基于情感分析的用戶痛點量化研究

王召義，薛晨杰，劉玉林

安徽商貿職業技術學院經濟貿易系，安徽蕪湖，241002

痛點營銷是互聯網界非常熱的一個營銷術語。互聯網企業和借助互聯網的傳統企業都期盼找準痛點，采取相應的策略，給企業帶來巨大的市場回報或者高度的品牌黏度。所謂找痛點就是在發現消費者需求的基礎上，滿足需求，以獲得青睞。要了解消費者的需求，就要先了解消費者，因為購物的主體是他們。找用戶痛點是一個長期觀察、分析、挖掘的過程，不可能一蹴而就。基于此，為了幫助企業準確、便捷的發現痛點、應用痛點，本文嘗試從用戶評論中挖掘有關因素，并借助情感分析方法，提出用戶痛點量化模型。

1 用戶痛點

在營銷學中，用戶痛點是指用戶在體驗產品或服務過程中原本的期望沒有得到滿足而造成的心理落差或不滿，這種不滿最終在用戶心智模式中形成負面情緒爆發，讓用戶感覺到痛［1］。這是目前被眾多學者所接受的概念描述之一，但不斷有研究者在此基礎上對用戶痛點的概念進行補充和拓展。盧蒙從用戶體驗角度出發，把用戶在體驗過程中遇到的問題稱為痛點，即消費者在使用產品或享受服務過程中因期望沒有得到滿足而造成的心理落差或不滿［2］。張亮以供需矛盾為切入點，強調用戶痛點就是用戶多樣化的需求，呼喚個性化、精確化的服務，傳統紙媒，難以滿足這樣的要求［3］。高星妍等認為痛點指的是用戶使用后就無法跳脫的、極具黏性的點，比如微信的朋友圈，相對而言，痛點可能更偏重功能性需求一些［4］。

借鑒美國的行為科學家弗雷德里克·赫茨伯格（Fredrick Herzberg）提出來的雙因素激勵理論［5］，把用戶痛點歸納兩個方面：保健痛點和激勵痛點。保健痛點（Hygiene Customer Pain Points，HP）是指用戶的期望沒有得到滿足而造成的不滿或心理落差的痛點，表現為令用戶感到失望、抱怨，從而出現給予差評、投訴等行為，此刻，用戶的情緒是消極的、負面的，是隨著失望、抱怨程度增加而反向加強的。激勵痛點（Motivation Customer Pain Points，MP）是指已經被產品或服務化解或弱化的痛點又或者是為了獲得滿足感而承受的痛點，表現為令用戶感到驚奇、愉快和滿足，從而出現網絡曬單、好評、炫耀等行為，此刻，用戶情緒是積極的、正面的，是隨著滿足程度增加而正向加強的。

情緒是用戶把痛點充分表達出來的最簡單有效的手段。用戶表達情緒的方式有語言、行為、文字等。但在電子商務活動中，用戶大多是通過文字表達情緒的，例如淘寶的累計評價模塊、京東商城的商品評價模塊等。評價內容往往包含了用戶滿意點和不滿意點，例如“衣服收到了，試穿了尺碼很合適，衣服面料手感也好，穿著舒適，下水后不縮水就掉點浮色，長度在長點就更好了”，其中尺碼、面料和不縮水是用戶滿意點，令用戶感到舒心、消費體驗佳，即激勵痛點；掉色和長度就是不滿意點，沒有滿足用戶的期望，即保健痛點。這就給本文提供了解決問題的思路：通過分析用戶商品評論，判斷用戶情感傾向并量化痛點，情感強度越強烈，痛點值就越大，痛點值越大，越可能是商品關鍵點。

2 研究模型

由前文分析得知，解決問題的思路是以情感分析為基礎，所以構建用戶痛點量化模型，應從用戶情感傾向判斷入手，再結合情感詞典計算情感值。研究過程的關鍵處理環節有：數據采集、數據處理、指標提取、情感分析和量化分析等。

2.1 數據采集

使用數據采集軟件或Python爬蟲程序，選擇電子商務平臺的商品評論模塊，抓取目標商品的商品評論。采集的評論數據至少包括：商品名稱、評價內容等。

2.2 數據處理

對采集到的數據進行清洗，刪除無效語句。采用Python的結巴分詞，對評價內容進行分詞、詞性標注、詞頻統計等預處理，為后續研究提供基礎。

2.3 指標提取

用戶對某項特征指標的關注表現為其在評論中對該產品某些功能或特征的提及或評價，某項特征指標在評論中出現的次數越多，其成為用戶關注點可能性越大［6］。考慮到有一些常見的關鍵詞頻繁出現，但卻無任何意義，擬采用TF-IDF自動提取關鍵詞。然后，人工篩選這些關鍵詞，并結合詞性歸納出若干個指標。每個指標都包含多個關鍵詞。

