王安寧，張 強(qiáng)，彭張林，陸效農(nóng)，方 釗

(1.合肥工業(yè)大學(xué)管理學(xué)院，安徽 合肥 230009；2.過程優(yōu)化與智能決策教育部重點(diǎn)實(shí)驗(yàn)室，安徽 合肥 23009)

1 引言

產(chǎn)品的成功很大程度依賴于能夠滿足客戶的需求[1]。特別是在高度競爭的細(xì)分市場中，企業(yè)必須通過了解客戶偏好來不斷創(chuàng)新產(chǎn)品，從而避免單純的價(jià)格競爭[2]?？蛻羝脤?duì)企業(yè)來說十分重要，能夠支持產(chǎn)品改進(jìn)、新產(chǎn)品開發(fā)、產(chǎn)品定位、市場細(xì)分和廣告等方面的規(guī)劃和決策[3-5]。

近年來，隨著Web2.0的快速發(fā)展，越來越多的消費(fèi)者選擇在社交網(wǎng)絡(luò)上分享自己的購物體驗(yàn)。生成的大量在線評(píng)論已經(jīng)成為制造企業(yè)推斷客戶偏好的一種新的信息來源[6,7]。相比較傳統(tǒng)的調(diào)查問卷和客戶訪談，在線評(píng)論具有樣本量大，收集成本低等優(yōu)勢[8]。此外，由于來自客戶的主動(dòng)分享，而非被動(dòng)問答，在線評(píng)論的數(shù)據(jù)信息更加豐富，也更能夠反映客戶的真實(shí)需求。

已有文獻(xiàn)嘗試如何將評(píng)論文本中的客戶觀點(diǎn)轉(zhuǎn)變成消費(fèi)者的感知偏好[8-10]，主要是通過研究評(píng)論情感、評(píng)論數(shù)量以及客戶打分對(duì)產(chǎn)品銷量的影響，分析各產(chǎn)品特征的重要性[28]。然而，現(xiàn)有客戶偏好模型忽視了產(chǎn)品參數(shù)對(duì)消費(fèi)者購買決策的影響。

有鑒于此，本文提出一種融合特征情感和產(chǎn)品參數(shù)的客戶感知偏好模型。首先，利用在線評(píng)論挖掘客戶對(duì)各產(chǎn)品特征的情感信息[4,11,12]，用于反映產(chǎn)品的市場口碑。然后，將特征情感和產(chǎn)品參數(shù)共同作為影響產(chǎn)品銷量的關(guān)鍵因素[3]，構(gòu)建消費(fèi)者購買決策的計(jì)量經(jīng)濟(jì)模型。最后，根據(jù)計(jì)量經(jīng)濟(jì)模型的參數(shù)估計(jì)結(jié)果，分析客戶對(duì)特征情感和產(chǎn)品參數(shù)的感知偏好。

2 相關(guān)研究

隨著新興信息技術(shù)的發(fā)展，消費(fèi)者越來越主動(dòng)參與到產(chǎn)品的開發(fā)過程中，幫助企業(yè)共同創(chuàng)造商業(yè)價(jià)值[13]。在線評(píng)論作為一種企業(yè)與客戶交流的重要工具[17,18]，開始逐漸被重視，用于支持產(chǎn)品改進(jìn)和新產(chǎn)品開發(fā)[7,12,14]。為了輔助產(chǎn)品的開發(fā)設(shè)計(jì)，一些學(xué)者圍繞著如何利用在線評(píng)論分析客戶偏好做了大量的研究。

有學(xué)者利用語法分析方法測量客戶偏好，例如考慮修飾產(chǎn)品特征的形容詞個(gè)數(shù)[15]或者產(chǎn)品特征在評(píng)論文本中出現(xiàn)的頻率[5]。也有學(xué)者利用文本語義分析，識(shí)別在線評(píng)論文本中產(chǎn)品特征的情感來分析客戶偏好[8,10,16]。例如，Decker和Trusov通過構(gòu)建離散選擇模型估算特征情感極性對(duì)產(chǎn)品打分的影響，來衡量客戶對(duì)特征的偏好程度[10]。然而，每個(gè)產(chǎn)品都有各自的優(yōu)勢和劣勢，產(chǎn)品特征在不同產(chǎn)品的評(píng)論文本中出現(xiàn)次數(shù)和情感態(tài)度都存在較大差異。因此，該類方法得到的客戶偏好對(duì)于不同產(chǎn)品往往存在較大差異，難以反映整個(gè)細(xì)分市場的客戶偏好。

