基于在線評價與評論信息的電商賣方服務評價

于 超， 趙智超

(沈陽工業大學 管理學院， 沈陽 110870)

為了營造積極且公平的網絡競爭環境，為電子商務平臺上買方的購買決策提供參考和借鑒，同時輔助賣方獲取顧客反饋以提升服務質量，電子商務平臺通常會依據買方的在線評價信息對賣方提供的相關服務進行客觀評價。例如，天貓商城、京東商城等均會依據買方的在線評價信息對其平臺上商戶提供的服務進行評價。目前，大多B2C電子商務平臺均會讓買方針對賣方提供服務的整體水平給出分值形式的評價，此外，買方還可以根據自身體會給出文本形式的評論信息。一般來說，分值形式的評價信息包含的內容單一，文本形式的評論信息更能清楚地描述出服務的優勢與劣勢，更為客觀地反映出服務水平，對消費者購買決策的影響更為重要[1-2]。在進行服務評價時有必要考慮顧客的在線評論信息[3-4]，然而現有電商在對其平臺上賣方的服務進行評價時，僅采集了買方給出的分值形式的評價信息，據此得到一個總體評分，對買方給出的文本形式評論信息關注不夠。賣方服務水平的高低通常可由多個方面體現，如網頁設計、響應速度、服務態度、發貨速度、產品包裝和售后服務等，針對其服務的評價有必要考慮賣方在各環節所提供的服務水平，以清楚地揭示其優勢與劣勢，輔助賣方的服務改進，同時為買方購買決策提供有效的參考[5-6]。針對賣方整體服務水平給出的單一分值形式的評價信息，往往不能全面反映賣方各方面服務的水平。因此，在對電子商務平臺上賣方的服務進行評價時，如何采集并有效利用買方給出的在線評價與評論信息，得出更為客觀全面的服務評價結果，具有實際意義。

一、文獻綜述

從已有文獻來看，關于服務評價方法的研究已取得了豐碩的成果，主要包括SERVQUAL方法[7]、修正的SERVQUAL方法[8]、SERVPERF方法[9]、Non-difference方法[10]和加權績效評價方法[11]等。近年來，關于在線服務評價的研究開始引起部分學者的關注。例如：付曉東等針對在線服務評價問題提出一種面向不完整序數偏好的在線服務評價方法[12]；Lee等通過對297位在線顧客的調查發現，網頁設計、可靠性、響應性和可信性均會影響顧客感知的在線服務質量和顧客滿意度，進而影響到顧客購買意愿[13]；Bauer等針對在線購物中涉及的服務質量評價問題，提出了一個基于交易流程的模型，以功能設計、樂趣、操作流程、可靠性和響應性為判斷服務質量的指標，對交易流程中各階段的服務進行評價[14]；Hu對在線服務質量評價問題進行了研究，構建了電子商務服務質量評價系統，通過實證研究確定有形性、可靠性、響應性、可信性和移情性為評價系統中的五個服務質量評價指標，并通過層次分析法確定了指標權重[15]；Wu等對電子交易中涉及的電子服務質量評價問題進行了研究，通過問卷調查和模糊層次分析法確定了電子服務質量的評價指標和權重[16]；Lin等提出了一個在線服務質量評價框架，建立了電子服務質量和物流服務質量兩個評價維度，并基于收集的在線數據識別出影響顧客滿意度的質量要素[17]；Omar等研究了移動服務質量評價問題，選擇通過移動設備購買時尚服裝的英國顧客作為研究對象開展實證研究，獲取了移動服務質量評價的四個維度，并分析了其與顧客忠誠度的關系[18]。

關于在線服務評價的研究成果為解決在線服務評價問題提供了較好的思路和支撐。已有研究指出，有必要對電子商務平臺上的賣方服務進行全面的評價，并通過研究給出了電子商務在線服務評價過程中需要考慮的多種影響服務質量的因素，同時指出在評價過程中有必要同時考慮顧客的在線評價與評論信息；但已有研究大多側重于電商賣方服務質量評價指標選取方面的研究，較少關注評價數據源選取與數據收集處理方面的研究，特別是全面考慮顧客在線評價與評論信息的B2C電子商務平臺賣方服務評價研究。基于此，本文著重研究基于在線評價與評論信息的電商賣方服務評價方法。首先，通過爬蟲程序獲取一定時期內待評價電商賣方出售的所有商品的全部評價與評論信息；其次，對獲取的在線評論信息進行情感分析，計算評論信息對電商賣方各服務評價指標的情感強度；再次，分別依據在線評價和評論信息計算電商賣方服務的評分；最后，綜合考慮由在線評價和評論信息計算得到的電商賣方服務評分，計算其在各服務評價指標上的評分，并在此基礎上計算出總體評分，為電子商務平臺上的賣方和買方提供參考。