2.4 情感分析

本文借鑒劉玉林、王召義等設計的一種新的情感分析方法［7］，具體步驟如下：

步驟1：構建情感詞典，情感詞典包括正面情感詞語集合、負面情感詞語集合、否定詞集合和程度詞集合。情感詞典主要由基礎情感詞典和拓展情感詞典構成。基礎情感詞典包括知網（Hownet）情感詞典和臺灣大學簡體中文情感極性詞典（NTSUSD）。把知網（Hownet）里面的正面評價詞語、正面情感詞語和ntusd的positive詞典消重之后組合在一起，成為基礎積極情感詞典。把知網的負面評價詞語、負面情感詞語和ntusd的negative詞典消重之后組合在一起，成為基礎消極情感詞典。而拓展情感詞典其實就是把基礎情感詞典通過同義詞詞典（哈工大同義詞詞林拓展版）找到情感詞的同義詞，這樣就拓展了基礎情感詞典。最后把兩個詞典與常見的否定詞集、程度詞集結合起來，形成了完整的情感詞典。

步驟2：對評論文本進行預處理，對文本分段分句得到句子，通過標點符號將句子劃分為句子單元，然后對句子單元中的文字進行分詞，形成詞組。

步驟3：對步驟2中得到的詞組進行n-gram處理，利用n-gram中的2元語法對句子單元中的詞組組合形成2元詞組，結合情感詞典計算句子單元的情感基本值p。

步驟3.1：2元語法對句子單元中的詞組進行組合，形成2元詞組，處以前面位置的稱為前位詞，處以后面位置的稱為后位詞。

步驟3.2：后位詞結合情感詞典中正面情感詞語集合和負面情感詞語集合進行情感值p的計算判斷；前位詞結合否定詞集合判斷情感值p是否*（-1），前位詞結合程度詞集合判斷情感值p是否*（-1）；結果對于每個2元詞組均獲得一個情感值pi。

步驟3.3：將整個句子單元中2元詞組的情感值pi相加匯總后得到句子單元的基本值p。

步驟4：評論文本被切分為句子，句子又被切分為句子單元，故每個商品評論根據每個句子單元的情感基本值p，生成一個情感值p列表即p-list。

步驟5：根據p-list，找出對應關鍵詞所在單元句的情感值。

2.5 量化分析

（1）構建指標詞集合

對用戶評論進行指標提取操作，構建指標詞集合K。

kij表示第i個指標的第j個關鍵詞。

（2）構建TF-IDF集合

針對每一個指標詞，計算其TF-IDF值，即該詞在全文中的權重，得到TF-IDF集合W。

wij表示第i個指標的第j個關鍵詞的TF-IDF值。

（3）計算情感值

計算每一個指標詞所在單元句的情感值。情感值有三種情況：正數、負數和0，負數表示消極，0表示中性，正數表示積極。

設每個指標詞，會出現在h個單元句內，就有h個情感值。則指標詞K所在單元句的情感值集合S，sh表示指標詞K在第h個單元句的情感值。

S集合有這樣兩個子集：正數集合Splus、負數集合Sminus。

其中a＋b≤h。

分別取Splus和Sminus的算術平均值作為指標詞最終情感值，計算公式如下：

（4）量化痛點

根據前文所述，指標詞的痛點（P）包括兩個方面：已滿足痛點（SP）和未滿足痛點（UP）。

公式中出現的負號，是為了保證痛點值為正數。

照此計算每一個指標詞的痛點值，得到痛點集合C。

cij表示第i個指標的第j個關鍵詞的痛點值。

第i個指標的痛點值為：

根據公式易知：用戶情感反應越強烈，用戶痛點越高；痛點越高，該指標越有可能成為商品的關鍵點。

3 實證研究

3.1 數據來源

京東是中國電子商務領域深受消費者歡迎和具有影響力的電子商務網站之一，選擇京東的手機類商品的商品評價為實證研究的數據來源。同時，考慮到手機品牌影響力、手機發行時間、手機銷量以及商品評論數量等因素，選取華為手機（京東商品名稱：華為HUAWEIP10 Plus6 GB＋64 GB草木綠移動聯通電信4 G手機雙卡雙待）、小米手機（京東商品名稱：小米8全面屏游戲智能手機6 GB＋128 GB黑色全網通4 G雙卡雙待）、OPPO手機（京東商品名稱：OPPO A57 3 GB＋32 GB內存版 玫瑰金色 全網通4 G手機 雙卡雙待）作為研究對象，采集商品評論數據。數據采集時間為2018年6月27日，采集華為、小米、OPPO手機評論數分別為：1 120、1 000、1 499條，內容包括會員名稱、會員級別、評價星級、評價內容、評價時間等11項。

3.2 數據處理

原始商品評論數據中存在著不完整、有異常的數據，嚴重影響到數據挖掘建模的執行效率，可能會導致挖掘結果的偏差。因此，借助python的“結巴”中文分詞包對商品評論內容進行過濾、分詞、詞性標注和詞頻統計，并計算每一個關鍵詞的TF-IDF值。再從名詞、感嘆詞、形容詞中篩選出具有情感傾向的詞語，構建華為、小米、OPPO手機產品情感詞集合。情感詞典包括正面情感詞語集合、負面情感詞語集合、否定詞集合和程度詞集合［8］。

