劉 刊，侯月婷，周宏瑞

（哈爾濱商業(yè)大學(xué) 管理學(xué)院，黑龍江 哈爾濱 150028）

0 引言

信息革命的發(fā)展和大數(shù)據(jù)的爆發(fā)式應(yīng)用催生出共享經(jīng)濟(jì)這一依托共享平臺(tái)進(jìn)行交易的商業(yè)模式。共享平臺(tái)以信息技術(shù)為基礎(chǔ)，以用戶(hù)需求為導(dǎo)向［1］，旨在從第三方角度同時(shí)面向共享服務(wù)或產(chǎn)品的供給者和需求者［2］，以實(shí)現(xiàn)社會(huì)分散資源和碎片化需求的匹配。共享平臺(tái)區(qū)別于其他平臺(tái)的特征是，市場(chǎng)中的用戶(hù)既可自行選擇成為供給者或需求者，又可以在雙邊市場(chǎng)中轉(zhuǎn)變角色。因此，用戶(hù)特征的規(guī)律和差異一直是共享平臺(tái)企業(yè)關(guān)注的重點(diǎn)和難點(diǎn)，而情感認(rèn)知差異會(huì)嚴(yán)重影響用戶(hù)的需求和行為［3］，是研究用戶(hù)群體特征的切入點(diǎn)之一［4］。產(chǎn)品需求者的情感傾向不僅會(huì)對(duì)需求者市場(chǎng)造成影響，也會(huì)對(duì)供給者市場(chǎng)產(chǎn)生聯(lián)動(dòng)作用，供給者的情感傾向又會(huì)作用于需求者市場(chǎng)，進(jìn)而形成雙邊市場(chǎng)用戶(hù)的互動(dòng)效果［5］。積極情感傾向的評(píng)論表明，該用戶(hù)持認(rèn)可的態(tài)度，不僅有利于吸引更多的需求者使用共享平臺(tái)，還有利于激勵(lì)供給者提供更優(yōu)質(zhì)的產(chǎn)品或服務(wù)，建立起用戶(hù)與用戶(hù)、用戶(hù)與平臺(tái)間的良性互動(dòng)，以擴(kuò)大共享經(jīng)濟(jì)雙邊市場(chǎng)規(guī)模。

共享平臺(tái)用戶(hù)群體具有較強(qiáng)的主觀能動(dòng)性，感知價(jià)值與用戶(hù)行為、態(tài)度、決策等緊密聯(lián)系［6］，感知價(jià)值維度的構(gòu)建有助于更加全面地理解用戶(hù)的需求，共享平臺(tái)的需求者和供給者都會(huì)由于感知價(jià)值偏好的差異形成不同的參與行為［7］。共享平臺(tái)在尋求自身競(jìng)爭(zhēng)優(yōu)勢(shì)的同時(shí)，應(yīng)更多地關(guān)注價(jià)值創(chuàng)造的來(lái)源［8］。明確哪些方面和消極情感相關(guān)，哪些方面和積極情感相關(guān)，可以幫助企業(yè)更加準(zhǔn)確地引導(dǎo)用戶(hù)，努力放大能夠有效提升用戶(hù)情感傾向的長(zhǎng)處，同時(shí)彌補(bǔ)企業(yè)在運(yùn)營(yíng)和建設(shè)上存在的不足，減少用戶(hù)消極情感的產(chǎn)生，最終實(shí)現(xiàn)更高的經(jīng)濟(jì)效益。然而，現(xiàn)有研究忽略了共享平臺(tái)雙邊市場(chǎng)主體差異的識(shí)別。從需求者角度出發(fā)多是探究影響需求者行為的因素［9］；從供給者角度出發(fā)主要是討論共享平臺(tái)市場(chǎng)定價(jià)決策和收益，以及供給者端影響因素等的相關(guān)問(wèn)題［10］；從雙邊市場(chǎng)角度出發(fā)多是以平臺(tái)策略為主導(dǎo)，識(shí)別雙邊市場(chǎng)用戶(hù)的行為變化，或是多從某一特定行業(yè)的雙邊市場(chǎng)展開(kāi)研究。數(shù)據(jù)來(lái)源方面，現(xiàn)有研究多采用調(diào)查問(wèn)卷或數(shù)學(xué)建模方法，而半結(jié)構(gòu)化數(shù)據(jù)的分析容易受到研究者知識(shí)水平的限制。非結(jié)構(gòu)性的評(píng)論文本可以提供海量的資料和面板數(shù)據(jù)，具有時(shí)間跨度、較高程度的客觀性和高度的實(shí)驗(yàn)可復(fù)制性等特點(diǎn)［11］，研究結(jié)果更加可靠。文本挖掘技術(shù)是以更加全面真實(shí)的用戶(hù)反饋數(shù)據(jù)為出發(fā)點(diǎn)，是對(duì)共享平臺(tái)用戶(hù)感知價(jià)值相關(guān)研究的一種合理補(bǔ)充，可探究供給者和需求者感知價(jià)值維度和偏好的普遍規(guī)律與差異。

本文基于文本挖掘技術(shù)對(duì)用戶(hù)評(píng)論文本進(jìn)行多層次和多維度的分析，旨在從用戶(hù)群體的情感傾向劃分和感知因素的挖掘出發(fā)，討論不同情感傾向用戶(hù)的感知價(jià)值維度偏好是否存在差異和具體表現(xiàn)，以及當(dāng)市場(chǎng)類(lèi)型不同時(shí)，二者的相關(guān)性是否存在差異。這既是共享平臺(tái)用戶(hù)特征研究的一種新思路，又可以幫助共享平臺(tái)企業(yè)有針對(duì)性地提高雙邊市場(chǎng)用戶(hù)的情感傾向和滿(mǎn)意度，最終實(shí)現(xiàn)市場(chǎng)份額和利潤(rùn)的提高。

