劉小紅

(惠州學(xué)院 服裝系,廣東 惠州 516007)

?

休閑服企業(yè)詢單顧客的關(guān)鍵詞頻率及其波動

劉小紅

(惠州學(xué)院 服裝系,廣東 惠州 516007)

挖掘網(wǎng)購企業(yè)與詢單顧客溝通中未被企業(yè)利用的日志數(shù)據(jù)．以某大型休閑服企業(yè)的網(wǎng)購客服日志數(shù)據(jù)為樣本,利用關(guān)鍵詞度量函數(shù)和預(yù)置關(guān)鍵詞集合,提取客服日志數(shù)據(jù)中的關(guān)鍵詞,應(yīng)用關(guān)鍵詞頻率及頻率變化模型,計算關(guān)鍵詞頻率在分析周期內(nèi)的波動變化．結(jié)果顯示,詢單顧客使用詞意相同的差異化表達(dá)方式普遍存在,關(guān)鍵詞指向問題主要集中在產(chǎn)品與物流,3個一級因子和15個二級因子的頻率波動存在此消彼長關(guān)系,在新產(chǎn)品上線、重大節(jié)假日、重大活動時,關(guān)鍵詞頻率波動會加大．可提高客服人員快速，準(zhǔn)確地在詞意相同的不同關(guān)鍵詞之間進(jìn)行轉(zhuǎn)換的能力,提高客服服務(wù)水平．

詢單顧客;關(guān)鍵詞頻率;客服日志

Key words: inquiry customer; keyword frequency; customer service log

0 引 言

在各種搜索引擎被廣泛使用之后,研究者們開始對查詢關(guān)鍵詞、點(diǎn)擊鏈接等問題進(jìn)行研究,挖掘與利用搜索日志的價值[1],如利用信息檢索中用戶關(guān)心的關(guān)鍵詞作為查詢推薦[2]．對于搜索關(guān)鍵詞的分析與預(yù)測研究已經(jīng)取得了較好的研究成果．張?jiān)魄锏萚3]提出搜索用戶的信息需求與實(shí)際搜索行為有助于改善信息供求雙方的決策行為．Ginsberg等人[4]利用與流感流行有關(guān)的網(wǎng)絡(luò)搜索關(guān)鍵詞搜索量的變化規(guī)律,建立了基于網(wǎng)絡(luò)搜索的流感流行預(yù)測模型．唐曉波等[5]利用網(wǎng)購消費(fèi)者的日志信息分析客戶偏好和商品偏愛,建立了客戶聚類的商品推薦模型．這些針對關(guān)鍵詞的分析與預(yù)測研究需要精確提取關(guān)鍵詞的技術(shù)支持．Wang D X等[6]將特征詞在類內(nèi)與類間信息與信息增益結(jié)合,改進(jìn)了TFIDF算法,提高了關(guān)鍵詞提取的準(zhǔn)確度．黃磊等[7]提出在語言分析中預(yù)先設(shè)計完整的關(guān)鍵詞詞典提高關(guān)鍵詞的提取效果．羅繁明等[8]提出一種基于多級統(tǒng)計特征的關(guān)鍵詞提取(TFIDF-SK)算法．白曉雷等[9]在分析和提取術(shù)語特征基礎(chǔ)上,提出基于神經(jīng)網(wǎng)絡(luò)的中文關(guān)鍵詞抽取方法．以上文獻(xiàn)反映了關(guān)鍵詞在提取與應(yīng)用方面的研究成果.本文針對網(wǎng)絡(luò)營銷中詢單顧客與客服之間溝通產(chǎn)生的日志數(shù)據(jù),提取關(guān)鍵詞,計算關(guān)鍵詞頻數(shù)、頻率及其波動變化,為電商企業(yè)提供詢單顧客消費(fèi)意向的變化及網(wǎng)購營銷中存在的問題,提高了網(wǎng)店在商品描述、服務(wù)態(tài)度、發(fā)貨速度等DSR關(guān)鍵評價指標(biāo)的水平．