在線評(píng)論作為一種新的客戶口碑形式，越來越影響著人們的購買決策[19-22]。Chevalier和Mayzlin通過計(jì)算評(píng)論文本的情感，再結(jié)合產(chǎn)品的評(píng)論數(shù)量、客戶打分等，構(gòu)建在線評(píng)論對(duì)電商平臺(tái)產(chǎn)品銷量的影響模型[23]。Forman等人結(jié)合評(píng)論者的角色，進(jìn)一步研究電子市場上在線評(píng)論與產(chǎn)品銷量的關(guān)系[24]。在此基礎(chǔ)上，Zhu和Zhang系統(tǒng)地結(jié)合產(chǎn)品和客戶的特性研究在線評(píng)論對(duì)產(chǎn)品銷量的影響[25]。

由于產(chǎn)品特征的性能對(duì)客戶購買選擇具有重要影響[3]，一些學(xué)者嘗試挖掘評(píng)論文本中的產(chǎn)品特征及其觀點(diǎn)[26,27]。與本文研究最為相似的方法[6,28]建立了產(chǎn)品特征觀點(diǎn)與產(chǎn)品銷量的計(jì)量經(jīng)濟(jì)模型。但是，消費(fèi)者在購買決策時(shí)，通常會(huì)綜合考慮在線評(píng)論的特征情感以及產(chǎn)品參數(shù)的信息。因此，本文結(jié)合特征情感和產(chǎn)品參數(shù)，構(gòu)建關(guān)于產(chǎn)品銷量的計(jì)量經(jīng)濟(jì)模型，分析客戶對(duì)產(chǎn)品的感知偏好。

3 研究模型

本文主要研究特征情感與產(chǎn)品參數(shù)融合作用對(duì)產(chǎn)品銷量的影響，進(jìn)而分析客戶感知偏好。研究框架如圖1所示。首先，從在線評(píng)論文本中抽取有關(guān)于產(chǎn)品的特征情感信息，主要包括產(chǎn)品特征提取及其情感分析。針對(duì)每個(gè)產(chǎn)品(同類產(chǎn)品)逐一統(tǒng)計(jì)各個(gè)產(chǎn)品特征的正負(fù)面情感的次數(shù)，計(jì)算特征情感。然后，考慮產(chǎn)品參數(shù)在購買決策中的作用，分析產(chǎn)品參數(shù)與特征情感融合作用對(duì)產(chǎn)品銷量的影響。最后，結(jié)合特征情感與產(chǎn)品參數(shù)，構(gòu)建關(guān)于產(chǎn)品銷量的計(jì)量經(jīng)濟(jì)模型，分析客戶對(duì)產(chǎn)品的感知偏好。

圖1 研究框架

3.1 特征情感

3.1.1 產(chǎn)品特征提取

從產(chǎn)品概念角度，產(chǎn)品特征可以分為產(chǎn)品結(jié)構(gòu)特征和產(chǎn)品功能特征。例如，汽車產(chǎn)品的發(fā)動(dòng)機(jī)(2.0T)屬于產(chǎn)品結(jié)構(gòu)；動(dòng)力(最大馬力)屬于產(chǎn)品功能。產(chǎn)品結(jié)構(gòu)特征的在線口碑主要反映產(chǎn)品組件的質(zhì)量。例如，發(fā)動(dòng)機(jī)的負(fù)面口碑主要涉及其產(chǎn)生滋滋聲。產(chǎn)品功能特征的在線口碑主要反映產(chǎn)品性能的表現(xiàn)。例如動(dòng)力的在線口碑主要涉及起步和加速效果。

根據(jù)已有文獻(xiàn)，大部分產(chǎn)品特征都是名詞[29]，例如汽車產(chǎn)品的外觀、空間、動(dòng)力等。因此，在線評(píng)論中頻繁出現(xiàn)的名詞或名詞短語通常被認(rèn)為是潛在的產(chǎn)品特征[30]。基于這種考慮，我們首先采用詞性標(biāo)注方法對(duì)評(píng)論文本的每個(gè)詞語進(jìn)行詞性標(biāo)注[27]。中文不像英文單詞之間存在間隔，在詞性標(biāo)注之前需要進(jìn)行分詞處理。常用的中文分詞工具有jieba，NLPIR和Stanford NLP等。

