周 歡，秦天琦

(湖南工業(yè)大學(xué) 商學(xué)院，湖南 株洲 412007)

一、引言

隨著互聯(lián)網(wǎng)及電子商務(wù)的快速發(fā)展，人們的購(gòu)物消費(fèi)方式發(fā)生了巨大的改變。中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心(CNNIC)發(fā)布的第45次《中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》指出，截至2020年3月，我國(guó)網(wǎng)絡(luò)購(gòu)物用戶規(guī)模達(dá)7.10億，較2018年底增長(zhǎng)16.4%，占網(wǎng)民總量的78.6%。2020年1—2月，全國(guó)實(shí)物商品網(wǎng)上零售額同比增長(zhǎng)3.0%，實(shí)現(xiàn)逆勢(shì)增長(zhǎng)，占社會(huì)消費(fèi)品零售總額的21.5%，比上年同期提高5個(gè)百分點(diǎn)。[1]

在網(wǎng)絡(luò)購(gòu)物規(guī)模和頻率日益增長(zhǎng)的趨勢(shì)下，越來越多的消費(fèi)者開始習(xí)慣于在購(gòu)買后發(fā)表包含個(gè)人觀點(diǎn)、情感信息、使用體驗(yàn)、價(jià)格和商品物流等多方面感知的在線評(píng)論信息，這使網(wǎng)絡(luò)購(gòu)物在線評(píng)論成為消費(fèi)者表達(dá)購(gòu)物體驗(yàn)的重要渠道，同時(shí)也是促使商家改進(jìn)產(chǎn)品和改善服務(wù)的重要信息源。隨著企業(yè)管理和數(shù)據(jù)監(jiān)測(cè)的不斷完善，在線評(píng)論的真實(shí)性和可靠性也不斷提升。相比傳統(tǒng)的市場(chǎng)需求調(diào)研，在線評(píng)論不受時(shí)間、地域、職業(yè)差異等的影響，使用戶對(duì)產(chǎn)品和服務(wù)的改進(jìn)需求和未來需求均能得到較大程度的展現(xiàn)。因此基于在線評(píng)論能夠較為客觀、全面地反映市場(chǎng)需求實(shí)現(xiàn)的程度。[2]王安寧等[3]提出了一種基于在線評(píng)論的區(qū)域需求偏好識(shí)別框架，實(shí)驗(yàn)結(jié)果表明，產(chǎn)品特征的情感極性以及產(chǎn)品滿意度受區(qū)域因素的影響十分顯著。岳子靜等[4]采集了美團(tuán)網(wǎng)的餐館在線評(píng)論，對(duì)當(dāng)?shù)馗鞑讼导捌湎嚓P(guān)屬性進(jìn)行統(tǒng)計(jì)與情感傾向分析，得到其關(guān)注度與滿意度，以此反映用戶的菜系偏好及各菜系的傳播發(fā)展情況。趙宇晴等[2]利用模糊理論融合情感分析技術(shù)，構(gòu)建了需求—滿意度量化模型，實(shí)現(xiàn)了用戶滿意度定量評(píng)價(jià)。Ru-xinNie等[5]利用在線文本評(píng)論，提出了融合多準(zhǔn)則決策方法和情感分析技術(shù)的酒店選擇模型，以幫助游客選擇滿意的酒店，并引導(dǎo)酒店經(jīng)營(yíng)者獲得競(jìng)爭(zhēng)優(yōu)勢(shì)。

