情感傾向、市場類型與共享平臺用戶感知價值偏好關(guān)系研究

劉 刊，侯月婷，周宏瑞

（哈爾濱商業(yè)大學(xué) 管理學(xué)院，黑龍江 哈爾濱 150028）

0 引言

信息革命的發(fā)展和大數(shù)據(jù)的爆發(fā)式應(yīng)用催生出共享經(jīng)濟這一依托共享平臺進行交易的商業(yè)模式。共享平臺以信息技術(shù)為基礎(chǔ)，以用戶需求為導(dǎo)向［1］，旨在從第三方角度同時面向共享服務(wù)或產(chǎn)品的供給者和需求者［2］，以實現(xiàn)社會分散資源和碎片化需求的匹配。共享平臺區(qū)別于其他平臺的特征是，市場中的用戶既可自行選擇成為供給者或需求者，又可以在雙邊市場中轉(zhuǎn)變角色。因此，用戶特征的規(guī)律和差異一直是共享平臺企業(yè)關(guān)注的重點和難點，而情感認知差異會嚴重影響用戶的需求和行為［3］，是研究用戶群體特征的切入點之一［4］。產(chǎn)品需求者的情感傾向不僅會對需求者市場造成影響，也會對供給者市場產(chǎn)生聯(lián)動作用，供給者的情感傾向又會作用于需求者市場，進而形成雙邊市場用戶的互動效果［5］。積極情感傾向的評論表明，該用戶持認可的態(tài)度，不僅有利于吸引更多的需求者使用共享平臺，還有利于激勵供給者提供更優(yōu)質(zhì)的產(chǎn)品或服務(wù)，建立起用戶與用戶、用戶與平臺間的良性互動，以擴大共享經(jīng)濟雙邊市場規(guī)模。

共享平臺用戶群體具有較強的主觀能動性，感知價值與用戶行為、態(tài)度、決策等緊密聯(lián)系［6］，感知價值維度的構(gòu)建有助于更加全面地理解用戶的需求，共享平臺的需求者和供給者都會由于感知價值偏好的差異形成不同的參與行為［7］。共享平臺在尋求自身競爭優(yōu)勢的同時，應(yīng)更多地關(guān)注價值創(chuàng)造的來源［8］。明確哪些方面和消極情感相關(guān)，哪些方面和積極情感相關(guān)，可以幫助企業(yè)更加準確地引導(dǎo)用戶，努力放大能夠有效提升用戶情感傾向的長處，同時彌補企業(yè)在運營和建設(shè)上存在的不足，減少用戶消極情感的產(chǎn)生，最終實現(xiàn)更高的經(jīng)濟效益。然而，現(xiàn)有研究忽略了共享平臺雙邊市場主體差異的識別。從需求者角度出發(fā)多是探究影響需求者行為的因素［9］；從供給者角度出發(fā)主要是討論共享平臺市場定價決策和收益，以及供給者端影響因素等的相關(guān)問題［10］；從雙邊市場角度出發(fā)多是以平臺策略為主導(dǎo)，識別雙邊市場用戶的行為變化，或是多從某一特定行業(yè)的雙邊市場展開研究。數(shù)據(jù)來源方面，現(xiàn)有研究多采用調(diào)查問卷或數(shù)學(xué)建模方法，而半結(jié)構(gòu)化數(shù)據(jù)的分析容易受到研究者知識水平的限制。非結(jié)構(gòu)性的評論文本可以提供海量的資料和面板數(shù)據(jù)，具有時間跨度、較高程度的客觀性和高度的實驗可復(fù)制性等特點［11］，研究結(jié)果更加可靠。文本挖掘技術(shù)是以更加全面真實的用戶反饋數(shù)據(jù)為出發(fā)點，是對共享平臺用戶感知價值相關(guān)研究的一種合理補充，可探究供給者和需求者感知價值維度和偏好的普遍規(guī)律與差異。

