楊 程，譚 昆，俞春陽(yáng)+

(1.浙江大學(xué)城市學(xué)院 工業(yè)設(shè)計(jì)系，浙江 杭州 310015；2.浙江大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，浙江 杭州 310027)

0 引言

在競(jìng)爭(zhēng)日益激烈的市場(chǎng)環(huán)境下，外部環(huán)境變化迅速，企業(yè)想要在這種動(dòng)態(tài)環(huán)境下發(fā)展，必須加快產(chǎn)品設(shè)計(jì)更新的速度[1]。如今的產(chǎn)品設(shè)計(jì)周期比原來(lái)短很多，在相同時(shí)間內(nèi)可經(jīng)過多次用戶反饋和設(shè)計(jì)改進(jìn)，從而更快地更新產(chǎn)品，滿足用戶快速變化的需求[2]。

由于時(shí)間限制，傳統(tǒng)調(diào)研模式的用戶參與度低、調(diào)研范圍小，易使產(chǎn)品設(shè)計(jì)方向脫離用戶需求而導(dǎo)致項(xiàng)目失??；另外，產(chǎn)品設(shè)計(jì)需要用戶測(cè)試、總結(jié)反饋和捕捉用戶需求，從而逐步完善產(chǎn)品。如果吸收用戶反饋和檢驗(yàn)的周期較長(zhǎng)，則將降低產(chǎn)品的設(shè)計(jì)節(jié)奏。因此，快速準(zhǔn)確地搜集用戶反饋，跟蹤其細(xì)微變化，對(duì)產(chǎn)品設(shè)計(jì)改進(jìn)具有重要意義[3]。

大數(shù)據(jù)的產(chǎn)生提供了新的研究條件和機(jī)遇[4-5]，依賴小規(guī)模數(shù)據(jù)發(fā)現(xiàn)未知領(lǐng)域規(guī)律的方法正逐漸被大數(shù)據(jù)分析取代[6-7]。已有研究發(fā)現(xiàn)，在線評(píng)論數(shù)據(jù)比從其他來(lái)源(如用戶調(diào)研等)獲取的用戶數(shù)據(jù)更加可靠[8]，對(duì)相關(guān)部門監(jiān)管網(wǎng)絡(luò)輿情具有重要的價(jià)值[9]，廠商也可利用其快速作出有利決策，獲得競(jìng)爭(zhēng)優(yōu)勢(shì)[10]。雖然大數(shù)據(jù)分析相比傳統(tǒng)用戶調(diào)研有很多優(yōu)點(diǎn)，但是由于數(shù)據(jù)的體積和產(chǎn)生速度不斷增加，對(duì)數(shù)據(jù)的有用性進(jìn)行研究變得越發(fā)重要[11]，消除無(wú)用數(shù)據(jù)后的數(shù)據(jù)會(huì)更有價(jià)值[12]。Banerjee等[13]認(rèn)為評(píng)論者的特征(積極性、參與性、經(jīng)驗(yàn)、聲譽(yù)、能力和社會(huì)性)對(duì)評(píng)論的有用性有直接影響；Karimi等[14]認(rèn)為視覺線索對(duì)用戶評(píng)估評(píng)論是否有用有一定的影響；Forman等[15]對(duì)電商環(huán)境下的評(píng)論有用性進(jìn)行了研究，將評(píng)論者的專業(yè)知識(shí)和吸引力作為評(píng)判評(píng)論有用性的兩個(gè)標(biāo)準(zhǔn)。

從有用評(píng)論中獲取有價(jià)值的信息也是一個(gè)值得研究的方向[16]。Kushal等[17]對(duì)觀點(diǎn)抽取和語(yǔ)義分類進(jìn)行了系統(tǒng)研究，其實(shí)驗(yàn)效果甚至比機(jī)器學(xué)習(xí)方法更好?；谥形脑u(píng)論，Zhang等[18]通過特征提取算法檢測(cè)不同品牌化妝品的缺點(diǎn)，幫助制造商提高產(chǎn)品質(zhì)量和競(jìng)爭(zhēng)力；Jing等[19]通過建立兩階段驗(yàn)證模型，并對(duì)比兩階段的數(shù)據(jù)分析結(jié)果，證明了情感分析方法比調(diào)研方法更有效。此外，Kang等[20]利用情感分析方法分析了手機(jī)應(yīng)用程序的速度、穩(wěn)定性等6個(gè)特點(diǎn)，并取得了較好的效果。