此外，客戶通常會(huì)使用不同詞語描述同一產(chǎn)品特征，例如“外觀”、“外形”和“顏值”。為了聚類相同的產(chǎn)品特征，我們利用WordNet同義詞詞庫計(jì)算兩個(gè)詞語之間的相似度，進(jìn)而合并同義詞[28]。最后，為了提高提取出來的特征詞庫具有更高的準(zhǔn)確性，我們采用人工處理的方式對(duì)產(chǎn)品特征進(jìn)行剪枝[6]，剔除常見的非產(chǎn)品特征術(shù)語，例如“家人”、“朋友”等。

3.1.2 特征情感分析

情感詞典法是文本情感分析的一種常用方法。我們的數(shù)據(jù)集中包含數(shù)據(jù)項(xiàng)最滿意的一點(diǎn)和最不滿意的一點(diǎn)，可以將這些帶有正負(fù)面情感極性的句子作為訓(xùn)練集，構(gòu)建一個(gè)二分類模型用于判定帶有情感極性的詞語[31]。情感詞語的詞性主要是形容詞和副詞，以及部分的動(dòng)詞。本文首先通過卡方檢驗(yàn)判別每個(gè)詞語是否帶有明顯的情感極性，判定公式如下：

(1)

其中，Oij的含義如表1所示。例如，O11表示在最滿意度的一點(diǎn)評(píng)論語句中包含該詞語的次數(shù)。N=O11+O01+O10+O00，如果卡方檢驗(yàn)結(jié)果顯著，說明該詞語存在明顯的情感極性。

表1 不同支持度下的產(chǎn)品特征提取效果

然后，對(duì)于存在明顯情感極性的詞語，分別計(jì)算其與正面情感極性和負(fù)面情感極性的點(diǎn)互信息，具體如下：

(2)

(3)

如果正面情感極性的點(diǎn)互信息大于負(fù)面情感極性，則該詞語屬于正面情感極性術(shù)語；反之，則屬于負(fù)面情感極性術(shù)語。依據(jù)以上模型，可以訓(xùn)練得到一個(gè)情感術(shù)語庫，包括正面情感極性術(shù)語和負(fù)面情感極性術(shù)語。

最后，我們將所有評(píng)論被分割成句子。判定每個(gè)句子是否包含某一產(chǎn)品特征，若包含，依據(jù)最近情感術(shù)語的情感極性(正面或負(fù)面)來判斷產(chǎn)品特征的情感極性。例如，“動(dòng)力不足，但是外觀很帥氣”。在這句話中，“動(dòng)力”和“外觀”被視為產(chǎn)品特征，“不足”屬于負(fù)面情感極性術(shù)語，“帥氣”屬于正面情感極性術(shù)語?！安蛔恪笔窃谶@句話中距離“動(dòng)力”最近的情感術(shù)語，“帥氣”是距離“外觀”最近的情感術(shù)語。因此，“動(dòng)力”的情感極性是負(fù)面的，而“外觀”的情感極性是正面的。此外，否定詞的出現(xiàn)往往會(huì)改變產(chǎn)品特征的情感極性。在情感術(shù)語上下文設(shè)置一個(gè)大小為5的監(jiān)測窗口，若在監(jiān)測窗口內(nèi)出現(xiàn)否定詞，則對(duì)產(chǎn)品特征的情感極性取反值。

3.1.3 特征情感計(jì)算

基于對(duì)產(chǎn)品特征的提取以及情感分析，可以統(tǒng)計(jì)每個(gè)產(chǎn)品特征的正負(fù)面情感出現(xiàn)的次數(shù)。其中，N(j,f,pos)和N(j,f,neg)分別表示產(chǎn)品j的特征f的正面情感次數(shù)和負(fù)面情感次數(shù)。考慮到每個(gè)產(chǎn)品的評(píng)論總數(shù)并不一樣，因此，本文將產(chǎn)品特征的正負(fù)面情感次數(shù)在產(chǎn)品評(píng)論總數(shù)中的占比視為產(chǎn)品特征的正負(fù)面情感得分?？梢杂肗(j)來表示產(chǎn)品j的評(píng)論總數(shù)。具體見以下公式。

(4)

(5)

其中，Score(j,f,pos)和Score(j,f,neg)分別表示產(chǎn)品j的特征f的正面情感得分和負(fù)面情感得分。所有產(chǎn)品特征的正負(fù)面情感得分共同組成了產(chǎn)品的特征情感，特征情感能夠很好地反映產(chǎn)品在消費(fèi)者意識(shí)中的品牌形象。

