消費(fèi)者網(wǎng)購(gòu)葡萄酒的影響因素及營(yíng)銷(xiāo)策略研究

陳光宇，易鐘婷，關(guān)一，李甲貴*

（1. 西北農(nóng)林科技大學(xué)經(jīng)濟(jì)管理學(xué)院，陜西楊凌 712100；2. 西北農(nóng)林科技大學(xué)葡萄酒學(xué)院，陜西楊凌 712100/西北農(nóng)林科技大學(xué)寧夏賀蘭山東麓葡萄酒試驗(yàn)示范站，寧夏永寧 750104）

關(guān)鍵字：葡萄酒；網(wǎng)上購(gòu)買(mǎi)；消費(fèi)者；關(guān)注度；滿(mǎn)意度

隨著居民可支配收入的不斷提升與葡萄酒文化的快速傳播，葡萄酒已經(jīng)成為一種人們追求健康和時(shí)尚生活方式的象征。中國(guó)酒業(yè)協(xié)會(huì)2021年發(fā)布了《中國(guó)酒業(yè)“十四五”發(fā)展指導(dǎo)意見(jiàn)》，預(yù)測(cè)未來(lái)五年我國(guó)葡萄酒產(chǎn)量將達(dá)到7億升，較2020年上漲75%，對(duì)應(yīng)收入將增加66.7%。然而，目前我國(guó)葡萄酒人均年消耗量?jī)H有1.3升，相當(dāng)于世界人均消耗量的40%。可以預(yù)見(jiàn)，未來(lái)幾年我國(guó)葡萄酒產(chǎn)業(yè)將迎來(lái)發(fā)展的黃金時(shí)期。伴隨著市場(chǎng)規(guī)模的提升，葡萄酒銷(xiāo)售模式也在不斷革新。頭豹研究院發(fā)布的《2019年中國(guó)葡萄酒行業(yè)概括》顯示，雖然商超仍是酒類(lèi)產(chǎn)品的主要銷(xiāo)售渠道，但是購(gòu)物網(wǎng)站和直播帶貨等線上購(gòu)物的規(guī)模正在以每年40%左右的增長(zhǎng)率持續(xù)上升。購(gòu)物網(wǎng)站也給消費(fèi)者搭建了一個(gè)分享購(gòu)買(mǎi)葡萄酒感受的交流平臺(tái)。這些平臺(tái)中反映消費(fèi)者心聲的評(píng)論，不僅為研究消費(fèi)者關(guān)注因素提供大量的數(shù)據(jù)支撐[1]，而且有利于商家改進(jìn)商品質(zhì)量和服務(wù)以提升客戶(hù)轉(zhuǎn)化率[2]。LDA（Latent Dirichlet Allocation）主題模型是一種基于機(jī)器學(xué)習(xí)算法的文檔主題生成模型，因其能大規(guī)模提取文本內(nèi)容、歸納消費(fèi)者關(guān)注的主題、支持主題間關(guān)系計(jì)算等優(yōu)勢(shì)，已經(jīng)成為主題發(fā)現(xiàn)的主流算法。IPA（Important-Performance Analysis）分析矩陣是一種基于期望差異理論的測(cè)量方法，可以綜合測(cè)量消費(fèi)者產(chǎn)品關(guān)注度和產(chǎn)品績(jī)效相對(duì)關(guān)系。本文將LDA主題模型和IPA分析矩陣模型結(jié)合使用，可以將每個(gè)主題從消費(fèi)者關(guān)注度和產(chǎn)品滿(mǎn)意度兩個(gè)維度量化處理，以期輔助商家了解消費(fèi)者訴求，制定針對(duì)性營(yíng)銷(xiāo)策略。

1 研究背景

近年來(lái)，蓬勃發(fā)展的電商平臺(tái)，給消費(fèi)者提供了大量觀點(diǎn)分享渠道。這些平臺(tái)每天生成的海量評(píng)論，給相關(guān)領(lǐng)域研究者提供了寶貴的研究資料。然而，評(píng)論中包含著消費(fèi)者大量由不同描述語(yǔ)言構(gòu)成的觀點(diǎn)和偏好，這種開(kāi)放式的語(yǔ)言表達(dá)，雖然可以完整呈現(xiàn)顧客的真實(shí)想法，形成電子口碑效應(yīng)，但是難以被傳統(tǒng)分析方法提取和處理。近幾年興起的文本挖掘技術(shù)，為解決這類(lèi)問(wèn)題提供了新方法。

