張道海，楊 晨（江蘇大學(xué) 管理學(xué)院，江蘇 鎮(zhèn)江 212013）

0 引言

自新冠疫情爆發(fā)以來，網(wǎng)絡(luò)購物發(fā)展愈加迅猛。據(jù)第49 次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》顯示，截至2021 年12 月，我國網(wǎng)民規(guī)模達(dá)10.32 億，互聯(lián)網(wǎng)普及率達(dá)73.0%。其中，網(wǎng)絡(luò)支付用戶規(guī)模達(dá)9.04 億，較2020 年12 月增長4 929 萬，占網(wǎng)民整體人數(shù)的87.6%[1]。與此同時，網(wǎng)絡(luò)購物投訴占比也迅速增長，據(jù)“電數(shù)寶”數(shù)據(jù)顯示，2021 全年，國內(nèi)網(wǎng)購?fù)对V占全部投訴52.55%，比例最高。電商平臺物流作為網(wǎng)絡(luò)購物環(huán)節(jié)中的重要部分，其服務(wù)質(zhì)量的高低直接影響了消費(fèi)者網(wǎng)絡(luò)購物滿意度。在線評論信息作為消費(fèi)者購物體驗(yàn)的反饋，反映了其對網(wǎng)絡(luò)購物的具體需求。通過電商平臺物流服務(wù)在線評論信息，挖掘消費(fèi)者的真實(shí)需求有助于電商平臺完善物流服務(wù)質(zhì)量，提高消費(fèi)者滿意度。

1 研究現(xiàn)狀

物流服務(wù)在促進(jìn)在線購買[2]和消費(fèi)者滿意度[3]方面發(fā)揮著關(guān)鍵作用，網(wǎng)絡(luò)購物物流服務(wù)質(zhì)量同時需要跟上電商環(huán)境的發(fā)展[4]。易祎晨等[5]基于SERVQUAL 模型確定了專業(yè)性、可靠性、響應(yīng)性、便利性和安全性五個維度，為生鮮物流服務(wù)質(zhì)量的評價與優(yōu)化起到一定借鑒作用。Xiaomei Tao 等[6]基于李克特5 級量表和主成分分析法確立了5 維21 個指標(biāo)的服務(wù)質(zhì)量評價體系。翟小可等[7]運(yùn)用AHP-模糊綜合評價法建立農(nóng)村電商物流服務(wù)質(zhì)量評價模型，并進(jìn)行實(shí)證研究。張寶友等[8]指出將客戶“聲音”轉(zhuǎn)化為質(zhì)量屬性的文本挖掘方法是物流服務(wù)質(zhì)量提升的重要方法之一。Wei Hong 等[9]通過卷積神經(jīng)網(wǎng)絡(luò)技術(shù)分析消費(fèi)者滿意度與生鮮電商物流服務(wù)的關(guān)系，結(jié)果證實(shí)便利性、溝通、可靠性和響應(yīng)性對客戶滿意度有顯著影響。Singh S P 等[10]通過情感分析與主題建模，驗(yàn)證電商物流服務(wù)質(zhì)量與第三方物流服務(wù)提供商的運(yùn)營和財務(wù)績效呈正相關(guān)關(guān)系。

上述文獻(xiàn)提供了重要的理論基礎(chǔ)和方法論指導(dǎo)，但實(shí)際應(yīng)用中結(jié)合當(dāng)前新冠疫情背景進(jìn)行電商平臺物流服務(wù)質(zhì)量提升的研究尚比較欠缺。因此，基于電商平臺中受疫情影響較大的多種類別商品評論文本，進(jìn)行特征提取、情感分析、主題挖掘與事件構(gòu)建，研究消費(fèi)者滿意度機(jī)理，探尋電商平臺物流服務(wù)質(zhì)量提升，具有重要的現(xiàn)實(shí)意義。

2 研究框架

本文總體框架如圖1 所示，基于特征挖掘方法構(gòu)建電商平臺物流服務(wù)詞典，篩選物流服務(wù)評論文本；然后建立情感分析模型判斷在線評論中隱含的消費(fèi)者情緒，識別消費(fèi)者情感；進(jìn)一步基于LDA 挖掘消費(fèi)者的需求主題，明確電商平臺物流服務(wù)質(zhì)量提升方向；最后基于語義方法還原主題事件，研究消費(fèi)者滿意度機(jī)理。

圖1 研究總體框架

3 挖掘過程

3.1 電商平臺物流服務(wù)特征提取

依據(jù)產(chǎn)品分類，從京東平臺搜索評論數(shù)較多的50 家店鋪，獲取2020 年11 月10 日至2022 年3 月28 日商品在線評論74 000 條評論。將獲取的評論文本進(jìn)行去停用詞等處理后進(jìn)行分詞，共獲取詞匯數(shù)據(jù)50 萬條。對詞匯進(jìn)行詞性分析，在特征提取中根據(jù)詞性對名詞和動詞進(jìn)行有監(jiān)督的特征提取能得到較好效果[11]。對名詞和動詞進(jìn)行詞頻統(tǒng)計，選取20 個高頻詞匯作為電商平臺在線評論特征主題詞，得到結(jié)果如表1 所示。