1 研究問題與方法

與傳統(tǒng)實(shí)體服裝店鋪營銷相比,網(wǎng)購消費(fèi)者購物線索發(fā)生了根本變化,由于服裝網(wǎng)購店鋪缺乏實(shí)體店鋪所具有的購物環(huán)境及實(shí)物體驗(yàn),完全依賴事先習(xí)得的相關(guān)購物概念,利用搜索引擎,從網(wǎng)店頁面及客服溝通中獲取購物決策信息．邢治斌等[10]在研究網(wǎng)購消費(fèi)者網(wǎng)購學(xué)習(xí)行為時發(fā)現(xiàn),在利益驅(qū)動下網(wǎng)購過程學(xué)習(xí)行為使網(wǎng)購消費(fèi)者的行為趨于一致．因此,在網(wǎng)絡(luò)營銷中,培養(yǎng)消費(fèi)者相關(guān)購物概念,建立網(wǎng)購線索成為重要的營銷手段,而客服將成為消費(fèi)者購物的重要渠道．

對于大型服裝網(wǎng)店企業(yè),客服是網(wǎng)購業(yè)務(wù)的重要工作之一,客服人員占其人力資源的1/3．客服工作包括售前服務(wù)與售后服務(wù),針對顧客群體的不同．進(jìn)入網(wǎng)店的顧客包括以下兩類:一是靜默下單顧客,這類顧客不需要售前客服提供的導(dǎo)購服務(wù),直接下單;二是詢單顧客,這類顧客是潛在的顧客,需要售前客服提供顧客所關(guān)注問題的答案,最后才決定是否下單．兩類顧客都可能需要售后客服提供的售后服務(wù)工作．筆者在某大型休閑服網(wǎng)店企業(yè)掛職過程中了解到,在網(wǎng)店流量中,詢單顧客約占1/3,而且客服每筆價格比靜默下單高出約15%,表明接受客服的顧客水平高一些,也凸顯客服工作的重要性．由于客服工作人員整天忙于服務(wù)工作,加之?dāng)?shù)據(jù)分析能力有限,所有的客服數(shù)據(jù)處于睡眠狀態(tài)而失去利用價值,而這些客服數(shù)據(jù)潛在價值的挖掘正是本文需要研究與解決的關(guān)鍵問題．

本文應(yīng)用SPSS工具,對客服日志數(shù)據(jù)進(jìn)行預(yù)處理,建立分析模型,從詢單顧客的問題記錄中提取關(guān)鍵詞,計算關(guān)鍵詞頻率、關(guān)鍵詞頻率的時段波動等數(shù)據(jù),分析顧客關(guān)注的焦點(diǎn)問題,揭示關(guān)鍵詞頻率及其波動的市場意義．

2 數(shù)據(jù)分析模型

2.1 建立分析數(shù)據(jù)庫

分析數(shù)據(jù)來源于網(wǎng)購企業(yè)客服工作人員在應(yīng)用淘寶“旺旺”平臺與詢單顧客溝通過程中形成的客服日志記錄,以文本形式存于電子文檔．其中,客服或顧客每發(fā)送一次對話,代表一條對話記錄．應(yīng)用SPSS軟件打開客服日志文件,建立初始分析數(shù)據(jù)庫．

2.2 確定分析關(guān)鍵詞集

日志數(shù)據(jù)處理的問題是文本數(shù)據(jù)不能直接進(jìn)行量化處理,而且由于顧客知識背景、用詞習(xí)慣、網(wǎng)頁圖片語境、文字輸入等原因,所有的對話內(nèi)容都缺乏統(tǒng)一性、規(guī)范性,如同樣的問題可能有很多種不同的表述、僅作回應(yīng)的單個語氣或網(wǎng)絡(luò)詞記錄、利用網(wǎng)頁圖片語境的簡略語、問候語、錯別字等．因此需要預(yù)選設(shè)置關(guān)鍵詞集合,利用這些關(guān)鍵詞與日志數(shù)據(jù)中的對話記錄進(jìn)行匹配,以此判斷顧客問題所涉及的關(guān)鍵詞．顯然,不是每條客服記錄都能有關(guān)鍵詞與之匹配的,但只要合理預(yù)置關(guān)鍵詞,就可以最大限度地將顧客所關(guān)注的核心問題提取出來．