本文基于文本挖掘技術(shù)對用戶評論文本進行多層次和多維度的分析，旨在從用戶群體的情感傾向劃分和感知因素的挖掘出發(fā)，討論不同情感傾向用戶的感知價值維度偏好是否存在差異和具體表現(xiàn)，以及當市場類型不同時，二者的相關(guān)性是否存在差異。這既是共享平臺用戶特征研究的一種新思路，又可以幫助共享平臺企業(yè)有針對性地提高雙邊市場用戶的情感傾向和滿意度，最終實現(xiàn)市場份額和利潤的提高。

1 文獻綜述

共享平臺面向相對獨立又相互關(guān)聯(lián)的雙邊市場，共享平臺企業(yè)通過吸引市場中的用戶促成交易，并適當收取費用來實現(xiàn)網(wǎng)絡(luò)收益，所涉及的舉措包括后端技術(shù)設(shè)備支持和前端用戶市場開發(fā)等［12］。雙邊市場中的供給者和需求者同時作為用戶，通過共享平臺企業(yè)開發(fā)的應(yīng)用程序?qū)崿F(xiàn)交互作用［13］。目前，國內(nèi)外學(xué)者普遍認同基于雙邊市場的差異對共享平臺進行分類的方式，包括供給者對需求者的C2C共享和共享平臺或企業(yè)對需求者的B2C 共享，但前者才是狹義上的共享經(jīng)濟商業(yè)模式［14］。另外，雙邊市場中主體的行為偏好存在差異，例如價格敏感度不同［15］，參與交易的目的不同和參與行為的不同［16］，故不能忽視雙邊市場主體間的差異。綜上，本文的研究對象為C2C 形式的共享平臺，并將其面向的市場劃分為供給者市場和需求者市場兩種類型，以此作為研究用戶特征差異的依據(jù)。

感知價值可以體現(xiàn)市場主體特征的規(guī)律和差異。一方面，感知價值與主體態(tài)度和行為緊密聯(lián)系。共享經(jīng)濟情境下，需求者和供給者角色的結(jié)合為掌握主體特征和行為的共性提供了新的研究視角［17］。另一方面，對感知價值維度和感知因素的理解有助于共享平臺企業(yè)識別需要改進的指標［18］。尤其是對主體的感知價值在維度或因素上的偏好的掌握，可以作為企業(yè)制定差異化策略的依據(jù)，有助于策略的及時調(diào)整和資源的合理配置［19］。以往關(guān)于平臺用戶的研究主要有兩個方向：一是收集消費者的歷史購買數(shù)據(jù)，進一步識別影響消費者行為的關(guān)鍵因素，依據(jù)分析結(jié)果為平臺企業(yè)提供差異化戰(zhàn)略的指導(dǎo)［20］，實現(xiàn)營銷創(chuàng)新和增強營銷效果［21］；二是針對共享經(jīng)濟某一領(lǐng)域進行深入研究，開發(fā)新情境下的感知價值量表，幫助這一領(lǐng)域的共享平臺開發(fā)者為用戶提供更好的體驗［22］。實際上，感知價值對雙邊市場研究有支持作用，可以更準確地識別供給者和需求者的認知和行為差異，針對供給者市場和需求者市場進行的差異化服務(wù)可以為共享平臺企業(yè)帶來利潤最大化［23］。

與感知價值類似，情感傾向作為衡量用戶群體類型的重要角度，可以幫助企業(yè)進行精準營銷［24］。一些研究認為情感傾向是感知價值的一個組成部分［25］，另一些研究認為情感傾向是影響感知價值的驅(qū)動因素，而不是其組成部分［26，27］。實際上，情感分析是文本挖掘的一個領(lǐng)域，主要通過將定性的文本數(shù)據(jù)轉(zhuǎn)換成定量的情感數(shù)據(jù)，將文本情感分為不同類別，識別情感傾向，從而判斷或評估數(shù)據(jù)發(fā)布者的態(tài)度和看法，作為衡量用戶行為的依據(jù)［28］。由此可見，情感傾向與感知價值同為影響用戶行為的因素［29］，并具有一定的相關(guān)關(guān)系［30］。但這種關(guān)系還未明確，值得深入研究。

