基于醫療健康類APP的用戶滿意度研究

范瀅 季星宏

摘? 要： 為了更好地服務用戶、提高用戶滿意度，本文通過抓取應用寶醫療健康類APP的在線評論，進行情感傾向性分析以及詞頻統計，分析用戶情感特征，并以此提煉出影響用戶滿意度的九大因素。在此基礎上，借助李克特量表將文本量化，再運用四分圖模型分析影響因素。研究結果表明，正面評論占大多數，得益于APP的便捷;用戶對大部分因素表示滿意，但相比之下服務質量、可優化性、價格的滿意度較低。企業可以針對落于四分圖不同區域的影響因素，做出相應的調整來提高用戶滿意度。

關鍵詞： 移動醫療;用戶滿意度;情感傾向性分析;詞頻統計;四分圖模型

中圖分類號： TP391? ? 文獻標識碼： A? ? DOI：10.3969/j.issn.1003-6970.2020.10.010

本文著錄格式：范瀅，季星宏. 基于醫療健康類APP的用戶滿意度研究[J]. 軟件，2020，41（10）：3841

【Abstract】： In order to better serve users and improve their satisfaction， this paper analyzes the emotional propensity and word frequency statistics of the comments on the app of Application treasure for medical health care， gets the emotional characteristics of users， and extracts nine factors that affect user satisfaction. On this basis， the text is quantified with the help of Likert scale， and then the quadrifid graph model is utilized to analyze the influencing factors. The results show that positive comments account for the majority， thanks to the convenience of APP; users are satisfied with most of the factors， but they are less satisfied with service quality， optimization and price. Enterprises can make corresponding adjustments to the influencing factors in different areas of the quadrifid graph to improve user satisfaction.

【Key words】： Mobile health; User satisfaction; Analysis of emotional propensity; Word frequency statistics; Quadrifid graph model

0? 引言

隨著社會經濟水平的提高，人們的消費逐漸健康化，對健康的需求日益增長。互聯網時代的到來，手機等移動設備的出現為傳統醫療數字化、移動化提供了必要條件。2018年BDR調研顯示，29.8%用戶身體出現不適時會選擇移動APP在線問診;2019年艾瑞咨詢數據顯示，這一數據已經增長至65.9%。2019年末新型冠狀病毒肺炎疫情的爆發，使得用戶對醫療健康類APP的需求急劇增加。阿里健康、平安好醫生、好大夫在線、1藥網等多個醫療健康類APP幫助用戶及時進行醫療問診、分診分流、新冠肺炎與普通流感篩查等工作，緩解了線下醫院的壓力，并且減少了交叉感染風險。而用戶對于醫療健康類APP認知度進一步加強，使用率也有很大的增長。

用戶在使用醫療健康類APP后，以在線評論的方式發表對該APP所提供的各類服務的觀點。用戶評論具有潛在的重要價值，反映了其對該類APP所提供的各類服務的滿意度。對于用戶評論的分析，一部分學者往往對評論數據本身探究，對情感詞、符號、語義等進行情感分析或有用性分析[1-5]，判斷用戶對該APP的態度;另一部分學者，則利用需求分析法來挖掘出用戶的潛在需求[6-7]，再分析其對用戶滿意度的影響。四分圖模型多數是基于問卷調查[8-10]，而問卷有效率較低，開放性的問題少，以至于難以獲取到更深層的信息。

因此，本文通過爬取醫療健康類APP的用戶評論，采用情感傾向性分析進行用戶滿意度挖掘，再利用四分圖模型研究影響醫療健康類APP用戶滿意度的因素，從而提出優化醫療健康類APP的對策建議，進一步滿足用戶的健康需求，為廣大用戶提供更便利的服務。

1? 數據采集及預處理

本文基于應用寶手機應用商城的醫療健康類APP，利用數據采集軟件并利用Python爬取代碼共同采集用戶評論。本文采集的用戶文本評論信息集中于2019年7月至2019年12月，最終爬取了26個醫療健康類APP，其中包括好大夫在線、1藥網、掌上糖? ?醫、杭州健康通、平安健康等，獲取了超過8000條的用戶評論信息涵蓋了綜合服務、健康管理、健康理療、健康資訊、醫療服務、在線問診、便民服務等七個類別。