1.1 網(wǎng)上評(píng)價(jià)會(huì)影響消費(fèi)者的購(gòu)買(mǎi)意愿

消費(fèi)者在消費(fèi)過(guò)程中會(huì)對(duì)產(chǎn)品產(chǎn)生正面或負(fù)面的評(píng)價(jià)，而這些評(píng)價(jià)與購(gòu)買(mǎi)意愿存在著一定關(guān)系[3]。消費(fèi)者對(duì)于產(chǎn)品評(píng)價(jià)主要由感官評(píng)價(jià)、認(rèn)知評(píng)價(jià)、使用評(píng)價(jià)和關(guān)聯(lián)評(píng)價(jià)構(gòu)成[4]。線上平臺(tái)的設(shè)計(jì)美觀度、消費(fèi)者在購(gòu)物時(shí)的體驗(yàn)、詳情頁(yè)的展示度會(huì)影響消費(fèi)者的購(gòu)買(mǎi)意愿。Sharma[5]認(rèn)為，線上產(chǎn)品的特征，例如質(zhì)量、價(jià)格等因素都會(huì)影響消費(fèi)者的購(gòu)買(mǎi)意愿。

1.2 不同品類(lèi)下消費(fèi)者關(guān)注的因素具有差異

馮坤等[6]人基于LDA模型提取出線上平臺(tái)消費(fèi)者對(duì)于食品的評(píng)論主題，通過(guò)構(gòu)建商品品類(lèi)下不同商品的隨機(jī)占優(yōu)矩陣，算出了不同商品影響因素的滿(mǎn)意度排序，如：有的商品品類(lèi)中消費(fèi)者最為關(guān)注的是性?xún)r(jià)比，而有的品類(lèi)消費(fèi)者最關(guān)注的卻是品牌。Iwata等[7]使用LDA模型研究了不同大類(lèi)商品的消費(fèi)者滿(mǎn)意度影響因素，結(jié)果表明不同類(lèi)的市場(chǎng)中影響因素不盡相同。吳江等[8]分析不同時(shí)間段兩種商品的評(píng)論信息發(fā)現(xiàn)，隨著時(shí)間的推移，商品的消費(fèi)者滿(mǎn)意度曲線呈現(xiàn)U型，即購(gòu)入商品之后消費(fèi)者的滿(mǎn)意度往往會(huì)有所下降，之后消費(fèi)者對(duì)商品質(zhì)量和好性能的產(chǎn)品的喜愛(ài)程度會(huì)隨著時(shí)間的延長(zhǎng)而增加。

1.3 評(píng)論觀點(diǎn)對(duì)產(chǎn)品銷(xiāo)量產(chǎn)生影響

王珠美等[9]使用LDA模型統(tǒng)計(jì)出農(nóng)產(chǎn)品評(píng)論的主題及其占比，進(jìn)而運(yùn)用直覺(jué)模糊TOPSIS模型算出各種農(nóng)產(chǎn)品評(píng)價(jià)的綜合得分，發(fā)現(xiàn)商品的銷(xiāo)量與評(píng)論的綜合得分呈正相關(guān)。阮光冊(cè)等[10]使用LDA模型統(tǒng)計(jì)出商品的屬性，分析各個(gè)屬性的情感極性并結(jié)合多元回歸模型探究情感極性與銷(xiāo)量排名之間的關(guān)系。結(jié)果顯示，隨著各屬性的情感分值增加，銷(xiāo)量排名上升。畢達(dá)天等[11]利用LDA模型探究了交易雙方的行為，通過(guò)系統(tǒng)研究“淘寶”的商品差評(píng)，發(fā)現(xiàn)商家向消費(fèi)者索要好評(píng)的行為會(huì)引起消費(fèi)者的厭惡，從而給出差評(píng)，且商家索要好評(píng)的方式和次數(shù)都會(huì)影響消費(fèi)者給出差評(píng)的決策。