表1 在線評論特征主題詞

在表1 中，20 個特征詞匯詞頻（TF）、逆文檔頻率（IDF）、TF-IDF 排序結(jié)果基本一致，說明特征詞均在文檔中有足夠重要性，且對評論的主題有較好的覆蓋[12]，因此選取這20 個詞匯作為電商平臺用戶評論特征主題詞。通過Word2vec 將詞匯轉(zhuǎn)化為詞向量，采用主成分分析法對特征指標(biāo)進(jìn)行降維，計算各主成分累計方差貢獻(xiàn)率，結(jié)果如圖2 所示。根據(jù)主成分累計方差貢獻(xiàn)率，選取5 個主成分為最終降維結(jié)果，得到如圖3 所示的特征詞分布。

圖2 主成分累計方差貢獻(xiàn)率

圖3 特征詞分布

根據(jù)特征詞分布圖，構(gòu)建如表2 所示的在線評論特征分類表，如類別2 所示，與物流服務(wù)強(qiáng)相關(guān)共有7 個特征詞匯。

表2 在線評論特征分類表

依據(jù)物流服務(wù)特征詞匯，使用Word2vec 獲取與特征詞相似度較高的詞語構(gòu)建電商平臺物流服務(wù)詞典，從在線評論中遍歷含有詞典詞匯的評論，共獲得21 620 條電商平臺物流服務(wù)在線評論文本數(shù)據(jù)。

3.2 電商平臺物流服務(wù)情感分析

從物流服務(wù)文本中隨機(jī)選取5 000 條評論，對其情感極性進(jìn)行人工標(biāo)注。其中4 000 條評論文本作為訓(xùn)練集，1 000 條評論作為測試集進(jìn)行情感分析效果評估。通過樸素貝葉斯、支持向量機(jī)與卷積神經(jīng)網(wǎng)絡(luò)模型分別在訓(xùn)練集上構(gòu)建情感分類模型，在測試集上進(jìn)行情感預(yù)測性能評估，從平均精度、Ⅰ型誤差、Ⅱ性誤差、F-Measure 四個指標(biāo)評估預(yù)測模型，結(jié)果如表3 所示。

從表3 可知，基于CNN 的情感分析模型擁有最優(yōu)的平均精度、Ⅱ型誤差和F 值，因此采用CNN 對物流服務(wù)評論文本進(jìn)行情感分析，得到結(jié)果如表4 所示。

表3 情感分析預(yù)測性能評估

表4 情感分析結(jié)果

3.3 電商平臺物流服務(wù)主題獲取

分別從正面情感與負(fù)面情感兩個角度對評論文本進(jìn)行LDA 主題建模，根據(jù)計算主題一致性得分[13]，確定最優(yōu)主題數(shù)目，結(jié)果如圖4 所示。

圖4 正負(fù)主題一致性

根據(jù)圖4 計算結(jié)果，確定正面主題數(shù)目8 個，負(fù)面主題數(shù)目7 個。對主題內(nèi)容構(gòu)建主題分布圖，如圖5 所示。序號代表主題編號，圓圈大小代表主題特征的顯著水平，圓圈間隔代表不同主題間距離。

圖5 主題分布圖

由圖5 知：在正面主題中，主題5 與主題8 的距離過近，重合度過高，合并為一個主題；主題7 的特征不顯著，作為噪聲進(jìn)行刪除。負(fù)面主題中，主題4 與主題5 合并為一個主題，主題7 特征不顯著，同樣作為噪聲刪除。最終確定6 個正面主題，5 個負(fù)面主題為最終分類結(jié)果。根據(jù)LDA 主題內(nèi)主題詞所表達(dá)的含義，對主題進(jìn)行命名，結(jié)果如表5 所示。

表5 LDA 主題模型

對表5 進(jìn)行分析，“商品狀態(tài)”主題內(nèi)主題詞涉及商品本身質(zhì)量問題，與物流服務(wù)質(zhì)量無關(guān)?！邦櫩颓楦小敝黝}包括消費(fèi)者對于物流服務(wù)好壞的情感反饋，可以歸類入“服務(wù)態(tài)度”主題。最終確定電商平臺物流服務(wù)主要包括“電商平臺”、“物流時效”、“物流包裝”、“服務(wù)態(tài)度”四個主題。

