冒小棟， 范 濤

(華東交通大學(xué) 經(jīng)濟(jì)管理學(xué)院， 南昌 330013)

近年來(lái)， 網(wǎng)絡(luò)口碑以用戶評(píng)論真實(shí)客觀的優(yōu)點(diǎn)逐漸替代了傳統(tǒng)的口碑. 相比于通過(guò)線下調(diào)研方法獲取消費(fèi)者對(duì)產(chǎn)品的態(tài)度， 網(wǎng)絡(luò)口碑能夠幫助企業(yè)在更短時(shí)間內(nèi)以更低成本獲取到目標(biāo)消費(fèi)群體的反饋信息.隨著互聯(lián)網(wǎng)經(jīng)濟(jì)的迅猛發(fā)展， 滴滴等網(wǎng)約車平臺(tái)解決了人們打車難的問(wèn)題， 共享單車無(wú)樁車的出現(xiàn)有效地解決了“最后一公里”難題. 共享單車是共享經(jīng)濟(jì)的模式創(chuàng)新， 它正處于“青春期”， 仍然面臨著眾多挑戰(zhàn). 通過(guò)網(wǎng)絡(luò)口碑研究共享單車用戶滿意度， 有助于把握用戶真實(shí)和潛在的需求及期望， 并為改進(jìn)單車的服務(wù)水平提供依據(jù).

目前， 對(duì)于網(wǎng)絡(luò)口碑的研究， 李剛等學(xué)者利用依存句法分析設(shè)計(jì)情感標(biāo)簽抽取模型， 通過(guò)情感極性對(duì)情感標(biāo)簽進(jìn)行過(guò)濾， 獲得具有較高的抽取準(zhǔn)確率和召回率的情感標(biāo)簽抽取方法[1]. 魏慧玲通過(guò)構(gòu)建情感詞典，并結(jié)合語(yǔ)義相似度算法， 對(duì)小米手機(jī)的在線評(píng)論進(jìn)行情感分類， 實(shí)現(xiàn)對(duì)人工匯總的主要商品特征的情感判斷[2]. 徐勇等人借鑒相關(guān)學(xué)者的研究結(jié)果， 建立電子商務(wù)商品評(píng)價(jià)指標(biāo)結(jié)構(gòu)模型； 通過(guò)機(jī)器學(xué)習(xí)， 利用文本情感分析中語(yǔ)句情感標(biāo)簽抽取與標(biāo)注的方法， 對(duì)淘寶網(wǎng)站商品進(jìn)行模糊綜合評(píng)價(jià)[3]. 吳江等學(xué)者采用LDA模型對(duì)小米、華為和Fitbit智能手環(huán)在線評(píng)論的主題進(jìn)行挖掘， 了解用戶對(duì)不同品牌的關(guān)注點(diǎn)； 通過(guò)對(duì)網(wǎng)站上三種品牌智能手環(huán)的評(píng)論分值進(jìn)行獨(dú)立樣本t檢驗(yàn)來(lái)比較三種品牌智能手環(huán)的用戶滿意度[4]. 李勇敢等學(xué)者基于依存句法和無(wú)監(jiān)督主題情感模型設(shè)計(jì)出一個(gè)可自動(dòng)批處理中文微博信息的情感分析系統(tǒng)， 并且驗(yàn)證該方法具有準(zhǔn)確率高、自動(dòng)化程度高、系統(tǒng)效率高的優(yōu)點(diǎn)[5]. 對(duì)于共享單車的研究， 譚袁學(xué)者提出了共享單車的各種違規(guī)現(xiàn)象與運(yùn)營(yíng)商之間的“底線競(jìng)爭(zhēng)”有直接的關(guān)系， 并要求運(yùn)營(yíng)商制定自律性規(guī)范并嚴(yán)格執(zhí)行來(lái)解決該問(wèn)題[6]. 黃國(guó)清， 陳雪兩位學(xué)者將UTAUT模型與情景感知理論相結(jié)合， 通過(guò)問(wèn)卷調(diào)查的方式， 探究共享單車用戶使用意愿的影響因素[7].