3.2 產(chǎn)品參數(shù)

產(chǎn)品參數(shù)是企業(yè)設(shè)定的產(chǎn)品規(guī)格。在電子商務(wù)網(wǎng)站上，消費(fèi)者可以詳細(xì)地看到每一個(gè)產(chǎn)品參數(shù)。例如手機(jī)產(chǎn)品的運(yùn)行內(nèi)存(3G，4G或6G)和存儲(chǔ)空間(32G，64G和128G)，汽車產(chǎn)品的發(fā)動(dòng)機(jī)排量(1.5L，1.5T，2.0L，2.0T)和一百公里平均油耗(L/100 km)。

產(chǎn)品參數(shù)一定程度地反映產(chǎn)品性能，是消費(fèi)者購買產(chǎn)品的基本需求指標(biāo)，在購買決策中扮演著重要作用。此外，產(chǎn)品參數(shù)作為客戶感知的決定因素之一，與產(chǎn)品的特征情感存在一定的關(guān)聯(lián)關(guān)系。例如，運(yùn)行內(nèi)存越高，運(yùn)行速度一般也越容易獲得更好的感知體驗(yàn)。因此，消費(fèi)者在考慮特征情感時(shí)，同時(shí)會(huì)關(guān)心相對(duì)應(yīng)的產(chǎn)品參數(shù)。

但是，當(dāng)前文獻(xiàn)主要研究在線評(píng)論中的特征觀點(diǎn)對(duì)消費(fèi)者購買意愿的影響[6,28]，沒有考慮到產(chǎn)品參數(shù)的作用。在現(xiàn)有方法的基礎(chǔ)上，本文將特征情感和產(chǎn)品參數(shù)共同融合到客戶感知偏好模型中，研究兩者共同作用對(duì)產(chǎn)品銷量的影響。

3.3 客戶感知偏好模型

本節(jié)主要基于計(jì)量經(jīng)濟(jì)模型，構(gòu)建融合特征情感和產(chǎn)品參數(shù)的客戶感知偏好模型。相比較目前已有的客戶偏好分析模型[6,28]，本文模型圍繞消費(fèi)者購買決策因素進(jìn)行了如下拓展：(1)目前文獻(xiàn)主要研究在線評(píng)論中的特征觀點(diǎn)對(duì)產(chǎn)品銷量的影響，而真正影響客戶購買決策的是特征觀點(diǎn)背后的情感態(tài)度。在現(xiàn)有方法基礎(chǔ)上，本文通過情感分析合并特征觀點(diǎn)，特征情感作為影響產(chǎn)品銷量的重要因素。(2)產(chǎn)品參數(shù)作為產(chǎn)品性能表現(xiàn)的重要指標(biāo)，在消費(fèi)者購買決策中扮演著重要角色。本文將產(chǎn)品參數(shù)納入到關(guān)于產(chǎn)品銷量的計(jì)量經(jīng)濟(jì)模型中。通常，消費(fèi)者在購買產(chǎn)品時(shí)會(huì)同時(shí)考慮特征情感和產(chǎn)品參數(shù)。因此，本文考慮了特征情感和產(chǎn)品參數(shù)的融合作用對(duì)產(chǎn)品銷量的影響。

從在線評(píng)論中獲得的特征情感反映了產(chǎn)品的市場口碑，影響著后續(xù)消費(fèi)者的購買意愿，進(jìn)而影響下一階段的產(chǎn)品銷量。根據(jù)Archak等的文獻(xiàn)[6]，再結(jié)合產(chǎn)品參數(shù)的調(diào)節(jié)，構(gòu)建對(duì)產(chǎn)品銷量影響的計(jì)量經(jīng)濟(jì)模型，具體如下公式所示：

(6)

其中，sjt表示產(chǎn)品j在時(shí)刻t的銷量排名，pjt表示產(chǎn)品j在t時(shí)刻的價(jià)格，Bj表示產(chǎn)品品牌。Xjt表示特征情感，Yjt表示產(chǎn)品參數(shù)信息。

+β(f,neg)Scoret(j,f,neg)]

(7)

變量Yjt表示產(chǎn)品參數(shù)信息，例如汽車產(chǎn)品的油耗。本文用A表示所有客戶感興趣的產(chǎn)品技術(shù)參數(shù)。Score(j,a)表示產(chǎn)品參數(shù)a的得分，例如汽車產(chǎn)品的100公里耗油量。βa表示產(chǎn)品參數(shù)a對(duì)產(chǎn)品銷量的影響程度。因此，Yjtβy可以由公式(8)表示：