雖然在線評(píng)論廣泛應(yīng)用于酒店、餐飲等行業(yè)的研究，但是在網(wǎng)絡(luò)購(gòu)物的物流服務(wù)質(zhì)量上的研究卻不多。傳統(tǒng)物流服務(wù)質(zhì)量的研究主要針對(duì)線下實(shí)體配送的物流企業(yè)，如Mentzer[6]在研究中結(jié)合物流服務(wù)的特點(diǎn)提出客戶導(dǎo)向模型，從訂單釋放數(shù)量、訂貨流程、溝通質(zhì)量、信息質(zhì)量、貨物精準(zhǔn)率、貨品完好程度、貨品質(zhì)量、時(shí)間性、誤差處理等九個(gè)維度衡量物流服務(wù)質(zhì)量。在線評(píng)論的出現(xiàn)使物流服務(wù)質(zhì)量的研究主體從物流企業(yè)轉(zhuǎn)向了消費(fèi)者。Yuan等[7]指出，價(jià)格、方便性、時(shí)間性對(duì)消費(fèi)者網(wǎng)購(gòu)具有重要影響，是衡量B2C及C2C網(wǎng)購(gòu)物流服務(wù)質(zhì)量的重要維度。謝廣營(yíng)[8]從商家交付、物流配送、消費(fèi)者簽收、消費(fèi)者滿意或退換貨等四個(gè)環(huán)節(jié)入手對(duì)物流服務(wù)質(zhì)量的優(yōu)劣進(jìn)行評(píng)價(jià)。胡媛榮等[9]基于在線用戶評(píng)論數(shù)據(jù)，識(shí)別出速度、包裝、快遞員態(tài)度以及退換貨服務(wù)等四個(gè)用戶最為關(guān)注的物流服務(wù)質(zhì)量維度，并進(jìn)一步分析了這四個(gè)維度的有效評(píng)論對(duì)潛在消費(fèi)者購(gòu)買意愿的影響。張華泉等[10]發(fā)現(xiàn)“物流因素”和“平臺(tái)因素”對(duì)消費(fèi)者正面滿意度產(chǎn)生直接影響，而“產(chǎn)品因素”與消費(fèi)者負(fù)面滿意度之間具有顯著的正向影響作用。毛郁欣等[11]基于負(fù)面在線消費(fèi)者評(píng)論，發(fā)現(xiàn)貨損、配送及時(shí)性與物流服務(wù)質(zhì)量顯著相關(guān)。張耀荔[12]通過實(shí)證分析和統(tǒng)計(jì)分析歸納出六個(gè)影響網(wǎng)購(gòu)物流服務(wù)質(zhì)量的維度：送貨服務(wù)水平、接單服務(wù)水平、正確履行訂單能力、時(shí)間性、信息服務(wù)能力和價(jià)格。

現(xiàn)有的基于在線評(píng)論的網(wǎng)絡(luò)購(gòu)物物流服務(wù)質(zhì)量研究大多沒有對(duì)在線評(píng)論進(jìn)行情感分類，對(duì)不同情感極性的評(píng)論分別分析其特征，也沒有針對(duì)不同類型網(wǎng)購(gòu)商品的特點(diǎn)分析其不同的物流服務(wù)質(zhì)量影響因素。鑒于此，本文擬利用Python采集京東商城家電類、生鮮類和電子類商品的在線文本評(píng)論數(shù)據(jù)，采用自然語言處理方法對(duì)評(píng)論進(jìn)行分析，判斷三種類型商品物流服務(wù)評(píng)論的情感極性，并分別對(duì)三種類型商品的正面、負(fù)面評(píng)論進(jìn)行聚類，最后結(jié)合潛在狄利克雷分配 (Latent Dirichlet Allocation，LDA)模型確定消費(fèi)者重點(diǎn)關(guān)注的物流服務(wù)維度，提高顧客的滿意度。

二、基于在線評(píng)論情感分析和LDA的物流服務(wù)質(zhì)量評(píng)價(jià)模型

在網(wǎng)購(gòu)前，很多用戶習(xí)慣從在線評(píng)論中獲取相關(guān)信息，但這些在線評(píng)論數(shù)據(jù)存在冗雜、不完整、體量大等問題，使消費(fèi)者很難決策。本節(jié)提出一種基于在線評(píng)論情感分析和LDA的物流服務(wù)質(zhì)量評(píng)價(jià)模型(見圖1)，找出影響物流服務(wù)質(zhì)量的主要因素，幫助消費(fèi)者進(jìn)行物流服務(wù)質(zhì)量評(píng)價(jià)。

圖1 基于在線評(píng)論情感分析和LDA的物流服務(wù)質(zhì)量評(píng)價(jià)模型

(一)數(shù)據(jù)采集

為了更好地從在線評(píng)論中識(shí)別出消費(fèi)者對(duì)于商品物流服務(wù)質(zhì)量的關(guān)注維度，本文利用網(wǎng)絡(luò)爬蟲技術(shù)獲取購(gòu)物平臺(tái)上的在線評(píng)論數(shù)據(jù)?？紤]到不同商品物流服務(wù)質(zhì)量影響因素可能存在不同，本文將分別采集不同類型商品的評(píng)論文本數(shù)據(jù)作為實(shí)驗(yàn)樣本。