查閱相關(guān)文獻(xiàn)， 發(fā)現(xiàn)鮮少有學(xué)者通過(guò)網(wǎng)絡(luò)口碑研究用戶滿意度， 利用LDA模型和文本情感分析相結(jié)合對(duì)用戶滿意度進(jìn)行模糊綜合評(píng)價(jià)的文獻(xiàn)更少. “摩拜”單車為目前較受歡迎的共享單車. 因此， 本文基于LDA模型構(gòu)建“摩拜”共享單車用戶滿意度結(jié)構(gòu)模型， 設(shè)計(jì)情感標(biāo)簽抽取算法， 利用HowNet情感詞典和語(yǔ)義相似度算法判斷評(píng)價(jià)對(duì)象的情感傾向， 并利用模糊綜合評(píng)價(jià)法探究“摩拜”單車的用戶滿意度.

圖1 探索共享單車用戶滿意度流程圖

1 數(shù)據(jù)來(lái)源及研究方法

1.1 網(wǎng)絡(luò)評(píng)論語(yǔ)料庫(kù)的建立

本文以“摩拜”單車評(píng)論為研究對(duì)象， 從360手機(jī)助手、應(yīng)用寶以及華為手機(jī)助手三個(gè)網(wǎng)站上利用網(wǎng)絡(luò)爬蟲(chóng)獲取“摩拜”單車2017年8月至9月共23 306條評(píng)論數(shù)據(jù). 為了保證數(shù)據(jù)的有效性， 除去包含特殊符號(hào)、英文字符、與評(píng)論無(wú)關(guān)以及重復(fù)的數(shù)據(jù). 通過(guò)對(duì)清洗后的評(píng)論數(shù)據(jù)進(jìn)行觀察分析， 利用“摩拜”評(píng)論中出現(xiàn)的專屬詞匯及新型詞匯構(gòu)建用戶詞典， 然后進(jìn)行jiebeR中文分詞及詞性標(biāo)注， 進(jìn)而建立“摩拜”單車用戶滿意度的網(wǎng)絡(luò)評(píng)論語(yǔ)料庫(kù).

1.2 LDA模型

本文用LDA模型對(duì)網(wǎng)絡(luò)評(píng)論語(yǔ)料庫(kù)中的文本數(shù)據(jù)進(jìn)行挖掘， 識(shí)別出文本數(shù)據(jù)中蘊(yùn)含的共同主題信息，建立共享單車用戶滿意度結(jié)構(gòu)模型. LDA是一種無(wú)監(jiān)督的文檔主題生成模型， 用來(lái)識(shí)別大規(guī)模文檔的潛在主題信息. LDA模型可視為一個(gè)三層貝葉斯概率模型，將每一篇文檔表示為一個(gè)主題的概率分布， 又將每一個(gè)主題表示為一個(gè)詞語(yǔ)的概率分布， 形成文檔-主題-詞語(yǔ)三層概率分布， 即:

文檔主題分布P(topic|document)， 指不同主題在同一個(gè)文檔中所占比重. 文檔詞語(yǔ)分布P(word|topic)， 指每個(gè)主題中不同詞語(yǔ)出現(xiàn)的概率. 文檔詞語(yǔ)分布P(word|document)，指每個(gè)文檔中不同詞語(yǔ)出現(xiàn)的概率.在計(jì)算LDA模型的相關(guān)分布時(shí)， 我們需要剔除網(wǎng)絡(luò)評(píng)論語(yǔ)料庫(kù)中的停用詞. 在應(yīng)用LDA模型時(shí)， 需要確定三個(gè)參數(shù): 主題數(shù)量K， 超參數(shù)α和β. 我們通過(guò)計(jì)算困惑度及多次實(shí)驗(yàn)對(duì)比， 最終設(shè)定K=16，α=0.1，β=0.05，循環(huán)迭代次數(shù)為5000次， LDAvis可視化展示見(jiàn)圖2.圖中的參數(shù)λ用來(lái)調(diào)整詞語(yǔ)與主題之間的相關(guān)性， 如果λ越接近1， 則會(huì)顯示在該主題下出現(xiàn)最頻繁的詞語(yǔ)， 可通過(guò)這種方式了解該主題下用戶討論的熱點(diǎn)詞匯； 如果λ越接近0， 那么結(jié)果中會(huì)顯示在該主題下更特殊、更獨(dú)有的詞語(yǔ)， 則可以了解到該主題下區(qū)別于其他主題的獨(dú)有詞語(yǔ). 本文設(shè)置λ=0， 顯示主題下更獨(dú)有的特殊詞語(yǔ)， 更好地體現(xiàn)主題之間的差異.