二、問題描述

本文關注的是基于在線評價與評論信息的電商賣方服務評價問題，即同時考慮由有過購買經歷的顧客針對電商賣方服務情況給出的在線評價和評論信息，對電商賣方進行較為全面細致的評價。研究不僅要給出賣方服務的總體評分，而且要清楚地揭示出電商賣方在各個服務環節所提供的服務的水平，以輔助電商賣方根據顧客反饋提升服務質量，同時為買方購買決策提供參考。這里假設針對電商賣方服務的在線評價與評論信息已經大量存在，且均由有過購買經歷的顧客客觀給出。

下面的符號用來表示基于在線評價與評論信息的電商賣方服務評價問題中所涉及的集和量：

C={C1，C2，…，Cm}，表示電商賣方服務評價指標集合。其中Ci表示第i個電商賣方服務評價指標，i=1，2，…，m。

L={L1，L2，…，Lq}，表示程度副詞詞典，即程度副詞集合。其中Lh表示第h個程度副詞，h=1，2，…，q。一般來說，程度副詞與情感詞經常一同出現，在程度副詞的修飾下情感詞的情感強度會發生改變[19]。

B=(b1，b2，…，bq)，表示程度副詞對情感詞情感強度的改變系數向量。其中bh表示第h個程度副詞對情感詞情感強度的改變系數，0

N={N1，N2，…，Nv}，表示否定副詞詞典，即否定副詞集合。其中Nu表示第u個否定副詞，u=1，2，…，v。當否定副詞與情感詞一同出現時，情感詞的情感強度會發生反轉[19]。

本文要解決的問題是，依據C、W、Ri、Si、Ai、L、B和N等有關信息，如何采取可行的方法對電商賣方的服務水平進行有效評價。

三、原理與方法

1. 在線評價與評論信息的采集及預處理

通常電子商務平臺上的某一電商賣方(即店鋪)會同時出售多款商品，顧客在購買任一款產品后均可對該電商賣方的服務進行評價，給出分值形式的評價信息和文本形式的評論信息。可見，店鋪對任一款商品的服務情況都會影響到其總體服務水平，因此有必要明確待評價電商賣方出售的全部商品，并獲取一定時期內顧客對商品的全部評價與評論信息。由于顧客在線評價與評論信息數據規模巨大，因此可通過爬蟲程序進行數據與文本信息的采集。

通常，針對電商賣方服務的評價采用1～5分的評分標準，1分最差，5分最好。一般來說，顧客在電子商務平臺上購買商品后，均會對電商賣方服務給出分值形式的評價，若一段時間后仍未評價，則系統會默認給出滿分好評，故分值形式的在線評價可視作無缺失信息。記G=(g1，g2，…，gt)為爬取得到的一定時期內顧客針對電商賣方服務給出的評分向量，其中gf表示一定時期內第f位顧客針對電商賣方服務給出的評分，f=1，2，…，t。

2. 在線評論信息的情感強度計算

為了更為準確地分析文本形式評論信息的情感強度，定義了程度副詞詞典和否定副詞詞典，二者分別基于知網提供的程度級別詞語集和否定詞語集。考慮到實際使用頻率，分別從中選取部分程度副詞和否定副詞組成程度副詞詞典L={L1，L2，…，Lq}和否定副詞詞典N={N1，N2，…，Nv}。由于在程度副詞的修飾下情感詞的情感強度會發生改變，故為程度副詞詞典中的程度副詞定義了刻畫其對情感詞情感強度影響的改變系數向量B=(b1，b2，…，bq)。

r=1，2，…，s；k=1，2，…，li；i=1，2，…，m

(1)

r=1，2，…，s；i=1，2，…，m；j=1，2，…，ni

(2)

3. 電商賣方服務水平的評價

一般來說，顧客針對電商賣方服務給出的評分是其全面考慮電商賣方各服務評價指標后給出的綜合性評分，并不代表電商賣方在各服務評價指標上均獲該評分。顧客通常會針對表現突出和表現不足的方面給出具體評論信息，故可用數值型在線評價信息(即評分)代表評論信息中未提及的服務評價指標評分；而針對在線評論信息中提及的服務評價指標，則有必要通過情感分析確定其情感強度，綜合考慮在線評價與評論信息，從而得到該服務評價指標的最終評分。

(3)

依據計算得到的每條在線評論信息對各評價指標的情感強度，可進一步計算由在線評論信息分析得到評分。為了方便計算，定義在線評論信息Dr中針對電商賣方服務評價指標Ci的情感強度eri取值的指示向量λr=(λr1，λr2，…，λrm)，其中λri表示針對eri取值的指示信息，其計算公式為

(4)

記ei為由在線評論信息分析得到的顧客針對電商賣方服務評價指標Ci的情感強度，其計算公式為

(5)

(6)

