在線評論視角下生鮮水果消費者滿意度研究

李春月

（黑龍江八一農(nóng)墾大學(xué)，大慶 163319）

隨著我國互聯(lián)網(wǎng)技術(shù)的不斷進(jìn)步，電子商務(wù)也在快速的發(fā)展。且相比于線下的實體店而言，電商平臺的產(chǎn)品種類更為豐富，產(chǎn)品價格也相對較低，這些優(yōu)勢也就吸引著越來越多的消費者嘗試在線上進(jìn)行購物。根據(jù)中國互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）所發(fā)布的互聯(lián)網(wǎng)絡(luò)發(fā)展報告顯示，截至2019年6月，我國網(wǎng)絡(luò)購物的用戶規(guī)模已達(dá)到6.39億，占網(wǎng)民總數(shù)的74.8%。由此可知，線上的電商平臺已經(jīng)成為了消費者購物的主要渠道。而在線評論作為消費者在制定購買決策時所要參考的內(nèi)容，其中包含著大量的信息。這些信息也能夠幫助電商企業(yè)了解消費者對產(chǎn)品及服務(wù)的關(guān)注情況以及滿意度的情況，從而能夠及時優(yōu)化自身服務(wù)進(jìn)而提高消費者對商家的整體滿意度，提高消費者的購買率，促進(jìn)企業(yè)更好更快的發(fā)展。

1 文獻(xiàn)綜述

1.1 在線評論相關(guān)研究

評論信息已然成為了口碑傳播的重要方式，通過在線評論，消費者能夠?qū)ιr電商提供的各項服務(wù)情況有著更為準(zhǔn)確的了解，同時，電商企業(yè)也能夠通過消費者的在線評論了解消費者的需求，以優(yōu)化自身的服務(wù)。近年來學(xué)者對在線評論的相關(guān)研究在不斷地增多。通過整理發(fā)現(xiàn)，現(xiàn)有對在線評論的研究主要集中在兩個方面。

一為從評論區(qū)中所獲取的數(shù)值型信息，如Dellarocas[1]對評論數(shù)量進(jìn)行研究，結(jié)果表明，產(chǎn)品評論的總體數(shù)量會對產(chǎn)品的銷量產(chǎn)生顯著的影響；Liu[2]對Yahoo網(wǎng)站上的電影評論進(jìn)行分析，研究的結(jié)果證明了在電影行業(yè)中評論的數(shù)量會對電影票房產(chǎn)生顯著的正向的影響作用；Susan M.Mudambi[3]對亞馬遜網(wǎng)站產(chǎn)品評論的研究，證明評論深度、產(chǎn)品類型會對消費者的購買行為產(chǎn)生相應(yīng)的影響；廖俊云[4]從產(chǎn)品質(zhì)量的視角出發(fā)，以團(tuán)購網(wǎng)站的酒店銷售為研究對象，通過研究表明評分的偏差會對酒店銷量產(chǎn)生負(fù)向影響；陳少龍[5]通過對產(chǎn)品的在線評論進(jìn)行研究，表明在線評論及賣家回復(fù)皆會對產(chǎn)品的顯著影響。另一種為對評論內(nèi)容的分析，如劉靈芝[6]以水禽熟食為調(diào)查對象，通過分析的方法表明消費者在熟食購買過程中最為注重的為產(chǎn)品的質(zhì)量屬性和安全屬性；吳維芳等[7]運(yùn)用情感分析的方法，對消費者對酒店的滿意度進(jìn)行研究，研究結(jié)果表明消費者對不同類型的酒店間的特征關(guān)注情況有著顯著的差異；Wenjing Duan[8]通過對電影行業(yè)的研究，證明電影評價能夠?qū)﹄娪捌鸬叫麄鞯男ЧM(jìn)而影響電影的票房；劉逸等[9]通過對中國游客評論數(shù)據(jù)的分析得出中國與國際游客之間關(guān)注特征的差異；趙楊等[10]通過對海淘APP評論數(shù)據(jù)的研究得出消費者最為關(guān)注的特征及對各特征的滿意度情況。

