肖慧蓮，徐 銳

(湖北大學(xué) 商學(xué)院，武漢 430000)

網(wǎng)購已經(jīng)成為一種重要的購物形式。不僅越來越多的消費(fèi)者選擇在網(wǎng)上購物，而且消費(fèi)者網(wǎng)購的品類也越來越豐富。經(jīng)過近幾年的發(fā)展，各個電子商務(wù)平臺都在如火如荼地進(jìn)行中，但被譽(yù)為電商行業(yè)“最后一片藍(lán)?！钡纳r電商還在孕育中。生鮮電商與其他電商最大的區(qū)別在于，產(chǎn)品更注重新鮮，不易保存。艾瑞咨詢數(shù)據(jù)顯示，中國生鮮電商市場發(fā)展迅速，平均每年保持50%以上的增長率。并且，2020年的疫情給生鮮電商帶來了極大的機(jī)遇。因此，如何把握這一機(jī)遇，需要深入分析影響生鮮電商平臺上顧客滿意度的因素。從這些因素入手，改善生鮮電商的產(chǎn)品和服務(wù)，提高顧客滿意度，增強(qiáng)用戶黏性，從而推動生鮮電商的發(fā)展。

1 文獻(xiàn)綜述

1.1 顧客滿意度研究

Cardozo在1964年首次提出了顧客滿意度的概念[1]，然后世界各地開展了顧客滿意度的研究和討論。瑞典首先設(shè)計出瑞典顧客滿意指數(shù)(SCSB)模型，模型中有預(yù)期質(zhì)量、感知價值、用戶滿意度、用戶抱怨和用戶忠誠5個變量[2]。隨后，美國顧客滿意指數(shù)(ACSI)和歐洲顧客滿意指數(shù)(ECSI)模型也產(chǎn)生了。在上述模型的基礎(chǔ)上，中國創(chuàng)建了中國顧客滿意指數(shù)(CCSI)模型，如圖1所示。

圖1 中國顧客滿意指數(shù)模型

目前國內(nèi)外學(xué)者通過多種方法對顧客滿意度的評價開展了研究。陳范嬌[3]依據(jù)Oliver期望-實(shí)績理論模型和全面顧客滿意理論，建立了生鮮電商消費(fèi)者滿意度模型。通過問卷調(diào)查的方法獲取數(shù)據(jù)，利用結(jié)構(gòu)方程模型進(jìn)行實(shí)證分析，結(jié)果表明，影響生鮮電商消費(fèi)者滿意度的主要因素為商品質(zhì)量、網(wǎng)站功能和售后服務(wù)。程煥煥[4]依據(jù)美國顧客滿意指標(biāo)(ASCI)模型，構(gòu)建了消費(fèi)者滿意度模型，根據(jù)問卷調(diào)查數(shù)據(jù)，通過層次分析法分解出影響消費(fèi)者滿意度的主要因素，通過模糊綜合評價法計算滿意度分值，最后給出了針對天貓商城的營銷建議。沈長霞等[5]以京東運(yùn)動鞋為例，運(yùn)用貝葉斯網(wǎng)絡(luò)對京東運(yùn)動鞋的購買評價進(jìn)行分析，得出電商平臺顧客滿意度的影響因素。毛志勇[6]基于BP神經(jīng)網(wǎng)絡(luò)算法，建立了B2C電子商務(wù)企業(yè)顧客滿意度評價模型，研究結(jié)果證明這個模型的誤差在預(yù)定范圍內(nèi)，具有可行性。邵為爽等[7]通過構(gòu)建RS-BP神經(jīng)網(wǎng)絡(luò)模型，約簡影響顧客滿意度的因素，從而實(shí)施了顧客滿意度評價。

1.2 在線評論情感分析研究

文本情感分析是通過分析文本，提取文本背后的態(tài)度和情緒，判斷出該文本的情感傾向，一般包括積極、中立和消極3種情感傾向狀態(tài)。近年來，國內(nèi)外學(xué)者對情感分析的研究發(fā)展迅速。常用的情感分析方法有基于情感詞典的方法和基于機(jī)器學(xué)習(xí)的方法。