綜上所述，在電商平臺(tái)評(píng)論領(lǐng)域，消費(fèi)者購(gòu)買(mǎi)不同大類(lèi)的產(chǎn)品時(shí)關(guān)注因素往往存在較大差異。同一大類(lèi)產(chǎn)品下，不同子產(chǎn)品之間受關(guān)注因素的關(guān)注度和滿(mǎn)意度也不盡相同。然而，大多數(shù)學(xué)者只是分析出產(chǎn)品影響滿(mǎn)意度的因素，而不考慮該因素的重要程度，籠統(tǒng)地給出建議。出于成本的考量，采納全部建議顯然不能滿(mǎn)足商家效益最大化的目標(biāo)。因此，本文綜合利用LDA模型、重要性-績(jī)效性（IPA）分析法，深入挖掘葡萄酒評(píng)論信息。在獲取評(píng)論主要關(guān)注因素的基礎(chǔ)上，利用語(yǔ)義網(wǎng)絡(luò)圖展示不同情感極性下關(guān)鍵詞之間的聯(lián)系，在綜合考量關(guān)注度和滿(mǎn)意度兩個(gè)指標(biāo)的基礎(chǔ)上給出合適的營(yíng)銷(xiāo)建議。

2 研究方法

2.1 分析思路

LDA主題模型能夠高效地利用關(guān)鍵詞反映出消費(fèi)者主要關(guān)注因素，IPA矩陣可以綜合測(cè)量消費(fèi)者對(duì)產(chǎn)品的關(guān)注度與滿(mǎn)意度的相對(duì)關(guān)系，因此LDA模型與IPA矩陣分析法相結(jié)合的網(wǎng)絡(luò)評(píng)論信息研究方法，廣泛應(yīng)用于不同領(lǐng)域的用戶(hù)觀點(diǎn)研究。本研究基于LDA模型構(gòu)建了葡萄酒評(píng)論的分析框架，以便準(zhǔn)確地獲取消費(fèi)者具體反饋，有針對(duì)性地給出建議。具體研究流程如下：（1）根據(jù)搜索關(guān)鍵詞葡萄酒，利用爬蟲(chóng)技術(shù)獲取京東平臺(tái)銷(xiāo)量排名前100的葡萄酒品牌的消費(fèi)者評(píng)論數(shù)據(jù)，將文本進(jìn)行預(yù)處理，得出目標(biāo)數(shù)據(jù)。（2）對(duì)處理后的文本數(shù)據(jù)進(jìn)行中文分詞等操作，借助LDA模型獲取評(píng)論主要關(guān)注因素并評(píng)論的文本信息進(jìn)行情感分類(lèi)。（3）結(jié)合評(píng)論中提取的觀點(diǎn)，將關(guān)注因素進(jìn)一步細(xì)分，算出二級(jí)指標(biāo)的關(guān)注度和滿(mǎn)意度。（4）構(gòu)建基于IPA方法的關(guān)注度-滿(mǎn)意度矩陣，進(jìn)行可視化分析。

2.2 葡萄酒評(píng)論獲取與處理

本文使用Python語(yǔ)言編寫(xiě)爬蟲(chóng)代碼，抓取2020年12月1日“京東商城”上銷(xiāo)量前100的葡萄酒評(píng)論文本，將每個(gè)葡萄酒的評(píng)論單獨(dú)保存成一個(gè)csv文件，共獲得66 563條評(píng)論信息。京東商城前100的葡萄酒之間存在共用評(píng)論的現(xiàn)象，因此需要對(duì)比每個(gè)csv文件，去掉重復(fù)文件后得到33 282條評(píng)論信息。使用Python數(shù)據(jù)分析領(lǐng)域的Pandas庫(kù)清洗剩余評(píng)論的文本數(shù)據(jù)。首先，為保證數(shù)據(jù)不受人為因素干擾，需要將明顯的刷單信息刪去。例如：刪除“京東的質(zhì)量我一直比較放心，發(fā)貨也比較快”此類(lèi)按特定套路生成的高度重復(fù)且一致的評(píng)論信息；更正一些錯(cuò)別字，如將“丹寧”改為“單寧”等；把一些意思相近的詞語(yǔ)進(jìn)行同義替換，如將“飛速”“快速”“飛快”等詞語(yǔ)統(tǒng)一替換成“很快”。然后，選取中文文本處理效果比較好的Jieba分詞模塊，結(jié)合“搜狗詞庫(kù)”中的“網(wǎng)購(gòu)詞庫(kù)”“葡萄酒相關(guān)名詞詞庫(kù)”構(gòu)建自定義詞庫(kù)，對(duì)評(píng)論文本進(jìn)行分詞。最后，導(dǎo)入停用詞庫(kù)，把分詞后文本中沒(méi)有意義的詞語(yǔ)過(guò)濾掉。