針對一個電商賣方服務評價指標，分別對在線評價與評論信息進行分析和處理可得到兩個評分結果，在評價中均應該予以考慮。記Wi=(wi1，wi2)為針對電商賣方服務評價指標Ci的在線評價與評論信息的權重向量。其中，wi1表示在線評價結果的重要性程度，wi2表示在線評論信息的重要性程度，滿足0≤wi1，wi2≤1，且wi1+wi2=1。考慮到參評人數會直接影響到評價結果的可信程度，其計算公式分別為

(7)

(8)

從式(7)、(8)可以看出，當針對某一電商賣方服務評價指標沒有顧客給出在線評論時，在線評價結果的權重為1，在這種情況下，依據在線評價信息得到的評分即對該電商賣方服務評價指標的評分。

(9)

進一步地，將各服務評價指標下的評分進行集結，可計算得到電商賣方服務的總體評分G總，公式為

(10)

4. 電商賣方服務評價的計算步驟

綜上，基于在線評價與評論信息的電商賣方服務評價具體計算步驟為：

步驟1爬取待評價電商賣方在一定時期內出售的所有商品的全部在線評價與評論信息，并對其進行預處理。

步驟2根據式(1)、(2)，計算不同顧客給出的在線評論信息對電商賣方服務評價各指標的情感強度eri。

步驟6根據式(10)，計算電商賣方服務的總體評分G總。

四、算例分析

LK旗艦店是天貓電子商務平臺上的一家店鋪，主要出售提供定制服務的印刷制品，如宣傳冊、臺歷等。由于定制商品對賣方服務要求較高，對賣方服務的評價是賣方與買方共同關注的問題。首先，利用爬蟲軟件爬取該店鋪在售的12種商品6個月(2016年7月1日至2016年12月31日)內的全部在線評價與評論信息，剔除無效數據，得到4 330條在線評價信息和1 965條在線評論信息，并對其進行預處理。為了全面客觀地對電商賣方服務進行評價，依據該店鋪的特點選擇了六個服務評價指標，分別為設計服務(C1)、響應速度(C2)、服務態度(C3)、工作效率(C4)、分裝包裝(C5)和售后服務(C6)，令各指標重要程度相同，并分別建立可用于描述這六個指標的特征詞或短語的集合。依據知網(HowNet)提供的情感分析用詞語集和HowNet語義相似度計算軟件[21]針對這六個指標建立情感詞典，并定義程度副詞詞典和否定副詞詞典。此外，針對情感詞典中的各情感詞定義了情感強度值，針對程度副詞詞典中的程度副詞定義了其對情感詞情感強度影響的改變系數。表1列舉了情感詞典、程度副詞詞典及否定副詞詞典中的部分詞語，以及對應于情感詞的情感強度值和對應于程度副詞的改變系數值。

表1 選詞示例

根據式(1)、(2)，可計算得到不同顧客給出的在線評論信息對電商賣方服務評價各指標的情感強度eri。對各電商賣方服務評價指標給出在線評論信息的人數分別為379人、29人、521人、331人、45人和16人。根據式(4)、(5)，可計算出由在線評論信息分析得到的顧客針對電商賣方服務評價各指標的情感強度ei，計算結果為e1=1、e2=0.7、e3=1.43、e4=1.05、e5=0.79、e6=0.84。

根據式(7)、(8)，可分別計算出針對電商賣方服務評價指標Ci的在線評價與評論信息的權重向量，計算結果為W1=(0.91，0.09)、W2=(0.99，0.01)、W3=(0.89，0.11)、W4=(0.92，0.08)、W5=(0.99，0.01)、W6=(1，0)。

為了清晰展現LK旗艦店在不同服務評價指標上存在的問題，以便進行有針對性的服務質量改進，將電商賣方服務在各服務評價指標下的評價結果繪制為雷達圖，如圖1所示。其中，實心點表示基于在線評價信息得到的評價結果，空心圈表示基于在線評價與評論信息得到的評價結果。由圖1可知，兩種不同評價方法得到的結果相近，但又不盡相同，基于在線評價與評論信息得到的評價結果顯示該賣方在服務態度(C3)和售后服務(C6)兩個方面表現相對較好，在設計服務(C1)、響應速度(C2)、工作效率(C4)和分裝包裝(C5)四個方面相對薄弱，有待于進一步改進。

圖1 電商賣方服務評價結果雷達圖

將本文提出的評價方法應用于LK旗艦店服務評價中，不僅得到了其總體評分，而且清楚地揭示出在不同服務評價指標上的表現，更有利于該店鋪發現并改進現有服務的不足之處，同時為買方的購買決策提供有效參考。

五、結 語

本文針對電商賣方服務評價問題開展研究，給出了一種基于在線評價與評論信息的評價方法。該方法將顧客在電子商務平臺上發表的數據規模巨大的在線評價與評論信息應用于評價中，不僅邏輯清晰、可操作性強，而且得到的評價結果能多維度反映電商賣方的服務水平，具有實用性，為解決電商賣方服務評價問題提供了一種新的途徑。