(8)

[βa,f,posScoret(j,f,pos)+βa,f,negScoret(j,f,neg)]

(9)

由于模型中因變量是銷量排名，自變量系數(shù)為負(fù)數(shù)說明對(duì)產(chǎn)品銷量有正面影響。首先，特征正面情感得分系數(shù)(負(fù)值)越小，說明客戶愿意為該特征的感知提升而購買產(chǎn)品。相反，負(fù)面情感得分系數(shù)(正值)越大，說明客戶因?yàn)橹匾曉摦a(chǎn)品特征的感知體驗(yàn)而選擇放棄某些產(chǎn)品，購買該特征口碑良好的產(chǎn)品。其次，產(chǎn)品參數(shù)系數(shù)(負(fù)值)越小，說明客戶愿意為產(chǎn)品參數(shù)的提高而購買產(chǎn)品。此外，產(chǎn)品參數(shù)和特征情感融合作用系數(shù)能夠更好地詮釋產(chǎn)品參數(shù)和特征情感如何共同影響產(chǎn)品銷量。系數(shù)(負(fù)數(shù))越小，說明產(chǎn)品參數(shù)對(duì)銷量提升具有促進(jìn)作用；如果系數(shù)(正數(shù))越大，說明產(chǎn)品參數(shù)對(duì)產(chǎn)品銷量具有抑制作用。

4 案例研究

4.1 數(shù)據(jù)收集

本文的實(shí)驗(yàn)數(shù)據(jù)來源于汽車之家網(wǎng)站的SUV車型的產(chǎn)品參數(shù)和在線評(píng)論信息。根據(jù)本文提出的計(jì)量經(jīng)濟(jì)模型，實(shí)驗(yàn)收集39款SUV車型的評(píng)論文本、產(chǎn)品價(jià)格和產(chǎn)品參數(shù)，并連續(xù)追蹤8個(gè)月的SUV產(chǎn)品在中國的銷量排名。評(píng)論文本采集時(shí)間為2016年12月01日到2017年7月31日，采集的評(píng)論數(shù)量達(dá)到31682條，平均每個(gè)車型被評(píng)價(jià)812.36次。

4.2 特征情感與產(chǎn)品參數(shù)

4.2.1 特征情感

產(chǎn)品特征及其情感極性的準(zhǔn)確識(shí)別是特征情感得分準(zhǔn)確性的基礎(chǔ)。首先，產(chǎn)品特征提取關(guān)鍵的工作是頻繁項(xiàng)的支持度設(shè)置。在候選產(chǎn)品特征的準(zhǔn)確率不是太低的情況下，召回率要盡可能高，從而保證最終形成的產(chǎn)品特征詞典盡可能多地包含用戶描述的產(chǎn)品特征。為了得到最佳的頻繁項(xiàng)支持度，需要比較不同支持度下的準(zhǔn)確率和召回率。本文通過標(biāo)注100條在線評(píng)論，即標(biāo)注出評(píng)論中出現(xiàn)的產(chǎn)品特征。然后測試不同支持度下的產(chǎn)品特征識(shí)別的準(zhǔn)確率和召回率，實(shí)驗(yàn)結(jié)果如表2所示?？梢钥闯鲭S著支持度的增加，F(xiàn)值是先呈上升趨勢，然后呈下降趨勢，支持度大約在0.03左右為最佳。

表2 不同支持度下的產(chǎn)品特征提取效果

其次，對(duì)于產(chǎn)品特征的情感分析，關(guān)鍵在于構(gòu)建情感詞庫。本實(shí)驗(yàn)使用標(biāo)注數(shù)據(jù)(最滿意一點(diǎn)/最不滿意一點(diǎn))訓(xùn)練得到包含1484個(gè)情感詞的情感術(shù)語庫。此外，通過人工標(biāo)注50條評(píng)論來檢驗(yàn)情感極性識(shí)別的準(zhǔn)確性。參與者首先需要標(biāo)注每條評(píng)論中出現(xiàn)的產(chǎn)品特征，然后根據(jù)語義標(biāo)注特征情感極性(正面或負(fù)面)。識(shí)別結(jié)果如表3所示，共有117個(gè)特征情感極性標(biāo)注，準(zhǔn)確識(shí)別出109個(gè)。其中，正面情感極性預(yù)測準(zhǔn)確率為91.3%，負(fù)面情感極性的準(zhǔn)確率為95.8%，總體準(zhǔn)確率為93.2%。