2.3 基于LDA的葡萄酒評(píng)論主題提取模型

2.3.1 LDA主題模型

2003年，Blei[12]針對(duì)PLSI模型不能用概率描述文本信息產(chǎn)生的缺陷，提出將文檔主題混合的比例表示成一個(gè)服從Dirichlet分布的隱含隨機(jī)變量，以此模擬文檔生成過(guò)程，提出了一種非監(jiān)督機(jī)器學(xué)習(xí)的文檔主題模型，即LDA主題模型。LDA模型包含文檔、主題和特征詞三個(gè)維度。利用評(píng)論文檔D及其先驗(yàn)參數(shù)α和β推斷每個(gè)關(guān)鍵詞的主題分配序列z_(d,ω)，并根據(jù)該序列得到評(píng)論-主題分布概率θ和主題-詞匯Φ分布概率。具體方法如下[13]：

（1）確定評(píng)論數(shù)目N和該文檔中的特征詞數(shù)dn；

（2）對(duì)于評(píng)論d，生成主題分布：θ_d～Dir(α)；

（3）對(duì)于主題κ，生成特征詞分布：Φ_κ～Dir(β)；

（4）對(duì)于特征詞ω_(d,i)，先在θ_d生成一個(gè)主題z_(d,i)~Multi(θ_d)，再根據(jù)z_(d,i)生成ω_(d,i)～Multi(θ_(z_(d,i)))其中iε{1,2,...,dn}。

使用模型各變量最大化的聯(lián)合分布，估計(jì)各個(gè)參數(shù)：

通過(guò)吉布斯抽樣求解參數(shù)的概率p，進(jìn)一步引入狄利克

其中，z_(dω)表示該特征詞分配的主題；z_(-(dω))代表不包括此特征詞的其它詞語(yǔ)的主題分配序列；代表將評(píng)論d中除去特征詞ω之后的其它特征詞分配給主題κ的次數(shù)；代表排除文檔d中的特征詞ω之后，ω仍分配給主題的次數(shù)。

2.3.2 LDA模型主題個(gè)數(shù)的確定

由于LDA模型的主題個(gè)數(shù)對(duì)分析結(jié)果有決定性的影響，因此在分析葡萄酒評(píng)論的關(guān)注因素之前，需要確定主題個(gè)數(shù)。目前有三種應(yīng)用較為廣泛的方法：第一種是利用層次狄利克雷過(guò)程將主題的個(gè)數(shù)轉(zhuǎn)化成非參數(shù)，從而去除主題個(gè)數(shù)對(duì)模型的影響。第二種方法由Griffiths等[18]提出，基于貝葉斯算法確定文本數(shù)據(jù)主題個(gè)數(shù)的方法。第三種是Blei[16]提出的分析不同主題個(gè)數(shù)下模型困惑度（Perplexity），確定主題個(gè)數(shù)的方法。由于第一種和第二種算法的復(fù)雜度高且效率較低，因此本文選用第三種方法測(cè)量主題個(gè)數(shù)。困惑度的計(jì)算公式如下：

其中：D表示所有葡萄酒評(píng)論的集合，d表示集合中的一條評(píng)論，Nd表示d評(píng)論中的特征詞個(gè)數(shù)，ωd表示d評(píng)論中的特征詞序列，P(ωd）表示d評(píng)論中ωd出現(xiàn)的概率。