圖2 LDA模型挖掘文本主題

1.3 基于依存句法分析的情感標(biāo)簽抽取算法

文本情感分析， 就是對(duì)產(chǎn)品評(píng)論中的文本數(shù)據(jù)進(jìn)行挖掘， 識(shí)別出消費(fèi)者對(duì)評(píng)論信息的觀點(diǎn)、喜惡、情感等. 情感標(biāo)簽抽取的任務(wù)就是識(shí)別產(chǎn)品網(wǎng)絡(luò)評(píng)論語(yǔ)句中意見(jiàn)持有者對(duì)于一個(gè)或多個(gè)評(píng)論對(duì)象的具體評(píng)價(jià)，并將其按照對(duì)應(yīng)的關(guān)系細(xì)粒度地抽取出來(lái)[2]. 情感標(biāo)簽由評(píng)價(jià)對(duì)象、程度副詞、否定詞和情感詞組成. 情感標(biāo)簽的抽取規(guī)則如下:

規(guī)則一. 通過(guò)依存句法分析抽取產(chǎn)品評(píng)論語(yǔ)句中的評(píng)價(jià)對(duì)象詞及情感詞. 依存句法分析能夠識(shí)別句子中各單位成分之間的修飾關(guān)系. 從生成的句法依賴關(guān)系樹(shù)， 篩選出符合條件的修飾關(guān)系[3]， 并依據(jù)評(píng)價(jià)對(duì)象與情感詞抽取規(guī)則(表1)， 提取評(píng)價(jià)對(duì)象詞及相應(yīng)的情感詞.

表1 評(píng)價(jià)對(duì)象與情感詞抽取規(guī)則

規(guī)則二. 查找產(chǎn)品評(píng)價(jià)語(yǔ)句中依賴于情感詞的否定詞及程度副詞. 為了避免分詞時(shí)將部分情感詞中的否定詞與情感詞分開(kāi)， 如可能將“不喜歡”分為“不”和“喜歡”， 導(dǎo)致情感發(fā)生錯(cuò)亂. 因此， 我們建立否定詞庫(kù)V， 依據(jù)否定詞抽取規(guī)則 (表2)， 若存在否定詞修飾情感詞時(shí)， 應(yīng)該給予“評(píng)價(jià)對(duì)象—情感詞”對(duì)否定標(biāo)記. 同時(shí)，篩選出HowNet情感詞典程度集中類別為“極其、最”、“很”下的程度副詞， 建立程度副詞庫(kù)G， 依據(jù)程度副詞抽取規(guī)則(表2)判斷是否有程度副詞依存于情感詞， 并給予“評(píng)價(jià)對(duì)象—情感詞”對(duì)相應(yīng)的程度副詞標(biāo)記.

表2 否定詞與程度副詞抽取規(guī)則

按照規(guī)則一、規(guī)則二抽取出語(yǔ)句情感標(biāo)簽， 接下來(lái)， 需要判斷用戶對(duì)評(píng)價(jià)對(duì)象的情感傾向值. 用戶對(duì)評(píng)價(jià)對(duì)象的情感傾向值由情感詞、程度副詞及否定詞三部分組成. 其中， 情感詞的分值采用HowNet情感詞典和基于同義詞林的詞語(yǔ)相似度算法[8]來(lái)判斷. 如果情感詞為褒義， 情感詞值為“1”； 如果情感詞為貶義， 它為“-1”. 當(dāng)存在程度副詞修飾情感詞時(shí)， 用戶對(duì)評(píng)價(jià)對(duì)象的情感強(qiáng)度被加強(qiáng)， 變?yōu)樵瓉?lái)的2倍. 若“評(píng)價(jià)對(duì)象—情感詞”對(duì)存在否定標(biāo)記， 用戶對(duì)評(píng)價(jià)對(duì)象的情感極性發(fā)生變化. 最后， 用戶對(duì)評(píng)價(jià)對(duì)象的情感傾向值有4 種可能， 分別為-2， -1， 1 和 2.