(二)數(shù)據(jù)預(yù)處理

消費(fèi)者的語言習(xí)慣、無意中的輸入錯(cuò)誤或是對(duì)熱門評(píng)論的復(fù)制等都有可能導(dǎo)致采集的線評(píng)論文本數(shù)據(jù)出現(xiàn)重復(fù)與異常，如果不對(duì)這些數(shù)據(jù)進(jìn)行處理，則會(huì)嚴(yán)重影響模型運(yùn)行的結(jié)果，最終降低程序的運(yùn)行效率與執(zhí)行的準(zhǔn)確度，導(dǎo)致分析結(jié)果的偏差。本小節(jié)使用Python 3.7對(duì)爬取到的在線評(píng)論數(shù)據(jù)進(jìn)行預(yù)處理，包括缺失數(shù)據(jù)清洗、數(shù)據(jù)去重、機(jī)械壓縮去詞、短語過濾處理等。

(三)情感分類

情感分類是自然語言處理的一個(gè)研究方向，也稱傾向性分析(Opinion Analysis)，通常用于從社交媒體或電商網(wǎng)站上發(fā)布的大量在線評(píng)論中提取豐富的意見、情緒或態(tài)度。[13]即目標(biāo)文本中的意見是關(guān)于一個(gè)實(shí)體或?qū)嶓w的方面和屬性，可將意見簡(jiǎn)單地分為兩個(gè)相反情感極性中的一個(gè)，或者將其定位在這兩個(gè)情感極性之間的連續(xù)變量上進(jìn)行測(cè)算，有助于對(duì)帶有情感色彩的主觀性文本進(jìn)行分析、處理、歸納和推理。[14]

本文使用Python 3.7的SnowNLP庫(kù)中的情感分析模塊進(jìn)行情感分類。首先，對(duì)預(yù)處理后的評(píng)論文本數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練并生成預(yù)訓(xùn)練模型，然后根據(jù)訓(xùn)練集的詞語生成情感詞典。用情感詞典與預(yù)訓(xùn)練模型對(duì)測(cè)試數(shù)據(jù)即商品評(píng)論數(shù)據(jù)進(jìn)行情感值計(jì)算，并且設(shè)定概率P為閾值，當(dāng)數(shù)值大于P時(shí)為正面評(píng)論，反之為負(fù)面評(píng)論。圖2為情感分析的基本流程圖。

圖2 情感分析基本流程

情感分類的關(guān)鍵是計(jì)算情感值，即把具有正面傾向的在線評(píng)論的概率與在線評(píng)論文本在A類中的條件概率相乘，計(jì)算公式為：

(1)

式中，表示詞匯Count(di，A)在A中出現(xiàn)的次數(shù)，N為文本分類的詞組總數(shù)。在進(jìn)行情感分類時(shí)，本文將情感值>0.5的在線評(píng)論文本數(shù)據(jù)記為正面情感評(píng)論。同理，將情感值<0.5的在線評(píng)論文本數(shù)據(jù)記為負(fù)面情感評(píng)論。

(四) LDA主題分析

LDA模型是由David Blei等[15]在狄利克雷過程基礎(chǔ)上提出的一種概率生成模型。LDA包含文檔—主題—詞三層貝葉斯文檔主題生成模型，[16]同時(shí)也是一種詞袋模型，是一種無監(jiān)督機(jī)器學(xué)習(xí)的方法，用于識(shí)別文檔集或是語料庫(kù)中隱藏的主題，其模型結(jié)構(gòu)見圖3。

圖3 LDA主題模型結(jié)構(gòu)圖

圖中，K為潛在主題數(shù)，M表示文本數(shù)量，N為一篇文檔中的單詞數(shù)量；z為“主題”的獨(dú)特分布，ω=(ω1，ω2，…，ωN)為由N個(gè)詞語組成的商品在線評(píng)論；θ為在線評(píng)論的主題分布，并且每個(gè)主題從參數(shù)為α的對(duì)稱Dirichlet先驗(yàn)分布中獨(dú)立產(chǎn)生；φ為主題的詞語分布，并且每個(gè)詞語分布都是從參數(shù)為β的對(duì)稱Dirichlet先驗(yàn)分布中獨(dú)立產(chǎn)生的。