大數(shù)據(jù)的數(shù)據(jù)量大、覆蓋范圍廣，可以增加產(chǎn)品設(shè)計(jì)開發(fā)過程中的用戶參與度，縮減用戶調(diào)研的時(shí)間成本和人工成本，幫助調(diào)研人員快速準(zhǔn)確地理解龐雜的數(shù)據(jù)，更快地找到用戶需求和產(chǎn)品設(shè)計(jì)改進(jìn)方向。

1 研究方法

本文提出一種結(jié)合文本挖掘和情感分析的產(chǎn)品設(shè)計(jì)改進(jìn)研究方法，分為3個(gè)部分，流程如圖1所示。

(1)有用評(píng)論的獲取 借助爬蟲程序爬取大量在線評(píng)論數(shù)據(jù)，并對(duì)獲取的在線評(píng)論進(jìn)行預(yù)處理。應(yīng)用隱含狄利克雷主題(Latent Dirichlet Allocation，LDA)模型對(duì)在線評(píng)論進(jìn)行主題抽取，獲得用戶關(guān)注的產(chǎn)品屬性及其對(duì)應(yīng)的屬性詞(描述產(chǎn)品屬性的詞語(yǔ))，基于屬性詞和情感詞(描述用戶情感的詞)對(duì)在線評(píng)論進(jìn)行有用性判斷，去除無(wú)用評(píng)論。

(2)評(píng)價(jià)指標(biāo)體系的建立與分析 根據(jù)產(chǎn)品屬性和屬性詞對(duì)有用評(píng)論進(jìn)行分類。通過情感分析，計(jì)算單個(gè)評(píng)論表達(dá)正面情感的概率、用戶對(duì)產(chǎn)品各屬性的滿意度和關(guān)注度等指標(biāo)，建立產(chǎn)品評(píng)價(jià)指標(biāo)體系，通過分析產(chǎn)品指標(biāo)得分找到產(chǎn)品需要改進(jìn)的屬性。

(3)改進(jìn)策略分析 提取待改進(jìn)產(chǎn)品屬性的相關(guān)評(píng)論，篩選其中的負(fù)向評(píng)論，結(jié)合文本觀點(diǎn)挖掘找到用戶不滿意的點(diǎn)，分析出用戶需求，從而確定產(chǎn)品改進(jìn)策略。

2 評(píng)論有用性分析

2.1 數(shù)據(jù)收集和預(yù)處理

智能手機(jī)種類多、更新速度快，因此將其作為分析案例。利用Python Request編寫在線爬蟲程序，爬取京東商城銷售量排名前60的智能手機(jī)的在線評(píng)論，共1 257 482條評(píng)論。為保證評(píng)論數(shù)據(jù)的準(zhǔn)確性，對(duì)爬取的評(píng)論數(shù)據(jù)進(jìn)行預(yù)處理，刪除重復(fù)評(píng)論、含有廣告的評(píng)論和評(píng)論內(nèi)容為標(biāo)點(diǎn)符號(hào)的評(píng)論，最終得到1 189 357條評(píng)論。

2.2 產(chǎn)品屬性的獲取和評(píng)論有用性分析

屬性詞是描述事物(產(chǎn)品)屬性的詞語(yǔ)。產(chǎn)品屬性為多個(gè)相近屬性詞匯總形成的集合，代表產(chǎn)品的某一種屬性，例如顏色、形狀、材質(zhì)和大小等相近屬性詞代表產(chǎn)品的外觀屬性。

采用中文分詞工具Jieba分詞對(duì)所獲得的評(píng)論進(jìn)行分詞處理?；贚DA模型對(duì)評(píng)論進(jìn)行產(chǎn)品屬性抽取，通過給定產(chǎn)品屬性個(gè)數(shù)K計(jì)算各產(chǎn)品屬性之間的相似度，相似度越小，說(shuō)明各產(chǎn)品屬性間的重復(fù)度越小，對(duì)應(yīng)的K值越優(yōu)[21]。通過計(jì)算發(fā)現(xiàn)，當(dāng)K=18時(shí)，各產(chǎn)品屬性間的相似度最低，由此獲得了18個(gè)屬性詞集合。在初步獲得的分類結(jié)果中，有多個(gè)屬性詞集合主要包括形容詞、副詞和動(dòng)詞等，它們不能代表產(chǎn)品屬性，需要去除，最終得到15個(gè)屬性詞集合。通過咨詢專業(yè)手機(jī)設(shè)計(jì)人員的意見，并結(jié)合華為與蘋果等知名企業(yè)官網(wǎng)對(duì)手機(jī)屬性的分類標(biāo)準(zhǔn)，確定了15個(gè)屬性詞集合所代表的產(chǎn)品屬性。各個(gè)產(chǎn)品屬性對(duì)應(yīng)的屬性詞數(shù)量如表1所示。