1 文獻(xiàn)綜述

共享平臺(tái)面向相對(duì)獨(dú)立又相互關(guān)聯(lián)的雙邊市場(chǎng)，共享平臺(tái)企業(yè)通過(guò)吸引市場(chǎng)中的用戶(hù)促成交易，并適當(dāng)收取費(fèi)用來(lái)實(shí)現(xiàn)網(wǎng)絡(luò)收益，所涉及的舉措包括后端技術(shù)設(shè)備支持和前端用戶(hù)市場(chǎng)開(kāi)發(fā)等［12］。雙邊市場(chǎng)中的供給者和需求者同時(shí)作為用戶(hù)，通過(guò)共享平臺(tái)企業(yè)開(kāi)發(fā)的應(yīng)用程序?qū)崿F(xiàn)交互作用［13］。目前，國(guó)內(nèi)外學(xué)者普遍認(rèn)同基于雙邊市場(chǎng)的差異對(duì)共享平臺(tái)進(jìn)行分類(lèi)的方式，包括供給者對(duì)需求者的C2C共享和共享平臺(tái)或企業(yè)對(duì)需求者的B2C 共享，但前者才是狹義上的共享經(jīng)濟(jì)商業(yè)模式［14］。另外，雙邊市場(chǎng)中主體的行為偏好存在差異，例如價(jià)格敏感度不同［15］，參與交易的目的不同和參與行為的不同［16］，故不能忽視雙邊市場(chǎng)主體間的差異。綜上，本文的研究對(duì)象為C2C 形式的共享平臺(tái)，并將其面向的市場(chǎng)劃分為供給者市場(chǎng)和需求者市場(chǎng)兩種類(lèi)型，以此作為研究用戶(hù)特征差異的依據(jù)。

感知價(jià)值可以體現(xiàn)市場(chǎng)主體特征的規(guī)律和差異。一方面，感知價(jià)值與主體態(tài)度和行為緊密聯(lián)系。共享經(jīng)濟(jì)情境下，需求者和供給者角色的結(jié)合為掌握主體特征和行為的共性提供了新的研究視角［17］。另一方面，對(duì)感知價(jià)值維度和感知因素的理解有助于共享平臺(tái)企業(yè)識(shí)別需要改進(jìn)的指標(biāo)［18］。尤其是對(duì)主體的感知價(jià)值在維度或因素上的偏好的掌握，可以作為企業(yè)制定差異化策略的依據(jù)，有助于策略的及時(shí)調(diào)整和資源的合理配置［19］。以往關(guān)于平臺(tái)用戶(hù)的研究主要有兩個(gè)方向：一是收集消費(fèi)者的歷史購(gòu)買(mǎi)數(shù)據(jù)，進(jìn)一步識(shí)別影響消費(fèi)者行為的關(guān)鍵因素，依據(jù)分析結(jié)果為平臺(tái)企業(yè)提供差異化戰(zhàn)略的指導(dǎo)［20］，實(shí)現(xiàn)營(yíng)銷(xiāo)創(chuàng)新和增強(qiáng)營(yíng)銷(xiāo)效果［21］；二是針對(duì)共享經(jīng)濟(jì)某一領(lǐng)域進(jìn)行深入研究，開(kāi)發(fā)新情境下的感知價(jià)值量表，幫助這一領(lǐng)域的共享平臺(tái)開(kāi)發(fā)者為用戶(hù)提供更好的體驗(yàn)［22］。實(shí)際上，感知價(jià)值對(duì)雙邊市場(chǎng)研究有支持作用，可以更準(zhǔn)確地識(shí)別供給者和需求者的認(rèn)知和行為差異，針對(duì)供給者市場(chǎng)和需求者市場(chǎng)進(jìn)行的差異化服務(wù)可以為共享平臺(tái)企業(yè)帶來(lái)利潤(rùn)最大化［23］。

與感知價(jià)值類(lèi)似，情感傾向作為衡量用戶(hù)群體類(lèi)型的重要角度，可以幫助企業(yè)進(jìn)行精準(zhǔn)營(yíng)銷(xiāo)［24］。一些研究認(rèn)為情感傾向是感知價(jià)值的一個(gè)組成部分［25］，另一些研究認(rèn)為情感傾向是影響感知價(jià)值的驅(qū)動(dòng)因素，而不是其組成部分［26，27］。實(shí)際上，情感分析是文本挖掘的一個(gè)領(lǐng)域，主要通過(guò)將定性的文本數(shù)據(jù)轉(zhuǎn)換成定量的情感數(shù)據(jù)，將文本情感分為不同類(lèi)別，識(shí)別情感傾向，從而判斷或評(píng)估數(shù)據(jù)發(fā)布者的態(tài)度和看法，作為衡量用戶(hù)行為的依據(jù)［28］。由此可見(jiàn)，情感傾向與感知價(jià)值同為影響用戶(hù)行為的因素［29］，并具有一定的相關(guān)關(guān)系［30］。但這種關(guān)系還未明確，值得深入研究。

