在線評論識別用戶需求的研究熱點與前沿分析

關鍵詞：在線評論，用戶需求，文獻計量分析，CiteSpace，VOSviewer

DOI編碼：10.3969/j.issn.1674-5698.2023.05.019

1 引言

開展質量提升行動是建設質量強國的重要抓手，提升產品和服務質量是建設質量強國的重要任務。近日，國務院印發《質量強國建設綱要》就質量提升作出了具體部署，在加快產品提檔升級中明確提出要推廣個性化定制、柔性化生產，優化消費品供給品類，推動消費品質量從生產端適配型向消費端適配型轉變。產品開發設計與質量優化過程中，全面準確地獲取消費者動態變化的個性化需求是一個重要的關鍵環節。人工智能、大數據等新一代信息技術的快速發展，為獲取市場信息、挖掘消費者需求提供了豐富的數據資源。傳統的用戶觀點的收集方法耗時、昂貴并且不能及時準確地識別用戶需求[1]。在線評論已成為企業了解用戶需求，獲取產品設計創意，提升產品質量的重要數據來源[2]。

針對在線評論的研究受到了國內外學者的廣泛關注，已成為一個重要的研究方向。現有研究成果多集中于虛假評論識別[3 -5 ]、基于情感分析挖掘用戶需求[6 -7]以及基于在線評論的特征提取和主題識別[8-9]等方面。隨著研究工具的更新和研究成果的激增，已有部分學者對在線評論領域的研究現狀進行了綜述，主要從情感分析[10 -13]、在線評論信息挖掘[14-16]、在線評論有用性分析[17-18]等視角出發，鮮有學者基于在線評論識別用戶需求視角，梳理在線評論領域的研究狀況。因此，本文擬對在線評論識別用戶需求的相關研究成果進行文獻計量分析。以Web of Science（WoS）數據庫和中國知網中在線評論識別用戶需求相關文獻為分析對象，利用CiteSpace和VOSviewer兩個軟件對相關文獻進行可視化分析，全面了解近年來國內外基于在線評論識別用戶需求研究的時間分布特征，梳理基于在線評論識別用戶需求的研究熱點，分析該領域未來的研究趨勢。本文旨在幫助相關領域學者掌握在線評論識別用戶需求領域內的發展動態及趨勢，為未來拓展該領域的理論和實踐研究提供參考[19]。

2 數據來源與研究方法

2.1 數據來源

本文關注在線評論識別用戶需求研究的發展動態，研究的文獻數據分別來自于國內外權威的引文索引數據庫。針對外文，選擇 We b o fScience核心合集，以TS=（（“online review”+”onlinec o m m e n t”+”o n l i n e w o r d o f m o u t h”+”o n l i n eWOM”+”i n t e r n e t w o r d o f m o u t h”+”i n t e r n e tWOM”+”electronic word of mouth”+”electronicWOM”+”eWOM”） and （“customer demand”+”userdemand”）作為檢索式，語種選擇“English”，文獻年限到2021年12月31日為止，文獻選擇“（論文or綜述論文or在線發表）NOT（會議論文or數據論文）”，檢索得到文獻共計404篇。針對中文，選擇中國知網，以SU=（'在線評論'+'在線口碑'+'網絡口碑'+'電子口碑'+'用戶評論'）*（'客戶需求'+'用戶需求'+'用戶滿意度'+'顧客滿意度'）作為檢索式，文獻年限到2021年12月31日為止，檢索出文獻共計222篇，去除會議、成果和專利16篇，無關文獻1篇，實際有效文獻共計205篇。

2.2 研究方法

本文運用Citespace5.8.R3和VOSviewer 1.6.16軟件對文獻進行可視化分析和計量分析。CiteSpace和VOSviewer是用于計量分析和形成知識圖譜的軟件系統，可直觀顯示知識領域的信息全貌，其科學性和易用性使其被學者廣泛使用。本文所用到的主要研究方法包括以下3種。

（1）統計分析。對研究對象的規模、范圍、等數量關系進行分析研究，來揭示事物之間關系，借以對事物進行正確解釋和預測的方法。本文用圖表形式展現在線評論識別用戶需求領域論文的時間分布，以得到該領域的總體概括。

（2）關鍵詞共現分析。關鍵詞共現分析刻畫的是兩篇或者多篇文獻中使用同一關鍵詞的現象。通過統計文獻中關鍵詞共現的頻率測量它們之間的親疏關系，從而推斷領域內的熱點主題[20]。