本文對獲取的用戶評論信息進行整理與分類。首先，對原始數據進行數據清洗，去除惡意差評以及毫無相關的評論;然后，把評論信息進行格式統一化操作，修正不當的表達方式并去除評論信息中非文字內容，例如表情包、無意義的符合等;最后，通過ROCTCM6軟件對清洗后的評論數據進行分詞以供進一步操作。

2? 評論數據分析

用戶評論信息包含了用戶的情感傾向，所以在分析用戶滿意度之前，先要挖掘和分析出其主觀信息[11]。由于ROSTCM6軟件是基于情感詞典，并定義了語法規則，能夠很好地分析出文本的情緒內容。因此，本文借助ROSTCM6軟件來對用戶評論信息進行情感傾向性分析。

利用ROSTCM6軟件的文本處理功能，得到有效信息數為5171條。再用其情感分析功能對用戶評論信息進行情感值計算，根據情感值來判斷用戶評論信息的情感傾向。它將其劃為積極情緒、中性情緒和消極情緒三大類[12]：情感值大于0分的為積極情緒，小于0分為消極情緒，等于0分為中性情緒。統計結果如圖1所示，可以發現用戶對醫療健康類APP的總體情感傾向為積極。其中，積極情緒占比最低的是健康資訊（57.14%）、醫療服務（64.74%）;占比最高的是健康管理（81.17%）、在線問診（81.12%）。

為了進一步地豐富用戶的情感特征，結合ROSTCM6軟件的分詞和詞頻統計功能，過濾與用戶情感信息無關的詞語，得出積極情緒和消極情緒排名前20的特征詞如表1所示。通過對圖1與表1的綜合分析可以發現：

（1）功能不完善是導致用戶積極情緒低的重要原因

“麻煩、廣告、功能、注冊、運行、界面”有關功能性的特征詞，在消極情緒的評論中出現的較多。這表明醫療健康類APP的功能優化程度直接影響用戶的情感。“響應很慢”，“注冊不了”，“廣告亂七八糟”等評論，說明了功能不完善讓本就急于求醫的用戶更加心煩意燥。比如健康資訊類的“母子健康手冊”APP，目標人群為準媽媽，但是他們大部分反而會選擇網上搜索相關知識。這正是因為功能的覆蓋面有限，導致用戶黏性低，使得企業不得不增加廣告，減少維護APP的次數。因此，企業要注重功能性，在有針對性的基礎上，增加新的輔助功能，能在最大限度上滿足用戶更多的需求。

（2）便捷性是產生積極情緒的重要原因

“方便”等特征詞正說明了醫療健康類APP的存在意義。由于我國老齡化越來越嚴重，健康管理類APP能有效地監控中老年人的身體狀況，及時發出預警，為其提供健康保障。讓本就腿腳不便的用戶，減少了日常排隊就醫和檢查的時間，給予了極大的方便。同樣地，在線問診類APP除了提供一站式在線就醫服務，也有預約掛號的功能。這不僅減少用戶的排隊時間，也在一定程度上緩解了線下醫院就診壓力。

（3）服務質量對減少消極情緒起著補充作用

“敷衍、解答、糊弄”等有關服務質量的特征詞更影響著用戶的消極情緒，這是由于在用戶使用過程中，服務是在潛意識上影響著用戶的情感，并在給予評價時賦予自己的主觀想法。而且“醫生”的詞頻數最多，這表明企業不僅要與合作醫院的醫生“約法三章”，還要注重專業人員的客服服務。讓企業隨時獲得用戶的反饋，以此完善用戶所關心的細節，增加用戶黏性。

3? 用戶滿意度分析

為了分析用戶滿意度，首先需要確認其影響因素。通過2.1的情感特征詞，提取出用戶滿意度的影響因素。接著用李克特量表的方法將因素量化，得到各自的滿意度打分。最后將因素在評論中出現的次數作為重要度，與滿意度一起進行四分圖模型分析。

3.1? 提取影響因素

基于2.1的情感特征詞，發現在評論信息中，影響用戶滿意度的因素主要集中在9個方面，即服務質量、用戶信任感、便捷性、可靠性、可靠性、可優化性、價格、主要功能、APP的運行、用戶使用感受[13]，如表2所示。