以往的研究能夠?yàn)閯澐质袌?chǎng)類(lèi)型、構(gòu)建感知價(jià)值維度和分析用戶(hù)情感傾向提供理論依據(jù)。本文從共享平臺(tái)用戶(hù)的視角出發(fā)，基于文本挖掘技術(shù)，將定性與定量分析相結(jié)合，探索用戶(hù)情感傾向和感知價(jià)值偏好的相關(guān)性，以及在不同市場(chǎng)類(lèi)型下的差異。不同于從單一市場(chǎng)出發(fā)或是忽略雙邊市場(chǎng)差異的研究角度，引入偏好模型計(jì)算供給者市場(chǎng)和需求者市場(chǎng)下的感知價(jià)值偏好值。上述研究過(guò)程還彌補(bǔ)了單純的定量或定性研究方法難以分析變量間復(fù)雜的作用機(jī)理的問(wèn)題［31］，理論貢獻(xiàn)主要體現(xiàn)在3 個(gè)方面：①提取共享平臺(tái)用戶(hù)感知價(jià)值的4 個(gè)維度和9 個(gè)感知因素，賦予在新情境下感知價(jià)值的多元化維度劃分，并通過(guò)用戶(hù)情感傾向和感知價(jià)值偏好相關(guān)性的研究再次證明其正確性和重要性；②識(shí)別不同市場(chǎng)類(lèi)型中二者相關(guān)性的差異，以及不同情感傾向的用戶(hù)感知因素的偏好程度不同；③通過(guò)偏好計(jì)算模型對(duì)語(yǔ)義網(wǎng)絡(luò)分析中得到的權(quán)重值進(jìn)行深層次解讀，擴(kuò)展了文本挖掘結(jié)果的表現(xiàn)形式。

2 研究方法

2.1 研究設(shè)計(jì)

本文通過(guò)ROST Content Mining 進(jìn)行語(yǔ)義網(wǎng)絡(luò)分析，運(yùn)用Python進(jìn)行主題提取和實(shí)現(xiàn)數(shù)據(jù)的可視化。①采集與處理數(shù)據(jù)。對(duì)采集到的用戶(hù)評(píng)論文本進(jìn)行整理后，將用戶(hù)情感傾向劃分為積極、中性和消極3種類(lèi)型。②提取感知價(jià)值維度和感知因素。通過(guò)建立用戶(hù)評(píng)論文本挖掘的自定義詞表、過(guò)濾詞表和歸類(lèi)詞群表來(lái)抓取關(guān)鍵詞，通過(guò)對(duì)共詞矩陣的分析得到與感知價(jià)值相關(guān)的主題及其主要影響因素，并結(jié)合感知價(jià)值的文獻(xiàn)研究對(duì)共享平臺(tái)用戶(hù)感知價(jià)值的相關(guān)概念進(jìn)行界定。③提出假設(shè)。對(duì)不同情感傾向用戶(hù)群體關(guān)注的感知價(jià)值因素的差異識(shí)別，提出感知價(jià)值偏好與情感傾向存在相關(guān)性的假設(shè)；同時(shí)，考慮到共享平臺(tái)雙邊市場(chǎng)中的用戶(hù)特征存在差異，提出市場(chǎng)類(lèi)型影響感知價(jià)值偏好和情感傾向相關(guān)性的假設(shè)。④分析情感傾向與感知價(jià)值偏好的相關(guān)性。從感知價(jià)值的4 個(gè)維度和感知因素出發(fā)，通過(guò)語(yǔ)義網(wǎng)絡(luò)分析，討論不同情感傾向用戶(hù)群體的感知價(jià)值偏好。⑤分析不同市場(chǎng)類(lèi)型下感知價(jià)值偏好與情感傾向相關(guān)性的差異。分別獲取供給者市場(chǎng)和需求者市場(chǎng)感知因素的關(guān)鍵詞權(quán)重，構(gòu)建不同市場(chǎng)類(lèi)型下的情感傾向與感知價(jià)值偏好矩陣，并通過(guò)偏好模型計(jì)算不同情感傾向用戶(hù)群體的感知價(jià)值偏好值，以檢驗(yàn)市場(chǎng)類(lèi)型對(duì)感知價(jià)值偏好與情感傾向相關(guān)性的影響。

2.2 數(shù)據(jù)采集與處理

本文遵循案例典型性原則［32］，選取C2C共享形式的共享出行領(lǐng)域、共享住宿領(lǐng)域、共享醫(yī)療領(lǐng)域、共享知識(shí)領(lǐng)域作為研究對(duì)象。每個(gè)領(lǐng)域內(nèi)選擇的共享平臺(tái)及具體原因?yàn)椋孩俟蚕沓鲂蓄I(lǐng)域，“滴滴車(chē)主”面向供給者市場(chǎng)，“滴滴出行”面向需求者市場(chǎng)，以此實(shí)現(xiàn)雙邊市場(chǎng)的資源置換；②知識(shí)共享領(lǐng)域，“抖音”將知識(shí)提供者和需求者整合到同一款應(yīng)用程序，以參與到共享經(jīng)濟(jì)中；③共享住宿領(lǐng)域，“愛(ài)彼迎”為旅行者和房東進(jìn)行匹配，在供給端吸引整合線下閑置資源，在需求端不斷為用戶(hù)提供優(yōu)質(zhì)體驗(yàn)；④共享醫(yī)療領(lǐng)域，“微醫(yī)”作為近三年來(lái)穩(wěn)居共享醫(yī)療領(lǐng)域融資規(guī)模增速第一的共享醫(yī)療平臺(tái)，優(yōu)化了醫(yī)療資源配置。