為此筆者訪問了客服工作人員,了解到他們的主要工作職責(zé)包括兩個方面:一是售前客服,主要負(fù)責(zé)在線接待工作,在線解答或處理顧客網(wǎng)上購物提出的品種、尺碼、顏色、質(zhì)量、性能、裁剪、面料、適用性等產(chǎn)品問題,快遞公司選擇、發(fā)貨與收貨時間、分倉等物流問題,直接折扣、優(yōu)惠券、包郵、數(shù)量折扣、手機(jī)端優(yōu)惠、天貓聚劃算、唯品會等促銷活動,郵費(fèi)、地址及收件人、合并訂單、開發(fā)票及備注綠旗、退單重拍、好評優(yōu)惠券等下單問題,并做好相應(yīng)備注以及每天檢查顧客好評情況、網(wǎng)頁短信電話等催款以及收貨好評等．二是售后客服,主要負(fù)責(zé)在線投訴及退貨處理工作,在線解答顧客提出的投訴問題,回復(fù)投訴處理結(jié)果,引導(dǎo)顧客完成相應(yīng)退貨流程、分清運(yùn)費(fèi)責(zé)任,電話跟進(jìn)處理結(jié)果,做好顧客申請退款訂單匯總、退款及退貨數(shù)據(jù)檢驗(yàn)、投訴維權(quán)等．

在調(diào)查客服工作內(nèi)容的基礎(chǔ)上,對客服日志數(shù)據(jù)進(jìn)行了隨機(jī)抽取,分析顧客對話記錄中所涉及的問題.結(jié)合營銷4P’S理論,考慮到休閑服產(chǎn)品本身特點(diǎn),確定了88個關(guān)鍵詞,并將這些關(guān)鍵詞聚類為3個一級因子和15個二級因子,見表1．

表 1 關(guān)鍵詞集Table 1 Keyword set

2.3 關(guān)鍵詞度量函數(shù)

詢單顧客語句記錄集合V=(v1,v2,…,vi)T,預(yù)置關(guān)鍵詞集合K=(k1,k2,…,kj),關(guān)鍵詞度量函數(shù)定義為

2.4 關(guān)鍵詞頻率

“哪有勞煩，是承蒙王爺看得起，小女自當(dāng)受寵若驚。”爹在一旁，說道，“明日如果王爺想要游歷杭州，可讓小女同行，為您一一介紹杭州美景。”

關(guān)鍵詞kj在V中出現(xiàn)的總次數(shù)即頻數(shù)記為Fj,關(guān)鍵詞集合K中所有關(guān)鍵詞在V中出現(xiàn)的總次數(shù)即總頻數(shù)記為F,關(guān)鍵詞kj在V中出現(xiàn)的頻率記為fj,計算公式為

2.5 關(guān)鍵詞頻率變化率

一般情況下,關(guān)鍵詞被顧客使用的頻率越高,表示關(guān)鍵詞所指向的問題被顧客關(guān)注的程度越高,對于企業(yè)來講,就是營銷中的焦點(diǎn)問題．但由于服裝消費(fèi)具有典型的時尚特征,在時間維度上,關(guān)鍵詞的使用會呈現(xiàn)波動現(xiàn)象．有些關(guān)鍵詞的使用比較平穩(wěn),有些關(guān)鍵詞的使用有比較大的波動．因此,在計算關(guān)鍵詞頻率時,需要引入時間維度,在某個時間維度上關(guān)鍵詞的頻率計算公式為ft,j=Ft,j/Ft.其中,Ft,j表示關(guān)鍵詞kj在t時間周期的頻率,t時間周期單位一般為周、月、年,所有關(guān)鍵詞在t時間周期內(nèi)的頻率之和為1．該值越大,表示該關(guān)鍵詞在該周期被詢單顧客關(guān)注的比例越高,而該關(guān)鍵詞所指向的問題將是網(wǎng)購企業(yè)需要解決的焦點(diǎn)問題．

利用差分計算原理,關(guān)鍵詞kj的頻率變化率計算公式為ft,j=(ft+1,j-ft,j)/ft,j.其中,Ft,j表示關(guān)鍵詞kj從t期到t+1期時,關(guān)鍵詞頻率變化率的波動大小,反映了該關(guān)鍵詞被詢單顧客使用的穩(wěn)定或突變特征．

為了識別關(guān)鍵詞kj在t時間周期的穩(wěn)定或突變特征,以t期全部關(guān)鍵詞頻率變化率為總體,利用置信區(qū)間計算原理,計算關(guān)鍵詞頻率變化率在置信度a=95%的置信區(qū)間,即關(guān)鍵詞頻率波動的上限和下限,計算公式為