表3 不同支持度下的產(chǎn)品特征提取效果

根據(jù)本文的產(chǎn)品特征提取方法，再經(jīng)過汽車領(lǐng)域?qū)＜业囊庖?，最終選擇了其中被評(píng)價(jià)最頻繁的11個(gè)產(chǎn)品特征。這11個(gè)產(chǎn)品特征的正負(fù)面情感的分布如圖2所示。其中，“外觀”、“操控”等產(chǎn)品特征的正面情感次數(shù)遠(yuǎn)多于負(fù)面情感次數(shù)；而“做工”、“油耗”、“內(nèi)飾”等產(chǎn)品特征的負(fù)面情感次數(shù)則相對(duì)較多。此外，針對(duì)39款SUV車型，產(chǎn)品特征的正負(fù)面情感得分的均值見表4。

圖2 產(chǎn)品特征的正負(fù)面情感的分布

表4 產(chǎn)品特征的正負(fù)面情感得分的均值

4.2.2 產(chǎn)品參數(shù)

產(chǎn)品參數(shù)是消費(fèi)者購買前重要的參考信息。本文選取了新車故障數(shù)、最大馬力、最高時(shí)速、每百公里油耗以及排量等作為汽車產(chǎn)品的重要產(chǎn)品參數(shù)。其中，新車故障數(shù)量反映的是汽車產(chǎn)品質(zhì)量的穩(wěn)定性；最大馬力體現(xiàn)汽車產(chǎn)品的動(dòng)力性能；工信部綜合油耗(L/100 km)則體現(xiàn)使用汽車的經(jīng)濟(jì)性和環(huán)保性。此外，排量也是客戶重點(diǎn)考慮參數(shù)，主要有1.5L、2.0L、1.5T、2.0T等，1.5T和2.0T是渦輪增壓發(fā)動(dòng)機(jī)，不僅能提高動(dòng)力水平，還可以提高燃油經(jīng)濟(jì)性和降低尾氣排放。39款SUV車型的產(chǎn)品參數(shù)的統(tǒng)計(jì)描述如表5所示。

表5 產(chǎn)品參數(shù)的統(tǒng)計(jì)描述

4.3 實(shí)驗(yàn)結(jié)果

4.3.1 模型估計(jì)與比較

在本節(jié)中，我們使用收集的樣本數(shù)據(jù)來估計(jì)本文提出的客戶感知偏好模型。為了更好地說明特征情感與產(chǎn)品參數(shù)的融合作用，我們比較分析了三個(gè)客戶感知偏好模型。Model 1主要考慮特征情感對(duì)產(chǎn)品銷量的影響[6,28]；Model 2是在特征情感的基礎(chǔ)上，考慮產(chǎn)品參數(shù)對(duì)產(chǎn)品銷量的影響，但不考慮兩者的融合作用；Model 3同時(shí)考慮了特征情感，產(chǎn)品參數(shù)以及兩者的融合作用對(duì)產(chǎn)品銷量的影響，也就是本文提出的客戶感知偏好模型。

對(duì)于Model 1 和Model 2，計(jì)量經(jīng)濟(jì)模型分別由公式(10)和(11)表示：

(10)

+θlog(sjt-1)+εjt

(11)

由于模型的因變量是銷量排名，相關(guān)系數(shù)為負(fù)數(shù)說明對(duì)產(chǎn)品銷量有積極影響。此外，產(chǎn)品參數(shù)一百公里油耗，可以根據(jù)是否高于所有車型的平均油耗來判定油耗高低。表6展示了三個(gè)客戶感知偏好模型的參數(shù)估計(jì)結(jié)果，幾乎所有的特征情感和產(chǎn)品參數(shù)都有預(yù)期的顯著性影響(即：正面特征情感有積極影響，負(fù)面特征情感有消極影響)，控制變量價(jià)格和品牌在三個(gè)模型中也幾乎是一致的。在本研究中，我們用擬合優(yōu)度R2作為模型評(píng)估指標(biāo)，R2值越高說明自變量對(duì)因變量的解釋性越強(qiáng)。如表6所示，本文模型(Model 3)的R2值最高。因此，根據(jù)擬合優(yōu)度R2，本文模型要更加優(yōu)于其他兩個(gè)模型。說明特征情感和產(chǎn)品參數(shù)對(duì)產(chǎn)品銷量的影響存在融合作用。