以往的研究能夠為劃分市場類型、構(gòu)建感知價值維度和分析用戶情感傾向提供理論依據(jù)。本文從共享平臺用戶的視角出發(fā)，基于文本挖掘技術(shù)，將定性與定量分析相結(jié)合，探索用戶情感傾向和感知價值偏好的相關(guān)性，以及在不同市場類型下的差異。不同于從單一市場出發(fā)或是忽略雙邊市場差異的研究角度，引入偏好模型計算供給者市場和需求者市場下的感知價值偏好值。上述研究過程還彌補了單純的定量或定性研究方法難以分析變量間復(fù)雜的作用機理的問題［31］，理論貢獻主要體現(xiàn)在3 個方面：①提取共享平臺用戶感知價值的4 個維度和9 個感知因素，賦予在新情境下感知價值的多元化維度劃分，并通過用戶情感傾向和感知價值偏好相關(guān)性的研究再次證明其正確性和重要性；②識別不同市場類型中二者相關(guān)性的差異，以及不同情感傾向的用戶感知因素的偏好程度不同；③通過偏好計算模型對語義網(wǎng)絡(luò)分析中得到的權(quán)重值進行深層次解讀，擴展了文本挖掘結(jié)果的表現(xiàn)形式。

2 研究方法

2.1 研究設(shè)計

本文通過ROST Content Mining 進行語義網(wǎng)絡(luò)分析，運用Python進行主題提取和實現(xiàn)數(shù)據(jù)的可視化。①采集與處理數(shù)據(jù)。對采集到的用戶評論文本進行整理后，將用戶情感傾向劃分為積極、中性和消極3種類型。②提取感知價值維度和感知因素。通過建立用戶評論文本挖掘的自定義詞表、過濾詞表和歸類詞群表來抓取關(guān)鍵詞，通過對共詞矩陣的分析得到與感知價值相關(guān)的主題及其主要影響因素，并結(jié)合感知價值的文獻研究對共享平臺用戶感知價值的相關(guān)概念進行界定。③提出假設(shè)。對不同情感傾向用戶群體關(guān)注的感知價值因素的差異識別，提出感知價值偏好與情感傾向存在相關(guān)性的假設(shè)；同時，考慮到共享平臺雙邊市場中的用戶特征存在差異，提出市場類型影響感知價值偏好和情感傾向相關(guān)性的假設(shè)。④分析情感傾向與感知價值偏好的相關(guān)性。從感知價值的4 個維度和感知因素出發(fā)，通過語義網(wǎng)絡(luò)分析，討論不同情感傾向用戶群體的感知價值偏好。⑤分析不同市場類型下感知價值偏好與情感傾向相關(guān)性的差異。分別獲取供給者市場和需求者市場感知因素的關(guān)鍵詞權(quán)重，構(gòu)建不同市場類型下的情感傾向與感知價值偏好矩陣，并通過偏好模型計算不同情感傾向用戶群體的感知價值偏好值，以檢驗市場類型對感知價值偏好與情感傾向相關(guān)性的影響。

2.2 數(shù)據(jù)采集與處理

本文遵循案例典型性原則［32］，選取C2C共享形式的共享出行領(lǐng)域、共享住宿領(lǐng)域、共享醫(yī)療領(lǐng)域、共享知識領(lǐng)域作為研究對象。每個領(lǐng)域內(nèi)選擇的共享平臺及具體原因為：①共享出行領(lǐng)域，“滴滴車主”面向供給者市場，“滴滴出行”面向需求者市場，以此實現(xiàn)雙邊市場的資源置換；②知識共享領(lǐng)域，“抖音”將知識提供者和需求者整合到同一款應(yīng)用程序，以參與到共享經(jīng)濟中；③共享住宿領(lǐng)域，“愛彼迎”為旅行者和房東進行匹配，在供給端吸引整合線下閑置資源，在需求端不斷為用戶提供優(yōu)質(zhì)體驗；④共享醫(yī)療領(lǐng)域，“微醫(yī)”作為近三年來穩(wěn)居共享醫(yī)療領(lǐng)域融資規(guī)模增速第一的共享醫(yī)療平臺，優(yōu)化了醫(yī)療資源配置。