在數(shù)據(jù)來(lái)源方面，App store 中用戶(hù)下載渠道和進(jìn)行反饋的方式統(tǒng)一，并能夠形成海量單條用戶(hù)真實(shí)評(píng)論的集合［33］，因此使用App store 中應(yīng)用程序的用戶(hù)評(píng)論文本具有合理性。使用Python - Requests模塊編寫(xiě)在線爬蟲(chóng)程序提取了近5 萬(wàn)條用戶(hù)評(píng)論文本，時(shí)間跨度為2018 年1 月至2020 年9 月。剔除重復(fù)的數(shù)據(jù)，將部分英文語(yǔ)言合理轉(zhuǎn)換為中文語(yǔ)言，去除無(wú)效短句等處理，整理得到有效評(píng)論文本46718條。在進(jìn)行共享平臺(tái)不同情感傾向用戶(hù)群體的整體差異分析時(shí)，考慮到數(shù)據(jù)來(lái)源于不同的應(yīng)用程序，通過(guò)SPSS 對(duì)每個(gè)領(lǐng)域內(nèi)的App 評(píng)論數(shù)據(jù)集進(jìn)行隨機(jī)抽樣，得到每個(gè)領(lǐng)域內(nèi)各7000 條評(píng)論文本，以保證文本分析結(jié)果不會(huì)向某一領(lǐng)域傾斜。本文借助ROST Content Mining 的情感分析模塊對(duì)28000 條評(píng)論文本進(jìn)行情感傾向的識(shí)別，分析結(jié)果見(jiàn)表1。

表1 用戶(hù)評(píng)論文本情感分析結(jié)果Table 1 Results of user comment on text sentime nt analysis

2.3 相關(guān)概念界定

考慮到網(wǎng)絡(luò)評(píng)論語(yǔ)言的不規(guī)范性，本文進(jìn)行了數(shù)據(jù)預(yù)處理。首先，建立自定義詞表對(duì)文本進(jìn)行分詞處理，根據(jù)研究需要和文本特征自定義了1095 個(gè)分詞；然后，通過(guò)反復(fù)的詞頻分析，把與研究無(wú)關(guān)或者沒(méi)有意義的詞放進(jìn)過(guò)濾詞表，最終建立了551 個(gè)過(guò)濾詞；最后，建立歸類(lèi)詞群表計(jì)算詞頻，對(duì)部分同義詞進(jìn)行合并處理得到評(píng)論文本的關(guān)鍵詞及其重要性（詞頻）。

感知因素是指感知價(jià)值每個(gè)主題的具體含義及其主要影響因素，它是決定關(guān)鍵詞成為感知價(jià)值某一主題的原因。為了準(zhǔn)確識(shí)別用戶(hù)對(duì)共享平臺(tái)的感知因素，本文從每一類(lèi)情感傾向的用戶(hù)評(píng)論文本中按照重要性選取出前30 個(gè)關(guān)鍵詞，即用戶(hù)感知價(jià)值中具體要素，通過(guò)共詞矩陣分析整理為四大主題下的九大感知因素。如圖1 所示：感知社會(huì)價(jià)值包括供給者互動(dòng)、需求者互動(dòng)和社會(huì)群體互動(dòng)；感知功能價(jià)值包括平臺(tái)功能和程序功能；感知體驗(yàn)價(jià)值包括參與體驗(yàn)和參與情緒；感知成本包括有形成本和無(wú)形成本。

圖1 感知因素提取結(jié)果Figure 1 Extraction results of perceptual factors

共享平臺(tái)用戶(hù)感知價(jià)值是指在參與平臺(tái)全過(guò)程中，用戶(hù)與共享平臺(tái)企業(yè)、用戶(hù)與用戶(hù)互動(dòng)中形成的對(duì)產(chǎn)品/服務(wù)的認(rèn)知，對(duì)產(chǎn)品功能的認(rèn)知，通過(guò)情緒變化帶來(lái)的對(duì)體驗(yàn)過(guò)程的認(rèn)知和為了使用共享平臺(tái)進(jìn)行交易需要付出的東西的認(rèn)知。大部分學(xué)者都是從感知利得和利失兩個(gè)角度出發(fā)探討其豐富內(nèi)涵［34］。共享平臺(tái)與傳統(tǒng)商業(yè)中介平臺(tái)相比，用戶(hù)同時(shí)會(huì)注重體驗(yàn)過(guò)程和情緒變化上的滿(mǎn)足。互聯(lián)網(wǎng)企業(yè)具有社交屬性［35］，雙邊用戶(hù)共同使用共享平臺(tái)的用戶(hù)行為受到另一側(cè)用戶(hù)的影響［36］。共享平臺(tái)經(jīng)濟(jì)模式以應(yīng)用程序?yàn)槊浇楹鸵劳?，其本身的響?yīng)速度、頁(yè)面布局等因素會(huì)影響到用戶(hù)對(duì)參與交易全過(guò)程的整體感知［37］。綜上，感知收益中的感知社會(huì)價(jià)值、感知功能價(jià)值、感知體驗(yàn)價(jià)值和感知付出中的感知成本構(gòu)成了共享平臺(tái)用戶(hù)感知價(jià)值的四大維度。另外，感知價(jià)值偏好是指用戶(hù)對(duì)共享平臺(tái)感知因素和感知價(jià)值維度的主觀評(píng)價(jià)，是一種傾向和態(tài)度，由于用戶(hù)關(guān)注的重點(diǎn)不同，形成了感知到的各方面價(jià)值的不同。具體定義如表2 所示。