3.4 滿意度機(jī)理研究

根據(jù)物流服務(wù)主題評論，如圖6 所示流程構(gòu)建事件模型，對主題下關(guān)鍵詞進(jìn)行遍歷篩選獲取主題評論內(nèi)容，通過還原評論事件主題研究消費(fèi)者電商平臺物流服務(wù)的滿意度機(jī)理。

圖6 語義分析流程

句法分析主要任務(wù)是確定句法結(jié)構(gòu)，以及句子中的詞匯之間的依存關(guān)系。利用哈工大LTP 平臺構(gòu)建SVO 三元組，還原主題中隱含的事件主題。本文共獲取正面事件三元組15 254 條，負(fù)面事件三元組3 295 條，通過同義詞轉(zhuǎn)換選取出現(xiàn)頻率較高的事件，對正面主題與負(fù)面主題兩個方面構(gòu)建如表6 與表7 所示的高頻事件表。

表6 正面主題高頻事件

表7 負(fù)面主題高頻事件

依據(jù)正面高頻事件表，對主題事件分析如下：

（1）在電商平臺方面，平臺的企業(yè)形象、保障措施、責(zé)任態(tài)度以及消費(fèi)者以往的良好購物體驗(yàn)，對平臺的選擇意愿有積極的影響。消費(fèi)者更愿意選擇平臺自營物流服務(wù)。

（2）在物流時效方面，消費(fèi)者注重于運(yùn)輸與發(fā)貨速度，且對于空運(yùn)這一運(yùn)輸方式有著足夠的好感與信任。在新冠疫情或節(jié)假日等特殊環(huán)境下保證時效性的舉措使得消費(fèi)者滿意度提高。

（3）在物流包裝方面，消費(fèi)者關(guān)注包裝的完整度、整潔度和保護(hù)性能三個方面，即完好、干凈且對商品能夠起到保護(hù)作用的包裝給消費(fèi)者帶來較高的購物體驗(yàn)。

（4）在服務(wù)態(tài)度方面，快遞小哥與平臺客服對消費(fèi)者的幫助行為與耐心熱情的服務(wù)態(tài)度對消費(fèi)者情緒具有積極的作用。

依據(jù)負(fù)面高頻事件表，對主題事件分析如下：

（1）在電商平臺方面，電商平臺對消費(fèi)者的“殺熟”操作降低消費(fèi)者購物體驗(yàn)，電商平臺對消費(fèi)者不可靠承諾與責(zé)任推卸影響消費(fèi)者對于平臺的滿意度。

（2）在物流包裝方面，包裝的密封性、完整性、環(huán)保性、材質(zhì)與氣味等問題都會影響消費(fèi)者的購物體驗(yàn)。消費(fèi)者對于物流包裝環(huán)保、安全、保質(zhì)關(guān)注度高。

（3）在時效性方面，運(yùn)輸時間和發(fā)貨時間長是消費(fèi)者負(fù)面評論中提及最主要的問題。其中，若電商平臺未對物流時效做出有效預(yù)估或與消費(fèi)者存在物流時效承諾而未履行，將帶來消費(fèi)者負(fù)面情緒。

（4）在服務(wù)態(tài)度方面，電商平臺物流或商家的誠信問題或?qū)τ谙M(fèi)者敷衍或惡劣的態(tài)度會導(dǎo)致消費(fèi)者負(fù)面情緒的產(chǎn)生，導(dǎo)致消費(fèi)者滿意度下降。

4 結(jié)論與不足

本文使用TF-IDF 結(jié)合PCA 主成分分析對物流服務(wù)特征進(jìn)行提取，接著基于卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行物流服務(wù)的情感分析，然后基于LDA 進(jìn)行主題建模，最后通過SVO 三元組還原事件主題，進(jìn)行影響因素機(jī)理分析。結(jié)果表明，消費(fèi)者網(wǎng)購滿意度與“電商平臺”、“物流時效”、“物流包裝”、“服務(wù)態(tài)度”四個方面密切相關(guān)，平臺的企業(yè)形象、保障措施、服務(wù)承諾等直接影響消費(fèi)者對平臺的選擇意愿，發(fā)貨和運(yùn)輸速度、包裝的安全、服務(wù)態(tài)度等直接影響消費(fèi)者情緒。

本文選取了京東物流平臺下受新冠疫情影響較大的生鮮產(chǎn)品、農(nóng)副產(chǎn)品和農(nóng)產(chǎn)品三類商品進(jìn)行分析，在未來的研究中，應(yīng)充分考慮多平臺更多品類商品進(jìn)行研究，使得研究結(jié)果更加準(zhǔn)確有效。同時，文本挖掘過程中仍存在部分無法篩除的噪音，如機(jī)器人評論與無法進(jìn)行語義分析的網(wǎng)絡(luò)用語等，這些因素會影響分析的結(jié)果，有待進(jìn)一步優(yōu)化改進(jìn)。