業(yè)的技術(shù)和設(shè)計(jì)特點(diǎn)，設(shè)計(jì)自己產(chǎn)品的特色。此主題關(guān)鍵詞包括好看、性價(jià)比、顏值、小巧、可愛、時(shí)尚、好用等，廠商可針對產(chǎn)品的外觀設(shè)計(jì)、性價(jià)比、易用性等方面進(jìn)行用戶滿意度的優(yōu)化。

對京東平臺和私營店鋪的建議

商家服務(wù)主題的關(guān)鍵詞為物流、京東、快遞、客服、速度、包裝、品牌、服務(wù)等，京東平臺和私營店鋪可以針對這些關(guān)鍵詞，進(jìn)行服務(wù)優(yōu)化，提升快遞配送速度、客服人性化程度等。

參考文獻(xiàn)：

[1] 中國政府網(wǎng)，《第47次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》[EB/OL].http：//www.gov.cn/xinwen/2021-02/03/content_5584518.htm

[2] 網(wǎng)經(jīng)社，《2020年度中國電子商務(wù)用戶體驗(yàn)與投訴監(jiān)測報(bào)告》[EB/OL]http：//www.100ec.cn/zt/2021yhtsbg

[3] 徐冬磊.C2C電子商務(wù)中的顧客滿意度影響因素分析[D].安徽大學(xué)，2010.

[4] Davis F D.Perceived usefulness， perceived ease of use，and user acceptance of information technology[J].MIS quarterly，1989：319-340

[5] 朱俊亞.用戶滿意度影響因素研究—基于產(chǎn)品創(chuàng)新的視角[D].西南交通大學(xué)，2017.

[6] 百度百科，網(wǎng)絡(luò)爬蟲[EB/OL].https：//baike.baidu.com/item/%E7%BD%91%E7%BB%9C%E7%88%AC%E8%99%AB/5162711？fr=aladdin

[7] 諶志群，張國煊.文本挖掘研究進(jìn)展[J].模式識別與人工智能，2005，18（1）：65-74.

[8] 丁蔚.基于詞典和機(jī)器學(xué)習(xí)組合的情感分析[D].西安郵電大學(xué)，2017.

[9] 孔振.基于VSM的文本分類系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)[D].哈爾濱工業(yè)大學(xué)，2014.

基金項(xiàng)目：國家自科項(xiàng)目地區(qū)基金：基于信息不對稱和行為偏好雙重視角下的供應(yīng)鏈決策與協(xié)調(diào)研究（71762031）