在數(shù)據(jù)來源方面，App store 中用戶下載渠道和進行反饋的方式統(tǒng)一，并能夠形成海量單條用戶真實評論的集合［33］，因此使用App store 中應(yīng)用程序的用戶評論文本具有合理性。使用Python - Requests模塊編寫在線爬蟲程序提取了近5 萬條用戶評論文本，時間跨度為2018 年1 月至2020 年9 月。剔除重復(fù)的數(shù)據(jù)，將部分英文語言合理轉(zhuǎn)換為中文語言，去除無效短句等處理，整理得到有效評論文本46718條。在進行共享平臺不同情感傾向用戶群體的整體差異分析時，考慮到數(shù)據(jù)來源于不同的應(yīng)用程序，通過SPSS 對每個領(lǐng)域內(nèi)的App 評論數(shù)據(jù)集進行隨機抽樣，得到每個領(lǐng)域內(nèi)各7000 條評論文本，以保證文本分析結(jié)果不會向某一領(lǐng)域傾斜。本文借助ROST Content Mining 的情感分析模塊對28000 條評論文本進行情感傾向的識別，分析結(jié)果見表1。

表1 用戶評論文本情感分析結(jié)果Table 1 Results of user comment on text sentime nt analysis

2.3 相關(guān)概念界定

考慮到網(wǎng)絡(luò)評論語言的不規(guī)范性，本文進行了數(shù)據(jù)預(yù)處理。首先，建立自定義詞表對文本進行分詞處理，根據(jù)研究需要和文本特征自定義了1095 個分詞；然后，通過反復(fù)的詞頻分析，把與研究無關(guān)或者沒有意義的詞放進過濾詞表，最終建立了551 個過濾詞；最后，建立歸類詞群表計算詞頻，對部分同義詞進行合并處理得到評論文本的關(guān)鍵詞及其重要性（詞頻）。

感知因素是指感知價值每個主題的具體含義及其主要影響因素，它是決定關(guān)鍵詞成為感知價值某一主題的原因。為了準確識別用戶對共享平臺的感知因素，本文從每一類情感傾向的用戶評論文本中按照重要性選取出前30 個關(guān)鍵詞，即用戶感知價值中具體要素，通過共詞矩陣分析整理為四大主題下的九大感知因素。如圖1 所示：感知社會價值包括供給者互動、需求者互動和社會群體互動；感知功能價值包括平臺功能和程序功能；感知體驗價值包括參與體驗和參與情緒；感知成本包括有形成本和無形成本。

圖1 感知因素提取結(jié)果Figure 1 Extraction results of perceptual factors

共享平臺用戶感知價值是指在參與平臺全過程中，用戶與共享平臺企業(yè)、用戶與用戶互動中形成的對產(chǎn)品/服務(wù)的認知，對產(chǎn)品功能的認知，通過情緒變化帶來的對體驗過程的認知和為了使用共享平臺進行交易需要付出的東西的認知。大部分學(xué)者都是從感知利得和利失兩個角度出發(fā)探討其豐富內(nèi)涵［34］。共享平臺與傳統(tǒng)商業(yè)中介平臺相比，用戶同時會注重體驗過程和情緒變化上的滿足?；ヂ?lián)網(wǎng)企業(yè)具有社交屬性［35］，雙邊用戶共同使用共享平臺的用戶行為受到另一側(cè)用戶的影響［36］。共享平臺經(jīng)濟模式以應(yīng)用程序為媒介和依托，其本身的響應(yīng)速度、頁面布局等因素會影響到用戶對參與交易全過程的整體感知［37］。綜上，感知收益中的感知社會價值、感知功能價值、感知體驗價值和感知付出中的感知成本構(gòu)成了共享平臺用戶感知價值的四大維度。另外，感知價值偏好是指用戶對共享平臺感知因素和感知價值維度的主觀評價，是一種傾向和態(tài)度，由于用戶關(guān)注的重點不同，形成了感知到的各方面價值的不同。具體定義如表2 所示。

表2 共享平臺用戶感知價值維度及定義Table 2 Dimension and definition of perceived value of sharing platform users