3.2? 四分圖模型分析

四分圖模型經常用來對顧客滿意度進行分析，該模型可以有效地對影響因素“對癥下藥”[14]。因此，為了進一步分析，本文選擇四分圖模型。

為了分析影響因素與用戶滿意度之間的關系，在確定因素后，首先要對每條評論進行量化。本文使用李克特量表方法，將滿意度分為非常滿意、比較滿意、一般、不太滿意、很不滿意[11]。而上文在做情感分析時，ROSTCM6軟件已將評論的情感值分為積極、中性、消極三種情感，以及積極和消極的強度還分為一般、中度、高度。因此，在表3中給出了用戶評分、滿意度、評論類型及強度之間的對應關系。

將每個評論對這9個影響因素進行滿意度打分，若是評論中沒有提及某個影響因素的話，就表示用戶對該因素持中性情感，評分為3分。（如表4所示）

接著將各影響因素的滿意度打分綜合，即該影響因素的評分總和與評論數量的比值。而影響因素所含詞匯的頻次和作為重要度，得出每個影響因素的重要程度與滿意程度。（如表5所示）

最后根據各影響因素的重要度和滿意度得出四分圖模型（如圖2所示）。其中，縱軸表示各影響因素的重要程度，橫軸表示用戶對各影響影響因素的滿意度。由于爬取的評論好評率較高，滿意度也都較高，所以把4.5定為界點。

（1）優勢區，即高重要性、高滿意度。

主要功能和便捷性位于該區域，表明用戶對醫療健康類APP的主要功能與便捷性等方面比較看重，且還是滿意與認可的。由此可見，醫療健康類APP的主要功能、便捷性能否滿足用戶需求是用戶下載并繼續使用的重要前提條件。所以，主要功能不僅是用戶所關注的，也是企業所注重的。企業應該努力培養和維持這些指標，以提高客戶的滿意度。例如，響應健康中國戰略，增加針對中老年用戶群體的健康管理服務和醫療服務功能。在注重功能開發上，又不能過于復雜。功能與便捷，實現兩者的平衡。

（2）修補區，即高重要性、低滿意度。

雖然沒有影響因素落在該區域，并不是表明企業沒有需要改進、重點修補的地方。例如醫療健康類APP功能有限，往往只能滿足用戶的一部分健康，而非全部。同時，醫療健康類APP與線下實體醫院存在的對接不一致要求可能會給用戶帶來不必要的麻煩。這恰恰說明我國移動醫療市場發展進程還處于初級階段，需要政府出臺相關的配套政策對于醫療健康類APP進行指導與管理，并進一步加強線上應用與線下實體醫院的關聯度，企業也可以通過借鑒國外成熟醫藥診療體系，與中國國情，自身的特點相結合，多方面發展，不斷完善，挖掘新功能，加強政府、企業、醫院三方聯系，服務廣大用戶。

（3）機會區，即低重要性、低滿意度。

服務質量、價格、可優化性位于該區域。表明用戶對這三方面并不滿意，但僅是用戶目前并不太在意。其中，服務質量接近機會區與維持區的交界線，說明用戶對當前醫療健康類APP服務質量的滿意度在提升，可見企業正在逐漸重視服務質量在醫療健康APP的重要度。對企業而言，正由于服務質量直接對滿意度產生主觀影響，用戶的態度往往決定著企業的興衰成敗。企業對用戶提供的優質服務會得到用戶群體的信賴有效促進良性循環，為企業持續為用戶提供優質醫療服務作保障。

（4）維持區，即低重要度、高滿意度

可靠性、用戶信任感、APP的運行、用戶使用感受位于該區域。它們的重要程度相對不高，屬于次要優勢。隨著移動醫療市場不斷發展，APP之間競爭會增加，可靠性和用戶信任感的重要性會逐漸突出，因為用戶往往會在眾多APP之間選擇更專業、更有背景、更值得信賴的那一個。而APP的運行是否流暢、穩定，也是靠其背后的技術支持是否強大。這也直接影響到APP的界面、操作，以及用戶的使用感受。因此，如果從企業資源的有效分配考慮，可以先從該部分做起。