1.2.1 基于情感詞典的情感分析

基于情感詞典的情感分析方法是通過情感詞典對文本中的詞語進(jìn)行分析和匹配，根據(jù)一定的規(guī)則計算出情感值，從而判斷出文本的情感傾向。構(gòu)建情感詞典的方法有很多種。其中，目前已有的知名情感詞典有知網(wǎng)(HowNet)情感詞典、臺灣大學(xué)(NTSUSD)簡體中文情感極性詞典、清華大學(xué)李軍中文褒貶義詞典和大連理工大學(xué)中文情感詞匯本體等。

李鈍等[8]運(yùn)用語言學(xué)的知識，采用“情感傾向定義”權(quán)重優(yōu)先的計算方法，從而獲取詞語的語義傾向程度。王振宇等[9]將HowNet和PMI相融合計算詞語情感極性。王洪偉等[10]基于HowNet的語義相似度極性計算方法和副詞量級劃分方法，對在線評論進(jìn)行了情感極性和強(qiáng)度分析，通過計算對快遞企業(yè)服務(wù)質(zhì)量進(jìn)行了評價。王志濤等[11]利用統(tǒng)計信息和點(diǎn)互信息(PMI)識別新詞匯，將其添加到已有的情感詞典中。根據(jù)不同的語言方式給予不同的規(guī)則，在情感計算時還考慮表情符號。張克亮等[12]利用情感詞典和概念層次網(wǎng)絡(luò)(HNC)語境框架分兩個階段來分析文本的情感傾向性，第一個階段是特征詞判定階段，第二個階段是語句和句群判定階段。

1.2.2 基于機(jī)器學(xué)習(xí)的情感分析

基于機(jī)器學(xué)習(xí)的情感分析方法是抽取評論情感特征后，用常用分類算法對文本進(jìn)行情感分類，從而得到文本的情感傾向。常用分類算法有K最鄰近算法(KNN)、支持向量機(jī)(SVM)、樸素貝葉斯(NB)、最大熵(ME)算法、決策樹(DT)等。

Pang等[13]通過對比多種方法對電影評論進(jìn)行情感分類，研究結(jié)果表明支持向量機(jī)(SVM)算法效果最好。Baltas等[14]分別運(yùn)用樸素貝葉斯、決策樹和邏輯回歸3種方法對Twitter文本進(jìn)行情感分析，結(jié)果顯示，樸素貝葉斯的效果最好。李明等[15]通過比較樸素貝葉斯、決策樹、支持向量機(jī)(SVM)、K最鄰近算法(KNN)4種常見算法，發(fā)現(xiàn)支持向量機(jī)(SVM)的召回率和精確率最高，高達(dá)到90%以上，然后結(jié)合支持向量機(jī)(SVM)和點(diǎn)互信息(PMI)對商品進(jìn)行細(xì)粒度情感分析。趙楊等[16]采用卷積神經(jīng)網(wǎng)絡(luò)(CNN)和支持向量機(jī)(SVM)相結(jié)合的方法進(jìn)行情感分類，對海淘App各個維度的用戶滿意度進(jìn)行了評分。鮑繼彬[17]通過比較不同方法進(jìn)行分類，得出長短期記憶網(wǎng)絡(luò)(LSTM)的準(zhǔn)確率最高，其次是支持向量機(jī)(SVM)和K最鄰近算法(KNN)，最差的是樸素貝葉斯(NB)的分類效果。

2 文本特征分析

2.1 數(shù)據(jù)采集與預(yù)處理

京東生鮮作為綜合性生鮮電商平臺，生鮮品類非常全面，并且擁有大量的忠實(shí)用戶。該平臺商品的文本評論數(shù)量比較多，并且質(zhì)量較好。在一定程度上，從京東生鮮產(chǎn)品評論中能夠獲取較為全面的評價信息。因此，選擇從京東生鮮上采取數(shù)據(jù)，分別從新鮮水果、海鮮水產(chǎn)、精選肉類、冷飲凍食和蔬菜蛋品這5大商品分類中各選取一個產(chǎn)品，具體爬取產(chǎn)品及評論來源見表1。