2.4 IPA分析

IPA分析是一種基于期望差異理論提出的衡量研究對(duì)象滿(mǎn)意度的方法[14]。它將關(guān)注因素的重要性和績(jī)效一起納入考量范圍，通過(guò)比較兩者的關(guān)系，確定改進(jìn)策略，以便管理者對(duì)有限的資源進(jìn)行利益最大化的利用。由于葡萄酒評(píng)論開(kāi)放式的文本屬性，一個(gè)評(píng)論中可能包含不止一個(gè)觀點(diǎn)，且對(duì)于不同觀點(diǎn)的情感極性也不一定相同。本文利用百度AI開(kāi)放平臺(tái)基于深度學(xué)習(xí)技術(shù)研發(fā)的觀點(diǎn)提取模型對(duì)葡萄酒評(píng)論進(jìn)行觀點(diǎn)提取。首先，使用Python安裝并導(dǎo)入百度提供的AiNlp第三方庫(kù)，用其提供的身份信息進(jìn)行驗(yàn)證。最后，將評(píng)論文本循環(huán)輸入百度提供的接口進(jìn)行處理，提取輸出的觀點(diǎn)以及情感極性。該模型經(jīng)過(guò)大量的購(gòu)物評(píng)論語(yǔ)義訓(xùn)練，對(duì)輸入的評(píng)論信息可以較好的進(jìn)行觀點(diǎn)和情感極性提取。本文在LDA模型確定的關(guān)注因素基礎(chǔ)上將其再度細(xì)分為多個(gè)二級(jí)指標(biāo)，將提取出的觀點(diǎn)歸類(lèi)到二級(jí)指標(biāo)之中，計(jì)算出各個(gè)二級(jí)指標(biāo)的關(guān)注度和滿(mǎn)意度，根據(jù)IPA方法構(gòu)建關(guān)注度-滿(mǎn)意度矩陣進(jìn)行。

3 結(jié)果分析

3.1 基于LDA主題模型的葡萄酒評(píng)論關(guān)注因素分析

3.1.1 確定最優(yōu)主題數(shù)目

本文使用Gibbs抽樣計(jì)算參數(shù)的概率，因此抽樣迭代次數(shù)也會(huì)對(duì)困惑度產(chǎn)生較大的影響。通過(guò)分別測(cè)算迭代參數(shù)在20～300的情況下主題數(shù)在1～20時(shí)最佳主題的困惑度，發(fā)現(xiàn)迭代次數(shù)為23時(shí)，效果最好。將抽樣迭代次數(shù)設(shè)置為23，分別測(cè)算主題數(shù)為1～20對(duì)應(yīng)的困惑度。圖1的折線可以看出，把主題個(gè)數(shù)設(shè)置為5時(shí)，模型的困惑度最低。

3.1.2 LDA主題挖掘

本文使用Python自然語(yǔ)言處理領(lǐng)域Gensim庫(kù)中的LDA模型，對(duì)預(yù)處理后的葡萄酒評(píng)論數(shù)據(jù)進(jìn)行建模分析。通過(guò)困惑度與主題之間的對(duì)應(yīng)關(guān)系，得出最佳主題數(shù)之后，將主題數(shù)帶入LDA模型并將關(guān)鍵詞個(gè)數(shù)設(shè)置為10，分析出了各個(gè)主題包含的關(guān)鍵詞和對(duì)應(yīng)的相似度。見(jiàn)表1。

LDA模型根據(jù)特征詞與主題的相似性，將相關(guān)詞語(yǔ)劃分在一起，表達(dá)對(duì)應(yīng)的主題。根據(jù)表1的結(jié)果，通過(guò)多個(gè)按主題相似性排序的特征詞描述，可以推斷出對(duì)應(yīng)的主題。主題1中出現(xiàn)了‘物流’‘速度’‘很快’‘快遞’等特征詞，可以推斷出此主題描述了葡萄酒銷(xiāo)售環(huán)節(jié)的物流特征；主題2中出現(xiàn)了‘口感’‘品嘗’‘味道’‘包裝’等詞，可以推斷出這些詞主要描述了葡萄酒的產(chǎn)品特征；主題3出現(xiàn)了‘感覺(jué)’‘贈(zèng)品’等詞，結(jié)合具體評(píng)論可以推斷出此主題描述了客服質(zhì)量；主題4出現(xiàn)了‘購(gòu)買(mǎi)’‘不錯(cuò)’‘值得’等詞，可以推斷出此主題與購(gòu)物體驗(yàn)相關(guān)；主題5出現(xiàn)了‘便宜’‘價(jià)格’‘活動(dòng)’等詞可以推斷出此主題與葡萄酒價(jià)格特征相關(guān)。

3.1.3 關(guān)注因素的關(guān)注度與滿(mǎn)意度分析

根據(jù)LDA模型分析可知，消費(fèi)者主要關(guān)注因素有5種，分別是：產(chǎn)品特征、價(jià)格特征、物流特征、購(gòu)物體驗(yàn)和客服質(zhì)量。為深入研究消費(fèi)者對(duì)每一種關(guān)注因素的關(guān)注度和滿(mǎn)意度，需要將每段評(píng)論中包含的觀點(diǎn)全部提取出來(lái)。使用百度AI開(kāi)放平臺(tái)基于深度學(xué)習(xí)技術(shù)開(kāi)發(fā)的觀點(diǎn)提取功能，結(jié)合LDA模型分析主題及其特征詞，將評(píng)論觀點(diǎn)進(jìn)行主題歸類(lèi)。根據(jù)觀點(diǎn)分類(lèi)的結(jié)果，統(tǒng)計(jì)各個(gè)主題特征的關(guān)注度和滿(mǎn)意度。