表1 各產(chǎn)品屬性中的屬性詞個(gè)數(shù)

本文的評(píng)論有用性分析主要關(guān)注產(chǎn)品的描述，即描述產(chǎn)品的屬性詞和代表用戶情感的情感詞。如果一條評(píng)論為有用評(píng)論，則其必定包含用戶關(guān)注的產(chǎn)品屬性(以屬性詞表現(xiàn))和用戶對(duì)該產(chǎn)品屬性表現(xiàn)情況的情感傾向(以情感詞表現(xiàn))，屬性詞已由前文產(chǎn)品屬性獲取的步驟中獲得。知網(wǎng)(HowNet)是著名機(jī)器翻譯專家董振東先生花費(fèi)數(shù)十年時(shí)間建立的一個(gè)以漢語(yǔ)和英語(yǔ)詞語(yǔ)所代表的概念為描述對(duì)象，以揭示概念與概念之間以及概念所具有的屬性之間的關(guān)系為基本內(nèi)容的常識(shí)知識(shí)庫(kù)，其從建立到現(xiàn)在已被很多學(xué)者用于中文文本研究，知網(wǎng)(HowNet)中的情感詞詞庫(kù)(下載地址：http://www.keenage. com/download/sentiment.rar)也是目前最知名的中文情感詞詞庫(kù)之一，本文將前文得到的屬性詞和知網(wǎng)(HowNet)情感詞詞庫(kù)中的情感詞作為評(píng)判評(píng)論有用性的依據(jù)。

如果一個(gè)評(píng)論同時(shí)具有屬性詞和情感詞，則認(rèn)為該評(píng)論為有用評(píng)論，判斷規(guī)則為

(1)

基于式(1)，對(duì)所有評(píng)論進(jìn)行評(píng)論有用性分析，最終獲得808 426條有用評(píng)論。

3 手機(jī)評(píng)價(jià)指標(biāo)體系的建立與指標(biāo)分析

3.1 手機(jī)評(píng)價(jià)指標(biāo)體系的建立

每個(gè)有效評(píng)論中都包含屬性詞，根據(jù)屬性詞所在的產(chǎn)品屬性將評(píng)論分為15類。

借助文本情感分析工具AipNlp計(jì)算單個(gè)評(píng)論表達(dá)正面情感的概率q，第N個(gè)產(chǎn)品屬性中第i個(gè)評(píng)論的正面情感概率記為qNi，qNi∈[0,1]。為了更清晰地表達(dá)用戶的情感傾向，通過式(2)將評(píng)論的正面情感概率qNi轉(zhuǎn)換為用戶情感值QNi，QNi∈[-1,1]，其數(shù)值越大，情感越積極，用戶的滿意度越高。

QNi=(qNi-0.5)×2。

(2)

為了了解用戶對(duì)第N個(gè)產(chǎn)品屬性的滿意度，計(jì)算描述第N個(gè)產(chǎn)品屬性所有評(píng)論的情感值均值，記為PN，

(3)

式中：QNi為第N個(gè)產(chǎn)品屬性中第i個(gè)評(píng)論的情感值；tN為描述第N個(gè)產(chǎn)品屬性的評(píng)論的個(gè)數(shù)。VN為QNi的方差，

(4)

其值越大說(shuō)明用戶群體對(duì)該產(chǎn)品屬性滿意度的差異越大。

評(píng)論中出現(xiàn)了對(duì)產(chǎn)品屬性的評(píng)價(jià)，即用戶對(duì)該產(chǎn)品屬性的關(guān)注。記用戶對(duì)第N個(gè)產(chǎn)品屬性的關(guān)注程度為TN，

(5)

式中：tN為第N個(gè)產(chǎn)品屬性的評(píng)論個(gè)數(shù)；n為總的有用評(píng)論數(shù)。TN值越大用戶的關(guān)注度越高。

SN=(1-PN)×TN。

(6)

由此建立15(15個(gè)產(chǎn)品屬性)×4(4個(gè)產(chǎn)品屬性評(píng)價(jià)指標(biāo))的手機(jī)評(píng)價(jià)指標(biāo)體系。

