基于Group Lasso 對數線性回歸的智能手環評論數影響因素分析

王黎明，沈夢琦

（1.南京財經大學 紅山學院，江蘇 南京 210003；2.南京信息工程大學 數學與統計學院，江蘇 南京 210044）

隨著智能化商品越來越受社會各界關注，出于對自身健康、生活以及娛樂的關注，智能穿戴市場發展迅速。據IDC 數據顯示，近幾年，智能穿戴設備仍將保持高速度發展。截止到2021 年，智能穿戴設備的出貨量達2.82 億只，2022 年到2026 年智能手環的CAGR（復合增長率）將達21%，市場容量達到462 億美元。智能手環具有健康管理、運動記錄等強大的系統支持功能，憑借其大眾化的定位和高性價比，占據智能穿戴設備的主要市場份額。然而，據百度搜索指數顯示，智能手環的新聞頭條量在近幾年一直保持下降趨勢，表明人們對智能手環的關注度降低。智能手環也面臨著嚴峻的挑戰：首先，同質化嚴重，缺少創意亮點；其次，進入市場壁壘低，導致競爭對手過多；最后，情感化缺失、定位模糊和功能堆砌，易導致放棄使用智能手環的流失率提高。面對智能穿戴產品競爭激烈的市場環境，提高商品的評論量和審視智能手環的真正用戶偏好顯得尤為重要。隨著我國電商行業發展迅速，消費模式逐步由線下轉為線上，線上消費者的購物決策主要依據產品的功能介紹和評論內容。為此，本文以京東商城為平臺，進行智能手環評論量的因素分析，以期為企業研發人員提供可靠的參考指標，提升用戶體驗，提高企業的市場競爭力。

一、文獻綜述

關于智能手環，金英偉（2017）、劉豐（2020）、張琰（2017）對智能手環的創新技術方面進行研究，認為商品內在屬性和創新感知價值兩個方面的設計更能吸引消費者的目光［1-3］。王林（2017）、何曉龍（2016）、蒿瑩瑩（2019）、蘇水軍（2018）從運動功能角度分析，采用實驗法、數理統計等方法檢測數據的有效性，發現智能手環監測結果具有不同范圍的誤差［4-7］。楊梅（2020）、姚湘（2018）等以老年人的角度去研究智能手環的設計，大致從商品設計、用戶體驗、人機交互和實際生產四個方面，有針對性的提出在智能手環設計方面要有操作簡便易懂、具有輕巧實用性、字體要清晰等特點［8,9］。

隨著研究深入，學者們對智能手環購買意愿進行分析，并對評論進行在線挖掘。吳江等（2017）通過LDA 在線評論主題挖掘，分析得出用戶更關注智能手環的功能與外觀設計［10］。李奕等（2018）采用聯合分析法構建用戶偏好量化模型，對智能手環的造型要素、功能要素和交互方式方面提出改進意見［11］。趙楊（2017）研究網站界面設計對消費者購買可穿戴設備意愿的影響，發現網站界面的信息豐富度對消費者購買意愿有正向影響［12］。Meiyuan JENG 等（2020）通過手段—目的鏈(MEC)和階梯式訪談法，構建“等級價值地圖”，分析老年人的感知價值，認為在功能和社會價值方面有提升空間［13］。Lianghong WU（2016）等發放問卷的形式進行用戶滿意度調查，發現品牌和功能最受用戶關注，同時價格和評價是影響用戶使用意愿的重要因素［14,15］。

綜合以上研究,本文以智能手環評論數為研究對象,建立基于Group Lasso 的對數線性回歸模型，預估該類產品的未來市場情形。本文創新之處主要表現在：(1) 以評論量為因變量，作為衡量智能手環發展的一個重要指標，分析市場上的主要智能手環產品評論量的影響因素并建模預測，可更好把握智能手環市場的發展方向。(2) 使用變量選擇方法Group Lasso 來選取評論量的重要影響因素可將智能手環的類別變量所有屬性作為整體進行選擇。

二、模型構建

（一）研究數據

本文通過八爪魚采集器工具，爬取京東商城智能手環商品的數據信息來研究電商客戶需求。去除無效數據信息后，共509 條有效數據。評論數量是智能手環商品的重要屬性，直觀上可以看出用戶對該類智能手環商品的關注程度，因此，本文將評論數量作為因變量。自變量由三方構成，分別為：商品自身屬性、商品功能屬性以及所屬店鋪屬性，具體變量說明見表1。

表1 變量說明

（二）研究方法

本研究建立基于Group Lasso 的對數線性回歸模型對智能手環信息進行挖掘，分析智能手環評論量的影響因素，具體研究框架見圖1。

圖1 研究框架示意圖

先用八爪魚采集器收集智能手環數據信息，刪除缺失數據。將評論量作為因變量，商品自身屬性、功能屬性和店鋪屬性作為自變量，識別自變量的標簽屬性。描述性分析對評論量的因素影響，繪制箱線圖和柵欄圖等直觀地表現自變量和評論量的關系。最后，進行模型分析。將自變量中的分類變量轉變為虛擬變量，形成新的自變量集合。利用Group Losso 篩選出影響評論量的重要組變量，將Group Lasso 選擇出的重要組變量帶入對數線性回歸模型探究影響智能手環評論量因素的具體數值關系。模型分析具體方法如下：