其中

關(guān)鍵詞頻率變化率在置信區(qū)間之內(nèi)的定義為穩(wěn)定,表示這些關(guān)鍵詞指向的問題處于常態(tài)水平．在置信區(qū)間之外的定義為突變．向上突變,表示該關(guān)鍵詞所指向的問題出現(xiàn)放大突變,企業(yè)需要重點(diǎn)關(guān)注向上突變的原因;向下突變,表示該關(guān)鍵詞所指向的問題呈現(xiàn)消退,企業(yè)重點(diǎn)關(guān)注相關(guān)需求萎縮或解決相關(guān)問題的措施所產(chǎn)生的效果．

3 結(jié)果與討論

3.1 抽取客服日志數(shù)據(jù)

筆者從掛職的某大型休閑服網(wǎng)購企業(yè)客服管理平臺抽取一個客服ID共9周的客服日志數(shù)據(jù),數(shù)據(jù)以文本格式輸出,數(shù)據(jù)字段包括:流水號、客服時間、客服工作人員及顧客ID代碼、客服工作人員與顧客的對話記錄．應(yīng)用SPSS打開客服日志文件,建立詢單顧客客服日志初始分析數(shù)據(jù)庫,其中共有340 709條對話記錄．由于本文是圍繞詢單顧客所提問題開展研究,因此在客服日志文件中刪除了客服工作人員的回答記錄、系統(tǒng)自動回復(fù)記錄以及空記錄,最后抽取詢單顧客發(fā)送的對話記錄106 483條,具體樣本特征數(shù)據(jù)見表2．各周詢單顧客人數(shù)及對話記錄條數(shù)差異的主要原因是市場原因、客服輪休、新客服上崗等原因,由于不屬于筆者可控因素,不討論其對本文研究結(jié)果產(chǎn)生的影響．

表 2 樣本特征數(shù)據(jù)Table 2 Sample characteristic data

建立詢單顧客客服日志初始分析數(shù)據(jù)庫后,調(diào)用SPSS中的匹配函數(shù),計算每一個關(guān)鍵詞的頻數(shù)時間序列變量Fij,刪除Fij=0的記錄后,保存于獨(dú)立文件中,生成88個獨(dú)立文件以記錄每一個關(guān)鍵詞的頻數(shù)時間序列變量Fij．在此基礎(chǔ)上將88個獨(dú)立文件合并建立關(guān)鍵詞分析數(shù)據(jù)庫,數(shù)據(jù)字段包括:流水號、客服時間、客服工作人員及顧客ID代碼、客服工作人員與顧客的對話記錄、關(guān)鍵詞記錄變量、關(guān)鍵詞頻數(shù)時間序列變量Fij以及關(guān)鍵詞對應(yīng)的一級因子變量、二級因子變量．在該分析數(shù)據(jù)庫中,共提取了14 561個詢單顧客53 083個關(guān)鍵詞,占詢單顧客總數(shù)的80%．沒進(jìn)入關(guān)鍵詞分析數(shù)據(jù)庫的詢單顧客記錄與關(guān)鍵詞沒匹配,但這些記錄并非全部是無意義的記錄,主要受顧客詞語表達(dá)的豐富性及預(yù)置關(guān)鍵詞的局限性,難以全部選出．此外,對與關(guān)鍵詞匹配,但語義與關(guān)鍵詞詞意義不符的語句也進(jìn)行了刪除．

3.3 處理結(jié)果與討論

3.3.1 一級因子頻率及波動 一級因子頻率處理結(jié)果見表3．從表3數(shù)據(jù)可以看出,詢單顧客與客服溝通的問題主要集中于產(chǎn)品與物流．對于電商企業(yè),要提高客服的溝通效率與詢單顧客的轉(zhuǎn)化率,必須加強(qiáng)客服人員服裝產(chǎn)品、物流方面的知識培訓(xùn)．一級因子頻率波動處理結(jié)果如圖1～3所示．從圖1～3數(shù)據(jù)可以看出,產(chǎn)品因子在第2，3，8，9四周波動超出控制線,促銷因子在第3，8兩周波動超出控制線,物流因子在第2，3，7三周波動超出控制線,3個一級因子之間存在相互消長的關(guān)系,促銷因子波動相對穩(wěn)定．從波動時間節(jié)點(diǎn)看,新產(chǎn)品上線時,產(chǎn)品問題會增加,重大節(jié)假日、重大活動時物流問題及促銷問題會增加．

