基于在線評論的客戶滿意度研究

蔡春雨 楊雨薇

摘要：網絡購物已經深入到我們生活的每個角落，在線評論也逐漸成為網購時對商品各方面做出判斷的重要因素之一。本篇文章以客戶滿意度、數據挖掘為理論基礎，選擇京東商城上華為P40的在線評論為研究對象。通過軟件對數據進行獲取，并對數據進行預處理，量化打分，將處理好的數據導入SPSS Modeler構建貝葉斯網絡模型和神經網絡模型，并對兩個模型的準確性進行對比。最后結果顯示，消費者對手機關注點有相似的地方也有不同的地方，根據此結果來幫助廠家改進產品。

關鍵詞：在線評論;客戶滿意度;貝葉斯網絡模型，神經網絡模型

1引言

電子商務平臺的出現改變了傳統的購物模式，消費者足不出戶就可以買到自己想要的商品。但是由于網絡購物的弱連接性，消費者所接觸到的信息都是商家所展示出來的，商品信息的真實性無法辨別，另外消費者沒有辦法去面對面的體驗產品，這些不確定的因素就會增加消費的感知風險進而影響消費者的購買意圖[1]。為了消除這種不確定性，大多數消費者都會參考商品的在線評論。

本文以京東商城手機產品評論為研究對象，通過網絡爬蟲軟件和數據分析軟件對在線評論進行處理，從而分析出影響手機產品客戶滿意度的影響因素，幫助網絡供應商更好地了解客戶的需求、有針對性地改進手機產品和提高自身的服務水平。

2 數據采集以及處理

2.1 數據來源

本文所用到的數據來源于京東商城，京東是顧客購買電子產品的主要渠道，也是我國電子商務領域有重要影響的電商平臺。選取華為P40作為研究對象。本次研究抓取的數據主要有手機的銷售信息以及在線評論相關信息，包括：用戶ID、評論時間、會員等級、評論內容，評論星級等。

2.2數據預處理

京東商城的評論中都會有消費者給出的五分制評分。五分制是目前最常用的打分標準。對于不同的產品或服務的特征因素，建立嚴格的評分規則，并按照此規則把相應的特征因素量化打分。客戶滿意度的情感傾向以及評分準則如下：

（1）很、非常、大屏、分辨率高、很好看、特別實惠、很好聽、容量大、時間長、很清楚、一流、完美等為5分。（2）漂亮、好看、好用、便宜、不錯、夠用、可以、完好、實用、性能好等為4分。（3）還行，一般，適中，可以接受正常，還好，正常使用、滿足整體需求等為3分。（4）有點不、不合適、不太好、有點貴、有雜音、不夠用、不清楚、差、不行等為2分。（5）很不、非常不、完全不、太差、容量太小、太差、很不方便、非常差等為1分。

將所有的數據進行量化，在處理過程中嚴格按照打分規則，得到電子商務客戶滿意度的基礎數據。

3 客戶滿意度影響因素模型

3.1 客戶滿意度影響因素模型構建

用SPSS Modeler軟件，將量化過的數據導入到軟件中，經過數據過濾、類型篩選等步驟，構建產品的貝葉斯網絡模型。最后用數據構建神經網絡模型，分別對這兩個模型進行準確性評估，并比較兩個模型的準確性高低。

3.2客戶滿意度影響因素模型結果分析

3.2.1貝葉斯網絡模型結果分析

對于華為P40來說，外觀與音質、顏色、手感相關，屏幕與音質相關，性能與電池和拍照以及音質相關，手感與物理屬性和功能相關，價格和質量以及物理屬性相關。

從華為P40滿意度各因素重要性排序可以看出，消費者對此商品最為關注的前3項是性能、質量、物理屬性，接下來就是音質、手感、拍照、外觀、屏幕以及顏色和價格。可以看出性能那個屬性對滿意度影響最大。

3.3模型準確性評估

將處理好的數據分別用神經網絡模型和貝葉斯網絡建模，比較兩個模型的準確性。對兩個模型進行準確性分析，閾值選擇90%，改善準確性選擇2.0折疊。兩個模型輸出的結果：貝葉斯網絡模型的正確率是92.06%;神經網絡模型的正確率是88.59%。通過輸出的準確性結果來看，神經網絡模型的準確性沒有貝葉斯網絡模型的準確性高，這就說明了本文選擇的貝葉斯網絡模型來預測客戶滿意度是比較準確的，可行性高，更具有優勢。

4研究結論

根據貝葉斯網絡模型來看，特征因素之間有相互的聯系，每個節點都有它的父節點，說明顧客在購買時不僅僅關注產品的一個屬性，所以商家在改進產品質量以及服務的時候不應該只關注產品的一方面，要挖掘其他屬性之間的聯系。最后通過特征因素重要性排名來看，華為P40滿意度影響因素排名最高的是性能、質量、物理屬性，數值分別是0.1484、0.0961、0.0945，說明在購買華為P40的時顧客更偏向其性能、質量、物理屬性。

參考文獻

[1]徐慧，顏實.在線評論對消費者網絡購買決策的影響綜述[J].時代金融，2018（32）：354-355.