LDA主題模型可以被應(yīng)用于商品在線文本評(píng)論的挖掘與信息的檢索領(lǐng)域，通過分析文本數(shù)據(jù)的相似性并采用更深層的語義挖掘，把文本數(shù)據(jù)中隱藏的主題及特征挖掘出來，從而得到文本中潛藏的有效信息。

本文LDA主題模型的建模采用了Python中的Gensim模塊，分別對(duì)正、負(fù)面商品評(píng)論進(jìn)行主題抽取。

首先，使用分詞工具對(duì)整個(gè)評(píng)論數(shù)據(jù)文檔集合進(jìn)行分詞并通過排序得到詞組序列。鑒于Jieba分詞具有分詞精度高、操作簡(jiǎn)單等特點(diǎn)，本小節(jié)擬選擇Jieba分詞工具實(shí)現(xiàn)中文分詞功能。分詞之后為每個(gè)詞語分配ID，即Corpora.Dictionary。

然后，利用詞頻-逆文檔頻率(Term Frequency Inverse Document Frequency，TF-IDF)算法[18-19]獲取高頻詞并計(jì)算相應(yīng)的權(quán)重，使用“詞ID：詞頻”的形式形成稀疏向量。其中詞頻(Term Frequency，TF)表示詞語在文檔中的頻率，其計(jì)算公式為：

(2)

逆文本頻率指數(shù)(InverseDocumentFrequency，IDF)表示總文檔與包含詞條t的文檔的比值求對(duì)數(shù)，計(jì)算公式為：

(3)

則最終詞語t在文檔Di中的TF-IDF值，也就是詞語t的權(quán)重值為：

TF-IDFt，Di=TFt，Di×IDFi

(4)

通過計(jì)算商品正負(fù)面在線評(píng)論的TF-IDF值，可以分別得到正面高頻詞和負(fù)面高頻詞排序。

最后，使用LDA模型進(jìn)行訓(xùn)練，得到若干主題。根據(jù)這些主題分析消費(fèi)者們最關(guān)注的物流服務(wù)影響因素，從而有針對(duì)性地提升物流服務(wù)質(zhì)量。

三、實(shí)驗(yàn)分析

(一)評(píng)論采集與預(yù)處理

本小節(jié)選取京東商城家電類、生鮮類和電子類三種不同類型商品，通過網(wǎng)絡(luò)爬蟲程序采集這三類商品的在線評(píng)論數(shù)據(jù)，包括會(huì)員、級(jí)別、評(píng)價(jià)星級(jí)、評(píng)價(jià)內(nèi)容、時(shí)間、點(diǎn)贊數(shù)、評(píng)論數(shù)、追評(píng)時(shí)間、追評(píng)內(nèi)容、商品屬性、頁(yè)面網(wǎng)址、頁(yè)面標(biāo)題、采集時(shí)間等，各類商品分別采集15 000條有效在線評(píng)論，即共計(jì)45 000條數(shù)據(jù)。數(shù)據(jù)構(gòu)成見表1。

表1 京東商城商品在線評(píng)論的數(shù)據(jù)構(gòu)成

然后，運(yùn)用Python編寫代碼對(duì)在線評(píng)論原始文本數(shù)據(jù)進(jìn)行文本預(yù)處理，即去重?cái)?shù)據(jù)、機(jī)械壓縮去詞、短語過濾。處理結(jié)果見表2。

表2 文本預(yù)處理結(jié)果

(二)情感分類結(jié)果

對(duì)預(yù)處理后的文本評(píng)論數(shù)據(jù)進(jìn)行情感分類，分別得到家電類、生鮮類和電子類三種類型商品的正、負(fù)面評(píng)論文本數(shù)據(jù)集(見表3)。其中，從評(píng)論數(shù)的角度來看，電子類商品的好評(píng)數(shù)最多，生鮮類商品的正面評(píng)論數(shù)最少，家電類商品的負(fù)面評(píng)論最少，而生鮮類商品的負(fù)面評(píng)論最多。從好評(píng)率的角度來看，家電類商品中正面數(shù)據(jù)占62%，生鮮類商品占46%，電子類商品占61%。將三種類型商品好評(píng)率相互對(duì)比可發(fā)現(xiàn)，家電類商品好評(píng)率與電子類商品的好評(píng)率幾乎持平，家電類略高，而生鮮類商品的好評(píng)率相對(duì)前二者明顯較低。