（3）關鍵詞時區圖分析。關鍵詞時區分析是基于某一時刻詞頻強度的分析方法，將一段時間內關鍵詞共現頻率最高的關鍵詞在時間區間上顯示出來，能夠更好地展現主題研究中的時間分布及相互間關系[21]。

3 總體研究概況

3.1 中外文獻年度分析

文獻的年度分布可以側面反映某一科學領域的發展程度[2 2]。本文利用計量可視化的方法對在線評論識別用戶需求的205篇CNKI文獻和404篇WoS文獻進行統計，圖1展示了1992-2021年在線評論識別用戶需求相關論文的刊發數量。總體來看，自2008年起，在線評論識別用戶需求的研究逐漸引起了國際學者們的關注，發文量自2014年起整體呈增長趨勢，一直持續到2021年。國內學者對該領域的關注略晚兩年，發文量自2010年實現零突破，2016-2020年總體呈遞增趨勢，2021年出現小幅下降。整體而言，在線評論識別用戶需求的研究近年來備受國內外學者的廣泛關注，在中外文期刊發表的成果數持續上漲。

3.2 核心作者分析

在文獻計量分析中，可從科研成果和活躍度來識別核心作者。普賴斯定律表明某主題內發表2篇以上論文的作者為核心作者，同一主題內核心作者發文量占比達50%說明該領域存在穩定的核心作者群體。本文通過CiteSpace軟件分析統計得到作者論文發表數量，結果見表1，CNKI期刊核心作者共計12人，累計發文24篇文獻，占文獻總量11.70%，WoS期刊核心作者人數15人，共發表文獻32篇，占文獻總量的7.92%，表示本領域尚未形成堅固的核心作者群，該領域仍有很多創新點可供挖掘[23]。

4 基于在線評論識別用戶需求研究熱點分析

4.1 關鍵詞共現分析

關鍵詞凝練了一篇文獻的核心與精髓，通過對關鍵詞進行分析可以把握某領域研究熱點[ 2 4 ]。本文采用VOSviewer分別對相關中文及外文文獻進行關鍵詞共現分析，旨在從在線評論角度分析國內外用戶需求的研究熱點。基于在線評論識別用戶需求相關研究的中外文文獻進行關鍵詞共現分析得到的標簽視圖（如圖2和圖3所示）。

將外文文獻導入VOSviewer中，選擇關鍵詞共現分析，計數方法為二進制計數，關鍵詞最少出現次數設置為10，運行后形成關鍵詞共現標簽網絡圖（如圖2所示）。從圖中可以看出，早先研究的重點是探究在線評論對產品銷量的影響。隨著用戶生成內容對產品銷量具有顯著影響被廣泛證實，研究者開始深入挖掘在線評論中蘊含的用戶需求，為改善產品提供有效依據。同時在線評論中所隱含的情感是用戶最真實的感受，因此為了更準確地識別出用戶需求，往往需要對在線評論進行情感分析。

將中文文獻導入VOSviewer中，關鍵詞最少出現次數設置為3，運行后形成關鍵詞共現網絡標簽視圖（如圖3所示）。從圖中可知，學者們起初主要研究網絡點評和網絡口碑對用戶滿意度的影響，根據評價結果來改善產品和服務質量。隨著用戶生成內容的數量和質量極大提升，學者們通過文本挖掘提取在線評論的主題和產品特征，并結合情感分析挖掘用戶最真實的需求。

4.2 研究熱點分析

研究熱點反映了某一研究領域的研究重點及方向，對于深入了解與分析這一領域的研究內容具有十分重要的意義[25]。根據關鍵詞共現分析以及對檢索的核心文獻進行研讀，本文可以總結出3大熱點分別是在線評論的有用性研究、基于情感分析識別用戶需求的研究以及基于在線評論的用戶滿意度和忠誠度研究，對其進行具體分析如下。

4.2.1 在線評論有用性研究

基于評論識別用戶需求最主要的任務是從海量、非結構化、有噪聲、不確定的評論中抽取用戶共同關注的產品特征及其群體意見[26]。然而，評論的內容質量決定了其信息的有用性。因此，對在線評論有用性進行研究是本領域的主要熱點之一。目前，對于在線評論有用性的研究主要分為兩類，一類是根據評論內容和評論者信息提取特征，再結合機器學習算法建立分類器，以識別真實評論。另一類是確立評論有用性評價指標以及指標的綜合得分評價方法來建立評論有用性模型，以識別有效評論。