表1 采集的數(shù)據(jù)來源

編寫Python程序進(jìn)行爬蟲，爬取各個商品從2020年3月1日到2021年6月30日的評論，總共獲得8 580條評論數(shù)據(jù)，其中新鮮水果2 990條、海鮮水產(chǎn)1 400條、精選肉類1 400條、冷飲凍食1 390條、蔬菜蛋品1 400條。包括4 990條好評，1 790條中評，1 800條差評。

一部分用戶在發(fā)表評論時，遣詞造句比較隨意。一部分用戶雖然進(jìn)行了評論，但其態(tài)度極其不認(rèn)真，敷衍了事，甚至復(fù)制粘貼他人評論，因此爬取的數(shù)據(jù)中有很多無意義的評論。為了防止這類無意義數(shù)據(jù)對研究結(jié)果產(chǎn)生影響，必須首先對獲得的評論數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗。主要包括以下6類評論數(shù)據(jù)：①文本中含有特殊字符和無意義的英文字符的評論，清除掉無意義字符；②由于用戶未發(fā)表評論系統(tǒng)自動默認(rèn)的“此用戶未填寫評價內(nèi)容”此類評論，直接進(jìn)行刪除；③用戶直接復(fù)制粘貼的重復(fù)評論，保留第一條評論；④文本中存在大量重復(fù)用詞，用戶存在湊字?jǐn)?shù)的嫌疑，如“我認(rèn)為這個橘子非常新鮮非常新鮮非常新鮮非常新鮮非常新鮮”，通過機(jī)械壓縮為“我認(rèn)為這個橘子非常新鮮”；⑤評論字?jǐn)?shù)非常少的評論，如“很好”“還行”“一般”，這類評論表述模糊不清，不能確定是對商品某方面的評價，用于產(chǎn)品分析時沒有什么意義，在進(jìn)行短句刪除處理時，刪除掉原評論字符數(shù)或者機(jī)械壓縮后的評論字符數(shù)小于等于3個字符的評論；⑥與商品評價完全無關(guān)的評論，這類評論需要手動剔除。

通過數(shù)據(jù)清洗后爬取的評論數(shù)見表2。

表2 處理后的評論數(shù)

2.2 文本特征分析

2.2.1 基于詞云圖的特征分析

詞云圖將文本數(shù)據(jù)中的高頻詞匯清晰明了地展示出來，直觀表達(dá)文本數(shù)據(jù)的意思，對大量文本數(shù)據(jù)進(jìn)行可視化分析。通過對詞云圖進(jìn)行分析，可以清楚得到在線評論的主題，可以了解消費(fèi)者比較關(guān)注的因素。通過利用Python分別對新鮮水果、海鮮水產(chǎn)、精選肉類、冷飲凍食和蔬菜蛋品這5類商品制作詞云圖，如圖2～圖6所示，同時綜合所有商品對京東生鮮制作詞云圖，如圖7所示。

圖2 新鮮水果的詞云圖

圖3 海鮮水產(chǎn)的詞云圖

圖4 精選肉類的詞云圖

圖5 冷飲凍食的詞云圖

圖6 蔬菜蛋品的詞云圖

從圖7可知，京東生鮮的消費(fèi)者對商品的關(guān)注點(diǎn)的關(guān)鍵詞為新鮮、好吃、不錯、滿意、味道、質(zhì)量、包裝、口感、價格、物流、客服、服務(wù)、性格比等，說明消費(fèi)者對產(chǎn)品全方面關(guān)注。

圖7 京東生鮮產(chǎn)品的詞云圖

2.2.2 基于網(wǎng)絡(luò)語義圖的特征分析

語義網(wǎng)絡(luò)由節(jié)點(diǎn)和有向線段組成，節(jié)點(diǎn)代表常識概念，有向線段代表這些概念之間的關(guān)系。通過對網(wǎng)絡(luò)語義圖的分析，可以突出中心詞，以及展示與中心詞緊密聯(lián)系的詞語。采用ROST CM 6文本挖掘軟件對在線評論文本進(jìn)行社會網(wǎng)絡(luò)和語義網(wǎng)絡(luò)分析。