表6 客戶偏好模型評(píng)估結(jié)果

為了進(jìn)一步說明本文模型得出的客戶感知偏好(即：正負(fù)面特征情感的重要性)具有更高的準(zhǔn)確性，本文模型與信息增益[28]和TF-IDF方法進(jìn)行了對(duì)比。對(duì)于每個(gè)特征情感的信息增益和TF-IDF的值，分別按照公式(12)和(13)計(jì)算：

(12)

(13)

其中，H(D)表示初始滿意度信息熵，p(si|j)表示特征情感條件下客戶滿意的概率，nij表示特征情感在每條評(píng)論中出現(xiàn)的次數(shù)，N表示評(píng)論總數(shù)，|{d∶j∈di}|表示出現(xiàn)特征情感的評(píng)論數(shù)量。

我們收集了大量關(guān)于消費(fèi)者購買原因的評(píng)論(“你為什么購買這款車”)，取代傳統(tǒng)調(diào)查問卷。在該類評(píng)論中，若出現(xiàn)正負(fù)面情感特征，說明消費(fèi)者因?yàn)樵撎卣髑楦羞x擇購買或放棄購買。因此，根據(jù)特征情感頻次，可以直觀地發(fā)現(xiàn)特征正負(fù)面情感的重要性。由于重要性數(shù)值波動(dòng)較大，可以選擇重要性排序來替代。驗(yàn)證結(jié)果如圖3所示，本文模型得到的重要性排序與驗(yàn)證實(shí)驗(yàn)有著更高的相關(guān)性。具體地，本文模型的正負(fù)面情感的皮爾遜相關(guān)性系數(shù)分別為0.955和0.973。

圖3 文本模型與信息增益、TF-IDF的對(duì)比實(shí)驗(yàn)

4.3.2 客戶感知偏好分析

特征情感、產(chǎn)品參數(shù)以及兩則融合作用對(duì)產(chǎn)品銷量的影響如表6所示。對(duì)于特征情感，可以發(fā)現(xiàn)動(dòng)力、內(nèi)飾、空間和配置的正負(fù)面情感對(duì)產(chǎn)品銷量都有非常重要的影響，而外觀作為被評(píng)價(jià)最多的產(chǎn)品特征，影響卻相對(duì)較小。從圖2可以發(fā)現(xiàn)外觀主要都是正面情感，說明每個(gè)產(chǎn)品的外觀特征感知都有不錯(cuò)的表現(xiàn)，因此在消費(fèi)者購買決策中的作用相對(duì)微小。油耗的負(fù)面情感幾乎與正面情感相當(dāng)，導(dǎo)致負(fù)面情感對(duì)產(chǎn)品銷量影響較大，而正面情感的影響則相對(duì)較小。此外，做工、操控、底盤、天窗和系統(tǒng)的討論量都相對(duì)較少，正負(fù)面情感對(duì)產(chǎn)品銷量的影響都是比較微小的。

對(duì)于產(chǎn)品參數(shù)，結(jié)果顯示品牌、排量和價(jià)格與銷量排名都有較強(qiáng)的相關(guān)性。其中，1.5T和2.0T排量對(duì)產(chǎn)品銷量都有較大的促進(jìn)作用，相反1.5L排量對(duì)產(chǎn)品銷量有一定的消極作用。此外，新車故障數(shù)量、油耗(L/100 km)、最大馬力等產(chǎn)品參數(shù)對(duì)產(chǎn)品銷量也有一定的影響，但是影響程度較小。

對(duì)于特征情感和產(chǎn)品參數(shù)的融合作用，結(jié)果顯示動(dòng)力正面特征情感與排量融合作用，以及油耗正負(fù)面情感與油耗高低融合作用對(duì)產(chǎn)品銷量具有顯著影響。說明1.5T和2.0T排量加強(qiáng)了消費(fèi)者對(duì)動(dòng)力正面情感的感知；高油耗加強(qiáng)了油耗負(fù)面情感的感知，同時(shí)也削弱了油耗正面情感的感知。

4.3.3 魯棒性檢驗(yàn)

為了測試模型的穩(wěn)定性，我們選擇了不同比率的評(píng)論數(shù)量進(jìn)行魯棒性檢驗(yàn)。共有31,682條評(píng)論被分成3個(gè)隨機(jī)樣本，并逐一添加到訓(xùn)練集中。為了方便比較結(jié)果，根據(jù)特征情感的系數(shù)大小來進(jìn)行重要性排序。如表7所示，隨著樣本數(shù)量的增加，正負(fù)面特征情感的重要性排序基本保持穩(wěn)定。