表2 共享平臺(tái)用戶(hù)感知價(jià)值維度及定義Table 2 Dimension and definition of perceived value of sharing platform users

2.4 假設(shè)提出

通過(guò)數(shù)據(jù)預(yù)處理中的分詞、去除停用詞，建立歸類(lèi)詞群表等過(guò)程，共得到96 個(gè)關(guān)鍵詞。分別提取不同情感傾向評(píng)論集的關(guān)鍵詞，通過(guò)詞云圖來(lái)表現(xiàn)詞頻的高低，得出不同情感傾向用戶(hù)群體對(duì)共享平臺(tái)重點(diǎn)關(guān)注的要素及其異同（圖2）。相同點(diǎn)有：交易方式和應(yīng)用程序使用上的方便性；與醫(yī)生、司機(jī)等產(chǎn)品供給者的互動(dòng)，交到朋友等社會(huì)群體的互動(dòng)；客服提供的服務(wù)；時(shí)間、供給者與需求者、平臺(tái)三方的響應(yīng)速度等。不同點(diǎn)有：①積極情感傾向群體高度首先關(guān)注正能量這一要素，其次關(guān)注實(shí)現(xiàn)收入自由和界面操作；②中性情感傾向群體關(guān)注的重點(diǎn)是感知功能價(jià)值（例如在共享醫(yī)療平臺(tái)，用戶(hù)可以通過(guò)應(yīng)用程序?qū)崿F(xiàn)等同于在醫(yī)院掛號(hào)的平臺(tái)功能的實(shí)現(xiàn)或登錄軟件、程序版本等程序功能實(shí)現(xiàn)中存在的問(wèn)題）；③消極情感傾向群體重點(diǎn)關(guān)注時(shí)間這一要素，其次是程序閃退、取消訂單等方面的問(wèn)題?？梢?jiàn)，不同情感傾向群體感知因素的側(cè)重存在差異，由此提出假設(shè)1：用戶(hù)情感傾向與感知價(jià)值偏好相關(guān)。另外，共享平臺(tái)組織供需雙方進(jìn)行交易，表現(xiàn)出雙邊市場(chǎng)特征，市場(chǎng)類(lèi)型可劃分為供給者市場(chǎng)和需求者市場(chǎng)［38，39］。用戶(hù)處于不同的市場(chǎng)類(lèi)型中時(shí)扮演的角色不同，參與態(tài)度和行為也會(huì)存在差異［40］，由此提出假設(shè)2：不同市場(chǎng)類(lèi)型下的用戶(hù)情感傾向與感知價(jià)值偏好的相關(guān)性存在差異。綜上，整體的文本挖掘過(guò)程如圖3 所示。

圖2 不同情感傾向群體關(guān)注要素的異同F(xiàn)igure 2 Similarities and differences of attention elements of groups with different sentiment tendencies

圖3 共享平臺(tái)APP用戶(hù)評(píng)論文本挖掘過(guò)程Figure 3 The process of text mining of user comment of sharing platform application

3 假設(shè)檢驗(yàn)

3.1 情感傾向與感知價(jià)值偏好

基于前文的假設(shè)，對(duì)不同情感傾向評(píng)論集分別進(jìn)行感知價(jià)值維度上的分層討論。語(yǔ)義網(wǎng)絡(luò)分析過(guò)程為過(guò)濾無(wú)意義詞后生成共現(xiàn)矩陣詞表，表明詞匯的組間關(guān)系劃分的依據(jù)，繼續(xù)提取行特征詞，實(shí)現(xiàn)文本關(guān)鍵詞語(yǔ)義關(guān)系可視化，因此可以更加清晰地描繪出情感傾向和感知價(jià)值偏好的相關(guān)關(guān)系。主要涉及以下3 個(gè)衡量指標(biāo)：①關(guān)聯(lián)度。指和節(jié)點(diǎn)相關(guān)聯(lián)的邊數(shù)，包括從該節(jié)點(diǎn)出發(fā)的邊的條數(shù)和進(jìn)入該節(jié)點(diǎn)的邊的條數(shù)。②邊權(quán)重。表示節(jié)點(diǎn)之間相互關(guān)系的強(qiáng)弱，用于比較表示平臺(tái)類(lèi)型的關(guān)鍵詞與感知價(jià)值具體要素的語(yǔ)義關(guān)系強(qiáng)弱［41］。③效應(yīng)值。引入統(tǒng)計(jì)學(xué)中效應(yīng)值的計(jì)算檢驗(yàn)語(yǔ)義分析結(jié)果中每個(gè)節(jié)點(diǎn)標(biāo)準(zhǔn)化后的平均相對(duì)差異，通過(guò)節(jié)點(diǎn)面積實(shí)現(xiàn)可視化［42］。

