劉冉(通訊作者) 李秋敏

(成都信息工程大學(xué) 四川成都 610103)

隨著信息技術(shù)的進(jìn)步及群眾娛樂需求的不斷提高，流媒體服務(wù)呈現(xiàn)出蓬勃發(fā)展的態(tài)勢(shì)。尤其是音樂流媒體，它已經(jīng)顛覆了傳統(tǒng)的音樂產(chǎn)業(yè)。相比于過去，如今音樂消費(fèi)者無需通過下載音頻文件來獲取音樂，而是通過網(wǎng)絡(luò)或移動(dòng)應(yīng)用程序訪問高質(zhì)量的音樂。簡(jiǎn)單便捷的屬性使得音樂流媒體服務(wù)越來越受歡迎。根據(jù)國際唱片業(yè)協(xié)會(huì)(IFPI)《2023年全球音樂報(bào)告》，在2022年，全球音樂銷量連續(xù)第八年增長，其中流媒體總收入增長11.5% ，這使得流媒體在整個(gè)音樂市場(chǎng)的份額達(dá)67%，處于主導(dǎo)地位。放眼全球市場(chǎng)，美國的銷售份額保持世界第一，日本穩(wěn)居第二，往后相繼是英國和德國。中國排名第五，躍居全球音樂流媒體服務(wù)的第五大市場(chǎng)。音樂流媒體服務(wù)在中國具有巨大的發(fā)展?jié)摿?。國際市場(chǎng)上，Spotify、YouTube音樂和亞馬遜音樂等各種服務(wù)不僅引領(lǐng)當(dāng)前的全球音樂產(chǎn)業(yè)，而且還在激烈爭(zhēng)奪市場(chǎng)主導(dǎo)地位。國內(nèi)市場(chǎng)，騰訊音樂和網(wǎng)易云音樂共占據(jù)市場(chǎng)份額的九成以上，其中騰訊音樂的競(jìng)爭(zhēng)優(yōu)勢(shì)明顯。音樂流媒體服務(wù)通過傭金或訂閱費(fèi)來盈利，消費(fèi)音樂的客戶越多，該服務(wù)獲得的收入就越多。所以，各大音樂流媒體服務(wù)平臺(tái)正不斷地創(chuàng)新營銷策略以達(dá)到吸引更多客戶的目的。

市場(chǎng)需求拉動(dòng)模式創(chuàng)新是獲取競(jìng)爭(zhēng)優(yōu)勢(shì)的一個(gè)有效途徑。企業(yè)通過識(shí)別和解決用戶需要，優(yōu)化產(chǎn)品，獲得利潤增長。如何精確識(shí)別客戶偏好，了解影響客戶滿意度的因素，成為解決問題的關(guān)鍵。關(guān)于音樂流媒體客戶滿意度的研究，A.H.Kaur和S.Gopinathan通過問卷調(diào)查的方式收集數(shù)據(jù)，使用偏最小二乘(PLS)法檢查和分析研究模型中的關(guān)系，旨在調(diào)查信息質(zhì)量、系統(tǒng)質(zhì)量、服務(wù)質(zhì)量和可信度對(duì)馬來西亞音樂流媒體用戶滿意度的作用；D. Wulandari、U. Suhud 和 U. Purwohedi通過結(jié)構(gòu)方程模型(SEM)證實(shí)了易用性、享受和娛樂對(duì)滿意度有著積極且顯著的影響；劉義理、朱茂然和胡莼通過分析用戶行為軌跡來構(gòu)建用戶音樂偏好模型，為提高音樂推薦的滿意度提供了新思路；吳海金、陳俊提出了一種融合分類與協(xié)同過濾的情境感知音樂推薦算法，提高個(gè)性化推薦的性能。

通過對(duì)文獻(xiàn)進(jìn)行梳理，筆者發(fā)現(xiàn)已有研究對(duì)于音樂流媒體服務(wù)滿意度的研究主要集中在問卷形式和推薦算法的優(yōu)化方面，很少有人嘗試使用大規(guī)模的社交媒體數(shù)據(jù)來評(píng)估音樂流媒體服務(wù)。隨著Web 2.0的發(fā)展，使用社交媒體的用戶越來越多，用戶之間的互動(dòng)留下了大量數(shù)據(jù)。本文旨在利用社交媒體的文本數(shù)據(jù)，采用主題建模、情感分析和IPA分析從關(guān)注度和滿意度兩個(gè)方面對(duì)用戶關(guān)注的要素進(jìn)行深入分析，為音樂流媒體服務(wù)的改進(jìn)提供借鑒。

1 音樂流媒體用戶的特征分析

1.1 文本數(shù)據(jù)的選擇和預(yù)處理

數(shù)據(jù)來源：華為應(yīng)用市場(chǎng)，App store，應(yīng)用寶中爬取的QQ音樂、酷狗音樂和網(wǎng)易云音樂軟件的用戶評(píng)論。