1.數據預處理

2.基于Group Lasso 的對數線性回歸模型

虛擬變量處理后，如將所有自變量代入對數線性回歸模型，可解釋性差。我們考慮采用Group Lasso 進行變量選擇。Group Lasso 估計方法針對系數組創新性地提出了二范數懲罰，可將虛擬變量組作為整體選取出來［16］。

在線性回歸模型中，Y是因變量，X是解釋變量，則Group Lasso 估計為

三、結果與分析

（一）描述性分析

從圖2 中可以看出智能手環的評論量主要分布在60000 條之內。另外，圖中存在少量“高評論，低頻數”的智能手環，可能是一些性價比很高的商品。根據智能手環評論量呈右偏特點，對評論量取對數，為后續的圖表分析和建模起到重要作用。為分析影響智能手環評論數的因素，先描述性分析智能手環自身屬性、功能屬性和所屬店鋪屬性對評論量的對數影響。

圖2 智能手環評論量頻數分布圖

1.商品自身屬性

（1）價格、品牌與評論量關系

由圖3 箱線圖可知，智能手環的價格主要集中在500 元以下；從評論量來看，300 元以下的智能手環的評論量最多。散點圖顯示，智能手環價格越高，評論量就越低（價格和評論量對數的相關系數為-0.49，p＜0.01），這符合價格與評論量之間的反向關系，大多數消費者會愿意選擇購買價格便宜的商品。

圖3 智能手環價格對評論量的影響（左：箱線圖；右：散點圖）

本文選擇了六個具有代表性的品牌，其他的品牌都歸在“其他”類中。從圖4 看出，小米、華為、榮耀和dido 的評論量相對較大。其他幾個品牌的評論量差異較小，間接反映智能手環商品存在較嚴重的同質化現象。從評論量的分布狀態來看，dido 和榮耀等品牌評論量分布兩極化，可見同一品牌的智能手環商品之間也有著明顯的差異。

圖4 品牌對評論量的影響

（2）防水等級、充電方式、觸控方式、屏幕類型與評論量的關系

從圖5 中發現：防水等級越高，商品評論量就隨之增高（50 米以上防水的商品數量少，參考意義不大）；使用傳統座式充電器的智能手環的評論量比較高，主要是目前商品多數采用座式充電器，符合消費者的充電行為習慣；具有多點觸控的智能手環評論量大，因為多點觸控操作更便利；具有AMOLED 屏幕類型的智能手環評論量最高且商品數量最多；相比之下，具有TFT 和LED 屏幕類型的商品的數量少且評論量很低，可能因為該類型屏幕厚，需要背光，較為費電。

圖5 商品自身屬性對評論量的影響

2.商品功能屬性

（1）血壓、AI 語音功能與品牌

目前不支持血壓監測功能智能手環占據多數，以榮耀、華為和小米為典型（圖6）。因為這些品牌受眾群體是青年，對血壓監測的功能需求不大。相比之下，普利邦、ZPPSN 等國外品牌商品基本都具有此功能，其產品定位基本是高端市場，具有價格高、性能強的特點。同時絕大多數的智能手環是不支持AI 語音功能，主要由于AI 語音功能在市面上出現時間短，許多技術還不完善，高性價比產品不具備此功能。

圖6 血壓、AI 語音與品牌關系（左：血壓；右：AI 語音）

（2）心率監測、健康功能與評論量的關系

圖7 可知除2000 元以上產品之外，智能手環評論量呈現“實時監測＞都可＞手動檢測＞不支持”的特征，反映消費者更喜歡具有實時監測功能的智能手環。圖8 顯示在同價格區間的智能手環當中，健康功能有3 種的智能手環的評論量更高，更容易獲得消費者的喜愛。以心率監測和健康功能為條件，總體上價格和評論量對數呈負相關，說明消費者在選購商品時，價格是重要因素。當健康功能為“4 種”時，價格和評論量不相關，表明當消費者注重高端體驗時，價格因素的影響會弱化。

圖7 以心率監測為條件的價格和評論量對數的柵欄圖

圖8 以健康功能為條件的價格和評論量對數的柵欄圖

3.所屬店鋪屬性

由于商品評價、物流履約和售后服務三者分布相似，以商品評價為例分析，有評價的商品數量較多且評論量分布較分散，而無評價的商品雖少但評論量稍高（見圖9）。產生該現象的主要原因可能是有評論的店鋪沒有將評論進行高評價、中評價和低評價的區分，使消費者不易區分商品好壞，從而產生不同的購物欲望。

圖9 店鋪商品評價屬性對評論量的影響

（二）模型分析

1.數據預處理

在建立模型之前，因變量Y 是評論量的對數，首先對自變量數據進行處理。所屬店鋪屬性中物流履約、售后服務與商品評價的數據是一致的，因此只需分析商品評價即可。除價格是連續型變量外，其余變量均是分類變量。對連續型變量價格取對數，其余分類自變量進行虛擬變量處理。共20 組72 個虛擬變量。在回歸分析中為消除多重共線性，剔除虛擬變量的最后一組。最后，自變量20 組共52 個虛擬變量。