情感傾向與感知社會(huì)價(jià)值偏好：感知社會(huì)價(jià)值包括用戶(hù)與供給者的互動(dòng)、與需求者的互動(dòng)和通過(guò)參與平臺(tái)產(chǎn)生的與社會(huì)群體的互動(dòng)（圖4）。從圖4可見(jiàn)，積極情感傾向與社會(huì)群體互動(dòng)感知因素相關(guān)性較強(qiáng)。表示社會(huì)群體互動(dòng)的關(guān)鍵詞節(jié)點(diǎn)面積大于中性和消極情感傾向，也大于積極情感傾向中的需求者互動(dòng)和供給者互動(dòng)的節(jié)點(diǎn)，關(guān)鍵詞權(quán)重在［164，332］區(qū)間，處于整體權(quán)重區(qū)間的上游位置（積極情感傾向評(píng)論集關(guān)鍵詞整體權(quán)重區(qū)間為［107，378］），感知價(jià)值偏好在要素上的體現(xiàn)主要有：通過(guò)共享平臺(tái)認(rèn)識(shí)朋友和高頻率提及粉絲黏性較強(qiáng)的代言人。消極情感傾向與供給者互動(dòng)和需求者互動(dòng)感知因素相關(guān)性較強(qiáng)。關(guān)鍵詞節(jié)點(diǎn)面積相對(duì)較大，權(quán)重在［4，49］區(qū)間內(nèi)，處于消極情感傾向評(píng)論集整體權(quán)重區(qū)間的上游位置，感知價(jià)值偏好在要素上的體現(xiàn)主要有：和粉絲的互動(dòng)、醫(yī)學(xué)生的參與、司乘互動(dòng)等。綜上，得到引理1：情感傾向與感知社會(huì)價(jià)值偏好相關(guān)，不同情感傾向的感知社會(huì)價(jià)值偏好不同。具體表現(xiàn)在：積極情感傾向與社會(huì)群體互動(dòng)感知因素相關(guān)性較強(qiáng)，消極情感傾向與供給者互動(dòng)、需求者互動(dòng)感知因素相關(guān)性較強(qiáng)。

圖4 感知社會(huì)價(jià)值的文本挖掘Figure 4 Text mining for perceived social value

情感傾向與感知功能價(jià)值偏好。感知功能價(jià)值包括平臺(tái)功能和程序功能（圖5）。從圖5 可見(jiàn)，積極情感傾向與感知功能價(jià)值相關(guān)性較強(qiáng)。表示程序功能的界面好看這一要素權(quán)重較高，表示平臺(tái)功能的關(guān)鍵詞節(jié)點(diǎn)面積較大，且權(quán)重高于程序功能中的詞匯節(jié)點(diǎn)，感知價(jià)值偏好在要素上的體現(xiàn)有：供給者可以獲得收入，需求者可以使用網(wǎng)約車(chē)功能等。另外，消極情感傾向與程序功能感知因素相關(guān)性較強(qiáng)。表示程序功能的關(guān)鍵詞關(guān)聯(lián)度相對(duì)較多，存在界面、投訴、客服回復(fù)、取消訂單等積極情感傾向群體中沒(méi)有的關(guān)鍵詞，且部分相關(guān)節(jié)點(diǎn)面積相對(duì)較大，感知價(jià)值偏好在要素上的體現(xiàn)有：客服的回復(fù)、用戶(hù)投訴、取消訂單等。綜上，得到引理2：情感傾向與感知功能價(jià)值偏好相關(guān)，不同情感傾向的感知功能價(jià)值偏好不同。具體表現(xiàn)在：積極情感傾向與平臺(tái)功能和程序功能感知因素相關(guān)性較強(qiáng)，消極情感傾向與程序功能感知因素相關(guān)性較強(qiáng)。

圖5 感知功能價(jià)值的文本挖掘Figure 5 Text mining for perceived functional value

情感傾向與感知體驗(yàn)價(jià)值偏好：感知體驗(yàn)價(jià)值包括參與體驗(yàn)和參與情緒（圖6）。從圖6 可見(jiàn)，與中性和消極情感傾向群體相比，積極情感傾向群體中表示參與體驗(yàn)的關(guān)鍵詞關(guān)聯(lián)度較多；關(guān)鍵詞節(jié)點(diǎn)面積較大；權(quán)重在［116，396］，遠(yuǎn)高于積極情感傾向中表示參與情緒詞匯節(jié)點(diǎn)的權(quán)重（［34，125］區(qū)間），以及中性、消極情感傾向群體中表示參與體驗(yàn)節(jié)點(diǎn)的權(quán)重（［4，28］區(qū)間）。感知價(jià)值偏好在要素上的體現(xiàn)有參與交易的方便性、選擇自由性等。綜上所述，得到引理3：情感傾向與感知體驗(yàn)價(jià)值偏好相關(guān)，不同情感傾向的感知體驗(yàn)價(jià)值偏好不同。具體表現(xiàn)在：積極情感傾向與參與體驗(yàn)感知因素相關(guān)性較強(qiáng)。

圖6 感知體驗(yàn)價(jià)值的文本挖掘Figure 6 Text mining for perceived experience value

情感傾向與感知成本偏好：感知成本包括有形成本和無(wú)形成本（圖7）。從圖7 可見(jiàn)，積極情感傾向與無(wú)形成本相關(guān)性較強(qiáng)。關(guān)鍵詞節(jié)點(diǎn)面積和關(guān)聯(lián)強(qiáng)度均高于中性和消極情感傾向群體，且權(quán)重在［182，665］區(qū)間，遠(yuǎn)高于積極情感傾向群體中表示有形成本因素的關(guān)鍵詞，感知價(jià)值偏好在要素上的體現(xiàn)為節(jié)約時(shí)間等。另外，消極情感傾向與有形成本相關(guān)性較強(qiáng)。其中，關(guān)鍵詞關(guān)聯(lián)度較多，權(quán)重在［15，71］區(qū)間（消極情感傾向文本關(guān)鍵詞整體權(quán)重區(qū)間為［15，90］），節(jié)點(diǎn)面積大于積極情感傾向群體中表示有形成本的關(guān)鍵詞節(jié)點(diǎn)，感知價(jià)值偏好體現(xiàn)在平臺(tái)價(jià)格這一要素。綜上所述，得到引理4：情感傾向與感知成本偏好相關(guān)，不同情感傾向的感知成本偏好不同。具體表現(xiàn)在：積極情感傾向與無(wú)形成本感知因素相關(guān)性較強(qiáng)，消極情感傾向與有形成本感知因素相關(guān)性較強(qiáng)。