從圖8可以看出，整體上京東生鮮的語義網(wǎng)絡(luò)聯(lián)系緊密，沒有孤立點(diǎn)，而且節(jié)點(diǎn)相對突出。整個圖都圍繞“京東”這個節(jié)點(diǎn)。與“京東”緊密聯(lián)系的關(guān)鍵詞是“信賴”“方便”“放心”“值得”，說明總體上消費(fèi)者在京東上購買生鮮產(chǎn)品是滿意的，認(rèn)為在京東生鮮上購物值得信賴，認(rèn)為在京東生鮮上購物是美好的。

圖8 京東生鮮評論語義關(guān)系網(wǎng)絡(luò)

3 顧客滿意度測算

3.1 特征詞選取

通過結(jié)巴分詞對在線評論文本進(jìn)行分詞，然后進(jìn)行詞頻統(tǒng)計。將高詞頻的詞匯中明顯與主題不相關(guān)的詞語進(jìn)行篩選，提取出在線評論文本中的高頻特征詞。通過K-means聚類算法對在線評論進(jìn)行聚類，最終確定k=5，則將從物流、包裝、服務(wù)、質(zhì)量和價格這5個維度來衡量生鮮電商的顧客滿意度。

由于中文博大精深，一個詞語擁有眾多表達(dá)方式，擁有大量近義詞。如果對這類近義詞忽略不計的話，將對研究結(jié)果產(chǎn)生一定的影響，因此，運(yùn)用詞向量法(Word2vec)對特征屬性進(jìn)行相似詞語的統(tǒng)計，見表3。

表3 特征詞詞典

3.2 情感詞典構(gòu)建

情感詞典主要包括情感詞詞表、副詞詞表和否定詞詞表。本文的詞庫的主要來源是知網(wǎng)中文詞庫(Hownet)。

1)情感詞詞表。將知網(wǎng)中文詞庫(Hownet)中的正面情感詞語和正面評價詞語合并構(gòu)成正面情感詞語，將知網(wǎng)中文詞庫(Hownet)中的負(fù)面情感詞語和負(fù)面評價詞語合并構(gòu)成負(fù)面情感詞語。

2)副詞詞表。在文本中，程度副詞表達(dá)了情感程度，比如“速度慢”“速度好慢”和“速度超級慢”表達(dá)了3種不同的情感，對速度的不滿程度逐漸加深。為了精準(zhǔn)識別文本的情感程度，需要對程度副詞賦予相應(yīng)的權(quán)重。依照知網(wǎng)中文詞庫(Hownet)將情感副詞分為5個等級，并且賦予5個不同的權(quán)重，見表4。

表4 情感副詞詞典

3)否定詞表。否定詞將句子的情感傾向完全改變，比如“牛奶不新鮮”是“牛奶新鮮”完全相反的意思，將對牛奶的正面評價變成了負(fù)面評價。本文根據(jù)之前分詞的結(jié)果，選出一些具有否定含義的詞，構(gòu)建了否定詞表，見表5。

表5 部分否定詞

3.3 產(chǎn)品特征情感分析

依據(jù)提取出來的5類特征詞，對在線評論文本進(jìn)行篩選，將各類產(chǎn)品中含有該特征詞的在線評論文本進(jìn)行分類，從而計算各類產(chǎn)品各特征屬性的顧客滿意度。情感值的具體計算規(guī)則如下：假設(shè)存在特征詞Wi，對某一含有Wi特征詞的在線評論文本中，如果修飾該特征詞的情感詞是正面情感詞語，則分值為2；如果修飾該特征詞的情感詞是負(fù)面情感詞語，則分值為-2。如果該文本中存在程度副詞，則按照副詞詞表進(jìn)行相應(yīng)賦值。如果該文本中存在否定詞，統(tǒng)計否定詞的個數(shù)，分值為(-1)n。因此，含有特征詞Wi的該文本情感值的計算公式為

2.2 兩組女性經(jīng)會陰盆底超聲各項(xiàng)指標(biāo)差異 靜息狀態(tài)兩組女性膀胱頸位置測值比較差異無統(tǒng)計學(xué)意義(P>0．05)，Valsalva動作后兩組膀胱頸位置及膀胱頸移動度測值比較差異有統(tǒng)計學(xué)意義(P<0．05，表2)。

S(i)=E(i)D(i)I(i)

(1)