圖2表明，消費(fèi)者在京東商城購(gòu)買(mǎi)葡萄酒時(shí)，對(duì)于產(chǎn)品、價(jià)格、物流、購(gòu)物體驗(yàn)以及客服方面整體滿(mǎn)意度較高（在83%以上）。但是，消費(fèi)者除了比較關(guān)注產(chǎn)品特征外（52.65%），對(duì)于價(jià)格、物流、購(gòu)物體驗(yàn)、客服質(zhì)量關(guān)注程度都很低（僅僅7.74%～13.41%），這說(shuō)明消費(fèi)者對(duì)線上購(gòu)物整體上比較滿(mǎn)意，對(duì)產(chǎn)品質(zhì)量比較關(guān)注，對(duì)其他方面均比較滿(mǎn)意，甚至不怎么關(guān)心。結(jié)合表1結(jié)果可以發(fā)現(xiàn)：京東商城商品質(zhì)量相對(duì)較好，商品出現(xiàn)問(wèn)題的概率較低；消費(fèi)者對(duì)物流的滿(mǎn)意之處主要是速度快，這點(diǎn)也能印證京東自建物流的成功，高效率物流為京東商城的葡萄酒銷(xiāo)售起到了積極的促進(jìn)作用。對(duì)物流的不滿(mǎn)之處主要集中在物流質(zhì)量方面，比如：瓶子破損，包裝損壞等。

表1 LDA主題模型結(jié)果Table 1 The LDA model of topic maps

3.2 葡萄酒評(píng)論的IPA分析

承接上文對(duì)消費(fèi)者購(gòu)買(mǎi)葡萄酒時(shí)感受的定性描述，此處使用IPA分析的方法研究各個(gè)指標(biāo)的滿(mǎn)意度和關(guān)注度關(guān)系。首先，本文對(duì)于提取的觀點(diǎn)進(jìn)行了歸類(lèi)，并進(jìn)一步對(duì)主題模型統(tǒng)計(jì)出的5個(gè)關(guān)注因素進(jìn)行細(xì)分，得到11個(gè)二級(jí)指標(biāo)，分別統(tǒng)計(jì)出每個(gè)二級(jí)指標(biāo)的關(guān)注度和滿(mǎn)意度（如表2）。

根據(jù)表2的數(shù)據(jù)，以滿(mǎn)意度為橫軸，關(guān)注度為縱軸，將坐標(biāo)（88.03%，8.23%）設(shè)置為交叉點(diǎn)，并且將4個(gè)象限命名為A區(qū)、B區(qū)、C區(qū)，D區(qū)以此建立IPA方法。其中，88.03%表示的是滿(mǎn)意度的均值，8.23%表示的是關(guān)注度的均值。IPA分析結(jié)果如圖3所示。

表2 消費(fèi)者網(wǎng)上購(gòu)物葡萄酒所關(guān)注因數(shù)Table 2 Consumers' attention of online wine shopping

3.3 營(yíng)銷(xiāo)策略

3.3.1 提升產(chǎn)品質(zhì)量，差異化定位市場(chǎng)

由于消費(fèi)者對(duì)產(chǎn)品質(zhì)量關(guān)注度和滿(mǎn)意度都非常高，該因素落在了A區(qū)域。但是，仍有部分消費(fèi)者反映“對(duì)國(guó)內(nèi)的酒莊有些失望，品質(zhì)如同國(guó)外餐酒”。目前，國(guó)產(chǎn)酒與進(jìn)口酒相比，并沒(méi)有價(jià)格優(yōu)勢(shì)，若是質(zhì)量得不到提升，將處于更加被動(dòng)的狀態(tài)。因此，產(chǎn)品質(zhì)量關(guān)仍然是商家關(guān)注的重點(diǎn)。對(duì)于對(duì)品質(zhì)比較挑剔的消費(fèi)者，在提升質(zhì)量的同時(shí)，需要把產(chǎn)品定位和消費(fèi)者群體結(jié)合起來(lái)，重新進(jìn)行合理定位。引進(jìn)先進(jìn)的釀造工藝和設(shè)備，根據(jù)線上品牌的銷(xiāo)售情況，釀造出不同類(lèi)型的葡萄酒，確立企業(yè)的一級(jí)主打產(chǎn)品、二級(jí)大眾產(chǎn)品和三級(jí)下沉產(chǎn)品，在線上系統(tǒng)的支持下對(duì)不同類(lèi)型的消費(fèi)者進(jìn)行差異化推薦，滿(mǎn)足不同的市場(chǎng)人群。