2.Group Lasso 變量選擇

數據預處理后存在較多的虛擬變量，應用Group Lasso 將相關虛擬變量作為組進行整體保留或剔除在模型中。當λ=0.09 時，EBIC 值最小，得到的解稀疏。處理后得到系數壓縮為零的解釋變量12 組共38 個，非零解釋變量8 組共14 個,包括價格、觸控方式、血壓監測、心率監測、運動模式、支付功能、店鋪星級、商品評價8 個變量。

3.對數線性回歸模型

通過Group Lasso 得到8 組重要變量（14 個虛擬變量）后，建立對數線性回歸模型研究對智能手環評論量的影響因素。回歸結果如表2 所示，回歸模型的修正R2為0.5，說明模型擬合效果較好。

表2 模型估計結果

商品自身屬性。（1）價格：對數價格的系數為-0.764，在α=0.001 的條件下顯著，說明價格對數值與評論量之間存在著顯著的負向關系。這種現象主要由兩方面導致。第一，消費者青睞購買性價比高的商品。第二，價格低的產品往往是商家進行促銷活動的商品，商家會加大廣告宣傳的力度引起消費者的興趣，從而增加商品的銷售數量和討論量。（2）觸控方式：觸控方式的單點方式和多點方式的回歸系數為負值，分別是-0.176 和-0.675，基準組是“其他方式”。單點方式在α=0.1 的顯著性水平下不顯著，多點方式在α=0.001 的條件下顯著。這說明與基準組相比，具有“多點”觸控方式的智能手環評論量對數下降0.675 個單位。

商品功能屬性。（1）血壓監測：與“既可實時監測又可手動監測”相比，實時監測的回歸系數為0.861，手動監測的回歸系數為-0.930，均在α=0.01的條件下顯著。這表明：消費者更愿意購買具有實時監測功能的手環。（2）心率監測：與“既可實時監測和手動監測”相比，手環只具有實時監測或者手動監測的回歸系數分別為1.48 和0.764，各自通過α=0.001 和α=0.1 的顯著性檢驗。實時監測心率的手環更容易受到消費者的喜愛。（3）運動模式：運動功能為“10 種以下”和“11～20 種”手環的回歸系數均為正值，“10 種以下”在α=0.1 下顯著，而“11～20 種”在α=0.1 的顯著性水平下不顯著。這可能因為，對于普通的消費者來說具有10 種之內運動模式的智能手環已滿足需求。（4）支付功能：與支持支付功能的相比，不支持支付功能使得評論量對數平均減少0.845 個單位。這可能因為，掃碼支付功能已經成為當代支付方式的主流，廠家可以提高對支付功能的設置來實現商品銷量的提高。

所屬店鋪屬性。（1）店鋪星級：與店鋪星級“無”相比，店鋪星級為“有”的回歸系數為-0.586，在α=0.01 的條件下顯著。回歸系數呈現負值的原因可能是有星級評價的店鋪的星級個數沒有進行具體的區分。（2）商品評價：與商品評價“無”相比，商品評價為“有”的回歸系數為-2.311，在α=0.001的條件下顯著。有評價的店鋪回歸系數呈現負值的原因可能是沒有將商品好評和差評分開進行分析。

四、結論和對策

Group Lasso 回歸結果表明：第一，商品自身屬性方面。價格與評論量呈負相關，價格越高，評論量越少。第二，商品功能屬性。智能手環有手動和實時心率監測功能，對關注身體健康的消費者來說更有吸引力。智能手環運動模式有10 種以內，針對日常運動的普通消費者來說就能夠滿足需求。手環具備支付功能有助于提高評論量，吸引消費者。第三，所屬店鋪屬性。店鋪星級和商品評價回歸呈現負相關，主要是星級和有評價沒有進行具體的細分，使消費者難以區分是好還是壞，從而導致評論量減少。

基于研究結論，給出以下對策：

廠商對產品分別進行低端和高端的開發研究，滿足不同的市場需求，占據市場銷售的份額。針對低端智能手環，廠商需提升產品的性價比，注重產品功能的實用性和精準性開發。針對高端化智能手環，廠商可以將產品的外觀形狀、腕帶材質、制作工藝等方面進行高端化開發，進軍高端市場使智能手環能夠成為具有社會身份標簽趨于珠寶奢侈品的“智能珠寶”。廠商可以將智能手環的消費者進行細分。為青少年消費者設計炫酷高顏值的外觀、能夠記錄日常運動功能的智能手環；為中老年消費者設計健康功能強大且靈敏度高的智能手環。

店鋪需要對產品智能手環進行分類管理。店鋪網頁設計可按按照產品的主要推廣功能進行分類，以此幫助用戶精準了解產品特性，增加店鋪的關注度。店鋪管理者對消費者購買的產品和服務要及時的進行詢問，改善售前、售中和售后服務，從而提高店鋪星級。店鋪激勵用戶評價商品，挖掘用戶對商品的反饋信息，及時處理與改進，從而提高用戶忠誠度。