童仕寬，高 越，郭嘉祺，余雅霖

(1.武漢理工大學(xué) 理學(xué)院,湖北 武漢 430070;2.武漢理工大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,湖北 武漢 430063)

隨著電子商務(wù)與現(xiàn)代物流行業(yè)的蓬勃發(fā)展，網(wǎng)上購物因其安全、便捷、價(jià)格低廉、選擇多樣等優(yōu)點(diǎn)逐漸得到廣大消費(fèi)者的青睞。不同于線下購物的低互動(dòng)性，消費(fèi)者在線上購物后可以對商品進(jìn)行評級和評論。調(diào)查研究顯示，線上評級與評論已成為消費(fèi)者在購買商品前了解商品與服務(wù)信息的重要渠道。因此，通過挖掘商品評論信息的潛在價(jià)值，厘清消費(fèi)者的顯性和隱性需求，從而幫助企業(yè)優(yōu)化產(chǎn)品設(shè)計(jì)、制定銷售策略、開拓新興市場，具有深遠(yuǎn)的研究意義與應(yīng)用價(jià)值。

近年來，一些學(xué)者對提取商品評論中蘊(yùn)含信息的方法進(jìn)行了深入研究，搭建了多種理論模型?？紤]到商品評論信息的多樣性與復(fù)雜性，多數(shù)學(xué)者將評價(jià)狀況總結(jié)為單一評價(jià)指標(biāo)。如張野[1]以商品聲譽(yù)作為衡量電子商務(wù)中商品信譽(yù)的標(biāo)準(zhǔn)，得到衡量商品聲譽(yù)的評價(jià)模式。CARRILLO-DE-ALBORNOZ等[2]通過識(shí)別評論中的商品相關(guān)特征，以預(yù)測模型的形式對商品的總體評分進(jìn)行預(yù)測，得到了更完善、更準(zhǔn)確的商品評論狀況指標(biāo)。王乾等[3]提出綜合文本評論與數(shù)值評分的綜合評分計(jì)算方法，針對矛盾性評價(jià)引入LSTM-AE神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)，得到了既可中和矛盾性評價(jià)差異，又不影響非矛盾性評價(jià)的評分結(jié)果。在對評論信息單一化整合的基礎(chǔ)上，也有學(xué)者對評論具體信息及其之間的關(guān)系進(jìn)行了討論。如HU等[4]通過建立多元方程模型，得到了評論與銷售狀況之間的相關(guān)關(guān)系與具體的影響模式。袁海霞等[5]結(jié)合新產(chǎn)品擴(kuò)散理論，采用動(dòng)態(tài)線性模型，對消費(fèi)者產(chǎn)品評論和微博口碑在新產(chǎn)品擴(kuò)散過程中的動(dòng)態(tài)對比影響進(jìn)行研究。徐硼等[6]采用多元回歸模型和結(jié)構(gòu)方程，得到了藝術(shù)品網(wǎng)購中消費(fèi)者感知風(fēng)險(xiǎn)影響因素的作用機(jī)理，以及在線評論顯著正向調(diào)節(jié)感知藝術(shù)品信息的不對稱性對感知風(fēng)險(xiǎn)的關(guān)系。關(guān)于評論的動(dòng)態(tài)變化方面，周莎莎[7]采用回歸分析方法，從評論者與評論環(huán)境各因素的調(diào)節(jié)效應(yīng)及其前后各指標(biāo)交互效應(yīng)的角度，對過去與后續(xù)產(chǎn)品評論之間的影響進(jìn)行討論。聞超[8]對酒店在線評分的動(dòng)態(tài)變化進(jìn)行了研究，將評論區(qū)分為前期和后期，得出了不同時(shí)期評論相互之間的影響機(jī)制。