數(shù)據(jù)預(yù)處理：(1)對(duì)評(píng)論數(shù)進(jìn)行刪除重復(fù)值處理，得到有效評(píng)論數(shù)10447條；(2)利用jieba庫進(jìn)行分詞、詞性標(biāo)注；(3)以哈工大停用詞詞庫為基礎(chǔ)，結(jié)合實(shí)際情況構(gòu)建停用詞詞典。

1.2 文本特征提取

文本特征提取旨在從文本數(shù)據(jù)中提取關(guān)鍵詞，以此來表示文本信息。本文提取了前20個(gè)TF-IDF值最大的詞語，結(jié)果如表1所示。

表1 詞頻統(tǒng)計(jì)和TF-IDF值排名前20的文本特征詞

根據(jù)TF-IDF值的計(jì)算可知，TD-IDF值最大的前20個(gè)詞語分別為：音樂、喜歡、版權(quán)、廣告、軟件、會(huì)員、歌曲、不錯(cuò)、好聽、非常、沒有、聽歌、VIP、希望、音質(zhì)、垃圾、不能、很多、現(xiàn)在、推薦。詞頻統(tǒng)計(jì)的結(jié)果與TF-IDF值計(jì)算的結(jié)果有所差異。例如：版權(quán)、廣告在TF-IDF值排序中的位置相較于詞頻統(tǒng)計(jì)的排序位置更靠前，說明用戶在享受流媒體服務(wù)時(shí)看重版權(quán)、廣告的因素。

1.3 基于詞云圖的可視化分析

為了能夠更直觀地對(duì)評(píng)論數(shù)據(jù)有大致了解，可以繪制用戶評(píng)論的詞云圖。如圖1所示。

圖1 用戶評(píng)論詞云圖

通過詞云圖可以看出音樂、會(huì)員、聽歌、版權(quán)、廣告、歌曲、軟件、播放等詞語出現(xiàn)的頻率較高，大致了解到用戶較為關(guān)注音樂流媒體服務(wù)的會(huì)員特權(quán)、版權(quán)豐富度、播放體驗(yàn)等。

1.4 基于語義網(wǎng)絡(luò)的特征關(guān)聯(lián)分析

文本特征提取和詞云圖的可視化可以讓我們了解用戶在享受音樂流媒體服務(wù)時(shí)所關(guān)注的因素，但對(duì)因素之間的聯(lián)系我們卻無法辨識(shí)。為了探究各因素之間的聯(lián)系，我們使用ROST CM6軟件對(duì)預(yù)處理后的文本數(shù)據(jù)進(jìn)行社會(huì)網(wǎng)絡(luò)和語義網(wǎng)絡(luò)分析，結(jié)果如圖2所示。

圖2 共線語義網(wǎng)絡(luò)圖

由語義網(wǎng)絡(luò)圖可知，“音樂”在語義網(wǎng)絡(luò)中與其他詞匯連接較為緊密，屬于核心特征詞。此外還有一些重要節(jié)點(diǎn)，例如“歌曲”“軟件”“廣告”“版權(quán)”“功能”“手機(jī)”等。與“廣告”相關(guān)的特征詞，包括“垃圾”“惡心”“功能”“難看”等表明用戶對(duì)插播廣告的行為很厭惡，與“軟件”相關(guān)的特征詞有“版權(quán)”“垃圾”“廣告”“功能”“手機(jī)”等，表明用戶使用音樂軟件時(shí)，比較關(guān)心軟件的功能、版權(quán)及適配性等。

2 情感分析

利用python中的snownlp庫計(jì)算評(píng)論數(shù)據(jù)的情感得分，評(píng)分在[0,1]之間，本文將得分為0～0.5的評(píng)論劃分為負(fù)面評(píng)論，得分為0.5～1的評(píng)論劃分為正面評(píng)論，結(jié)果如表2所示。

表2 情感分析結(jié)果

3 LDA主題分析

LDA是一種主題生成模型，包含文檔、 主題和詞匯三層結(jié)構(gòu)，主要用于對(duì)文本潛在主題進(jìn)行挖掘。本文利用余弦相似度來確定最優(yōu)主題個(gè)數(shù)，得到的結(jié)果為最優(yōu)主題個(gè)數(shù)5，如圖3、圖4所示。

圖3 LDA主題數(shù)提取

通過LDA分析可以得到5個(gè)主題并且主題所包含的特征詞，本文提取了10個(gè)特征詞，解釋各主題的含義分別為：個(gè)性化服務(wù)、會(huì)員服務(wù)、價(jià)格計(jì)劃、曲庫豐富程度、技術(shù)服務(wù)，如表3所示。

表3 主題特征詞匯

4 IPA分析

IPA分析法由Martilla和James在1997年提出，模型以重要性(關(guān)注度)、績(jī)效表現(xiàn)(滿意度)為出發(fā)點(diǎn)，構(gòu)建二維坐標(biāo)系，對(duì)影響用戶滿意度的因素進(jìn)行評(píng)估分析。兩個(gè)指標(biāo)的均值將坐標(biāo)系分為4個(gè)象限。其中第一象限:優(yōu)勢(shì)區(qū)，第二象限:保持區(qū)，第三象限：改進(jìn)區(qū)，第四象限：弱勢(shì)區(qū)。本文通過構(gòu)建IPA模型來探究5種因素對(duì)服務(wù)滿意度的影響情況，并通過象限圖進(jìn)行可視化。