表3 在線評(píng)論情感極性分類表

(三)詞頻分析

使用Jieba分詞工具進(jìn)行中文分詞，然后通過TF-IDF算法得到三類商品的正面評(píng)論與負(fù)面評(píng)論的高頻詞及其權(quán)重，表4至表9分別為三種類型商品正、負(fù)面評(píng)論高頻詞Top 20及其權(quán)重排名表。

表4 家電類商品正面評(píng)論TF-IDF高頻詞及其權(quán)重

從表4和表5可以發(fā)現(xiàn)，家電類商品的在線評(píng)論Top 20的高頻詞中，有半數(shù)以上為物流服務(wù)質(zhì)量相關(guān)詞語。在其正面評(píng)論的高頻詞中出現(xiàn)了安裝、服務(wù)態(tài)度、師傅等詞，可以看出消費(fèi)者在網(wǎng)上購(gòu)買家電類商品后對(duì)安裝服務(wù)及安裝人員的服務(wù)態(tài)度十分重視且給予肯定。而送貨、小哥、配送、速度、物流等詞反映了消費(fèi)者對(duì)于物流配送，尤其是“最后一公里”同城配送速度非常關(guān)注。在其負(fù)面評(píng)論中，從客服、聯(lián)系、售后、退貨、服務(wù)態(tài)度等詞可以看出負(fù)面問題主要集中在消費(fèi)者與售后客服的聯(lián)系交流和退換貨服務(wù)要求上。除去商品在物流配送前的質(zhì)量問題，出現(xiàn)退換貨大多是因?yàn)榧译婎惿唐吩诎b保護(hù)及配送環(huán)節(jié)沒有充分考慮到商品體積大、價(jià)格高、易損壞等特征導(dǎo)致。從安裝、收費(fèi)、安裝費(fèi)等詞結(jié)合正面評(píng)論，可以看出不同地區(qū)安裝服務(wù)收費(fèi)標(biāo)準(zhǔn)尚未統(tǒng)一。從價(jià)格、保價(jià)等詞可以看出消費(fèi)者對(duì)價(jià)格及一定時(shí)間內(nèi)的保價(jià)措施是存在需求的。

表5 家電類商品負(fù)面評(píng)論TF-IDF高頻詞及其權(quán)重

表6和表7的數(shù)據(jù)表明，在生鮮類商品的正面在線評(píng)論高頻詞中出現(xiàn)最多的詞為口感、味道等，說明消費(fèi)者對(duì)生鮮類商品最為關(guān)注的維度是商品質(zhì)量。新鮮度是生鮮類商品質(zhì)量最重要的評(píng)判維度，物流、配送、快遞、挺快、速度等描述物流配送速度的詞，恰好可以等同為描述新鮮度，所以物流配送速度是消費(fèi)者購(gòu)買生鮮類商品時(shí)的重要參考因素。此外，包裝這個(gè)詞在生鮮類商品的正面評(píng)論詞頻中排行第四，說明包裝對(duì)生鮮商品質(zhì)量十分重要，也是消費(fèi)者關(guān)注的重要因素。從負(fù)面評(píng)論來看，快遞、冰袋、味道、物流、解凍這些詞都與生鮮類商品的質(zhì)量，即新鮮度相關(guān)，也就是與配送速度與保鮮方式相關(guān)，說明生鮮類商品在某些地區(qū)的配送速度與長(zhǎng)途運(yùn)輸?shù)谋ｕr方式依舊存在問題。此外，從客服、退貨、商家、服務(wù)態(tài)度、售后等詞可看出，在消費(fèi)者收到問題產(chǎn)品后，與商家溝通和申請(qǐng)退換貨服務(wù)過程中，客服人員服務(wù)質(zhì)量及其態(tài)度也是消費(fèi)者考慮給出差評(píng)的一個(gè)重要因素。