3.3.2 提高總體關(guān)注度，提升產(chǎn)品自身優(yōu)勢(shì)

落在B區(qū)域的關(guān)注因素有總體感受、優(yōu)惠、價(jià)格、物流速度、物流質(zhì)量，視覺(jué)感受。消費(fèi)者對(duì)這6個(gè)因素雖然關(guān)注相對(duì)較低，但是滿(mǎn)意度較高。說(shuō)明商家在這些方面做得已經(jīng)比較出色，不需要將過(guò)多的精力投放在此。消費(fèi)者對(duì)于酒的色澤并不敏感，但是隨著葡萄酒文化的普及，消費(fèi)者對(duì)于酒的色澤認(rèn)知提升，不排除視覺(jué)感受下降的可能。也就是說(shuō)，消費(fèi)者的滿(mǎn)意度較高，但總體關(guān)注度不高，那么產(chǎn)品自身優(yōu)勢(shì)還是不能顯著發(fā)揮。一個(gè)優(yōu)秀的銷(xiāo)售品牌需要擴(kuò)大自身的優(yōu)勢(shì)，將產(chǎn)品的優(yōu)勢(shì)信息傳遞給消費(fèi)者，進(jìn)而影響消費(fèi)者的消費(fèi)意愿和行為。在企業(yè)品牌運(yùn)營(yíng)過(guò)程中，可以把消費(fèi)者對(duì)于滿(mǎn)意度高的優(yōu)勢(shì)加入到產(chǎn)品的線上廣告中，引起消費(fèi)者的共鳴。

3.3.3 減少消費(fèi)負(fù)面情緒，建設(shè)線上銷(xiāo)售團(tuán)隊(duì)

客服質(zhì)量落在C區(qū)域，表明消費(fèi)者對(duì)于客服人員服務(wù)態(tài)度的滿(mǎn)意度和關(guān)注度都不是很高?？头|(zhì)量的關(guān)注度不高，原因是消費(fèi)者在購(gòu)買(mǎi)葡萄酒時(shí)很少遇到問(wèn)題，不必尋求客服幫助。然而，如果遇到問(wèn)題，消費(fèi)者就很容易產(chǎn)生不滿(mǎn)情緒，此時(shí)若是客服人員的服務(wù)態(tài)度不好或者解決效率不高，消費(fèi)者就會(huì)喪失對(duì)商家的信任。因此，在銷(xiāo)售過(guò)程中需要重新制定客服銷(xiāo)售激勵(lì)計(jì)劃，對(duì)客服話術(shù)和服務(wù)態(tài)度進(jìn)行培訓(xùn)，提高客服銷(xiāo)售待遇，用收入激勵(lì)客服人員的活力，將客服人員的工資與績(jī)效掛鉤，或者像那些有經(jīng)驗(yàn)的銷(xiāo)售團(tuán)隊(duì)學(xué)習(xí)，建設(shè)優(yōu)秀的線上銷(xiāo)售團(tuán)隊(duì)以減少消費(fèi)者在消費(fèi)過(guò)程中的不滿(mǎn)情緒。

3.3.4 優(yōu)化產(chǎn)品特性，注重飲酒感官體驗(yàn)