2.4 假設(shè)提出

通過數(shù)據(jù)預(yù)處理中的分詞、去除停用詞，建立歸類詞群表等過程，共得到96 個關(guān)鍵詞。分別提取不同情感傾向評論集的關(guān)鍵詞，通過詞云圖來表現(xiàn)詞頻的高低，得出不同情感傾向用戶群體對共享平臺重點關(guān)注的要素及其異同（圖2）。相同點有：交易方式和應(yīng)用程序使用上的方便性；與醫(yī)生、司機等產(chǎn)品供給者的互動，交到朋友等社會群體的互動；客服提供的服務(wù)；時間、供給者與需求者、平臺三方的響應(yīng)速度等。不同點有：①積極情感傾向群體高度首先關(guān)注正能量這一要素，其次關(guān)注實現(xiàn)收入自由和界面操作；②中性情感傾向群體關(guān)注的重點是感知功能價值（例如在共享醫(yī)療平臺，用戶可以通過應(yīng)用程序?qū)崿F(xiàn)等同于在醫(yī)院掛號的平臺功能的實現(xiàn)或登錄軟件、程序版本等程序功能實現(xiàn)中存在的問題）；③消極情感傾向群體重點關(guān)注時間這一要素，其次是程序閃退、取消訂單等方面的問題。可見，不同情感傾向群體感知因素的側(cè)重存在差異，由此提出假設(shè)1：用戶情感傾向與感知價值偏好相關(guān)。另外，共享平臺組織供需雙方進行交易，表現(xiàn)出雙邊市場特征，市場類型可劃分為供給者市場和需求者市場［38，39］。用戶處于不同的市場類型中時扮演的角色不同，參與態(tài)度和行為也會存在差異［40］，由此提出假設(shè)2：不同市場類型下的用戶情感傾向與感知價值偏好的相關(guān)性存在差異。綜上，整體的文本挖掘過程如圖3 所示。

圖2 不同情感傾向群體關(guān)注要素的異同F(xiàn)igure 2 Similarities and differences of attention elements of groups with different sentiment tendencies

圖3 共享平臺APP用戶評論文本挖掘過程Figure 3 The process of text mining of user comment of sharing platform application

3 假設(shè)檢驗

3.1 情感傾向與感知價值偏好

基于前文的假設(shè)，對不同情感傾向評論集分別進行感知價值維度上的分層討論。語義網(wǎng)絡(luò)分析過程為過濾無意義詞后生成共現(xiàn)矩陣詞表，表明詞匯的組間關(guān)系劃分的依據(jù)，繼續(xù)提取行特征詞，實現(xiàn)文本關(guān)鍵詞語義關(guān)系可視化，因此可以更加清晰地描繪出情感傾向和感知價值偏好的相關(guān)關(guān)系。主要涉及以下3 個衡量指標：①關(guān)聯(lián)度。指和節(jié)點相關(guān)聯(lián)的邊數(shù)，包括從該節(jié)點出發(fā)的邊的條數(shù)和進入該節(jié)點的邊的條數(shù)。②邊權(quán)重。表示節(jié)點之間相互關(guān)系的強弱，用于比較表示平臺類型的關(guān)鍵詞與感知價值具體要素的語義關(guān)系強弱［41］。③效應(yīng)值。引入統(tǒng)計學(xué)中效應(yīng)值的計算檢驗語義分析結(jié)果中每個節(jié)點標準化后的平均相對差異，通過節(jié)點面積實現(xiàn)可視化［42］。

情感傾向與感知社會價值偏好：感知社會價值包括用戶與供給者的互動、與需求者的互動和通過參與平臺產(chǎn)生的與社會群體的互動（圖4）。從圖4可見，積極情感傾向與社會群體互動感知因素相關(guān)性較強。表示社會群體互動的關(guān)鍵詞節(jié)點面積大于中性和消極情感傾向，也大于積極情感傾向中的需求者互動和供給者互動的節(jié)點，關(guān)鍵詞權(quán)重在［164，332］區(qū)間，處于整體權(quán)重區(qū)間的上游位置（積極情感傾向評論集關(guān)鍵詞整體權(quán)重區(qū)間為［107，378］），感知價值偏好在要素上的體現(xiàn)主要有：通過共享平臺認識朋友和高頻率提及粉絲黏性較強的代言人。消極情感傾向與供給者互動和需求者互動感知因素相關(guān)性較強。關(guān)鍵詞節(jié)點面積相對較大，權(quán)重在［4，49］區(qū)間內(nèi)，處于消極情感傾向評論集整體權(quán)重區(qū)間的上游位置，感知價值偏好在要素上的體現(xiàn)主要有：和粉絲的互動、醫(yī)學(xué)生的參與、司乘互動等。綜上，得到引理1：情感傾向與感知社會價值偏好相關(guān)，不同情感傾向的感知社會價值偏好不同。具體表現(xiàn)在：積極情感傾向與社會群體互動感知因素相關(guān)性較強，消極情感傾向與供給者互動、需求者互動感知因素相關(guān)性較強。