5 管理啟示

本文探索了特征情感與產(chǎn)品參數(shù)對(duì)產(chǎn)品銷量的影響。研究結(jié)論對(duì)企業(yè)了解客戶需求有幾點(diǎn)有意義的管理啟示。

第一，在線評(píng)論中的產(chǎn)品特征作為產(chǎn)品的主觀屬性，有助于企業(yè)了解消費(fèi)者對(duì)產(chǎn)品的核心關(guān)注點(diǎn)。此外，獲取的特征情感，反映了產(chǎn)品形象，對(duì)企業(yè)的產(chǎn)品定位具有重要的參考價(jià)值。在廣告宣傳中也可以集中突出消費(fèi)者最關(guān)心的產(chǎn)品特征，展示企業(yè)產(chǎn)品的優(yōu)勢以及缺陷的改進(jìn)，來提高廣告的投放效果，吸引更多消費(fèi)者的關(guān)注。

第二，通過計(jì)量經(jīng)濟(jì)模型，建立了特征情感與產(chǎn)品銷量的關(guān)聯(lián)，可以了解哪些產(chǎn)品特征的正面形象對(duì)產(chǎn)品銷量有更高的促進(jìn)作用，哪些產(chǎn)品特征的負(fù)面形象對(duì)產(chǎn)品銷量有更嚴(yán)重的消極作用。在下一代產(chǎn)品設(shè)計(jì)中，針對(duì)那些重要的產(chǎn)品特征，企業(yè)需要去強(qiáng)化產(chǎn)品的關(guān)鍵優(yōu)勢，并且改進(jìn)產(chǎn)品的關(guān)鍵缺陷。

第三，產(chǎn)品參數(shù)在特征情感與產(chǎn)品銷量關(guān)聯(lián)中的調(diào)節(jié)作用，有助于企業(yè)了解產(chǎn)品參數(shù)設(shè)置的市場效果。有些產(chǎn)品參數(shù)對(duì)產(chǎn)品銷量起到了決定性作用，而有些卻是微小的。產(chǎn)品參數(shù)的調(diào)節(jié)作用為企業(yè)的產(chǎn)品參數(shù)合理設(shè)置提供了理論依據(jù)。

6 結(jié)語

本文考慮產(chǎn)品參數(shù)在消費(fèi)者購買決策中的作用，并將文本信息挖掘技術(shù)與計(jì)量經(jīng)濟(jì)模型結(jié)合起來，研究了特征情感和產(chǎn)品參數(shù)融合作用對(duì)產(chǎn)品銷量的影響程度。研究結(jié)果建立了特征情感、產(chǎn)品參數(shù)和產(chǎn)品銷量的關(guān)聯(lián)聯(lián)系，可以幫助企業(yè)了解產(chǎn)品成功或失敗的關(guān)鍵原因，為企業(yè)的產(chǎn)品設(shè)計(jì)和市場營銷提供理論依據(jù)。

同時(shí)，本文提出的方法存在一定的局限性，對(duì)適用的產(chǎn)品領(lǐng)域需滿足如下要求：(1)充分競爭的市場，存在眾多同類產(chǎn)品，例如汽車、手機(jī)、數(shù)碼相機(jī)等領(lǐng)域，為本文的計(jì)量經(jīng)濟(jì)模型提供獲取到足夠多的樣本。(2)充分公開的市場，可以方便隨時(shí)在網(wǎng)上查詢到各個(gè)產(chǎn)品每個(gè)月的銷量或排名數(shù)據(jù)，像手機(jī)和汽車等。(3)產(chǎn)品結(jié)構(gòu)較為復(fù)雜的市場，可以獲取足夠多的產(chǎn)品特征。這樣的產(chǎn)品類型存在著客戶偏好復(fù)雜性、變化性等特性，研究更有價(jià)值。未來研究方向主要有兩個(gè)：(1)從時(shí)間維度研究客戶偏好的變化規(guī)律[32]，并結(jié)合線下調(diào)研方法，分析客戶偏好變化的機(jī)理，為企業(yè)提前預(yù)警市場變化，獲取市場機(jī)會(huì)。(2)從空間維度研究不同地區(qū)客戶偏好的差異，并結(jié)合地區(qū)環(huán)境、經(jīng)濟(jì)等特征要素，分析差異的根源，為企業(yè)在不同地區(qū)制定差異化經(jīng)營策略提供了決策支持。