1.2 消費者滿意度研究

營銷大師Kotler[11]將消費者滿意度定義為：消費者對購買產(chǎn)品的實際感知與其期望值相比較后形成的一種感知態(tài)度?，F(xiàn)對消費者滿意度的研究較為豐富，Celik等[12]將滿意度理論與交通情況相結(jié)合，并提出一種新的方法以提高客戶對伊斯坦布爾交通情況的滿意度；王蓉[13]建立了三方物流企業(yè)的顧客滿意度模型，并將客戶的滿意度作為衡量物流服務(wù)質(zhì)量的重要指標(biāo)；黃生權(quán)和文雅[14]則是以歐洲消費者滿意度指數(shù)模型為理論基礎(chǔ)，建立了適用于餐飲行業(yè)特征的消費者滿意度模型，并將其進(jìn)行實際應(yīng)用。

隨著網(wǎng)絡(luò)交易的興起，網(wǎng)絡(luò)購物消費者滿意度也得到了重視。Tandon等[15]用北印度各州的410名在網(wǎng)絡(luò)購物的消費者的數(shù)據(jù)分析了網(wǎng)購環(huán)境中的消費者滿意度的影響因素，揭示了網(wǎng)站功能、網(wǎng)站設(shè)計以及交易安全性等都對網(wǎng)絡(luò)購物消費者滿意度有一定程度的作用；Alam[16]認(rèn)為網(wǎng)站設(shè)計、可靠性、產(chǎn)品種類和交付性能皆會對消費者網(wǎng)絡(luò)購物的滿意度產(chǎn)生影響；查金祥等[17]通過建模的方法驗證了產(chǎn)品的價格及質(zhì)量對網(wǎng)購消費者的滿意度影響最為顯著；李玉萍等[18]證明了產(chǎn)品品質(zhì)、服務(wù)態(tài)度及物流等因素會對網(wǎng)購消費者的滿意度產(chǎn)生影響；陳梅梅等[19]運(yùn)用多重對應(yīng)分析方法證明了在情緒效應(yīng)下，商品描述的詳細(xì)程度會影響消費者對產(chǎn)品的滿意程度；孫長偉[20]證明了酒店設(shè)施及前臺服務(wù)會對消費者對酒店的滿意度產(chǎn)生影響。

1.3 研究綜述

通過對文獻(xiàn)的梳理可以看出，學(xué)者對消費者滿意度的研究較為豐富，且涉及的領(lǐng)域眾多。但以往對消費者滿意度的研究多集中在旅游、企業(yè)發(fā)展、服裝等方面，對生鮮產(chǎn)品的網(wǎng)絡(luò)評論的研究相對較少。因此，運(yùn)用python編程獲取網(wǎng)購消費者對四種不同類型生鮮水果的評論信息，運(yùn)用情感分析等方法，探究消費者對不同類型的生鮮產(chǎn)品的滿意度情況。

2 研究方法

2.1 特征詞權(quán)重計算

權(quán)重能夠反映消費者對某一特征的關(guān)注程度，TF-IDF作為一種加權(quán)技術(shù)已被廣泛的運(yùn)用到數(shù)據(jù)挖掘領(lǐng)域。因此，采用TF-IDF方法計算各特征的權(quán)重，其計算方式是將文本中的詞轉(zhuǎn)換為向量，再計算向量的權(quán)重，這一方法保證計算結(jié)果的準(zhǔn)確性。

TF-IDF是由詞頻及逆文檔頻率兩個部分結(jié)合起來對權(quán)重進(jìn)行計算。其中詞頻表示某個詞語或者某個短語在文本中出現(xiàn)的頻率。某個詞語出現(xiàn)的次數(shù)多，也就說明這個詞語能夠描述文本內(nèi)容的可能性越高，詞語也可能會更為重要。計算公式為：

其中ni，j是詞語ti在文檔dj中的出現(xiàn)次數(shù)，分母則是在文件dj中所有詞語的出現(xiàn)次數(shù)之和。但在文檔中某些詞如語氣助詞等無用詞的出現(xiàn)次數(shù)也較多，因此詞頻計算并不是絕對的，因此需要逆文檔頻率的配合，逆文檔頻率是指：一個詞若只在少量文本中出現(xiàn)會比一個詞大量出現(xiàn)在大量文本中更具有代表性，若包含詞語t的文檔越少，也就表示詞語t的文本區(qū)分程度更高，IDF值越高。由此可以看出，IDF能夠減少文本中無效詞對權(quán)重程度的影響，加強(qiáng)特征詞的重要程度，其計算公式如下：

其中｜D｜表示語料庫中的文件總數(shù)，｛j∶ti∈dj｝表示包含詞條t的文件數(shù)，為避免詞語不在語料庫中使得分母為0的情況出現(xiàn)，因此一般使用 ｛j∶ti∈dj｝+1。然后再計算TF與IDF的乘積，TF-IDF的值越大，則詞語的權(quán)重越高。