目前的評論信息整合主要關(guān)注指標(biāo)的提取，極少考慮不同評價(jià)者之間的差異。同時(shí)已有研究多側(cè)重于直接研究評論數(shù)據(jù)，忽略了評論與評級之間的關(guān)系。因此，筆者對商品評論信息進(jìn)行整合，考慮到不同評價(jià)者的可信度差異，基于模糊綜合評價(jià)模型得出商品評論信息的評價(jià)方案。由詞頻推測出商品成功的預(yù)示信號(hào)，并采用斷點(diǎn)回歸、相關(guān)性分析等方法，對評論與星級之間的關(guān)系進(jìn)行進(jìn)一步的分析，使得結(jié)論更具有現(xiàn)實(shí)性和可用性。

1 商品評論信息的提取

1.1 商品評論數(shù)據(jù)收集

數(shù)據(jù)來源于2020年美國大學(xué)生數(shù)學(xué)建模競賽C題中給出的數(shù)據(jù)，該數(shù)據(jù)為亞馬遜市場2003年3月至2015年8月吹風(fēng)機(jī)、微波爐和奶嘴3類產(chǎn)品的客戶評價(jià)數(shù)據(jù)，由亞馬遜網(wǎng)站提供，包括產(chǎn)品編號(hào)、用戶評價(jià)星級(1～5星)、“有幫助”投票數(shù)、總投票數(shù)、是否為“vine”用戶、是否購買、評論標(biāo)題、評論內(nèi)容等。

需要說明的是：亞馬遜市場為用戶提供了評價(jià)星級，表達(dá)對產(chǎn)品的滿意程度，星級越大表示對產(chǎn)品越滿意，同時(shí)可以在評論中表達(dá)對產(chǎn)品的意見和建議。另外，用戶可以對其他用戶的評價(jià)進(jìn)行投票，表達(dá)該評論是否對其有幫助。亞馬遜市場還基于用戶已發(fā)表的有效評論，邀請一些用戶成為“vine”用戶，向其免費(fèi)提供產(chǎn)品樣例以幫助他們給出更準(zhǔn)確的、有見地的評論。

1.2 商品評論數(shù)據(jù)的預(yù)處理

收集到的評論數(shù)據(jù)具有數(shù)據(jù)量大、數(shù)據(jù)類型復(fù)雜的特點(diǎn)，無法直接用于統(tǒng)計(jì)分析。因此，在系統(tǒng)研究之前對收集到的數(shù)據(jù)進(jìn)行預(yù)處理。

1.2.1 缺失與異常數(shù)據(jù)的處理

針對缺失數(shù)據(jù)，將該數(shù)據(jù)的其余項(xiàng)與數(shù)據(jù)組中的完整數(shù)據(jù)進(jìn)行比較，選擇最相似的一條進(jìn)行補(bǔ)全；針對異常數(shù)據(jù)，對檢索到的不符合定義的數(shù)據(jù)條目做刪除處理；針對部分文字型數(shù)據(jù)含有的表情符號(hào)信息，選擇與該表情含義相似的單詞進(jìn)行替換。

1.2.2 研究對象的初步提取

經(jīng)過初步處理后，得到了便于分析的數(shù)據(jù)形式。為增強(qiáng)數(shù)據(jù)的有效性，對研究對象進(jìn)行初步提取，具體操作如下：①刪除數(shù)據(jù)組中研究價(jià)值與區(qū)分度不高的冗余項(xiàng)，包括銷售市場、產(chǎn)品所屬目錄、產(chǎn)品系列編號(hào)等。②根據(jù)產(chǎn)品名稱項(xiàng)中對產(chǎn)品名稱的描述，刪除不屬于該類產(chǎn)品的數(shù)據(jù)。③不考慮同一客戶對兩件商品進(jìn)行評分的情況，且由于產(chǎn)品系列編號(hào)對后續(xù)研究意義不大，僅選取產(chǎn)品編號(hào)作為研究對象。④由于評論標(biāo)題和評論內(nèi)容兩項(xiàng)數(shù)據(jù)類型相同且相似度較高，因而將其合并為一項(xiàng)進(jìn)行研究。