3.3 指標提取

分別選擇TF-IDF值排名前1 000的關鍵詞，在數據處理的基礎上，分別篩選出名詞和動詞。人工對這些名詞和動詞進行篩選，排除非描述手機功能或特征的詞語，得到一個描述手機功能或特征的關鍵詞集合。人工再對這些關鍵詞進行識別歸類，最后得到5個指標類別：價格、性能、電池、外觀、拍照。具體歸類情況見表1、表2、表3。

表1 華為手機特征指標分類表

表2 小米手機特征指標分類表

表3 OPPO手機特征指標分類表

3.4 痛點量化

采用2.4情感分析方法，計算商品評論單元句的情感值。按照2.5中的量化公式，計算3款手機5個指標類的痛點量化值，詳見表4。

表4 3款手機的痛點值

3.5 結果分析

從表4分析每款手機各指標類之間的聯系與區別，再橫向比較各款手機之間的聯系與區別。

（1）華為手機（P10 Plus）。價格指標類痛點值最大（0.055 7），其它四類痛點值均比較小，說明價格是華為手機的關鍵點。再看價格指標類的HP（0.157 3）和 MP（0.232 9）值，激勵痛點值較大，表明大部分價格痛點被弱化或化解，痛點已轉化為驚奇、愉悅等積極態度。但是，保健痛點依然大量存在，會強化消費者的消極態度，出現差評、投訴等行為，痛點會更痛。

（2）小米手機（小米8）。價格指標類痛點值最大（0.117 9），遠大于其它四類值，且 HP值為0.311 1，MP值為0.160 3。表明雖然價格是其銷售關鍵點，但因保健痛點值占主要方面，故大部分價格痛點沒有被弱化或化解，即用戶認為價格太高，不符合消費需求。另外，華為手機與小米手機雖然都把價格作為銷售關鍵點，但兩者有本質上的區別，華為價格被認可，而小米手機價格認可度不高。

（3）OPPO手機（OPPO A57）。拍照指標類痛點值最大（0.079 0），且保健痛點值（0.267 1）和激勵痛點值（0.286 1）基本相當，說明OPPO手機吸引用戶的關鍵點是拍照，但做的還不夠好，還有很大的發展空間。

（4）橫向比較。通過圖1的雷達圖，可以直觀的看到：價格指標類和性能指標類中，小米手機最“痛”，且“遠”大于其它手機，這與小米的產品概念“為發燒而生”相吻合的；在電池指標類中，三種手機“痛”的程度差不多，再一次證明了“手機技術發展的再快，電池始終是軟肋”；外觀指標類中，小米手機和OPPO手機最“痛”，這兩款手機的外觀設計更符合年輕人的“高顏值”需求；在拍照指標類中，OPPO手機最“痛”，OPPO手機更適合喜歡拍照的消費者。

圖1 痛點雷達圖

3.6 有效性驗證

為了驗證痛點量化值的大小能否體現商品的關鍵點，以當前最受歡迎的拍照指標類為例進行有效性驗證。表5是摘抄3款手機拍照指標類的宣傳廣告語以及品牌理念。

從以上宣傳資料就可以發現OPPO把拍照功能作為一個核心賣點來宣傳的，且秉承“為自拍和顏值而生”的理念，專注于手機拍照領域的技術創新，開創了手機自拍美顏時代，而年輕人最喜歡的手機就是拍照手機，恰恰OPPO最擅長做拍照手機，迎合了青年消費者喜好，特別是女性消費者；小米同樣把拍照功能作為一個非常重要的賣點來宣傳，以此吸引年輕消費者，但強調的是“發燒”即價格低、性能高；華為在宣傳賣點時，僅有一句話“后置雙攝像頭，萊卡前置鏡頭”，略顯單薄，再看攝像頭的像素，都比小米、OPPO低很多。這與計算出來的拍照指標類痛點值大小排序相一致。其它方面也可以采用此類方法進行有效性驗證，不再贅述。

表5 手機廣告語

綜上所述，以情感分析為基礎，構建的痛點量化模型，識別出了華為、小米、OPPO的產品關鍵點，并計算出保健痛點和激勵痛點，得到的結果與實際情況相吻合。

4 結 語

找準用戶痛點可以幫助企業改良產品提供決策依據，也為制定更完善的營銷策略提供了支持。本文在已有的用戶痛點理論基礎上，提出用戶痛點應包括保健痛點和激勵痛點兩個方面的內容，并以情感分析為基礎，構建用戶痛點量化模型。為驗證模型的有效性，以京東的3款手機產品的商品評論數據為數據源，分別計算機出各款手機指標類的痛點值，并進行了有效性驗證，結果表明該模型具有一定的實用性和有效性。但是研究過程仍然存在一些不足：一是商品評論負面信息量少，正面信息量多，對實驗結果有何影響，需要進一步論證；二是僅用手機商品進行了模型驗證，有待進一步驗證其它類型產品，以進一步確定模型的適用性和效果。