2 基于層析分析法的模糊綜合評(píng)價(jià)

本文選取模糊綜合評(píng)價(jià)法來(lái)評(píng)價(jià)共享單車的用戶滿意度. 模糊綜合評(píng)價(jià)法是以模糊數(shù)學(xué)為基礎(chǔ)， 應(yīng)用模糊關(guān)系合成的原理， 能夠?qū)⒍ㄐ栽u(píng)價(jià)定量化， 依據(jù)用戶對(duì)評(píng)價(jià)指標(biāo)滿意程度的隸屬度建立模糊評(píng)價(jià)矩陣， 結(jié)合層次分析法確定用戶的整體滿意度. 模糊綜合評(píng)價(jià)法的建模步驟如下:

(1)確定模糊綜合評(píng)價(jià)指標(biāo)體系. 在對(duì)LDA挖掘出的文本主題進(jìn)行命名時(shí)， 我們發(fā)現(xiàn)主題間并不是完全獨(dú)立的， 存在多個(gè)主題描述單車特征不同方面的情況. 因此需要先對(duì)文本主題進(jìn)行歸納， 然后進(jìn)行主題命名， 建立共享單車用戶滿意度評(píng)價(jià)指標(biāo)體系， 如圖3. 其中， 用后心情描述了用戶在使用單車后的整體體驗(yàn)， 不是針對(duì)具體的某個(gè)方面， 是整個(gè)使用過(guò)程的一種總結(jié)性感受； 單車押金反響包括用戶對(duì)使用共享單車所需交付的押金的金額、退還速度的反響情況； 軟件整體性能指用戶使用共享單車APP的整體感受， 涉及的情感標(biāo)簽如: “操作簡(jiǎn)單”， “界面流暢”， “軟件不錯(cuò)”等.

圖3 共享單車用戶滿意度結(jié)構(gòu)模型

(2)確定評(píng)語(yǔ)集. 在評(píng)價(jià)共享單車的用戶滿意度時(shí)，將產(chǎn)品特征的情感傾向得分: “-2”、“-1”、“1”、“2”，與“很低”、“較低”、“較高”、“很高”4 個(gè)水平等級(jí)對(duì)應(yīng). 評(píng)語(yǔ)集可表示為:V={很低、較低、較高、很高}.

(3)確定評(píng)價(jià)指標(biāo)的權(quán)重. 共享單車用戶滿意度模糊綜合評(píng)價(jià)是基于多指標(biāo)、多層次的綜合性評(píng)價(jià)， 是由10個(gè)指標(biāo)形成的評(píng)價(jià)體系. 綜合性評(píng)價(jià)最重要的環(huán)節(jié)就是決策每層的每一個(gè)指標(biāo)對(duì)共享單車用戶滿意度的影響程度， 并將各指標(biāo)的影響程度作為該指標(biāo)的權(quán)重.本文選擇層次分析法[9]確定各指標(biāo)的權(quán)重， 其步驟如下:

第一步: 構(gòu)建兩兩比較判斷矩陣. 層次分析法的計(jì)算基礎(chǔ)是兩兩比較判斷矩陣， 判斷矩陣體現(xiàn)了各指標(biāo)的相對(duì)重要程度， 對(duì)決策結(jié)果的影響至關(guān)重要. 本文決定采用共享單車用戶滿意度評(píng)價(jià)指標(biāo)體系中每個(gè)指標(biāo)提取的特征情感詞對(duì)數(shù)量， 作為構(gòu)建兩兩比較判斷矩陣的依據(jù).

第二步: 計(jì)算指標(biāo)權(quán)重及一致性檢驗(yàn). 首先， 計(jì)算兩兩比較判斷矩陣的最大特征根 λmax及其對(duì)應(yīng)的特征向量x=(x1,x2,···,xn)T， 對(duì)該特征向量進(jìn)行歸一化處理， 得到評(píng)價(jià)指標(biāo)的權(quán)重向量. 其中， 所有的兩兩判斷矩陣的CR值均接近于0＜0.1， 說(shuō)明一致性檢驗(yàn)通過(guò).

(4)確定模糊評(píng)價(jià)矩陣

本文在確定模糊評(píng)價(jià)矩陣時(shí)選用模糊統(tǒng)計(jì)的方法，與其他學(xué)者選用主觀確定、比較法、專家法等方法來(lái)確定模糊評(píng)價(jià)矩陣相比， 這里提出的方法可以更好的反映客觀事實(shí). 采用模糊統(tǒng)計(jì)的方法， 若某指標(biāo)下的評(píng)價(jià)對(duì)象數(shù)為n， 該指標(biāo)隸屬于V中某等級(jí)評(píng)語(yǔ)的隸屬度:

隸屬度rm表示對(duì)于某個(gè)指標(biāo)， 有1 0 0rm%的用戶將它評(píng)為m等級(jí). 最后， 依據(jù)隸屬度確定若干指標(biāo)對(duì)應(yīng)的模糊評(píng)價(jià)矩陣.