表6 生鮮類商品正面評(píng)論TF-IDF高頻詞及其權(quán)重

表7 生鮮類商品負(fù)面評(píng)論TF-IDF高頻詞及其權(quán)重

表8和表9的數(shù)據(jù)表明，在電子類商品的正面在線評(píng)論高頻詞中出現(xiàn)最多的詞為外觀、屏幕、散熱等，說明消費(fèi)者對(duì)電子類商品最為關(guān)注的維度是外觀和性能，對(duì)物流服務(wù)質(zhì)量的感知并沒有家電類和生鮮類商品那么敏感。但是表中也出現(xiàn)了物流、服務(wù)態(tài)度、配送這類詞語，說明物流配送服務(wù)和客服服務(wù)依然是消費(fèi)者重點(diǎn)關(guān)注的因素。正面評(píng)價(jià)中出現(xiàn)保價(jià)、性價(jià)比等詞，說明電子類產(chǎn)品性價(jià)比高且保價(jià)措施做得很好；負(fù)面評(píng)論中，客服、售后、退貨、服務(wù)、態(tài)度等詞出現(xiàn)頻次比較靠前，說明電子類商品的退換貨服務(wù)相對(duì)家電類和生鮮類商品比較頻繁，電子類商品的退換貨服務(wù)并不理想，存在較多問題。

表8 電子類商品正面評(píng)論TF-IDF高頻詞及其權(quán)重

表9 電子類商品負(fù)面評(píng)論TF-IDF高頻詞及其權(quán)重

(四) LDA主題分析

根據(jù)文獻(xiàn)中常見的參數(shù)設(shè)定，[18]將Dirichlet 先驗(yàn)分布的超參數(shù)α和β分別設(shè)置為0.1和0.01，通過LDA主題分析得到的正面評(píng)論文本主題分類結(jié)果與負(fù)面評(píng)論文本主題分類結(jié)果見表10至表15。

表10 家電類商品正面評(píng)論的LDA主題分類

表11 家電類商品負(fù)面評(píng)論的LDA主題分類

表12 生鮮類商品正面評(píng)論的LDA主題分類

表13 生鮮類商品負(fù)面評(píng)論的LDA主題分類

表14 電子類商品正面評(píng)論的LDA主題分類

表15 電子類商品負(fù)面評(píng)論的LDA主題分類

表中數(shù)據(jù)顯示了各類商品正負(fù)面評(píng)論的主題詞結(jié)果及主題詞概率。以家電類商品正面評(píng)論的主題識(shí)別結(jié)果為例，可以看出消費(fèi)者最關(guān)注Topic 0為服務(wù)、很快、物流、速度、送貨，與配送服務(wù)相關(guān)；Topic 1為速度、安裝、東西、不錯(cuò)、好看，與安裝服務(wù)相關(guān)；Topic 2為值得、品牌、信賴、購(gòu)買、價(jià)格，與商品質(zhì)量相關(guān)；Topic 3為服務(wù)、態(tài)度、小哥、耐心、感覺，與售后服務(wù)相關(guān)。由家電類商品的正面評(píng)論主題詞可以看出，消費(fèi)者對(duì)家電類商品的物流配送、安裝服務(wù)、商品質(zhì)量和相關(guān)人員服務(wù)是給予肯定態(tài)度的，其中Topic 3的主題詞平均概率最高，即對(duì)相關(guān)人員服務(wù)的感知與評(píng)價(jià)較高。通過對(duì)家電類負(fù)面評(píng)論的LDA主題詞分析可看出，在安裝服務(wù)中出現(xiàn)收取額外安裝費(fèi)等收費(fèi)不合理行為、上門安裝人員安裝維修技能比較低、安裝人員服務(wù)態(tài)度差、“最后一公里”配送過程慢、商品保價(jià)措施失誤和售后服務(wù)態(tài)度差等問題，而且其Topic 3的主題詞概率最高，即售后服務(wù)相關(guān)問題尤為突出。在生鮮類商品正面評(píng)論的LDA主題分析表明，消費(fèi)者對(duì)新鮮度(體現(xiàn)在配送速度與商品質(zhì)量上)、包裝、價(jià)格和配送服務(wù)態(tài)度四個(gè)維度較為關(guān)注，其中Topic 1的主題詞概率最高，說明消費(fèi)者對(duì)京東生鮮的包裝比較滿意。生鮮類商品負(fù)面評(píng)論LDA主題分析中評(píng)論維度比較單一，說明消費(fèi)者對(duì)生鮮類產(chǎn)品的不滿集中在新鮮度以及其所導(dǎo)致的一些問題，包括配送速度慢、商品損壞變質(zhì)、退換貨處理不當(dāng)?shù)取２煌诩译婎惡蜕r類商品，電子類商品具有體積小、價(jià)值高等特點(diǎn)，所以主題分析的維度中性能、性價(jià)比、體驗(yàn)等的主題詞概率較高，與物流服務(wù)質(zhì)量相關(guān)的因素僅有配送和速度。但電子類商品負(fù)面LDA主題分析的結(jié)果相反，物流服務(wù)質(zhì)量影響因素比較多，包括配送時(shí)間長(zhǎng)、貨損及退換貨和保價(jià)服務(wù)等，尤其是退換貨服務(wù)的主題詞概率最高，說明電子類產(chǎn)品的退換貨服務(wù)相對(duì)家電類和生鮮類產(chǎn)品更為頻繁，說明電子類產(chǎn)品的退換貨服務(wù)質(zhì)量存在較多問題。