3.2 總體手機(jī)評(píng)價(jià)指標(biāo)得分分析

為了解市場(chǎng)上手機(jī)產(chǎn)品的總體情況，通過式(3)～式(6)分析總體手機(jī)的評(píng)論數(shù)據(jù)，計(jì)算各個(gè)產(chǎn)品屬性的滿意度PN、用戶關(guān)注度TN、情感值方差VN和每個(gè)產(chǎn)品屬性亟需改進(jìn)的程度SN，得到總體手機(jī)評(píng)價(jià)指標(biāo)得分，如表2所示。

表2 總體手機(jī)評(píng)價(jià)指標(biāo)得分結(jié)果

在得到總體手機(jī)評(píng)價(jià)指標(biāo)得分后，通過分析手機(jī)各個(gè)屬性的滿意度PN和用戶關(guān)注度TN，發(fā)現(xiàn)用戶對(duì)外觀、價(jià)格和處理器的滿意度最高，對(duì)數(shù)據(jù)連接、包裝清單和音頻視頻的滿意度最低；對(duì)系統(tǒng)和外觀的關(guān)注度最高，對(duì)包裝清單、尺寸重量和數(shù)據(jù)連接的關(guān)注度最低。原因可能是外觀和系統(tǒng)是用戶每天接觸最多的兩個(gè)產(chǎn)品屬性，其對(duì)用戶的使用體驗(yàn)影響最大。分析還發(fā)現(xiàn)，用戶的滿意度越低，情感值的方差VN越大，這表明用戶的滿意度越低，對(duì)該產(chǎn)品屬性的情感分歧越大。由此分析，并不是所有現(xiàn)有手機(jī)產(chǎn)品在滿意度低的產(chǎn)品屬性上都做得不好。分析各產(chǎn)品屬性的亟需改進(jìn)程度SN，發(fā)現(xiàn)總體手機(jī)亟需改進(jìn)的屬性為系統(tǒng)，其次是外觀和服務(wù)。

3.3 高端、中端和低端手機(jī)評(píng)價(jià)指標(biāo)得分分析

將手機(jī)按價(jià)格分為高端、中端和低端3種類型，價(jià)格在2 500 元以上的手機(jī)為高端手機(jī)，價(jià)格在1 500 元～2 500 元的手機(jī)為中端手機(jī)，價(jià)格在1 500 元以下的手機(jī)為低端手機(jī)[22]。將評(píng)論數(shù)據(jù)按照高、中、低手機(jī)類別進(jìn)行劃分，得到高端手機(jī)評(píng)論294 472條，中端手機(jī)評(píng)論261 153條，低端手機(jī)評(píng)論252 801條。

為了解市場(chǎng)上高端、中端和低端3種手機(jī)的具體情況，通過式(3)～式(6)計(jì)算各類手機(jī)的評(píng)價(jià)指標(biāo)得分，結(jié)果如表3～表5所示。通過指標(biāo)得分分析發(fā)現(xiàn)，高端手機(jī)用戶對(duì)外觀、存儲(chǔ)和處理器的滿意程度最高，對(duì)數(shù)據(jù)連接、包裝清單和音頻視頻的滿意度最低；對(duì)系統(tǒng)和外觀的關(guān)注度最高，對(duì)包裝清單、尺寸重量和存儲(chǔ)的關(guān)注度最低。在系統(tǒng)、服務(wù)和外觀方面，SN值較大，表明系統(tǒng)、服務(wù)和外觀需要改進(jìn)的迫切程度較高。

表3 高端手機(jī)評(píng)價(jià)指標(biāo)得分結(jié)果

續(xù)表3

表4 中端手機(jī)評(píng)價(jià)指標(biāo)得分結(jié)果

表5 低端手機(jī)評(píng)價(jià)指標(biāo)得分結(jié)果

中端手機(jī)用戶對(duì)外觀、價(jià)格和處理器的滿意程度最高，對(duì)數(shù)據(jù)連接、包裝清單和音頻視頻的滿意度最低；對(duì)系統(tǒng)和外觀的關(guān)注度最高，對(duì)存儲(chǔ)、感應(yīng)器和數(shù)據(jù)連接的關(guān)注度最低。在系統(tǒng)、外觀和服務(wù)方面，SN值較大，可知中端手機(jī)急需改進(jìn)的產(chǎn)品屬性為系統(tǒng)、外觀和服務(wù)。