1.2.3 自然語言數(shù)據(jù)的處理

由于自然語言數(shù)據(jù)難以進(jìn)行計(jì)算和分析，筆者采用了自然語言處理算法，使用工具包NLTK[9]內(nèi)置的情感分析模塊nltk.sentiment.vader，從評論中提取出語言的情感分?jǐn)?shù)，基于該數(shù)據(jù)進(jìn)行后續(xù)研究。

1.2.4 數(shù)據(jù)的標(biāo)準(zhǔn)化

對所有數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理：將是否為“vine”用戶和是否購買中的“N”與“Y”分別用0和1替代；對星級、“有幫助”投票數(shù)、總投票數(shù)均使用最大最小值法進(jìn)行標(biāo)準(zhǔn)化處理。

2 模糊綜合評價(jià)模型

2.1 模糊評價(jià)原理

模糊綜合評價(jià)[10]是在模糊環(huán)境或模糊系統(tǒng)中基于模糊數(shù)學(xué)設(shè)計(jì)多個(gè)元素或指標(biāo)的綜合評價(jià)方法。運(yùn)用該方法建立模糊綜合評價(jià)模型，具體步驟如下：

(1)確定因素集。確定用于評判評價(jià)對象的因素，即確定評價(jià)指標(biāo)集合U={u1,u2,…,um}。

(2)確定評價(jià)集。評價(jià)者對評價(jià)問題進(jìn)行評價(jià)，形成評價(jià)集V={v1,v2,…,vn}。

(3)求解模糊關(guān)系矩陣。因素集中各指標(biāo)隸屬于評價(jià)集中不同評價(jià)的程度稱為隸屬度。計(jì)算各因素對各評價(jià)的隸屬度，得到從U到V的模糊關(guān)系矩陣R：

(1)

其中，rij(i=1,2,…,m,j=1,2,…,n)為評價(jià)系統(tǒng)中因素ui對vj等級模糊子集的隸屬度。

(5)多因素模糊評價(jià)。選擇合適的合成算子合成權(quán)重集A與模糊關(guān)系矩陣R，得到模糊綜合評價(jià)結(jié)果B。

B=A·R=(b1,b2,…,bn)

(2)

其中，bj為評價(jià)對象對vj等級模糊子集的綜合隸屬程度。

(6) 分析模糊綜合評價(jià)結(jié)果。將綜合評價(jià)結(jié)果B轉(zhuǎn)換為綜合分值，根據(jù)分值大小對多個(gè)評價(jià)問題進(jìn)行排序和對比分析。

2.2 綜合評價(jià)模型的建立

由于不同評論的可信度具有一定差異，筆者基于評論的“有幫助”投票數(shù)、總投票數(shù)、是否為“vine”用戶和是否購買定義了評論可信度Reliability和綜合評論情緒RE。

Reliability=w1z1+w2z2+w3z3+w4z4

(3)

RE=Reliability×e

(4)

式中：z1、z2、z3、z4分別為評論的“有幫助”投票數(shù)、總投票數(shù)、是否為“vine”用戶、是否購買經(jīng)預(yù)處理后的值；w1、w2、w3、w4分別為各項(xiàng)權(quán)重，筆者采用主觀定權(quán)與熵權(quán)法[11]相結(jié)合的方法確定指標(biāo)權(quán)重；e為評論情緒分?jǐn)?shù)。

以星級RA與綜合評論情緒分?jǐn)?shù)RE作為指標(biāo)，建立模糊評價(jià)模型，得到因素集U={RA,RE}。產(chǎn)品的星級和綜合評論情緒分?jǐn)?shù)決定了評語集，由產(chǎn)品的星級和綜合評價(jià)組成評價(jià)矩陣R，結(jié)合權(quán)重矩陣得到綜合評價(jià)結(jié)果，取其中數(shù)值最大的隸屬度對應(yīng)的評語作為最終產(chǎn)品的評價(jià)結(jié)果。