構(gòu)建IPA模型，需要考慮兩個(gè)因素，即關(guān)注度和滿意度。關(guān)注度的衡量標(biāo)準(zhǔn)為某主題在評(píng)論中出現(xiàn)的頻數(shù)，滿意度為各主題中正面評(píng)論的占比。結(jié)果如表4、圖5所示。

圖5 IPA分析結(jié)果

表4 5種因素的關(guān)注度和滿意度

根據(jù)IPA的分析結(jié)果，可以得到以下結(jié)論：

(1)優(yōu)勢(shì)區(qū)滿意度評(píng)價(jià)。

會(huì)員服務(wù)和曲庫豐富程度因素處于優(yōu)勢(shì)區(qū)，說明用戶認(rèn)可會(huì)員服務(wù)，對(duì)曲庫中的歌曲數(shù)量滿意度較高。其中會(huì)員服務(wù)出現(xiàn)的頻次為2583，滿意度為0.711，曲庫豐富程度出現(xiàn)的頻次為2635，滿意度為0.757。由此可知用戶對(duì)曲庫的關(guān)注度和滿意度都略高于會(huì)員服務(wù)，且在五種因素里排名第一。

(2)保持區(qū)滿意度評(píng)價(jià)。

技術(shù)服務(wù)處于保持區(qū)，關(guān)注度為1473，滿意度為0.553。其中關(guān)注度在5種因素里排名末位，滿意度位居第三。說明用戶對(duì)于軟件的更新、升級(jí)、播放的流暢度等較為滿意，需繼續(xù)保持。

(3)改進(jìn)區(qū)滿意度評(píng)價(jià)。

個(gè)性化服務(wù)和價(jià)格計(jì)劃位于改進(jìn)區(qū)內(nèi)，說明用戶重視這兩種因素但滿意度不高，急需改進(jìn)。價(jià)格計(jì)劃的滿意度為0.324，在5種因素中排名最后，表明用戶對(duì)服務(wù)的收費(fèi)價(jià)格不滿意，認(rèn)為花費(fèi)偏高，性價(jià)比不高。個(gè)性化服務(wù)方面，用戶滿意度為0.395，略高于價(jià)格計(jì)劃，但滿意度依舊處于較低水平。說明音樂流媒體平臺(tái)不能精確識(shí)別用戶的聽歌偏好，導(dǎo)致個(gè)性化服務(wù)滿意程度低。

針對(duì)以上IPA分析的結(jié)論，本文給出以下建議：

一是優(yōu)化推薦算法，提高識(shí)別用戶偏好的精準(zhǔn)度。

音樂流媒體服務(wù)提供方應(yīng)提高個(gè)性化服務(wù)的質(zhì)量，能夠準(zhǔn)確地根據(jù)用戶的偏好推送其感興趣的內(nèi)容。

二是制定合理的定價(jià)方案，吸引更多的付費(fèi)用戶。

價(jià)格因素是影響服務(wù)滿意度的重要因素，因此音樂流媒體服務(wù)提供方應(yīng)重視付費(fèi)價(jià)格，改進(jìn)營銷模式，在提高服務(wù)滿意度的同時(shí)爭(zhēng)取利潤最大化。

三是發(fā)揮現(xiàn)有優(yōu)勢(shì)，改進(jìn)技術(shù)。

音樂流媒體服務(wù)提供方應(yīng)繼續(xù)發(fā)揮服務(wù)優(yōu)勢(shì)，對(duì)技術(shù)問題，例如軟件的更新、升級(jí)等加以改進(jìn)。

5 結(jié)語

本文基于應(yīng)用市場(chǎng)上QQ音樂、酷狗音樂、網(wǎng)易云音樂的評(píng)論數(shù)據(jù)，對(duì)音樂流媒體用戶的關(guān)注熱點(diǎn)及其滿意度進(jìn)行分析。使用詞云圖、語義網(wǎng)絡(luò)分析進(jìn)行文本特征提取，計(jì)算情感得分，對(duì)文本數(shù)據(jù)進(jìn)行情感分析，利用LDA主題分析挖掘潛在主題，在此基礎(chǔ)上，構(gòu)建IPA模型對(duì)主題進(jìn)行進(jìn)一步研究。研究表明：用戶對(duì)音樂流媒體服務(wù)中的個(gè)性化服務(wù)和價(jià)格計(jì)劃滿意度不高，針對(duì)個(gè)性化服務(wù)，音樂流媒體服務(wù)提供方需要提高識(shí)別用戶偏好的準(zhǔn)確度，使推薦的內(nèi)容能夠迎合用戶興趣。關(guān)于價(jià)格計(jì)劃，音樂流媒體服務(wù)提供方則可通過改變營銷策略、制定合理的收費(fèi)標(biāo)準(zhǔn)來解決。