低端手機(jī)用戶對(duì)外觀、價(jià)格和感應(yīng)器的滿意程度最高，對(duì)包裝清單、數(shù)據(jù)連接和音頻視頻的滿意度最低；對(duì)系統(tǒng)、外觀和價(jià)格的關(guān)注度最高，對(duì)感應(yīng)器、包裝清單和尺寸重量的關(guān)注度最低。在系統(tǒng)、價(jià)格和外觀方面，SN值較大，表明系統(tǒng)、價(jià)格和外觀急需改進(jìn)。另外，對(duì)比3類手機(jī)用戶對(duì)各個(gè)手機(jī)產(chǎn)品屬性的滿意度，發(fā)現(xiàn)在大部分產(chǎn)品屬性上，高中端手機(jī)用戶的滿意度較低，低端手機(jī)用戶的滿意度較高，這可能與不同消費(fèi)水平用戶的心理預(yù)期有關(guān)。對(duì)比3類手機(jī)用戶對(duì)各個(gè)手機(jī)產(chǎn)品屬性的關(guān)注度，發(fā)現(xiàn)不同購(gòu)買力的用戶對(duì)大部分產(chǎn)品屬性的關(guān)注度基本一致，但低端用戶更關(guān)注手機(jī)的價(jià)格，高端用戶更關(guān)注手機(jī)的系統(tǒng)，產(chǎn)生這種現(xiàn)象可能由手機(jī)對(duì)于不同消費(fèi)群體存在意義的不同造成。對(duì)比3類手機(jī)各產(chǎn)品屬性的亟需改進(jìn)程度發(fā)現(xiàn)，大多數(shù)高端和中端手機(jī)產(chǎn)品屬性的亟需改進(jìn)程度明顯高于低端手機(jī)，尤其在系統(tǒng)和服務(wù)方面，說(shuō)明低端手機(jī)相比較高端和中端手機(jī)更符合消費(fèi)者預(yù)期，高端和中端手機(jī)各屬性改進(jìn)的迫切程度更大，尤其在系統(tǒng)和服務(wù)方面。

3.4 單款手機(jī)評(píng)價(jià)指標(biāo)得分分析

為研究具體型號(hào)的手機(jī)，對(duì)前文銷售排名前60的手機(jī)一一進(jìn)行分析。限于篇幅，在此以蘋果公司iPhone X型號(hào)的手機(jī)作為分析案例。iPhone X作為蘋果公司iPhone十周年紀(jì)念產(chǎn)品，其全面屏設(shè)計(jì)、創(chuàng)新的交互方式、獨(dú)有的面部解鎖等特性為手機(jī)發(fā)展指引了一個(gè)方向。

計(jì)算用戶對(duì)iPhone X各產(chǎn)品屬性的滿意度PN、用戶關(guān)注度TN、情感值方差VN和每個(gè)產(chǎn)品屬性亟需改進(jìn)程度SN，得到iPhone X評(píng)價(jià)指標(biāo)得分結(jié)果，如表6所示。由表可見，iPhone X用戶對(duì)尺寸重量、價(jià)格和外觀的滿意度最高，對(duì)音頻視頻和包裝清單的滿意度最低；對(duì)系統(tǒng)和服務(wù)的關(guān)注度最高，對(duì)存儲(chǔ)和包裝清單的關(guān)注度最低。分析各產(chǎn)品屬性的亟需改進(jìn)程度SN可知，現(xiàn)階段iPhone X亟需改進(jìn)的屬性為系統(tǒng)，其次為服務(wù)和外觀。

表6 iPhone X評(píng)價(jià)指標(biāo)得分結(jié)果

4 產(chǎn)品改進(jìn)策略分析

在確定手機(jī)改進(jìn)方向后，為了解具體的產(chǎn)品屬性改進(jìn)細(xì)節(jié)，采用AipNlp模塊中的文本觀點(diǎn)抽取模塊對(duì)手機(jī)相關(guān)屬性的負(fù)向在線評(píng)論進(jìn)行觀點(diǎn)抽取，分析得出用戶不滿意的點(diǎn)。負(fù)向評(píng)論觀點(diǎn)抽取的具體分析步驟如下：

(1)提取待改進(jìn)產(chǎn)品屬性的相關(guān)評(píng)論 在獲得手機(jī)亟需改進(jìn)的產(chǎn)品屬性后，按照亟需改進(jìn)的產(chǎn)品屬性中的屬性詞篩選出描述這些產(chǎn)品屬性的在線評(píng)論。

(2)負(fù)向評(píng)論篩選 為減少干擾，準(zhǔn)確分析用戶不滿意的點(diǎn)，篩選出情感值QNi<0的負(fù)向情感評(píng)論。

(3)負(fù)向評(píng)論觀點(diǎn)挖掘 借助AipNlp模塊中的評(píng)論觀點(diǎn)抽取模塊對(duì)這些在線評(píng)論進(jìn)行觀點(diǎn)抽取，并對(duì)抽取后的觀點(diǎn)進(jìn)行刪選處理。