2.3 評價(jià)結(jié)果

基于上述模糊綜合評價(jià)模型，得到衡量商品評論狀況的綜合評價(jià)方案。使用該方案對吹風(fēng)機(jī)、微波爐、奶嘴3類產(chǎn)品的評論數(shù)據(jù)進(jìn)行評價(jià)。3類產(chǎn)品的“有幫助”投票數(shù)、總投票數(shù)、是否為“vine”用戶、是否購買4項(xiàng)指標(biāo)的權(quán)重如表1所示。3類產(chǎn)品的評價(jià)結(jié)果分別如表2～表4所示。

化學(xué)和生活情境相結(jié)合并不意味著化學(xué)本身只需要理論作指導(dǎo).我們要看到其實(shí)踐性的本質(zhì)，盡可能地發(fā)掘化學(xué)實(shí)驗(yàn)和生活的結(jié)合之處，比如在焰色反應(yīng)的化學(xué)實(shí)驗(yàn)中，不同顏色的金屬會(huì)產(chǎn)生的顏色也不一樣.煙花就是其在生活中具體應(yīng)用的一個(gè)例子.可以通過讓學(xué)生觀看煙花的視頻，分析化學(xué)其本身存在的化學(xué)原理，也可以根據(jù)煙花的顏色試分析煙花中存在的化學(xué)成分.讓學(xué)生理解化學(xué)是如何來源于生活卻又高于生活的，化學(xué)反應(yīng)中可以應(yīng)用這些化學(xué)原理，但是又不能完全應(yīng)用，讓學(xué)生自己探索發(fā)現(xiàn)生活和課本中知識(shí)運(yùn)用上的差距，從而讓學(xué)生對化學(xué)學(xué)習(xí)有一個(gè)更為深刻的領(lǐng)悟.

表1 指標(biāo)權(quán)重

表2 吹風(fēng)機(jī)產(chǎn)品評價(jià)結(jié)果(部分)

表3 微波爐產(chǎn)品評價(jià)結(jié)果(部分)

表4 奶嘴產(chǎn)品評價(jià)結(jié)果(部分)

3 評論指標(biāo)提取與指標(biāo)間關(guān)系分析

3.1 有效跟蹤指標(biāo)的提取

新產(chǎn)品上市后，對產(chǎn)品在市場中呈現(xiàn)的信息進(jìn)行追蹤，將有利于后續(xù)產(chǎn)品與銷售策略的改進(jìn)。

3.1.1 初步指標(biāo)提取

考慮未處理的評論數(shù)據(jù)，根據(jù)各指標(biāo)的權(quán)重提取出重要性較強(qiáng)的評論指標(biāo)用于初步研究。由表1可知：①對于吹風(fēng)機(jī)產(chǎn)品而言，是否為“vine”用戶和“有幫助”投票數(shù)的權(quán)重之和占總權(quán)重的80%以上。其主要原因可能是：“vine”用戶的評論往往更加客觀且具有專業(yè)性；“有幫助”投票數(shù)常被作為網(wǎng)站評論排序的依據(jù)，越高者往往越易受到消費(fèi)者的支持與認(rèn)可。②對于微波爐產(chǎn)品而言，微波爐因其功能的多樣性，對評價(jià)者的專業(yè)水準(zhǔn)要求更高，是否為“vine”用戶的權(quán)重達(dá)到了51%，權(quán)重最高，“有幫助”投票數(shù)次之，總投票數(shù)與是否購買的權(quán)重最低且相差不大。③對于奶嘴產(chǎn)品而言，受使用舒適程度的影響，是否為“vine”用戶與“有幫助”投票數(shù)的權(quán)重最高且較為相近；由于奶嘴屬于涉及嬰兒安全的產(chǎn)品，未購買者的評論更不受信任，因而是否購買的權(quán)重極低。

綜上所述，“有幫助”投票數(shù)和是否為“vine”用戶對評論重要性的影響最大。故新產(chǎn)品上市后應(yīng)著重追蹤“有幫助”投票數(shù)較多和“vine”用戶的評論。