表 3 一級因子頻率Table 3 Frequency of first grade factors

圖 1 產(chǎn)品頻率變化率Fig.1 Change rate of product frequency

圖 2 促銷頻率變化率Fig.2 Change rate of promotion frequency

圖 3 物流頻率變化率Fig.3 Change rate of logistics frequency

3.3.2 二級因子頻率及波動 二級因子頻率處理結(jié)果見表4．從表4的1～9周數(shù)據(jù)可以看出,詢單顧客對產(chǎn)品的關(guān)注重點(diǎn)是服裝尺碼,占比最高;其次是款式、顏色與品種,對面料與質(zhì)量的關(guān)注度較低．詢單顧客對促銷的關(guān)注重點(diǎn)在打折優(yōu)惠上;其次是定向促銷與關(guān)系促銷．詢單顧客對物流的關(guān)注重點(diǎn)在郵費(fèi)與發(fā)貨;其次是下單、改退及快遞選擇上．

二級因子頻率波動處理結(jié)果見表5．從表5中2～9周的數(shù)據(jù)可以看出,詢單顧客關(guān)注的15個二級因子都存在波動,定向促銷與活動促銷因其營銷的周期性而呈現(xiàn)劇烈波動．第9周服裝款式、尺碼、品種、關(guān)系促銷、定向促銷等因子均呈現(xiàn)較大波動,與第9周企業(yè)的清倉行動加大,產(chǎn)品組合不完整、促銷活動加強(qiáng)等有關(guān)．

表 4 二級因子頻率Table 4 Frequency of second grade factors

表 5 二級因子頻率變化率Table 5 Frequency fluctuation of second grade factors

3.3.3 關(guān)鍵詞頻率及使用偏好 由于詢單顧客分布在不同地區(qū),其語言習(xí)慣、服裝知識、網(wǎng)購知識、網(wǎng)頁環(huán)境應(yīng)用等方面差異,在了解15個二級因子時,使用了詞意相同的差異化表達(dá)方式．表6的處理結(jié)果反映了15個二級因子使用頻率最高的關(guān)鍵詞．在了解服裝尺碼問題時,詢單顧客使用了諸如“S、M、L、碼、號、胸圍、腰圍、殿圍、尺寸、多大、身高、體重”等關(guān)鍵詞,但使用最多的關(guān)鍵詞是“碼”,大多數(shù)消費(fèi)者偏好用“碼”來了解服裝尺碼,當(dāng)然企業(yè)要滿足各類顧客需要,客服人員應(yīng)該能快速、準(zhǔn)確地在不同關(guān)鍵詞之間進(jìn)行轉(zhuǎn)換．

表 6 主要關(guān)鍵詞頻率Table 6 Frequency of main keywords

4 結(jié) 論

(1) 通過統(tǒng)計關(guān)鍵詞頻率及在不同時間周期的頻率變化率,了解詢單顧客關(guān)注的問題及變化,有助于監(jiān)控客服工作水平的異常波動,指導(dǎo)客服工作人員提高與詢單顧客的溝通效率及詢單顧客轉(zhuǎn)化率．

(2) 向消費(fèi)者提供充分全面的產(chǎn)品信息及高效、快速、安全的物流保證,促進(jìn)電商成功的交易．

(3) 從波動時間節(jié)點(diǎn)看,新產(chǎn)品上線、重大節(jié)假日、重大活動時,關(guān)鍵詞的使用頻率波動會加大．一級因子、二級因子的頻率波動存在相互消長的關(guān)系.

(4) 詢單顧客在地區(qū)分布、語言習(xí)慣、服裝知識、網(wǎng)購知識、網(wǎng)頁環(huán)境應(yīng)用等方面差異,會使用詞意相同的差異化表達(dá)方式,培養(yǎng)客服人員快速、準(zhǔn)確地在詞意相同的不同關(guān)鍵詞之間進(jìn)行轉(zhuǎn)換的能力,有助于提高客戶服務(wù)水平．

[1] BRENES D J,GAYO A D,PEREZ G K.Survey and evaluation of query intent detection methods[C]//Proceedings of the 2009 Workshop on Web Search Click Data.New York:ACM Press,2009:1-7.

[2] 李亞楠,王斌,李錦濤.搜索引擎查詢推薦技術(shù)綜述[J].中文信息學(xué)報,2010,24(6):75-84.