(5)共享單車用戶滿意度綜合評(píng)價(jià)值

在模糊評(píng)價(jià)矩陣和權(quán)重向量確定之后， 用模糊評(píng)價(jià)矩陣和權(quán)重向量進(jìn)行綜合， 即可得到“摩拜”單車用戶滿意度評(píng)價(jià)體系的準(zhǔn)則層和目標(biāo)層下各指標(biāo)的模糊評(píng)價(jià)矩陣. 假設(shè)準(zhǔn)則層下的各指標(biāo)的模糊評(píng)價(jià)矩陣為(i=1,2,3,4)， 指標(biāo)層下的指標(biāo)權(quán)重向量為Wi(i=1,2,3,4)，準(zhǔn)則層下各指標(biāo)的模糊評(píng)價(jià)矩陣為Ri(i=1,2,3,4). 其中，i表示準(zhǔn)則層的第i個(gè)指標(biāo)；由準(zhǔn)則層下各指標(biāo)對(duì)應(yīng)的指標(biāo)層下各指標(biāo)的隸屬度組成. 本文的模糊算子均采用加權(quán)平均算子， 則假設(shè)“摩拜”單車用戶滿意度評(píng)價(jià)體系的目標(biāo)層的模糊評(píng)價(jià)矩陣為S.W代表準(zhǔn)則層下指標(biāo)的權(quán)重向量，R代表目標(biāo)層的模糊評(píng)價(jià)矩陣. 其中評(píng)價(jià)體系中指標(biāo)Aij的用戶滿意度為:指標(biāo)的得分為:； 單車用戶滿意度的綜合得分

3 實(shí)證分析

對(duì)“摩拜”單車的用戶滿意度進(jìn)行實(shí)證分析. 首先，利用情感標(biāo)簽抽取算法識(shí)別產(chǎn)品網(wǎng)絡(luò)評(píng)論語(yǔ)料庫(kù)中的評(píng)價(jià)對(duì)象及其相對(duì)應(yīng)的程度副詞、否定詞和情感詞.將HoweNet情感詞典與語(yǔ)義相似度算法相結(jié)合， 判斷評(píng)價(jià)對(duì)象的情感傾向值. 然后， 將情感標(biāo)簽中的評(píng)價(jià)對(duì)象與“摩拜”用戶滿意度結(jié)構(gòu)模型的10個(gè)指標(biāo)對(duì)應(yīng)的關(guān)聯(lián)詞語(yǔ)進(jìn)行匹配并歸類， 對(duì)未成功歸并的詞語(yǔ)再進(jìn)行人工判斷. 接下來(lái)， 結(jié)合用戶對(duì)評(píng)價(jià)對(duì)象的情感傾向，采用模糊綜合評(píng)價(jià)法對(duì)共享單車用戶滿意度進(jìn)行評(píng)價(jià).

(1)共享單車用戶滿意度評(píng)價(jià). “摩拜”單車的用戶滿意度綜合分值為0.6877. 其中， 用戶的整體體驗(yàn)、單車的性能、用戶使用單車的經(jīng)濟(jì)成本、摩拜公司的運(yùn)營(yíng)服務(wù)四個(gè)指標(biāo)的分值依次是1.1651、0.5791、0.5880和0.1062. 這里的整體體驗(yàn)不針對(duì)具體的某方面， 是用戶使用單車后的總結(jié)性感受. 從整體看， 四個(gè)指標(biāo)值都是正向的， 且用戶使用單車的整體體驗(yàn)分值最高， 表明用戶對(duì)“摩拜”單車總體較滿意. 具體表現(xiàn)為:

第一， 在單車性能方面， 單車硬件在10個(gè)指標(biāo)中的排名第二， 用戶滿意度較高. 這里的單車硬件主要指除車鎖外， 自行車的各個(gè)組成部件、騎行的舒適度、外觀及質(zhì)量. 然而， “摩拜”單車的車鎖得分接近于 0， 滿意度較差， 問(wèn)題主要集中在掃描二維碼時(shí)出現(xiàn)閃退， 開(kāi)鎖失敗等.