3.1.2 新指標(biāo)提取

(1)即時(shí)聲譽(yù)與累積聲譽(yù)。評論情緒在整個(gè)產(chǎn)品的銷售周期中會(huì)不斷發(fā)生變化，僅考慮給定條件及上述研究指標(biāo)得出的結(jié)果是不全面的。因此，筆者定義了t時(shí)刻的即時(shí)聲譽(yù)Reputation(t)和累積聲譽(yù)Reputation*(t)：

(6)

其中，Score(t)為t時(shí)刻產(chǎn)品評論的即時(shí)綜合評分。

對收集到的評論數(shù)據(jù)求解即時(shí)聲譽(yù)和累計(jì)聲譽(yù)，發(fā)現(xiàn)整體上產(chǎn)品的即時(shí)聲譽(yù)波動(dòng)較大，而累計(jì)聲譽(yù)變化相對穩(wěn)定。對于優(yōu)質(zhì)產(chǎn)品，其即時(shí)聲譽(yù)波動(dòng)范圍小，累積聲譽(yù)幾乎呈線性增長；對于劣質(zhì)產(chǎn)品，因不合格率較高，購得良品與劣品的可能性都顯著存在，即時(shí)聲譽(yù)的波動(dòng)極大，累積聲譽(yù)上升速度較慢。

(2)成功水平。為進(jìn)一步提出綜合考量產(chǎn)品狀況的指標(biāo)，將產(chǎn)品評論綜合評分與累計(jì)銷量進(jìn)行組合，作為衡量產(chǎn)品是否成功的標(biāo)準(zhǔn)，定義t時(shí)刻的成功水平Success(t)為：

Success(t)=Score(t)×Sale(t)

(7)

其中，Sale(t)為產(chǎn)品在t時(shí)刻的累計(jì)銷量。

對收集到的評論數(shù)據(jù)求解成功水平，發(fā)現(xiàn)優(yōu)質(zhì)產(chǎn)品的成功水平曲線總體穩(wěn)中有進(jìn)，且存在較多的激增段，即擁有更多的聲譽(yù)和銷量急劇增長的機(jī)會(huì)；而弱勢產(chǎn)品的成功機(jī)會(huì)很少，即時(shí)聲譽(yù)或銷量稍有增長很快又會(huì)跌落至初值附近。

3.2 產(chǎn)品潛在成功可能性分析

為發(fā)掘產(chǎn)品的未來發(fā)展?fàn)顟B(tài)，初步預(yù)測產(chǎn)品潛在成功的可能性，對成功水平曲線峰值附近的數(shù)據(jù)進(jìn)行挖掘。以優(yōu)質(zhì)產(chǎn)品B00132ZG3U為例，其80個(gè)月內(nèi)的成功水平如圖1所示，可以看出在第50個(gè)月成功水平出現(xiàn)了較高峰值。筆者將分別考慮星級和評語暗示與潛在成功的關(guān)系。

圖1 80個(gè)月內(nèi)產(chǎn)品B00132ZG3U的成功水平

圖2 80個(gè)月內(nèi)產(chǎn)品B00132ZG3U的累計(jì)星級

(1)星級與潛在成功的關(guān)系。產(chǎn)品B00132ZG3U的第一條評論后80個(gè)月內(nèi)累計(jì)星級的變化如圖2所示，由圖2可以看出累積星級一直處于穩(wěn)步上升的狀態(tài)，沒有可以反映有效信息的顯著變化，無法將其用于預(yù)測產(chǎn)品的潛在成功可能性。

(2)評語暗示與潛在成功的關(guān)系。統(tǒng)計(jì)產(chǎn)品B00132ZG3U第一條評論后0～40月、40～50 月評論中各單詞詞頻，繪制直方圖，如圖3所示。