綜上所述，用戶評判一個醫療健康類APP的好壞，往往是通過主要功能和便捷性這兩個因素來決定的。如果它的功能沒有滿足用戶的需求，它的便捷性也沒有達到用戶的期望，那么用戶的評價就是不滿意。對用戶而言，如何便捷地實現切身所需才是最為重要的。隨著醫療健康類APP市場的進一步發展，位于下半區的這些影響因素將不容小視。因此，企業應當及時從用戶反饋中得到改進，并緊密結合自身優勢，尋求醫療健康類APP的正確定位。

4? 結論

隨著移動醫療市場的競爭不斷加大，用戶的滿意度對企業起著至關重要。因此，綜合以上研究結果，本文提出以下建議：

（1）開發特色功能，滿足用戶需求。在現有功能的基礎上，根據用戶不同的需求，結合自身的目標人群，開發出有針對性的功能。例如，慢性病健康管理APP則需要配套的健康設備來對用戶進行時時刻刻地監控，而不能讓用戶自行上傳健康狀況。由于其目標人群絕大部分是老年人，那么若監測到異常點則不能僅僅是跳出消息框來提醒用戶，而是發出提示聲音、振動，甚至是告知該用戶的聯系人。

（2）樹立品牌形象，培養忠實用戶。我國對醫療健康類APP的用戶認可度低，則需要企業加大宣傳力度，與政府、醫院進行合作，滲透到我們日常生活中去，吸引潛在用戶并維系忠誠度，擴大應用影響力。

（3）規范服務模式，保證服務質量。醫療健康類APP屬于遠程醫療服務的一種，建立企業與醫院責任連坐制，通過雙方出面協商并在線上與線下信息對接的基礎上，一旦出現醫療糾紛，由雙方通過分析事故原因解決問題。

（4）完善法律法規，加強安全監管。目前，還沒有出臺相關法律法規對醫療健康類APP進行監管整頓，這導致用戶的權益無法得到保障。因此，完善法律法規是刻不容緩的。法律法規要加強對APP的監管，對不服從規定的應用進行下架處理或者處罰，讓用戶的整個使用過程都有法可依。

參考文獻

[1]冉猛， 姜瑛. APP軟件的用戶評論模式分析方法[J]. 計算機科學， 2017（11）： 187-192.

[2]汪祖柱， 謝悅蕓. 在線評論視角下App服務的用戶滿意度分析[J]. 成都工業學院學報， 2017（4）： 27-32.

[3]姜巍， 張莉， 戴翼， 等. 面向用戶需求獲取的在線評論有用性分析[J]. 計算機學報， 2013（1）： 119-131.

[4]李紅柳， 王興元. 在線用戶評論對顧客價值創造的影響研究——基于對消費者價格決策的考量[J]. 價格理論與實踐， 2018（1）： 150-153.

[5]趙楊， 李齊齊， 陳雨涵， 等. 基于在線評論情感分析的海淘APP用戶滿意度研究[J]. 數據分析與知識發現， 2018， 2（11）： 19-27

[6]王靖君， 邢花. 基于Kano模型的互聯網醫療用戶滿意度影響因素研究[J]. 上海醫藥， 2018， 39（17）： 51-55.

[7]耿曉利， 陳淋. 基于情感分析與LDA模型的在線用戶滿意度影響因素研究[J]. 微型電腦應用， 2019， 35（6）： 38-41.

[8]周會玲， 劉恬玥， 王佳佳， 等. 基于四分圖模型的顧客網購滿意度測評[J]. 中國物流與采購， 2019（24）： 123.

[9]程愛華， 孟全省. 基于四分圖模型的農業龍頭企業合作農戶滿意度研究[J]. 北方園藝， 2011（18）： 209-212.

[10]錢煜昊， 夏凡， 朱天淳. 南京市地鐵服務研究——基于四分圖模型的服務質量測評[J]. 經濟研究導刊， 2014（26）： 131-133.

[11]韓志新， 謝振玲. 客戶滿意度測評模型比較[J]. 煤炭經濟研究， 2008（4）： 46-48.

[12]叢麗， 何繼紅. 野生動物旅游景區游客情感特征研究——以長隆野生動物世界為例[J]. 旅游學刊， 2020（2）： 1-16.

[13]王若佳， 張璐， 王繼民. 基于扎根理論的在線問診用戶滿意度影響因素研究[J]. 情報理論與實踐， 2019， 42（10）： 117-123.

[14]劉希良. 酒店在線評論的情感傾向挖掘方法應用研究[D]. 廣東工業大學， 2014.