以iPhone X手機(jī)為例，通過評(píng)論情感分析可知其需改進(jìn)的產(chǎn)品屬性為系統(tǒng)、服務(wù)和外觀，利用AipNlp中的觀點(diǎn)分析模塊對(duì)iPhone X手機(jī)的系統(tǒng)、服務(wù)和外觀的負(fù)向評(píng)論進(jìn)行觀點(diǎn)抽取，數(shù)據(jù)處理結(jié)果如表7所示。

表7 負(fù)向評(píng)論觀點(diǎn)挖掘結(jié)果

結(jié)合觀點(diǎn)挖掘結(jié)果及相應(yīng)的評(píng)論發(fā)現(xiàn)，iPhone X用戶對(duì)系統(tǒng)不滿意的點(diǎn)主要為系統(tǒng)易崩潰、不穩(wěn)定、出bug、開機(jī)慢和易死機(jī)，發(fā)熱嚴(yán)重，反應(yīng)慢、不靈敏、運(yùn)行游戲時(shí)卡頓、發(fā)熱嚴(yán)重、功能少、App下載速度慢、軟件兼容性差等。

對(duì)服務(wù)不滿意的點(diǎn)主要為客服服務(wù)態(tài)度差、不專業(yè)和用戶事件處理速度慢，物流發(fā)貨速度慢、運(yùn)輸速度慢和快遞員服務(wù)態(tài)度差，售后的服務(wù)差、處理速度慢和步驟繁瑣等問題上，特別是客服方面的問題占據(jù)了用戶負(fù)向觀點(diǎn)的大半。

對(duì)外觀不滿意的點(diǎn)主要為“劉?！痹煨筒皇娣庑纬?、不好看，機(jī)身尺寸小，機(jī)身配色單一、無(wú)個(gè)性，可供選擇的顏色少，做工一般、有瑕疵等。

在找到iPhone X手機(jī)各個(gè)亟需改進(jìn)屬性的用戶不滿意的點(diǎn)后，基于專家意見提出具體的改進(jìn)策略。iPhone X手機(jī)的具體改進(jìn)策略如下：

(1)增強(qiáng)系統(tǒng)的良好體驗(yàn) 提高系統(tǒng)的穩(wěn)定性、流暢度和對(duì)各個(gè)App版本的兼容性，優(yōu)化系統(tǒng)的運(yùn)行速度和反應(yīng)速度，加快手機(jī)的開機(jī)速度，增加系統(tǒng)中人性化的功能，優(yōu)化溫控系統(tǒng)以控制機(jī)身溫度；強(qiáng)化系統(tǒng)在游戲環(huán)境下的體驗(yàn)，有針對(duì)地優(yōu)化手機(jī)游戲的性能，優(yōu)化大眾游戲的運(yùn)行效率，提高游戲的流暢性；增加App Store國(guó)內(nèi)服務(wù)器的建設(shè)，加快App的更新下載速度。

(2)增強(qiáng)客服服務(wù)的專業(yè)性 改善客服的服務(wù)態(tài)度，加快用戶事件處理速度，簡(jiǎn)化客服服務(wù)的流程，增加客服的人員數(shù)量；提高物流配送服務(wù)的水平，加快產(chǎn)品的發(fā)貨速度和運(yùn)輸速度，改善快遞員配送時(shí)的服務(wù)態(tài)度；提升售后服務(wù)的專業(yè)性，改善售后服務(wù)人員的服務(wù)態(tài)度，加快售后問題的處理速度，簡(jiǎn)化售后問題處理流程的步驟。

(3)增強(qiáng)手機(jī)產(chǎn)品的個(gè)性 豐富產(chǎn)品的顏色，為追求個(gè)性的用戶提供豐富的選擇；提高手機(jī)造型設(shè)計(jì)的水準(zhǔn)，設(shè)計(jì)出符合當(dāng)下消費(fèi)者審美的手機(jī)外觀，減小或消除“劉海”屏等；增加手機(jī)尺寸型號(hào)，給消費(fèi)者多種選擇；提升產(chǎn)品的做工，提高代工廠的生產(chǎn)質(zhì)量，減少手機(jī)瑕疵。

其他具體型號(hào)手機(jī)均可以該方法快速找到用戶不滿意的點(diǎn)，并據(jù)此做出相應(yīng)的改進(jìn)策略。

該文利用SPSS 20.0統(tǒng)計(jì)學(xué)軟件展開數(shù)據(jù)分析和處理，計(jì)量資料表示為（±s），利用t檢驗(yàn)，計(jì)數(shù)資料利用（%）表示，通過χ2檢驗(yàn)，P<0.05為差異有統(tǒng)計(jì)學(xué)意義。

