一个专业的论文、出书、专利服务平台

品质、专业的

论文指导服务

浅议商品在线评论的商业价值研究

时间:2021-01-15分类:经济学

  摘 要:本文以京东商品的在线评论为例,研究其中的商业价值,主要通过文本挖掘的方法,提取商品的真实性能,借助Excel、Python等工具进行分类,识别每种类别商品消费者重点关注的属性,以期为消费者乃至企业提供更具权威性的决策支持,浅议商品在线评论的商业价值研究。

商场现代化

  本文源自商场现代化 2020年21期《商场现代化》杂志(原名:商业科技)主要探讨国内外现代商业管理经验和介绍现代科技在商业营销管理中的应用,并且刊发精选的国内外现代商业流通领域理论研究成果与现代贸易经济理论的科研论文。其严格化,标准化及性在业界均享有显著的声誉和地位。

  关键词:在线评论;商业价值;文本挖掘;京东

  一、引言

  中国网络购物市场报告的调查显示,在购买不熟悉的产品时,用户评价在网络购物决策中占据主导地位,三分之一以上的网购用户主要考虑的因素为用户评价,其次是网站知名度和口碑,比例为28%。随着电子商务的快速发展与渗透,现存的在线评价形式主要为:客户在购买产品确认收货后,以传送图片、文字描述等形式将消费体验和使用感受表达出来,并在商品页面展示,为后续消费者提供参考。

  同时消费者参评的积极性呈不断提高的趋势,商家需更加关注消费者购买后评论的关注点,围绕消费者针对不同商品重点关注的焦点采取差别化的营销策略,提高用户的线上购买体验和线下使用满意度,鼓励消费者更多地参与线上评论,对满意度高的商家和商品品牌予以激励,限制满意度偏低的商家和商品品牌,有针对性地加大精品营销、品牌营销,提升诚信营销和服务营销,提高商品和服务的质量及水平,促进电子商务的持续健康有序发展。

  二、商品在线评论的商业价值研究的意义

  从“商品的在线评论是否会成为消费者购买某一产品的决定因素”这一具体问题出发进行研究,进一步挖掘商品在线评论的商业价值。在线评论作为消费者与消费者、消费者与卖家之间沟通的重要内容,也是商品页面的重要构成模块,从大量数据中提取出有用信息对总结消费者评论内容的规律和推动电子商务的良性发展,都具有重要意义。

  2016年6月中国互联网络信息中心(CNNIC)发布的《2015年中国网络购物市场研究报告》中指出,在线评论成为网购用户决策时最为关注的因素,关注度超过四分之三,而现有研究主要集中在在线评论的内容上,针对在线评论传递的信息涉及哪些方面展开研究,对于在线评论价值的挖掘还不够,还没有充分发挥这一信息资源的重要商业价值。可以针对商品在线评论开发出一套新的比较方法,使消费者能够对于网上购买商品具有一定的标准和方法,构成一个相对完整的评论价值提取系统。

  三、以京东为例进行商品在线评论的商业价值研究

  结合实际数据,《京东评价数据》和《京东详细评价数据》共151451条记录,涉及产品类型、平均得分、好评率、差评率与用户昵称、用户等级、购买产品时间、评论间隔时间、写评论时间、追评等元组,运用Excel、LSTM情感分析方法、Python、Anaconda、Jupyter Notebook等工具,从在线评价中提炼出有较高辨识度与真实度的产品质量评价,围绕商品在线评论的商业价值开展研究。

  《京东评价数据》10849条记录中划分有20余种产品类型,83.8%为图书,厨具、服饰内衣、家居日用、家具、礼品箱包、母婴、手机、数字内容、鞋靴、电脑、办公、家纺、医药保健、运动户外、珠宝首饰等类型产品占比较小,家庭清洁、纸品、家用电器、家装建材、数码、钟表均不足0.1%。与好评率、差评率相对应,其平均得分99.4%为5,有47条记录为4占比0.4%,1、2、3的平均得分均不足0.1%。

  《京东详细评价数据》140602条记录中每位用户产品评价记录从1条到1727条不等,个别用户评论千余条,大部分用户评论1条。93.3%购买产品时间和93.7%写评论时间为近五年,相对符合现状。51.4%评论间隔时间不超过一周,共115038条记录显示其评论间隔时间不超过一个月,同时1378条追评使得文本反映的消费者的感知产品质量更可靠。

  运用Excel进行预处理,通过“产品编码”将《京东详细评价数据》与《京东评价数据》建立联系,以整合为信息不重不漏的一个文档,更好分析并获取商品在线评论的商业价值。整合后的文档中仅7.3%的产品类型信息为空值,进行删除含有缺失值的记录等数据预处理操作后,观察可得其好评率均高于0.95,差评率均低于0.03。

  借助常用的镜像,如豆瓣(http://pypi.douban.com/simple/)、清华大学(https://pypi.tuna.tsinghua.edu.cn/simple/),解決pip安装第三方类库下载速度慢以及超时问题(timeout),短时间内成功安装jieba、keras、tensorflow等数据包后,通过pandas分别读入LSTM情感分类教程中包含积极和消极评价的两个文档的数据。

  先后运用concat、len、lambda、cut函数合并语料、计算语料数目、定义分词函数。由max函数可得一条记录最多的词汇数为1804,为高效率高质量分析数据,设置一个评论最多的词汇数为1000,同时运用实例化分词器设置字典中最大词汇数为30000,并传入训练数据、建立词典。为使框架相对客观、便于量化,把词转换为编号,词的编号根据其频率设定,频率越大,编号越小。同时注意细节,把序列设定为1000的长度,超过1000的部分舍弃,不到1000则补0。