圖4 感知社會價值的文本挖掘Figure 4 Text mining for perceived social value

情感傾向與感知功能價值偏好。感知功能價值包括平臺功能和程序功能（圖5）。從圖5 可見，積極情感傾向與感知功能價值相關(guān)性較強。表示程序功能的界面好看這一要素權(quán)重較高，表示平臺功能的關(guān)鍵詞節(jié)點面積較大，且權(quán)重高于程序功能中的詞匯節(jié)點，感知價值偏好在要素上的體現(xiàn)有：供給者可以獲得收入，需求者可以使用網(wǎng)約車功能等。另外，消極情感傾向與程序功能感知因素相關(guān)性較強。表示程序功能的關(guān)鍵詞關(guān)聯(lián)度相對較多，存在界面、投訴、客服回復(fù)、取消訂單等積極情感傾向群體中沒有的關(guān)鍵詞，且部分相關(guān)節(jié)點面積相對較大，感知價值偏好在要素上的體現(xiàn)有：客服的回復(fù)、用戶投訴、取消訂單等。綜上，得到引理2：情感傾向與感知功能價值偏好相關(guān)，不同情感傾向的感知功能價值偏好不同。具體表現(xiàn)在：積極情感傾向與平臺功能和程序功能感知因素相關(guān)性較強，消極情感傾向與程序功能感知因素相關(guān)性較強。

圖5 感知功能價值的文本挖掘Figure 5 Text mining for perceived functional value

情感傾向與感知體驗價值偏好：感知體驗價值包括參與體驗和參與情緒（圖6）。從圖6 可見，與中性和消極情感傾向群體相比，積極情感傾向群體中表示參與體驗的關(guān)鍵詞關(guān)聯(lián)度較多；關(guān)鍵詞節(jié)點面積較大；權(quán)重在［116，396］，遠高于積極情感傾向中表示參與情緒詞匯節(jié)點的權(quán)重（［34，125］區(qū)間），以及中性、消極情感傾向群體中表示參與體驗節(jié)點的權(quán)重（［4，28］區(qū)間）。感知價值偏好在要素上的體現(xiàn)有參與交易的方便性、選擇自由性等。綜上所述，得到引理3：情感傾向與感知體驗價值偏好相關(guān)，不同情感傾向的感知體驗價值偏好不同。具體表現(xiàn)在：積極情感傾向與參與體驗感知因素相關(guān)性較強。

圖6 感知體驗價值的文本挖掘Figure 6 Text mining for perceived experience value

情感傾向與感知成本偏好：感知成本包括有形成本和無形成本（圖7）。從圖7 可見，積極情感傾向與無形成本相關(guān)性較強。關(guān)鍵詞節(jié)點面積和關(guān)聯(lián)強度均高于中性和消極情感傾向群體，且權(quán)重在［182，665］區(qū)間，遠高于積極情感傾向群體中表示有形成本因素的關(guān)鍵詞，感知價值偏好在要素上的體現(xiàn)為節(jié)約時間等。另外，消極情感傾向與有形成本相關(guān)性較強。其中，關(guān)鍵詞關(guān)聯(lián)度較多，權(quán)重在［15，71］區(qū)間（消極情感傾向文本關(guān)鍵詞整體權(quán)重區(qū)間為［15，90］），節(jié)點面積大于積極情感傾向群體中表示有形成本的關(guān)鍵詞節(jié)點，感知價值偏好體現(xiàn)在平臺價格這一要素。綜上所述，得到引理4：情感傾向與感知成本偏好相關(guān)，不同情感傾向的感知成本偏好不同。具體表現(xiàn)在：積極情感傾向與無形成本感知因素相關(guān)性較強，消極情感傾向與有形成本感知因素相關(guān)性較強。