式中：E(i)為該評論中情感詞的分值(2分或者-2分)；D(i)為該評論中程度副詞的分值；I(i)為該評論中否定詞的分值。

依次計算出各類生鮮產(chǎn)品的每條評論的情感值后，取含有Wi特征詞的該類產(chǎn)品滿意度的平均值即為該產(chǎn)品在Wi特征上的滿意度。具體的計算結(jié)果見表6。

表6 各類產(chǎn)品各特征的滿意度

表6顯示，消費(fèi)者對新鮮水果的服務(wù)和價格相對比較滿意，對海鮮水產(chǎn)和冷凍飲品的服務(wù)、價格和質(zhì)量相對比較滿意，對精選肉類的質(zhì)量和價格相對比較滿意，對蔬菜蛋品的包裝和價格相對比較滿意。整體上，消費(fèi)者對各類產(chǎn)品的價格和服務(wù)的滿意度比較高，對包裝滿意度最低。

3.4 產(chǎn)品總體滿意度計算

3.4.1 指標(biāo)權(quán)重的確定

權(quán)重反映了消費(fèi)者在生鮮電商平臺上對各項(xiàng)指標(biāo)的重要程度。常用的權(quán)重計算方法有TF-IDF權(quán)重、布爾權(quán)重和頻度權(quán)重。

TF-IDF是由TF和IDF兩部分構(gòu)成的，在文本挖掘領(lǐng)域被廣泛使用。TF即詞頻，表示關(guān)鍵詞在文本中出現(xiàn)的頻率。IDF即逆向文件頻率，度量一個詞的普遍重要性。IDF越大，說明關(guān)鍵詞的區(qū)分度越高。

TF-IDF的計算公式為

TF-IDF=TF×IDF

(2)

TF-IDF的值越大，則關(guān)鍵詞的權(quán)重越高。

因此，運(yùn)用TF-IDF算法計算物流、包裝、服務(wù)、質(zhì)量、價格這5個影響因素在新鮮水果、海鮮水產(chǎn)、精選肉類、冷飲凍食和蔬菜蛋品這5類產(chǎn)品中所占的權(quán)重，結(jié)果見表7。根據(jù)表7繪制雷達(dá)圖，如圖9所示。

表7 各類產(chǎn)品各特征的權(quán)重

圖9 各類產(chǎn)品各特征的雷達(dá)圖

通過圖9可以看出，京東生鮮平臺上，在質(zhì)量、價格和物流這3個維度的權(quán)重相對更多。

3.4.2 產(chǎn)品滿意度的計算

為了比較消費(fèi)者對京東生鮮上各類產(chǎn)品的滿意程度，分別計算出新鮮水果、海鮮水產(chǎn)、精選肉類、冷飲凍食和蔬菜蛋品這5類產(chǎn)品的顧客滿意度?？傮w滿意度的計算公式為

Si=∑Wi,jFi,j

(3)

式中：Si代表第i類產(chǎn)品消費(fèi)者的滿意度；Wi,j表示第i類產(chǎn)品第j個特征的權(quán)重；Fi,j表示第i類產(chǎn)品第j個特征的顧客滿意度。消費(fèi)者對各產(chǎn)品滿意度情況計算結(jié)果見表8。

表8 各產(chǎn)品的滿意度

通過表8可以看出，消費(fèi)者對京東生鮮上這5類產(chǎn)品的總體滿意度排名最高為海鮮水產(chǎn)，排名最低為新鮮水果。

4 結(jié)論與建議

4.1 結(jié)論

通過Python爬取京東生鮮產(chǎn)品的在線評論，通過對在線評論進(jìn)行情感分析，研究得到影響消費(fèi)者對生鮮電商平臺上產(chǎn)品的滿意度因素依次為物流、包裝、服務(wù)、質(zhì)量和價格。研究結(jié)果表明，消費(fèi)者在電商平臺購買生鮮產(chǎn)品時最滿意的是海鮮水產(chǎn)，其次為精選肉類，最不滿意的是新鮮水果。整體上，消費(fèi)者對各類產(chǎn)品的價格和服務(wù)的滿意度比較高，對包裝滿意度最低。

消費(fèi)者對京東生鮮上不同種類的產(chǎn)品看重的特征不同。比如，對冷凍產(chǎn)品，消費(fèi)者最看重價格，對其他種類產(chǎn)品，消費(fèi)者最看重質(zhì)量。整體上，消費(fèi)者對京東生鮮的產(chǎn)品更看重質(zhì)量、價格和物流。