落在D區(qū)域的有包裝設(shè)計(jì)、味覺(jué)感受、嗅覺(jué)感受，表明消費(fèi)者對(duì)這3個(gè)的關(guān)注度高，滿(mǎn)意度較低。商家應(yīng)該優(yōu)先解決此區(qū)域中關(guān)注因素存在的問(wèn)題。很多消費(fèi)者購(gòu)買(mǎi)葡萄酒是為了送禮，因此包裝設(shè)計(jì)是否有新意、是否上檔次就成為消費(fèi)者重要的考量因素。消費(fèi)者反映的影響滿(mǎn)意度的主要原因是包裝不夠高端，送禮有失面子。味覺(jué)方面，消費(fèi)者不滿(mǎn)的地方在于有些葡萄酒酸澀較重，無(wú)法適應(yīng)，綜合評(píng)論信息發(fā)現(xiàn)消費(fèi)者喜愛(ài)口感偏甜的葡萄酒。如“兌點(diǎn)雪碧類(lèi)的甜汽水會(huì)喝著舒服一些，酒味不那么刺鼻”。消費(fèi)者對(duì)于一款酒最初的感受源自于其香味，因此嗅覺(jué)感受遠(yuǎn)高于其他因素。進(jìn)一步分析消費(fèi)者喜歡的葡萄酒香氣，發(fā)現(xiàn)相較于其他香氣，消費(fèi)者對(duì)果香更加敏感。

4 結(jié)論及建議

4.1 結(jié)論

本文利用“京東”購(gòu)物平臺(tái)的葡萄酒評(píng)論數(shù)據(jù)，綜合運(yùn)用LDA主題模型、IPA分析矩陣等方法研究消費(fèi)者的關(guān)注因素及其滿(mǎn)意度和關(guān)注度。結(jié)果發(fā)現(xiàn)，葡萄酒消費(fèi)者主要關(guān)注因素為產(chǎn)品特征、價(jià)格特征、物流特征、購(gòu)物體驗(yàn)，客服質(zhì)量。產(chǎn)品特征又可以細(xì)分為視覺(jué)感受、味覺(jué)感受、嗅覺(jué)感受、產(chǎn)品質(zhì)量、包裝設(shè)計(jì)；價(jià)格特征包含價(jià)格和優(yōu)惠；物流特征可以細(xì)分成物流速度和物流質(zhì)量。關(guān)注度最高的4個(gè)因素全是產(chǎn)品特征的二級(jí)指標(biāo)，其中味覺(jué)感受、嗅覺(jué)感受、包裝設(shè)計(jì)這3個(gè)因素需要重點(diǎn)改進(jìn)，產(chǎn)品質(zhì)量需要繼續(xù)保持。消費(fèi)者對(duì)于包括購(gòu)物體驗(yàn)在內(nèi)的6個(gè)因素關(guān)注度較低，滿(mǎn)意度較高，表明對(duì)這些因素總體上比較滿(mǎn)意。

4.2 建議

商家應(yīng)該將改進(jìn)的重點(diǎn)放在提升葡萄酒的整體質(zhì)量上。產(chǎn)品質(zhì)量關(guān)不能松懈，保證釀酒葡萄的質(zhì)量，嚴(yán)格把控各個(gè)生產(chǎn)環(huán)節(jié)，產(chǎn)品出廠前進(jìn)行嚴(yán)格的質(zhì)量篩查，防止出現(xiàn)產(chǎn)品變質(zhì)等情況；包裝設(shè)計(jì)方面，建議商家分別設(shè)置禮盒裝和家用裝，滿(mǎn)足一部分消費(fèi)者自飲需求的同時(shí)，也讓買(mǎi)酒送禮的消費(fèi)者多一種選擇；味覺(jué)方面，大部分對(duì)葡萄酒了解不深的消費(fèi)者，比較難以適應(yīng)干紅的澀味，更加偏向于甜味。建議商家適當(dāng)增加半干型、半甜型和甜型葡萄酒；在嗅覺(jué)方面，大部分消費(fèi)者更傾向于葡萄酒的果香，對(duì)于其它香味認(rèn)知并不強(qiáng)，建議商家生產(chǎn)更多具有明顯果香、花香特征的葡萄酒。在改進(jìn)產(chǎn)品整體質(zhì)量的同時(shí)，也要加強(qiáng)客服人員的職業(yè)素養(yǎng)培訓(xùn)，改進(jìn)服務(wù)態(tài)度，提升為客戶(hù)解決問(wèn)題的能力。例如：在與消費(fèi)者溝通時(shí)，及時(shí)且友好地回復(fù)消費(fèi)者的問(wèn)題，根據(jù)消費(fèi)者不同的用酒場(chǎng)景，為其推薦合適的酒品；一旦出現(xiàn)售后問(wèn)題，及時(shí)有效地給出解決方案。