圖7 感知成本的文本挖掘Figure 7 Text mining for perceived cost

通過分別討論情感傾向與感知價值在4 個維度偏好上的相關(guān)性，可以認為假設(shè)1 成立。

3.2 不同市場類型下的感知價值偏好

將供給者用戶和需求者用戶的評論文本均劃分為積極、中性、消極情感傾向群體，并分別進行語義分析。關(guān)聯(lián)強度（strength）設(shè)定為［1，4］，strength ＜2，為弱相關(guān)或不相關(guān)，通過語義關(guān)聯(lián)強度對生成的關(guān)聯(lián)語義進行篩選。保留strength≥2 的關(guān)聯(lián)規(guī)則，以排除冗余。表中數(shù)據(jù)缺失位置表示情感傾向與感知價值偏好可能存在弱相關(guān)或者不相關(guān)，即與某一情感傾向中的其他感知因素相比不存在較強的相關(guān)關(guān)系。

權(quán)重均值表示某一感知因素在特定情感傾向群體中的集中趨勢；總體權(quán)重反映了節(jié)點出強度，綜合了出度和邊權(quán)重兩方面來表示不同市場類型和情感傾向下共享平臺和感知因素關(guān)系的總強度。因此，綜合上述指標可以客觀表示出用戶情感傾向與感知價值偏好相關(guān)性較強的感知因素?；诠┙o者市場用戶評論文本的不同情感傾向語義網(wǎng)絡(luò)分析結(jié)果的關(guān)聯(lián)規(guī)則的權(quán)重均值和總體權(quán)重的計算結(jié)果，得到不同情感傾向用戶群體的感知價值各維度的感知因素權(quán)重（表3）。

從表3 可見，供給者市場中，感知社會價值維度與中性情感傾向強相關(guān)；感知功能價值維度既與積極情感傾向強相關(guān)，又與消極情感傾向強相關(guān)；感知體驗價值既與積極情感傾向強相關(guān)，又與消極情感傾向強相關(guān)；感知成本維度中的有形成本因素與積極情感傾向強相關(guān)。

表3 供給者市場不同情感傾向的感知因素權(quán)重Table 3 The perceptual factor weights of different sentiment trends in supplier market

本文基于需求者市場用戶評論文本的不同情感傾向語義網(wǎng)絡(luò)分析結(jié)果的關(guān)聯(lián)規(guī)則的權(quán)重均值和總體權(quán)重的計算結(jié)果，得到了不同情感傾向用戶群體的感知價值各維度的感知因素權(quán)重，具體如表4 所示。

從表4 可見，需求者市場中，感知社會價值維度中的社會群體互動因素與積極情感傾向強相關(guān)，需求者互動因素與消極情感傾向強相關(guān)；感知功能價值維度中的平臺功能因素與積極情感傾向相關(guān)性較高，程序功能因素與消極情感傾向相關(guān)性較高；感知體驗價值維度與積極情感傾向強相關(guān)；感知成本維度中的有形成本因素與積極情感傾向強相關(guān)。

表4 需求者市場不同情感傾向的感知因素權(quán)重Table 4 The perceptual factor weights of different sentiment trends in demander market

通過建立情感傾向—感知價值偏好模型，比較和展示上述兩種市場類型下情感傾向與感知價值偏好的相關(guān)性差異。首先，基于對供給者市場和需求者市場中的用戶情感傾向與感知價值偏好分析，建立感知價值不同維度各因素的情感傾向矩陣，由1或0 進行填充，1 表示感知價值因素與情感傾向存在強相關(guān)，0 表示感知價值因素與情感傾向不存在強相關(guān)。供給者市場和需求者市場的感知價值偏好矩陣Pij如表5 所示。

表5 情感傾向與感知價值偏好矩陣Table 5 Matrix of sentiment trend and perceive d value preference