圖7 感知成本的文本挖掘Figure 7 Text mining for perceived cost

通過(guò)分別討論情感傾向與感知價(jià)值在4 個(gè)維度偏好上的相關(guān)性，可以認(rèn)為假設(shè)1 成立。

3.2 不同市場(chǎng)類(lèi)型下的感知價(jià)值偏好

將供給者用戶(hù)和需求者用戶(hù)的評(píng)論文本均劃分為積極、中性、消極情感傾向群體，并分別進(jìn)行語(yǔ)義分析。關(guān)聯(lián)強(qiáng)度（strength）設(shè)定為［1，4］，strength ＜2，為弱相關(guān)或不相關(guān)，通過(guò)語(yǔ)義關(guān)聯(lián)強(qiáng)度對(duì)生成的關(guān)聯(lián)語(yǔ)義進(jìn)行篩選。保留strength≥2 的關(guān)聯(lián)規(guī)則，以排除冗余。表中數(shù)據(jù)缺失位置表示情感傾向與感知價(jià)值偏好可能存在弱相關(guān)或者不相關(guān)，即與某一情感傾向中的其他感知因素相比不存在較強(qiáng)的相關(guān)關(guān)系。

權(quán)重均值表示某一感知因素在特定情感傾向群體中的集中趨勢(shì)；總體權(quán)重反映了節(jié)點(diǎn)出強(qiáng)度，綜合了出度和邊權(quán)重兩方面來(lái)表示不同市場(chǎng)類(lèi)型和情感傾向下共享平臺(tái)和感知因素關(guān)系的總強(qiáng)度。因此，綜合上述指標(biāo)可以客觀表示出用戶(hù)情感傾向與感知價(jià)值偏好相關(guān)性較強(qiáng)的感知因素?；诠┙o者市場(chǎng)用戶(hù)評(píng)論文本的不同情感傾向語(yǔ)義網(wǎng)絡(luò)分析結(jié)果的關(guān)聯(lián)規(guī)則的權(quán)重均值和總體權(quán)重的計(jì)算結(jié)果，得到不同情感傾向用戶(hù)群體的感知價(jià)值各維度的感知因素權(quán)重（表3）。

從表3 可見(jiàn)，供給者市場(chǎng)中，感知社會(huì)價(jià)值維度與中性情感傾向強(qiáng)相關(guān)；感知功能價(jià)值維度既與積極情感傾向強(qiáng)相關(guān)，又與消極情感傾向強(qiáng)相關(guān)；感知體驗(yàn)價(jià)值既與積極情感傾向強(qiáng)相關(guān)，又與消極情感傾向強(qiáng)相關(guān)；感知成本維度中的有形成本因素與積極情感傾向強(qiáng)相關(guān)。

表3 供給者市場(chǎng)不同情感傾向的感知因素權(quán)重Table 3 The perceptual factor weights of different sentiment trends in supplier market

本文基于需求者市場(chǎng)用戶(hù)評(píng)論文本的不同情感傾向語(yǔ)義網(wǎng)絡(luò)分析結(jié)果的關(guān)聯(lián)規(guī)則的權(quán)重均值和總體權(quán)重的計(jì)算結(jié)果，得到了不同情感傾向用戶(hù)群體的感知價(jià)值各維度的感知因素權(quán)重，具體如表4 所示。

從表4 可見(jiàn)，需求者市場(chǎng)中，感知社會(huì)價(jià)值維度中的社會(huì)群體互動(dòng)因素與積極情感傾向強(qiáng)相關(guān)，需求者互動(dòng)因素與消極情感傾向強(qiáng)相關(guān)；感知功能價(jià)值維度中的平臺(tái)功能因素與積極情感傾向相關(guān)性較高，程序功能因素與消極情感傾向相關(guān)性較高；感知體驗(yàn)價(jià)值維度與積極情感傾向強(qiáng)相關(guān)；感知成本維度中的有形成本因素與積極情感傾向強(qiáng)相關(guān)。

表4 需求者市場(chǎng)不同情感傾向的感知因素權(quán)重Table 4 The perceptual factor weights of different sentiment trends in demander market

通過(guò)建立情感傾向—感知價(jià)值偏好模型，比較和展示上述兩種市場(chǎng)類(lèi)型下情感傾向與感知價(jià)值偏好的相關(guān)性差異。首先，基于對(duì)供給者市場(chǎng)和需求者市場(chǎng)中的用戶(hù)情感傾向與感知價(jià)值偏好分析，建立感知價(jià)值不同維度各因素的情感傾向矩陣，由1或0 進(jìn)行填充，1 表示感知價(jià)值因素與情感傾向存在強(qiáng)相關(guān)，0 表示感知價(jià)值因素與情感傾向不存在強(qiáng)相關(guān)。供給者市場(chǎng)和需求者市場(chǎng)的感知價(jià)值偏好矩陣Pij如表5 所示。

表5 情感傾向與感知價(jià)值偏好矩陣Table 5 Matrix of sentiment trend and perceive d value preference