(五)對(duì)比分析

對(duì)比近些年基于在線評(píng)論聚類以獲得物流服務(wù)質(zhì)量影響因素的研究見表16。

表16 基于在線評(píng)論的物流服務(wù)質(zhì)量影響因素研究

本研究結(jié)果基本涵蓋了前人所總結(jié)的大多影響因素，但是本研究不限于從總體上得到在線評(píng)論中物流服務(wù)質(zhì)量的影響因素，而是對(duì)三種常見的不同品類商品分別探究影響其正負(fù)面評(píng)論中所包含的物流服務(wù)質(zhì)量的因素，從而針對(duì)不同類商品的特點(diǎn)進(jìn)行具體分析。

綜上所述，從正面評(píng)論的高頻詞及LDA主題分析可以看出，消費(fèi)者比較關(guān)注家電類商品的安裝和售后服務(wù)，希望生鮮類商品的包裝合理和配送速度快，以保證商品的新鮮度，對(duì)電子類商品的退換貨服務(wù)要求比較高。這三類商品企業(yè)可以改善這些方面的服務(wù)，有效提升消費(fèi)者滿意度，進(jìn)而帶來更高收益。

四、結(jié)語

物流服務(wù)作為網(wǎng)絡(luò)購(gòu)物中必不可少的環(huán)節(jié)，其服務(wù)質(zhì)量已成為影響消費(fèi)者滿意度和購(gòu)物體驗(yàn)的重要因素。本文基于消費(fèi)者的視角，對(duì)在線評(píng)論進(jìn)行處理，分析了影響物流服務(wù)質(zhì)量的主要因素。首先，通過網(wǎng)絡(luò)爬蟲采集京東商城家電類、生鮮類和電子類三類商品的近期在線評(píng)論數(shù)據(jù)并進(jìn)行預(yù)處理；其次，利用情感分類把預(yù)處理后的評(píng)論文本數(shù)據(jù)分為正面和負(fù)面評(píng)論，并通過詞頻分析展現(xiàn)在線評(píng)論中的高頻內(nèi)容；最后，利用LDA主題模型分析得出三種類型商品正面和負(fù)面在線評(píng)論中影響物流服務(wù)質(zhì)量的相關(guān)主題信息。本文分析有助于物流企業(yè)關(guān)注不同種類商品的特點(diǎn)，在物流服務(wù)上采取不同措施，以提升物流服務(wù)質(zhì)量，進(jìn)而提高顧客滿意度。后續(xù)研究希望可以從技術(shù)層面入手提高自然語言處理和分析能力，選取更加全面、更有代表性的品類，利用在線評(píng)論對(duì)網(wǎng)絡(luò)購(gòu)物的物流服務(wù)質(zhì)量進(jìn)行評(píng)價(jià)，對(duì)物流服務(wù)質(zhì)量做進(jìn)一步研究。

本研究經(jīng)LDA主題模型得到的物流服務(wù)影響因素為，家電類：配送服務(wù)、安裝服務(wù)、商品質(zhì)量、售后服務(wù)和服務(wù)態(tài)度；生鮮類：配送速度、包裝、退換貨服務(wù)；電子類：配送速度和退換貨服務(wù)。