第二， 在經(jīng)濟(jì)成本方面， 單車費(fèi)用及優(yōu)惠指標(biāo)的滿意度較高， 表明對(duì)于消費(fèi)者來(lái)說(shuō)， “摩拜”的使用費(fèi)用合理， 深受用戶的青睞. 但是消費(fèi)者對(duì)單車所需支付押金的反響不好， 支付押金多及不能及時(shí)退還致使用戶的滿意度較差.

第三， 在公司運(yùn)營(yíng)服務(wù)方面， 用戶的滿意度排名居后. 其中， 單車投放量、單車維修情況及軟件的定位三個(gè)指標(biāo)的得分值為負(fù)， 表明“摩拜”公司仍應(yīng)注意用戶對(duì)單車的需求量， 加強(qiáng)工作人員對(duì)車輛的定期維護(hù)工作. 同時(shí)， 公司要在APP上加大科技投入， 加強(qiáng)對(duì)GPS定位系統(tǒng)的維護(hù)， 除去不存在定位系統(tǒng)的車型. 這里的單車維修情況主要體現(xiàn)在消費(fèi)者使用單車時(shí)， 故障車出現(xiàn)的頻率； 客服對(duì)用戶的回應(yīng)指客服咨詢電話是否通暢及服務(wù)態(tài)度； 軟件整體性能指“摩拜”APP的操作流暢性以及軟件界面設(shè)計(jì).

圖4 用戶對(duì)“摩拜”單車各項(xiàng)指標(biāo)的滿意度

(2)結(jié)果可靠性的驗(yàn)證分析. 為了驗(yàn)證結(jié)果的可靠性， 本文對(duì)“摩拜”單車用戶滿意度結(jié)構(gòu)模型指標(biāo)層中表現(xiàn)突出的指標(biāo)進(jìn)行反查， 即分析10個(gè)指標(biāo)中分值較低和較高的指標(biāo)所對(duì)應(yīng)的具體評(píng)論內(nèi)容. 結(jié)果表明表現(xiàn)突出的指標(biāo)所對(duì)應(yīng)的評(píng)論內(nèi)容與滿意度結(jié)果一致.以“摩拜”單車硬件為例， 圖 5 中， 字?jǐn)?shù)越大， 說(shuō)明其出現(xiàn)的頻率越高. 從圖中可以看出， 從整體來(lái)看， 單車硬件指標(biāo)下的的評(píng)價(jià)對(duì)象情感傾向值大多為正向的， 且出現(xiàn)頻率較高的評(píng)價(jià)對(duì)象的情感得分值都為正， 得分為2的情感標(biāo)簽也比較多， 表明驗(yàn)證結(jié)果可以通過(guò).

圖5 “摩拜”單車硬件的情感標(biāo)簽及情感傾向值

4 結(jié)論與展望

網(wǎng)絡(luò)口碑保證了用戶評(píng)論的真實(shí)性和客觀性， 能夠幫助企業(yè)在更短時(shí)間內(nèi)以更低成本獲取到消費(fèi)群體的反饋信息， 通過(guò)網(wǎng)絡(luò)口碑來(lái)研究用戶滿意度為我們帶來(lái)了極大的便利. 本文將文本挖掘與模糊綜合評(píng)價(jià)法相結(jié)合來(lái)分析用戶滿意度， 這種方法同樣適合于其他領(lǐng)域基于網(wǎng)絡(luò)口碑的用戶滿意度研究. 針對(duì)本次研究， 提出以下幾方面的展望: ① 進(jìn)一步優(yōu)化分詞方案；② 進(jìn)一步完善共享單車用戶滿意度結(jié)構(gòu)模型， 適當(dāng)加入一些評(píng)論內(nèi)容之外的指標(biāo)， 比如: 網(wǎng)絡(luò)評(píng)論的數(shù)量；③ 研究不同時(shí)間段的用戶滿意度， 并進(jìn)行顯著性分析來(lái)檢驗(yàn)它們之間的差異； ④ 將不同品牌共享單車的用戶滿意度進(jìn)行橫向比較研究， 以期各品牌能夠相互借鑒、取長(zhǎng)補(bǔ)短.