TF-IDFi，l=TFi，j*IDFi

2.2 情感分析

選用Python程序的SnowNLP模塊進(jìn)行情感分析，SnowNLP模塊的計算原理為樸素貝葉斯分類算法，計算方法為，首先選取部分評論內(nèi)容進(jìn)行標(biāo)記作為訓(xùn)練集，對模型進(jìn)行訓(xùn)練，將訓(xùn)練后的模型進(jìn)行保存，對待處理的評論內(nèi)容進(jìn)行分析，計算并返回每一條評論的情感傾向分值用于后續(xù)的研究。對于類別C1的貝葉斯模型的基本運(yùn)算過程如下：

SnowNLP模塊的情感傾向計算方法為當(dāng)返回的評論計算分值大于0.5時，意味著這條評論為正向評論，當(dāng)返回的評論數(shù)值小于0.5時則以為這這條評論的總體情感傾向較低為負(fù)面評論。在研究過程中將特征評論內(nèi)容進(jìn)行提取并存入不同的文件中，隨后通過SnowNLP模塊對各特征的情感傾向進(jìn)行計算，計算出各特征情感傾向的平均值。這數(shù)值意味著消費者對生鮮電商企業(yè)中某一項特征的滿意情況。

3 研究過程

3.1 數(shù)據(jù)采集

信息來源于網(wǎng)站上消費者對生鮮水果的評論，京東平臺作為我國三大電子商務(wù)平臺之一，其銷售的產(chǎn)品眾多，有著較為完整的評價系統(tǒng)及消費群體，因此選取京東平臺的生鮮水果的評論信息作為研究對象，通過python爬蟲的方法對橙子、芒果、櫻桃、香蕉四類水果的評論文本信息進(jìn)行了爬取。

3.2 數(shù)據(jù)與處理

通過對所獲取的評論內(nèi)容的觀察發(fā)現(xiàn)，評論中含有部分重復(fù)及消費者未進(jìn)行評論的信息，這些內(nèi)容可能會對后續(xù)數(shù)據(jù)分析的效率及分析結(jié)果產(chǎn)生影響。因此在對文本數(shù)據(jù)進(jìn)行分析前，需先對其進(jìn)行預(yù)處理工作。首先刪除評論中的重復(fù)及消費者未評論的信息內(nèi)容，得到有用的評論文本信息；運(yùn)用jieba模塊，對文本評論進(jìn)行分詞處理；創(chuàng)建停用詞詞表，將連詞、標(biāo)點符號及無用的低頻詞納入其中，對分詞后的評論進(jìn)行遍歷，去除評論中的停用詞，最終獲得有效的評論內(nèi)容。

3.3 特征詞選取

對消費者生鮮水果的滿意度進(jìn)行研究，為準(zhǔn)確了解消費者的需求，了解消費者對各特征的滿意度情況，因此對評論中的特征詞進(jìn)行提取。通過對分詞后的評論進(jìn)行詞性標(biāo)注可知，滿意度的特征詞是由名詞及動詞構(gòu)成，因此對評論文本信息中出現(xiàn)的名次及動詞進(jìn)行提取，由于所提取到的特征詞過多，因此僅選取各類產(chǎn)品評論中詞頻排名前20的詞匯。提取結(jié)果如下圖所示：

表1 生鮮水果特征詞詞頻匯總Table 1 Frequency summary of characteristic words of fresh fruits

續(xù)表1 生鮮水果特征詞詞頻匯總Continued table 1 Frequency summary of characteristic words of fresh fruits

3.4 特征權(quán)重計算

通過表1對高頻詞的提取選取消費者較為關(guān)注的幾項特征，然而，由于詞頻并不能完全表明消費者對生鮮水果各項特征的關(guān)注度情況，因此，對評論進(jìn)行了進(jìn)一步的分析，運(yùn)用上文所提到TF-IDF的方法計算所提取特征詞的權(quán)重情況，各類產(chǎn)品特征詞權(quán)重計算結(jié)果如下所示：

為更直觀的觀察消費者對各類產(chǎn)品特征的關(guān)注度情況，將上表所得結(jié)果繪制成雷達(dá)圖，如圖1所示：

表2 各類生鮮水果特征詞權(quán)重情況匯總Table 2 Summary of the weights of characteristic words of various fresh fruits