4.2 建議

根據(jù)研究結(jié)果，針對京東生鮮平臺，提出以下幾點(diǎn)提高顧客滿意度的建議。

4.2.1 進(jìn)一步擴(kuò)大優(yōu)勢

消費(fèi)者對京東生鮮平臺的質(zhì)量、價格和物流相對滿意，可以進(jìn)一步擴(kuò)大這幾個方面的優(yōu)勢。

1)質(zhì)量方面。京東生鮮擁有穩(wěn)定的品牌供應(yīng)商，產(chǎn)品來源可控。京東生鮮減少了從產(chǎn)地到顧客手中過程中的損耗，使得農(nóng)產(chǎn)品比較新鮮。因此在質(zhì)量方面有一定的優(yōu)勢。

生鮮電商平臺還可以通過區(qū)塊鏈、物聯(lián)網(wǎng)等技術(shù)，實(shí)現(xiàn)質(zhì)量溯源。消費(fèi)者可以隨時觀察產(chǎn)品的生產(chǎn)、加工、包裝等全過程。信息可視化后，消費(fèi)者對產(chǎn)品的質(zhì)量更加信任，平臺也會更注重生產(chǎn)過程中的質(zhì)量問題。

2)價格方面。京東生鮮的有些產(chǎn)品原產(chǎn)地直采，有些產(chǎn)品建立了自己的生鮮農(nóng)產(chǎn)品基地，因此能提供相對優(yōu)惠的價格。

生鮮電商平臺還可以在選擇供應(yīng)商時，進(jìn)行多方對比，在保證質(zhì)量的前提下，和供應(yīng)商進(jìn)行長期合作，同時優(yōu)化物流、倉儲等方案，減少成本，從而給顧客最優(yōu)惠的價格。

3)物流方面。京東生鮮自建物流設(shè)施，打造冷鏈體系，采取社會化冷鏈協(xié)同網(wǎng)絡(luò)、標(biāo)準(zhǔn)化產(chǎn)品矩陣和智能化供應(yīng)鏈管理來解決生鮮產(chǎn)品需要保鮮的問題。目前有“標(biāo)準(zhǔn)達(dá)”和“京準(zhǔn)達(dá)”兩種配送方式。因此，消費(fèi)者對京東生鮮平臺的物流滿意度相對較高。

4.2.2 加強(qiáng)商品包裝

京東生鮮平臺應(yīng)當(dāng)重視生鮮產(chǎn)品的包裝。從功能和環(huán)境保護(hù)角度出發(fā)，針對不同種類的生鮮產(chǎn)品，結(jié)合產(chǎn)品的特點(diǎn)給予合理的包裝。另外，企業(yè)還可以加大研發(fā)投入，研制新的包裝產(chǎn)品，不僅使得包裝結(jié)實(shí)完好，而且保證產(chǎn)品的新鮮。

4.2.3 提供人性化服務(wù)

1)提高客服服務(wù)水平。平臺可以對客服工作人員進(jìn)行統(tǒng)一專業(yè)化的培訓(xùn)，提高工作人員的專業(yè)知識。目標(biāo)是當(dāng)每位顧客在任意時間段需要客服時，客服都能及時有效地提供咨詢和解決疑問，同時爭取做到從咨詢到售后由同一個客服團(tuán)隊負(fù)責(zé)同一位顧客。針對消費(fèi)者可能出現(xiàn)的退換貨問題，平臺應(yīng)做好預(yù)見性的處理方案，及時解決，避免消費(fèi)者產(chǎn)生不好的購買體驗(yàn)。同時，平臺應(yīng)該進(jìn)行跟蹤和分析，避免類似問題再次發(fā)生。

2)可以實(shí)施線上和線下相結(jié)合的全渠道零售模式。生鮮電商平臺建立優(yōu)質(zhì)的線下實(shí)體店，提供優(yōu)質(zhì)的商品和服務(wù)，提高消費(fèi)者的滿意度。通過采取線上線下同價等措施，打通線上和線下，對線上和線下資源進(jìn)行充分整合。