圖3 產(chǎn)品B00132ZG3U的評論詞頻

由圖3(a)可以看出，部分包含積極情感的單詞雖有較高的詞頻，但與包含不確定性或中性含義單詞的詞頻無明顯差異，如“好”與“產(chǎn)品”的詞頻相近，“將會(huì)”的詞頻比圖3(b)中高，“喜歡”的詞頻比圖3(b)中低。不同單詞的詞頻分布更均勻，情感積極的單詞并未展現(xiàn)出顯著的高詞頻狀態(tài)。這說明長期時(shí)間以后的成功更不容易通過評論內(nèi)容的詞頻狀況得到，穩(wěn)定性與可靠性相較于短期成功均相對減弱。

由圖3(b)可以看出，在成功水平峰值前的短期時(shí)間內(nèi)，“喜歡”“好”等單詞的詞頻最高，此類單詞為情感較溫和的、積極的動(dòng)詞或形容詞。而“愛”“極好的”等包含強(qiáng)烈情感的積極單詞，相較于情感溫和的單詞詞頻較低。這可能是由于當(dāng)包含強(qiáng)烈情感的積極單詞出現(xiàn)時(shí)，往往意味著成功水平已經(jīng)到達(dá)了峰值點(diǎn)。因此，情感較溫和的、積極的單詞有較大的可能預(yù)示短期內(nèi)潛在成功的可能性。

3.3 過去星級與后續(xù)評論之間的因果分析

3.3.1 過去星級的影響

相關(guān)研究顯示，過去星級狀況會(huì)給后續(xù)客戶的評論產(chǎn)生積極或消極的心理暗示?？紤]到瀏覽網(wǎng)站時(shí)的實(shí)際狀況，客戶在查看星級時(shí)容易看到一定時(shí)間內(nèi)的星級狀況，同時(shí)“vine”用戶和“有幫助”投票數(shù)較多的評價(jià)星級更容易被客戶看到。因此，筆者選取t時(shí)刻前一周內(nèi)評級狀況的加權(quán)平均值來表示過去星級的影響，記為star_past(t)。

(8)

式中：zk1、zk3、RAk分別為第k條評論的“有幫助”投票數(shù)、是否為“vine”用戶和星級標(biāo)準(zhǔn)化處理后的值；ω1、ω3為采用熵權(quán)法計(jì)算得到的權(quán)重；nt為t時(shí)刻前一周內(nèi)的總評論數(shù)。

3.3.2 基于斷點(diǎn)回歸的因果分析

斷點(diǎn)回歸[12]是僅次于隨機(jī)實(shí)驗(yàn)的一種經(jīng)驗(yàn)方法，可以利用現(xiàn)實(shí)約束條件有效地分析變量間因果關(guān)系，其主要原理為：當(dāng)一個(gè)變量大于某個(gè)臨界值時(shí)，處置效應(yīng)被接受，否則不接受處置效應(yīng)。斷點(diǎn)回歸包括確定型和模糊型兩類，確定型斷點(diǎn)回歸有確定的臨界值，而模糊型斷點(diǎn)回歸，臨界值附近的觀測值以單調(diào)隨機(jī)的概率接受處置效應(yīng)。

筆者采用確定型斷點(diǎn)回歸，對過去星級與后續(xù)評論之間的因果關(guān)系進(jìn)行分析。將過去星級與后續(xù)評論分別記為x，y，設(shè)斷點(diǎn)為常數(shù)c，則分組規(guī)則和斷點(diǎn)回歸方程分別為：

(9)

y=α+β(x-c)+δD+γ(x-c)D+ε

(10)

選取3類商品中銷量較高的產(chǎn)品(吹風(fēng)機(jī)產(chǎn)品B003V264WW、微波爐產(chǎn)品B0052G14E8、奶嘴產(chǎn)品B0045I6IAY)進(jìn)行分析，確定過去星級的斷點(diǎn)c=0.5，斷點(diǎn)回歸的結(jié)果如圖4所示，求得δ的估計(jì)值分別為0.148 0，0.059 2，0.095 9，可以看出過去星級與后續(xù)評論之間存在顯著的因果關(guān)系。