其次，借助偏好模型［43］，將情感傾向與感知價值偏好模型定義為：

式中：prePu，pj表示共享平臺用戶群體感知價值對情感傾向的偏好值；Wu，i表示用戶群體感知價值不同因素的權(quán)重；Npj表示感知價值所有因素中與情感傾向（Pj＝1，2，3）存在相關(guān)性的數(shù)量；Npj0表示感知價值因素中既與情感傾向Pj相關(guān)，又可以與其他的情感傾向存在相關(guān)性的數(shù)量；N00表示感知價值所有因素中僅與一種情感傾向存在相關(guān)性的數(shù)量。將用戶評論文本通過語義分析得到的權(quán)重進行計算，由此得到用戶群體感知價值各因素的情感傾向偏好值（表6）。

表6 不同情感傾向的感知價值偏好值Table 6 Perceived value preference values for different sentiment trends

一方面，不同市場類型的消極情感傾向的感知價值偏好不同。供給者市場的消極傾向的感知價值偏好無顯著差異，在需求者市場則具有明顯不同，消極情感傾向與需求者互動和程序功能因素偏好相關(guān)性較高；另一方面，不同市場類型的積極情感傾向的感知價值偏好也不同。供給者市場的積極情感傾向最主要與感知體驗價值維度中參與體驗因素相關(guān)，其次是感知成本維度中的有形成本因素和感知功能價值維度中的平臺功能因素；需求者市場的積極情感傾向與感知價值各維度都存在相關(guān)性，偏好值最高的是感知功能價值維度中的平臺功能因素，其次是參與體驗因素和社會群體互動因素。綜上所述，可得引理5：市場類型不同，情感傾向與感知價值偏好的相關(guān)性存在差異。

上述分析表明，供給者市場和需求者市場中的用戶情感傾向與感知價值偏好的相關(guān)性存在差異，可以認為假設(shè)2 成立。

4 結(jié)論與建議

4.1 結(jié)論

主要結(jié)論如下：①不同情感傾向用戶的感知價值偏好不同，積極情感傾向中平臺功能感知偏好值最高，消極情感傾向中參與體驗和平臺功能感知偏好值較高。②不同市場類型中的用戶感知價值偏好不同。感知社會價值維度中的社會群體互動因素和感知功能價值維度中的平臺功能因素與需求者的積極情感傾向相關(guān)性較強；感知體驗價值維度中的參與體驗因素與雙邊市場用戶的積極情感傾向相關(guān)性較強；感知成本維度中的無形成本因素與供給者的積極情感傾向相關(guān)性較強。

4.2 對策建議

針對上述研究結(jié)論，本文提出以下對策建議：①對平臺提供的功能進行優(yōu)化可以更有效地提高積極情感傾向，通過對客服人員專業(yè)技能的培訓(xùn)，提高他們的服務(wù)意識，優(yōu)化平臺用戶參與交易的功能模塊等措施來實現(xiàn)；創(chuàng)造更優(yōu)質(zhì)的用戶體驗?zāi)芨行У販p少用戶的消極情感傾向，可以通過采用場景化的形式將平臺內(nèi)容傳遞給用戶，推出首次交易提供大額補貼，用戶的優(yōu)質(zhì)評價可以獲得獎勵等措施來實現(xiàn)。②企業(yè)應(yīng)根據(jù)供給者市場和需求者市場主體的差異，判斷用戶積極情感傾向和消極情感傾向的相關(guān)因素。而對感知要素的強化，針對不同市場主體應(yīng)采取有效的措施，可提高市場積極情感傾向與感知價值偏好的相關(guān)性。具體來講，面對需求者市場時，平臺應(yīng)努力提高用戶對社會群體互動的感知。例如，采用明星代言，將人格形象轉(zhuǎn)移到平臺品牌上，開放用戶留言中心，搭建溝通論壇等，向用戶傳遞更高的感知社會價值。面對供給者市場時，平臺則應(yīng)努力降低用戶的感知成本。例如，優(yōu)化用戶對于碎片化時間的利用程度，減少用戶等待交易完成的時間，提高平臺的響應(yīng)速度等，向用戶傳遞更低的感知成本，尤其是無形成本。