LI Yanan,WANG Bin,LI Jintao.A survey of query in search engine[J].Journal of Chinese Information Processing,2010,24(6):75-84.

[3] 張?jiān)魄?安文秀,于雙成.探索式搜索中用戶認(rèn)知的實(shí)驗(yàn)研究[J].情報理論與實(shí)踐,2013,36(6):73-77.

ZHANG Yunqiu,AN Wenxiu,YU Shuangcheng.experimental research on the user′s cognition during exploratory search[J].Information Theory and Practice,2013,36(6):73-77.

[4] GINSBERG,MOHEBBI,BRAMMER Patel.Detecting influenza epidemics using search engine query data[J].Nature,2009(457):1012-1014.

[5] 唐曉波,樊靜.基于客戶聚類的商品推薦[J].情報雜志,2009,6(28):143-146.

TANG Xiaobo,FAN Jing.Recommendation based on customer clustering[J].Journal of Intelligence,2009,6(28):143-146.

[6] WANG D X,GAO X,ANDREAE P.Automatic keyword extraction from single-sentence natural language queries[C]//Pricai 2012.Berlin:Springer-erlag,2012:637-648.

[7] 黃磊,伍雁鵬,朱群峰.關(guān)鍵詞自動提取方法的研究與改進(jìn)[J].計算機(jī)科學(xué),2014,41(6):204-207.

HUANG Lei,WU Yanpeng,ZHU Qunfeng.Research and improvement of TFIDF text feature weighting method[J].Computer Science,2014,41(6):204-207.

[8] 羅繁明,楊海深.大數(shù)據(jù)時代基于統(tǒng)計特征的情報關(guān)鍵詞提取方法[J].情報資料工作,2013(3):54-68.

LUO Fanming,YANG Haishen.On the statistical features-based information keyword extraction method in the era of big data[J].Information and Documentation,2013(3):54-68.

[9] 白曉雷,黃廣君,段建輝.一種基于BP神經(jīng)網(wǎng)絡(luò)的關(guān)鍵詞抽取方法[J].合肥工業(yè)大學(xué)學(xué)報,2014,37(7):801-807.

BAI Xiaolei,HUANG Guangjun,DUAN Jianhui.A keyword extraction method based on BP neural network[J].Journal of Hefei University of Technology,2014,37(7):801-807.

[10] 邢治斌,仲偉周,曾小春.消費(fèi)者網(wǎng)購過程中的學(xué)習(xí)行為實(shí)驗(yàn)研究[J].經(jīng)濟(jì)管理與研究,2013(1):59-67.

XING Zhibin,ZHONG Weizhou,ZENG Xiaochun.Experimental study on learning behavior of online shopping consumers[J].Research on Economics and Management,2013(1):59-67.

編輯、校對：田 莉

frequency and its fluctuation based on casual clothing enterprise inquiry customers

LIU Xiaohong

(Garment Department, Huizhou University, Huizhou 516007, Guangdong, China)

Large amounts of log data is produced in communication with enquiry customer every day, but the data has not been effectively mined and utilized. A data sample drawn from the customer service log of a large-scale casual clothing enterprise was used to get keywords with the metric function and keywords preset.The fluctuation in the analysis period was worked out by the model of keyword frequency and frequency variation rate.Results show that it is common for enquiry customers to use different expression for the same word; keywords focus on the products and logistics; frequency fluctuation of three first grade factors and 15 second grade factors is a one-falls-but-the-other-rises relationship, and will increase in the new product launch, holidays and events.This can improve customer service.

1674-649X(2016)04-0433-07

10.13338/j.issn.1674-649x.2016.04.005

2016-03-06

惠州市科技計劃基金資助項(xiàng)目(2015B0l0003002);廣東省教育廳基金資助項(xiàng)目(粵教高函[2012]204號)

劉小紅(1967—),男,湖北省天門市人,惠州學(xué)院副教授，研究方向?yàn)榉b企業(yè)生產(chǎn)、貿(mào)易、零售．

E-mail:477809786@qq.com

劉小紅.休閑服企業(yè)詢單顧客的關(guān)鍵詞頻率及其波動[J].西安工程大學(xué)學(xué)報，2016，30(4)：433-439.

LIU Xiaohong.Keyword requency and its fluctuation based on casual clothing enterprise inquiry customers[J].Journal of Xi′an Polytechnic University,2016，30(4)：433-439.

F 724.6

A