圖4 3種產(chǎn)品的斷點(diǎn)回歸結(jié)果

3.4 情緒特征詞與星級之間的相關(guān)性分析

3.4.1 情感程度分的定義

考慮評論中出現(xiàn)的如“enthusiastic”、“ disappointed”等情緒特征詞，筆者對情緒特征詞與星級之間的相關(guān)性進(jìn)行研究，以期為企業(yè)有效提高商品星級提供幫助。選擇Github平臺(tái)中的情緒詞典，挑選出其中表達(dá)情緒的12個(gè)詞語，分別對其情感程度進(jìn)行分級，如表5所示。

表5 情緒特征詞情感程度表

在產(chǎn)品評論中進(jìn)行情緒特征詞的篩選，將情緒特征詞的情感程度分進(jìn)行疊加，便可得到該條評論的特征詞情緒水平。

3.4.2 相關(guān)性分析

采用斯皮爾曼相關(guān)系數(shù)對已求得的特征詞情緒水平與星級進(jìn)行相關(guān)分析。

(11)

式中：ρ為斯皮爾曼相關(guān)系數(shù)；h為同一位置兩個(gè)變量由大到小排列的秩次差；np為評論的樣本容量。

以吹風(fēng)機(jī)產(chǎn)品B000R80ZTQ、奶嘴產(chǎn)品B0045I6IA4、微波爐產(chǎn)品B0058CLNBU為例，采用SPSS軟件，對特征詞情緒水平與星級的相關(guān)性進(jìn)行分析，結(jié)果如表6所示，可以看出吹風(fēng)機(jī)產(chǎn)品B000R80ZTQ的特征詞情緒水平與星級在0.05水平下顯著相關(guān)，而奶嘴產(chǎn)品B0045I6IA4和微波爐產(chǎn)品B0058CLNBU的特征詞情緒水平與星級在0.05水平下不具有相關(guān)性。

表6 特征詞情緒水平與星級相關(guān)性

為進(jìn)一步分析上述結(jié)果產(chǎn)生的原因，更直觀地判斷情緒特征詞與星級之間的相關(guān)性，筆者基于上述3個(gè)產(chǎn)品的不同特征，分別繪制評論情緒特征詞與星級的散點(diǎn)圖，如圖5所示。

圖5 評論情緒特征詞與星級的散點(diǎn)圖

(1)評價(jià)適中的產(chǎn)品。吹風(fēng)機(jī)產(chǎn)品B000R80ZTQ的綜合評分適中，各類評論比例較為均勻，因此散點(diǎn)圖呈現(xiàn)出平行四邊形。情緒水平較低的客戶會(huì)打出低星，情緒水平較高的客戶會(huì)打出高星，較多數(shù)據(jù)集中在情緒水平與星級均居中的位置，可以直觀地看出情緒特征詞與星級呈近似的正相關(guān)關(guān)系。

(2)評價(jià)較好的產(chǎn)品。奶嘴產(chǎn)品 B0045I6IA4的散點(diǎn)圖呈現(xiàn)出倒三角形。這是由于該奶嘴產(chǎn)品的綜合評分較高，客戶情緒水平較低且星級較低的狀況較少，因此其散點(diǎn)圖左下角相較于平行四邊形存在一定缺失，導(dǎo)致了斯皮爾曼相關(guān)系數(shù)較低。但在未缺失部分中，除星級與特征詞情緒水平均較高處的散點(diǎn)較多外，整體散點(diǎn)分布與圖5(a)相近，表明了情緒特征詞與星級的近似正相關(guān)關(guān)系。