5 驗(yàn)證實(shí)驗(yàn)

本文提出的產(chǎn)品設(shè)計(jì)改進(jìn)研究方法，主要通過建立評(píng)價(jià)指標(biāo)體系對(duì)產(chǎn)品各個(gè)屬性進(jìn)行逐一評(píng)價(jià)來(lái)找到亟需改進(jìn)的方向，因此該方法的有效性主要與評(píng)價(jià)指標(biāo)體系的準(zhǔn)確性和評(píng)論數(shù)據(jù)的真實(shí)性相關(guān)。

在線評(píng)論的差評(píng)率是用戶評(píng)價(jià)產(chǎn)品優(yōu)劣的重要指標(biāo)，其為產(chǎn)品差評(píng)占總體評(píng)論的比例。驗(yàn)證實(shí)驗(yàn)通過爬蟲程序爬取手機(jī)產(chǎn)品在線評(píng)論的差評(píng)率，基于主成分分析(Principal Component Analysis，PCA)和多元線性回歸分析方法，搭建本文手機(jī)評(píng)價(jià)指標(biāo)與手機(jī)在線評(píng)論差評(píng)率之間的多元線性回歸模型。如果該多元線性回歸模型能夠通過手機(jī)評(píng)價(jià)指標(biāo)準(zhǔn)確預(yù)測(cè)產(chǎn)品在線評(píng)論的差評(píng)率，則能從側(cè)面證明手機(jī)評(píng)價(jià)指標(biāo)體系的準(zhǔn)確性，進(jìn)而驗(yàn)證本文方法的有效性。

5.1 主成分分析

PCA是一種通過分析相關(guān)系數(shù)矩陣各變量間的關(guān)系，將相近的變量匯總，將原先繁雜的變量轉(zhuǎn)化為為數(shù)不多的綜合指標(biāo)的降維分析方法[23]。根據(jù)60種手機(jī)各產(chǎn)品屬性的亟需改進(jìn)程度S建立相關(guān)系數(shù)矩陣G，然后通過爬蟲程序獲取60種手機(jī)的在線評(píng)論差評(píng)率，據(jù)此建立系數(shù)矩陣W：

(7)

(8)

式中：SMN為銷量排名第M個(gè)手機(jī)第N個(gè)產(chǎn)品屬性的亟需改進(jìn)程度，M=1，2，…，60，N=1，2，…，15；CM為銷量排名第M個(gè)手機(jī)的在線評(píng)論差評(píng)率。

記各手機(jī)第N個(gè)產(chǎn)品屬性的亟需改進(jìn)程度形成的矩陣為BN，

(9)

采用皮爾遜積矩相關(guān)系數(shù)測(cè)量手機(jī)各產(chǎn)品屬性的亟需改進(jìn)程度BN與各手機(jī)在線評(píng)論差評(píng)率W的相關(guān)性，然后通過顯著性檢驗(yàn)驗(yàn)證兩組數(shù)據(jù)具有相關(guān)性事件的合理性。若皮爾遜積矩相關(guān)系數(shù)值大于0.3，則認(rèn)為兩組數(shù)據(jù)間具有明顯相關(guān)性[24]。借助社會(huì)科學(xué)統(tǒng)計(jì)軟件包(Statistical Package for the Social Sciences, SPSS)分析各系數(shù)間的皮爾遜積矩相關(guān)系數(shù)和顯著性概率值P，結(jié)果如表8所示。由表可見，亟需改進(jìn)程度與評(píng)論差評(píng)率明顯相關(guān)的有電池、服務(wù)、價(jià)格、耐用性、屏幕、數(shù)據(jù)連接和系統(tǒng)7個(gè)產(chǎn)品屬性。

表8 各產(chǎn)品屬性的亟需改進(jìn)程度與評(píng)論差評(píng)率的皮爾遜積矩相關(guān)系數(shù)及顯著性概率值

為研究7個(gè)產(chǎn)品屬性亟需改進(jìn)程度間的相關(guān)性，減少線性回歸分析的復(fù)雜性，利用SPSS對(duì)剩余7個(gè)產(chǎn)品屬性的亟需改進(jìn)程度進(jìn)行主成分分析。通過巴特利特檢驗(yàn)和KMO(Kaiser-Meyer-Olkin)檢驗(yàn)驗(yàn)證PCA。巴特利特檢驗(yàn)的顯著性P=0.000，小于0.001，證明數(shù)據(jù)可以進(jìn)行主成分分析。KMO取樣適切性量數(shù)為0.827，大于0.8，證明此次主成分分析具有較好的實(shí)用性。PCA結(jié)果如表9所示。