  由词对应编号的字典可得,除逗号、句号、感叹号等标点符号,的、了、是、我等语义助词,在线评论中“服务”、“本书内容”、“价格”、“功能”等消费者关注的重点属性反复出现,“系统”、“屏幕”、“前台”、“效果”、“质量”、“电池”、“声音”、“外观”、“速度”、“驱动”等体现消费者的感知产品质量、蕴含对厂商和消费者有影响的信息的词汇频率较高。

  就珠宝首饰、厨具、礼品箱包、鞋靴和图书等类型产品进行进一步分析发现,除部分显示“此用户未填写评价的内容”外,在线评论多围绕“包装”、“服务”、“感觉”、“价格”、“内容”、“物流”、“质量”等方面展开,“不错”、“方便”、“孩子”、“好”、“家”、“看”、“快”、“满意”、“朋友”、“喜欢”、“值”等关键词反复出现,其中“好”、“不错”、“质量”、“看”、“快”、“喜欢”等词频较高。

  以图书为例,“好”、“不错”、“看”、“快”、“质量”、“喜欢”、“内容”、“京东”、“值”等在线评论关键词词频较高,与其平均得分、好评率和差评率反映出的客户感知价值基本一致。该类型产品好评率相对较高,在线评论相对积极,总体推荐购买。通过文本挖掘并对商品分类,提取其真实性能,识别消费者关注的重点属性,最后从评论内容中提取消费者的真实感知产品质量,以达到为其购买决策提供坚实理论依据的目的。

  四、商品在线评论的商业价值研究的发展趋势

  自21世纪以来,电子商务随互联网行业的高速发展逐渐渗透,成为重要分销渠道,而电子商务领域不可能没有在线评论,未来在线评论也不可能脱离产品本身。学者们从不同的角度对在线商品评论进行研究。虚拟的网络购物环境中,商品的在线评论是消费者获取商品质量信息、进行口碑传播的重要途径,也是商家预测未来商品销量的重要依据。

  商品的质量由感知商品质量和客观商品质量两部分构成,在线评论成为获取商品感知质量的重要依据,极大程度影响着消费者购买商品的决策时长与结果,故分析京东在线评论数据,探索在线评论的商业价值研究的发展趋势有重要现实意义,消费者在购买商品之前,从所获取的产品有关信息中作出的对商品的主观评价即为感知商品质量。而客观的产品质量则是商品本身能够满足规定需要和潜在需要的特征的总和。

  在企业逐步加大产品投放力度、消费者愈加依赖网络购物的双重影响下,商品的在线评论与消费者的最终决策结果、商品的销售量结合逐渐深化,呈现出三点趋势:(1)在线评论对商家影响将进一步加大,商家应激励消费者评论,准确识别真实的好评与差评,评估消费者偏好,及时调整策略。(2)消费者将更加积极地参与在线评价,主动评价可以降低“默认好评”大数据时代精准营销时的负面影响,帮助其他消费者获取更加真实的商品信息。同时也可以通过差评为购买决策提供帮助。(3)电子商务平台将加大对在线评价偏差的纠正力度,使评价数据尽可能客观,配合商家鼓励消费者参与评价,营造公平的电子购物环境,对满意度高的商家和商品品牌予以激励,限制满意度偏低的商家和商品品牌,有针对性地加大精品营销、品牌营销,提升诚信营销和服务营销,提高商品和服务的质量及水平,促进电子商务的持续健康有序发展。

  五、总结

  以京东为例,借助产品感知产品质量(perceived product quality)的定义及构成、评论内容中提取的消费者感知产品质量,从在线评论中提炼出有较高辨识度与真实度的评价。比较感知产品质量与客观产品质量(产品参数)之间的差异,从而形成更加可靠的评价。

  通过文本挖掘的方法,提取商品的真实性能:对商品分类,识别消费者关注的重点属性,收集不同产品评价,归纳总结消费者在线评论的衡量标准,研究感知产品质量的构成。以商品的在线评论为对象,排除客观因素的干扰后,提取消费者的感知产品质量,提取并筛选出“物流”、“质量”等关键词。研究商品客观属性与消费者关注属性,从在线评论中提炼出有较高辨识度与真实度的产品质量评价。

  目前商品在线评论的商业价值研究尚不充分不全面,由于自身知识水平和实践力度等原因,本文仅以京东为例,浅议商品在線评论的商业价值研究。未来可进一步研究消费者之间、消费者与商家之间的互动或双向的沟通,深度挖掘在线评论,充分发挥这一信息资源的重要商业价值。

  参考文献:

  [1]耿协鑫.在线评论特征对大学生购买意愿的影响:有中介的调节模型[D].华中师范大学,2015.

  [2]徐慧,康丽.在线评论研究现状综述及未来展望[J].中国市场,2017,000(016):14-15.

  [3]李雨洁,廖成林,李忆,et al.在线商品评论可信吗——在线商品评论的偏差分析及矫正策略[J].营销科学学报,2013,000(002):P.111-125.

  [4]阮光册,周健超.商品属性的情感表达与商品销售热度的相关性研究[J].图书情报工作,2017(61):19.

  [5]王智勇.房地产产品质量保障体系研究[D].浙江大学.

  [6]熊晓元.基于互动和感知理论的网络重购行为研究[D].西南交通大学,2014.

  [7]程兴华.网络商店产品信息呈现方式对消费者购买意向影响研究[D].2012.

获取免费资料

最新文章