(3)評價(jià)較差的產(chǎn)品。微波爐產(chǎn)品B0058CLNBU的散點(diǎn)圖呈現(xiàn)出正三角形。這是由于該微波爐產(chǎn)品的綜合評分較低，客戶情緒水平較高且星級較高的狀況較少，因此散點(diǎn)圖右上角相較于平行四邊形存在一定的缺失，導(dǎo)致了斯皮爾曼相關(guān)系數(shù)較低。但在未缺失部分中，雖散點(diǎn)數(shù)較少，但整體散點(diǎn)分布與圖5(a)中相近，表明了情緒特征詞與星級的近似正相關(guān)關(guān)系。

4 結(jié)論

(1)筆者對亞馬遜網(wǎng)站提供的產(chǎn)品評論數(shù)據(jù)進(jìn)行分析，建立了模糊綜合評價(jià)模型，得出了可以代表商品評論狀況的綜合評分?；谠摼C合評價(jià)模型的參數(shù)與結(jié)果，指出新產(chǎn)品上市后應(yīng)著重追蹤“有幫助”投票數(shù)較多和“vine”用戶的評論。定義即時(shí)聲譽(yù)、累計(jì)聲譽(yù)，提出了成功水平作為不同商品潛在成功的衡量標(biāo)準(zhǔn)，并研究了評語暗示作為預(yù)測產(chǎn)品成功與否指標(biāo)的可行性，發(fā)現(xiàn)“喜歡”“好”等褒義詞以較高頻率出現(xiàn)時(shí)，將在短期內(nèi)顯著提高商品成功的可能性，但長期預(yù)測效果穩(wěn)定性較差。此外，通過斷點(diǎn)回歸和相關(guān)性分析發(fā)現(xiàn)，過去星級與后續(xù)評價(jià)存在顯著的因果關(guān)系，情緒特征詞與商品星級有顯著的相關(guān)關(guān)系。

(2)根據(jù)上述結(jié)果，筆者提出如下建議：①新產(chǎn)品上市后，應(yīng)重點(diǎn)關(guān)注“有幫助”投票數(shù)較多和“vine”用戶的評論，基于評論內(nèi)容對相應(yīng)的產(chǎn)品設(shè)計(jì)問題進(jìn)行有針對性的改進(jìn)。②關(guān)注即時(shí)聲譽(yù)、累計(jì)聲譽(yù)與成功水平的變化，當(dāng)即時(shí)聲譽(yù)的波動(dòng)較大、累積聲譽(yù)上升速度較慢時(shí)，表明該產(chǎn)品亟待改進(jìn)，應(yīng)加強(qiáng)質(zhì)量管理，降低次品率，放大產(chǎn)品優(yōu)勢點(diǎn)，優(yōu)化產(chǎn)品設(shè)計(jì)與功效，合理定位目標(biāo)客戶，適當(dāng)調(diào)整產(chǎn)品價(jià)格。③當(dāng)評論中情感較溫和的積極情緒詞頻繁出現(xiàn)時(shí)，表明該產(chǎn)品有較大的成功可能性，可適當(dāng)加大產(chǎn)品的生產(chǎn)與宣傳投入。④過去星級狀況較好或較差時(shí)，應(yīng)根據(jù)后續(xù)評價(jià)對商品評估結(jié)果進(jìn)行適當(dāng)調(diào)整，避免過分高估或低估，同時(shí)基于該因果關(guān)系對客戶評論進(jìn)行積極的引導(dǎo)。⑤考慮情緒特征詞與商品星級之間的相關(guān)性，在提高商品星級的規(guī)劃中，應(yīng)關(guān)注消費(fèi)者情緒的變化，適當(dāng)加大廣告設(shè)計(jì)投入，加強(qiáng)服務(wù)環(huán)節(jié)的質(zhì)量把控，提高服務(wù)意識(shí)。

(3)筆者的研究為線上商品評論信息提取與分析提供了方法指導(dǎo)，以評分結(jié)果與客觀指標(biāo)呈現(xiàn)商品的評論狀況，避免了分析的主觀性。通過對各項(xiàng)指標(biāo)間關(guān)系的分析，可為企業(yè)有針對性地完善管理與決策提供理論依據(jù)，提高優(yōu)化效率。