圖1 各特征權(quán)重雷達(dá)圖Fig.1 Radar chart of each feature weight

從表2與圖1可以看出，消費者對不同種類生鮮水果的特征的關(guān)注程度有所不同，消費者對芒果最為關(guān)注的5項特征分別為物流、包裝、味道、客服及發(fā)貨；對香蕉最為關(guān)注的5項特征分別為物流、味道、包裝、發(fā)貨及品質(zhì)；對櫻桃最為關(guān)注的5項特征分別為物流、味道、個頭、包裝及發(fā)貨；對橙子最為關(guān)注的5項特征分別為物流、包裝、味道、個頭及發(fā)貨。雖然消費者對這四項產(chǎn)品的各項特征關(guān)注度情況上有所差異，但從總體上看，生鮮水果消費者較為關(guān)注的產(chǎn)品特征為物流、包裝、味道及發(fā)貨上。

3.5 特征情感分析

為準(zhǔn)確計算出消費者對各特征的滿意度，在進(jìn)行情感分析前依次遍歷每一條評論中的每個詞語，定位評論中的特征詞，識別提取特征詞前后[-u，u]區(qū)間的詞語，將針對某一特定詞所提取出的評論內(nèi)容保存到新的文件中，運(yùn)用上文所提到的snownlp算法計算各類產(chǎn)品各特征的情感得分，計算結(jié)果如下：

表3 各類生鮮水果特征情感分析Table 3 Emotional analysis of the characteristics of various fresh fruits

從上表可以看出，消費者對芒果的滿意度最高的前三項分別為價格、味道及口感；對香蕉的滿意度最高的前三項分別服務(wù)、物流及包裝；對櫻桃的滿意度最高的前三項分別服務(wù)、物流及包裝；對橙子的滿意度最高的前三項分別服務(wù)、味道及物流；雖然消費者對各類水果的極限滿意度間有所差異，但對客服及發(fā)貨的滿意度皆相對較低，造成這種結(jié)果的原因可能為由于為保證水果的新鮮程度，賣家會在消費者下單后的一段時間內(nèi)統(tǒng)一進(jìn)行采摘、發(fā)貨，使得生鮮水果的發(fā)貨時間要長于其他類型產(chǎn)品，因此消費者對生鮮水果發(fā)貨的滿意度整體相對較低。對于客服而言，可能是由于消費者來說，客服回復(fù)的及時性及產(chǎn)品的描述情況不足使得消費者對客服的整體滿意度相對較低。

4 結(jié)論及建議

通過對這四類生鮮水果在線評論的分析可以看出，消費者對生鮮水果電商所提供的物流、包裝、味道、品質(zhì)、發(fā)貨、個頭、價格、服務(wù)、售后、口感情況較為關(guān)注，但不同類別的水果對各類特征的關(guān)注度及滿意度均有所差別。但總體看來消費者最為關(guān)注的為物流、包裝、味道及發(fā)貨這四項特征。從滿意度的計算結(jié)果看來，消費者對商家所提供的客服及發(fā)貨情況較為不滿，針對這一結(jié)果對生鮮水果電商提出了相應(yīng)的意見及建議。

對于產(chǎn)品的發(fā)貨情況，商家應(yīng)每日進(jìn)行庫存清點，并根據(jù)以往的銷售數(shù)據(jù)判斷現(xiàn)有庫存是否充足，發(fā)現(xiàn)庫存不足的情況，及時對產(chǎn)品進(jìn)行補(bǔ)充，以保證訂單出現(xiàn)時，能夠及時進(jìn)行發(fā)貨，減少消費者的等待時間，增加消費者對發(fā)貨方面的滿意度。

對于電商的客服情況，商家可對電商的客服進(jìn)行培訓(xùn)使其了解電商企業(yè)對消費者所提供的各項服務(wù)情況。并做到針對消費者所提出的問題能夠及時準(zhǔn)確的進(jìn)行解答，降低消費者的感知風(fēng)險。溝通時注意服務(wù)態(tài)度，減少消費者的不適，增加消費者的購買意愿。

通過分析計算結(jié)果，消費者對不同種類生鮮水果各特征關(guān)注情況有所不同。電商企業(yè)可根據(jù)銷售的產(chǎn)品對所提供的服務(wù)進(jìn)行進(jìn)一步的改進(jìn)，以提高消費者對各項特征的滿意程度，吸引消費者再次進(jìn)行消費促進(jìn)生鮮電商更好更快的發(fā)展。