表9 各成分的特征值和方差貢獻(xiàn)率及累積方差貢獻(xiàn)率

表11 主成分特征向量

表10 因子載荷矩陣

(10)

(11)

續(xù)表10

5.2 多元線性回歸分析

使用多元線性回歸分析方法，研究第一主成分值和第二主成分值與手機(jī)評(píng)論差評(píng)率的關(guān)系。計(jì)算第一主成分值和第二主成分值，結(jié)果如表12所示。

表12 主成分值和評(píng)論差評(píng)率

隨機(jī)抽取表12中2/3的數(shù)據(jù)作為訓(xùn)練集數(shù)據(jù)，其余1/3的數(shù)據(jù)作為驗(yàn)證集數(shù)據(jù)。將評(píng)論差評(píng)率作為因變量，主成分值作為自變量，利用SPSS對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行多元線性回歸分析，得到手機(jī)產(chǎn)品差評(píng)率多元線性回歸方程

(12)

對(duì)多元線性回歸方程進(jìn)行擬合優(yōu)度檢驗(yàn)，回歸方程與訓(xùn)練集數(shù)據(jù)的擬合優(yōu)度R2=0.537，說(shuō)明所得多元線性回歸方程與訓(xùn)練集數(shù)據(jù)的吻合度較好，證明該模型有較好的數(shù)據(jù)擬合作用。對(duì)多元線性回歸方程進(jìn)行整體回歸效應(yīng)顯著性檢驗(yàn)，P=0.017，小于0.05，證明該多元線性回歸方程具有較好的統(tǒng)計(jì)學(xué)意義。

5.3 多元線性回歸模型驗(yàn)證

通過式(12)計(jì)算驗(yàn)證集中20款手機(jī)的差評(píng)率預(yù)測(cè)值，差評(píng)率的預(yù)測(cè)值和實(shí)際值及兩者的誤差比例如表13所示。

表13 差評(píng)率的預(yù)測(cè)值和實(shí)際值及兩者的誤差比例

可以看出，手機(jī)在線評(píng)論差評(píng)率的預(yù)測(cè)值和實(shí)際值差別較小，平均誤差為9.9%，說(shuō)明基于手機(jī)評(píng)價(jià)指標(biāo)建立的多元線性回歸方程哪個(gè)較好地預(yù)測(cè)手機(jī)用戶在線評(píng)論的差評(píng)率，從而證明手機(jī)評(píng)價(jià)指標(biāo)體系的準(zhǔn)確性，進(jìn)而驗(yàn)證了本文方法的有效性。

6 結(jié)束語(yǔ)

日益激烈的市場(chǎng)競(jìng)爭(zhēng)環(huán)境和不斷變化的用戶需求使得產(chǎn)品設(shè)計(jì)更新速度加快、周期縮短，如何快速找到產(chǎn)品改進(jìn)策略是目前產(chǎn)品設(shè)計(jì)更新的重點(diǎn)。本文基于手機(jī)評(píng)論大數(shù)據(jù)，結(jié)合文本挖掘和情感分析，建立手機(jī)評(píng)價(jià)指標(biāo)體系來(lái)快速獲得用戶反饋。通過分析總體手機(jī)和各類手機(jī)評(píng)論數(shù)據(jù)，了解市場(chǎng)上手機(jī)的具體情況；通過分析具體型號(hào)的手機(jī)評(píng)論數(shù)據(jù)(本文以iPhone X為例)，根據(jù)手機(jī)評(píng)價(jià)指標(biāo)得分找到手機(jī)的具體改進(jìn)方向，并結(jié)合觀點(diǎn)挖掘到用戶不滿意的點(diǎn)，進(jìn)而確定對(duì)應(yīng)的改進(jìn)策略。由于京東的在線評(píng)論反扒機(jī)制限制了用戶在線評(píng)論的爬取數(shù)量，導(dǎo)致評(píng)論數(shù)據(jù)仍不夠大。下一步工作將在擴(kuò)大評(píng)論數(shù)據(jù)的基礎(chǔ)上，研究產(chǎn)品屬性指標(biāo)與產(chǎn)品銷量排名等的關(guān)系模型，從而預(yù)測(cè)銷售數(shù)據(jù)。