趙祉任　林鈺淇　林圣庚

摘要：隨著時代的發(fā)展與進(jìn)步，網(wǎng)絡(luò)購物越來越普遍，在網(wǎng)上購買商品的用戶越來越多。大都數(shù)的網(wǎng)購平臺都提供了在線評論功能，用戶會根據(jù)其中的評論進(jìn)行分析，看該商品是否符合要求。但是目前網(wǎng)上的一些評論并不是很真實，需要進(jìn)行篩選。因此本論文主要對在線評論的一些問題進(jìn)行了分析探討，希望能夠給公司提供一定的幫助。

關(guān)鍵詞：大數(shù)據(jù)時代? 顧客滿意度? 情感詞典

1 引言

我們現(xiàn)在正處在一個大數(shù)據(jù)時代，已經(jīng)開始了一個重大的時代轉(zhuǎn)型。大數(shù)據(jù)正在改變我們的生活、工作甚至我們的思維。越來越多的行業(yè)正在嘗試或考慮如何利用大數(shù)據(jù)來解決問題。數(shù)據(jù)中有很多有用的信息，如果我們能充分利用這些數(shù)據(jù)，它將給我們帶來巨大的財富。陽光公司計劃在網(wǎng)上市場推出和銷售三種新產(chǎn)品：微波爐、嬰兒奶嘴、吹風(fēng)機。他們需要識別過去客戶提供的評級和與其他競爭產(chǎn)品相關(guān)的評論的衡量標(biāo)準(zhǔn)、參數(shù)等。進(jìn)而找到更好的銷售策略以及對產(chǎn)品的改進(jìn)方式。

2 模型的建立與求解

2.1 有效滿足（ES）模型的構(gòu)建

2.1.1 顧客滿意度分析

顧客滿意度主要取決于星級評價和評論內(nèi)容。星級評價是分布在1-5之間的離散數(shù)據(jù)。評論由兩部分組成：評論主題和復(fù)述正文。這兩種類型的數(shù)據(jù)都是文本的。因此，我們需要分別對“評論主題”和“復(fù)述正文”進(jìn)行量化，量化數(shù)據(jù)的總和是客戶評審的最終量化值。本文采用情感詞典法對評論進(jìn)行量化。量化過程由三個步驟組成：劃分復(fù)習(xí)一組單詞，加載情感詞典，對每個單詞進(jìn)行評分。如圖1所示：

為了獲得更完整的情感詞典，我們從因特網(wǎng)上收集了幾種不同的情感詞典。特別地，一些詞的頻率在一個產(chǎn)品到另一個產(chǎn)品之間會有很大的不同，這些詞可能是情感字典法的關(guān)鍵詞，所以我們手工添加一些特殊的關(guān)鍵詞到情感詞典。

（1）評級每個詞

情感詞包括積極情感詞和消極情感詞。我們對情感詞進(jìn)行評價，1為積極情感詞，1為消極情感詞。程度副詞也可以根據(jù)字典中給出的程度分配不同的點。否定詞都設(shè)置為-1。

語義是情感分析的一個重要特征，評論應(yīng)該根據(jù)每個句子的語義而不是單詞來量化。當(dāng)情感詞被程度副詞修飾時，情感詞的傾向會加強或減弱。然而，當(dāng)情感詞被修飾詞時，他們的情感傾向?qū)⒈活嵉?。同時，應(yīng)該注意到，不同的位置的私有詞和程度副詞可能有兩個結(jié)果。

其中W是情感詞的情感強度值，WM是情感詞的權(quán)重，WV是情感前程度副詞的權(quán)重。

在評論中每個情感詞的情感強度值的總和是評論的量化值。

接下來，我們將評審的量化值映射到1和5。然后使用公式3計算客戶滿意度（CS）。

2.1.2 評審有效性分析

評論的有效性與多種因素有關(guān)，主要有兩個方面：評論的特點和評論者的態(tài)度。我們將分別探討這兩個因素。

（1）評論的特點

評論有很多特點，我們選擇極端主義的評論，長篇大論來衡量評論的有效性。

A. 評論的極端對RE的影響。

星級可以反映評論者的態(tài)度，低星級（1星級）表示極端消極的態(tài)度，高星級（5星級）表示一個非常積極的態(tài)度，和中等明星（3星級）表示中性或謹(jǐn)慎的態(tài)度。研究表明，消費者傾向于瀏覽在線購物時的極端評論。

B. 評論的長度對RE的影響

較長的評論可能包含更多的信息，這可以增加信息的非認(rèn)知性。因此，較長的評論更有利于消費者。較長的評論通常包含更詳細(xì)的產(chǎn)品信息和在不同情況下的使用，這可以減少產(chǎn)品信息的不確定性，并降低消費者可能面臨的風(fēng)險。因此，本文提出以下假設(shè)。評論的長度對RE有積極的影響。

我們假設(shè)評論的長度（單詞計數(shù)）對RE的正面影響與它的長度（單詞計數(shù)）成比例，這意味著量化單詞的數(shù)量作為分?jǐn)?shù)。

（2）評論者的屬性

評論者的屬性包括客戶的類別和評論者的信譽。

A. 顧客類別

根據(jù)亞馬遜的官方文件，名為“Amazon在線客戶評論機制”和數(shù)據(jù)表，客戶被分為三類：

1） Amazon Vine成員：這種類型的客戶在數(shù)據(jù)表中被表示為如下：Vine=Y，verified_purchase = N。一般來說，這種客戶的經(jīng)驗更專業(yè)，而且評價更有價值。因此，消費者會更加重視自己的評價，這種評價會更有效，被設(shè)定為5分。

2）按正常價格購買商品的普通客戶：這種類型的客戶在數(shù)據(jù)表中表示為遵循：Vine = N， verified_purchase = Y。這種類型的客戶占絕大多數(shù)。這類客戶很難提供專業(yè)的評價，這更貼近生活。他們可以給出更恰當(dāng)?shù)脑u價，我們把它設(shè)為3分。

3）折扣購買的普通顧客：這類顧客在數(shù)據(jù)表中表示如下：vine=N， verified_purchase=N。這種顧客通常在折扣中購買便宜的商品，其評價不被注意。因此，評價的有效性很低，我們把它設(shè)為1分。

B. 評論的聲譽

根據(jù)研究，當(dāng)消費者閱讀在線評論時，他們不僅越來越關(guān)注評論的數(shù)量和內(nèi)容的傾向性，而且還與內(nèi)容的可信度有關(guān)，因此評論者的聲譽有著重要的影響。我們使用審閱的有效選票和有用的選票與總選票的比率來顯示評論來源的可信度和消費者對評論信息質(zhì)量的認(rèn)可程度，這代表審稿人的聲譽。因此，這兩種數(shù)據(jù)對其他消費者在評論中是否采用信息具有重要影響。我們把這兩個項目作為影響評審有效性的因素，對其有積極的影響。

參考文獻(xiàn)

[1]李道和，楊俊，陳江華.茶葉電子商務(wù)消費者滿意度影響因素分析——基于在線評論的探索分析[J].林業(yè)經(jīng)濟，2019，41（10）：70-77.

[2]王悅.基于在線評論的京東平臺大米消費者滿意度研究[D].黑龍江八一農(nóng)墾大學(xué)，2019.

[3]李金海.基于在線評論挖掘的網(wǎng)絡(luò)購物混合推薦模型及策略研究[D].江蘇大學(xué)，2016.