其次，借助偏好模型［43］，將情感傾向與感知價(jià)值偏好模型定義為：

式中：prePu，pj表示共享平臺(tái)用戶(hù)群體感知價(jià)值對(duì)情感傾向的偏好值；Wu，i表示用戶(hù)群體感知價(jià)值不同因素的權(quán)重；Npj表示感知價(jià)值所有因素中與情感傾向（Pj＝1，2，3）存在相關(guān)性的數(shù)量；Npj0表示感知價(jià)值因素中既與情感傾向Pj相關(guān)，又可以與其他的情感傾向存在相關(guān)性的數(shù)量；N00表示感知價(jià)值所有因素中僅與一種情感傾向存在相關(guān)性的數(shù)量。將用戶(hù)評(píng)論文本通過(guò)語(yǔ)義分析得到的權(quán)重進(jìn)行計(jì)算，由此得到用戶(hù)群體感知價(jià)值各因素的情感傾向偏好值（表6）。

表6 不同情感傾向的感知價(jià)值偏好值Table 6 Perceived value preference values for different sentiment trends

一方面，不同市場(chǎng)類(lèi)型的消極情感傾向的感知價(jià)值偏好不同。供給者市場(chǎng)的消極傾向的感知價(jià)值偏好無(wú)顯著差異，在需求者市場(chǎng)則具有明顯不同，消極情感傾向與需求者互動(dòng)和程序功能因素偏好相關(guān)性較高；另一方面，不同市場(chǎng)類(lèi)型的積極情感傾向的感知價(jià)值偏好也不同。供給者市場(chǎng)的積極情感傾向最主要與感知體驗(yàn)價(jià)值維度中參與體驗(yàn)因素相關(guān)，其次是感知成本維度中的有形成本因素和感知功能價(jià)值維度中的平臺(tái)功能因素；需求者市場(chǎng)的積極情感傾向與感知價(jià)值各維度都存在相關(guān)性，偏好值最高的是感知功能價(jià)值維度中的平臺(tái)功能因素，其次是參與體驗(yàn)因素和社會(huì)群體互動(dòng)因素。綜上所述，可得引理5：市場(chǎng)類(lèi)型不同，情感傾向與感知價(jià)值偏好的相關(guān)性存在差異。

上述分析表明，供給者市場(chǎng)和需求者市場(chǎng)中的用戶(hù)情感傾向與感知價(jià)值偏好的相關(guān)性存在差異，可以認(rèn)為假設(shè)2 成立。

4 結(jié)論與建議

4.1 結(jié)論

主要結(jié)論如下：①不同情感傾向用戶(hù)的感知價(jià)值偏好不同，積極情感傾向中平臺(tái)功能感知偏好值最高，消極情感傾向中參與體驗(yàn)和平臺(tái)功能感知偏好值較高。②不同市場(chǎng)類(lèi)型中的用戶(hù)感知價(jià)值偏好不同。感知社會(huì)價(jià)值維度中的社會(huì)群體互動(dòng)因素和感知功能價(jià)值維度中的平臺(tái)功能因素與需求者的積極情感傾向相關(guān)性較強(qiáng)；感知體驗(yàn)價(jià)值維度中的參與體驗(yàn)因素與雙邊市場(chǎng)用戶(hù)的積極情感傾向相關(guān)性較強(qiáng)；感知成本維度中的無(wú)形成本因素與供給者的積極情感傾向相關(guān)性較強(qiáng)。

4.2 對(duì)策建議

針對(duì)上述研究結(jié)論，本文提出以下對(duì)策建議：①對(duì)平臺(tái)提供的功能進(jìn)行優(yōu)化可以更有效地提高積極情感傾向，通過(guò)對(duì)客服人員專(zhuān)業(yè)技能的培訓(xùn)，提高他們的服務(wù)意識(shí)，優(yōu)化平臺(tái)用戶(hù)參與交易的功能模塊等措施來(lái)實(shí)現(xiàn)；創(chuàng)造更優(yōu)質(zhì)的用戶(hù)體驗(yàn)?zāi)芨行У販p少用戶(hù)的消極情感傾向，可以通過(guò)采用場(chǎng)景化的形式將平臺(tái)內(nèi)容傳遞給用戶(hù)，推出首次交易提供大額補(bǔ)貼，用戶(hù)的優(yōu)質(zhì)評(píng)價(jià)可以獲得獎(jiǎng)勵(lì)等措施來(lái)實(shí)現(xiàn)。②企業(yè)應(yīng)根據(jù)供給者市場(chǎng)和需求者市場(chǎng)主體的差異，判斷用戶(hù)積極情感傾向和消極情感傾向的相關(guān)因素。而對(duì)感知要素的強(qiáng)化，針對(duì)不同市場(chǎng)主體應(yīng)采取有效的措施，可提高市場(chǎng)積極情感傾向與感知價(jià)值偏好的相關(guān)性。具體來(lái)講，面對(duì)需求者市場(chǎng)時(shí)，平臺(tái)應(yīng)努力提高用戶(hù)對(duì)社會(huì)群體互動(dòng)的感知。例如，采用明星代言，將人格形象轉(zhuǎn)移到平臺(tái)品牌上，開(kāi)放用戶(hù)留言中心，搭建溝通論壇等，向用戶(hù)傳遞更高的感知社會(huì)價(jià)值。面對(duì)供給者市場(chǎng)時(shí)，平臺(tái)則應(yīng)努力降低用戶(hù)的感知成本。例如，優(yōu)化用戶(hù)對(duì)于碎片化時(shí)間的利用程度，減少用戶(hù)等待交易完成的時(shí)間，提高平臺(tái)的響應(yīng)速度等，向用戶(hù)傳遞更低的感知成本，尤其是無(wú)形成本。