4.2.2 基于情感分析識別用戶需求的研究

情感分析研究是在線評論識別用戶需求的最熱點，目前對在線評論的情感分析主要用于識別有用評論和挖掘用戶需求兩方面。在早期研究中，情感分析需要預先構建情感詞典和確定語言規則來對情感傾向進行判別，而情感詞典的構建及語言規則的確定多依賴于研究者的主觀判定[2 7 ]。為降低主觀判定的影響，學者們逐漸將機器學習方法應用于情感分析的研究。通過情感分析計算評論的情感強度特征，進而結合特征工程識別有用評論。在挖掘用戶需求方面，學者們運用情感分析方法計算產品質量特性的情感得分，進而建立需求識別模型挖掘用戶需求。

4.2.3 基于在線評論的用戶滿意度和忠誠度研究

用戶滿意度是用戶對產品或服務的情感反映，對用戶滿意度進行定量評價可以明晰用戶的態度，并為產品或服務的持續改善提供有力依據。在線評論是用戶需求表達的重要渠道，通過對在線評論的分析，可以挖掘用戶對產品或服務的真實需求和滿意程度。但掌握用戶的某些特定需求的滿意程度，將更具價值，更值得深入研究。對此，已有學者建立需求—滿意度量化模型，量化特定需求用戶滿意度[28]。

5 未來研究趨勢

參考前文對基于在線評論識別用戶需求相關文獻的發文量變化趨勢，本文利用CiteSpace軟件，分別對2010-2021年的中文文獻和2008-2021年的外文文獻進行了時區視圖的繪制，結果如圖4所示。綜合分析時區視圖及現有文獻，本文重點從提高用戶需求挖掘準確性、特征詞和主題的提取、在線評論情感分析3方面分析本領域的未來研究趨勢。

5.1 提高用戶需求挖掘準確性的研究

隨著在線評論信息的日益增長，其中會包含一些水軍評論或惡意評論，而評論的真實可靠會顯著影響用戶需求挖掘的準確性。因此，對非結構化的在線評論的有效篩選仍是今后研究中需要重點解決的問題。當前學者們通過建立模型去識別有效評論，而同一模型在不同領域的適用性不同。因此，在未來的研究中，學者們應根據研究領域和評論的特點，準確提取特征并選擇合適的算法建立模型。當前研究中，學者們對用戶生成內容識別的用戶需求具有普適性，但針對某些特定用戶群體的需求挖掘仍需進一步深入研究，因此，未來研究中學者們在識別用戶需求前應首先考慮用戶細分，以便更精準地識別特定用戶群體的需求。

5.2 基于在線評論提取特征詞和主題的研究

科學技術和經濟的快速發展使得企業有能力為用戶提供更具個性化的產品。未來企業之間的競爭在于滿足用戶對個性化高質量產品的需求。當前學者們以在線評論為基礎，研究提取產品或服務的特征詞和主題的算法，幫助企業更好地識別用戶的個性化需求。目前特征詞和主題的提取主要以文字評論為基礎，而在線評論不光有文字評論還有圖片評論，但是現有的分析技術還不能夠準確識別圖片評論所包含的信息。因此積極探索在線評論中特征詞和主題的準確提取技術是未來研究的重點。

5.3 在線評論情感分析研究

人類語言博大精深，通常改變幾個字或一些標點，文本的整體意思會有巨大變化。因此，準確識別幽默、反諷或指代等語言表達方式的文本，挖掘用戶真實需求，是情感分析未來研究的重點。商家評論對用戶購買產品具有影響，商家對負面在線評論的回復能夠彌補抱怨用戶不愉快的經歷，保留住老用戶，甚至吸引新用戶。面對不同類型的負面評論商家需采用不同的語言表達方式和措辭。因此，學者們對商家評論進行情感分析，將負面評論與商家回復內容進行配對，通過有償反饋等方式了解用戶對商家服務補救措施的認可程度，從而更好地提高服務質量，也將是未來研究的重點。

6 結論

本文基于文獻計量和可視化圖譜的研究思想，綜合運用CiteSpace和VOSviewer兩款軟件分別對205篇CNK I和40 4篇WoS核心數據庫收錄的相關文獻進行計量分析和知識圖譜繪制，揭示了該領域文獻時空分布特征、研究熱點和未來趨勢。主要研究結論如下。

（1）在線評論相關論文波動增長，說明該領域的研究越來越受到關注；國內外核心作者不多且發文量普遍不高，表明該領域研究還沒有形成穩定的核心作者群體，對該課題的研究缺乏持續性的深入研究。

（2）本文根據關鍵詞共現分析以及對檢索的核心文獻進行研讀，總結出3個熱點主題，其涉及的研究內容如下：在線評論有用性研究主要針對在線評論有用性篩選模型構建；基于情感分析識別用戶需求的研究集中于評論有用性的評價和用戶需求的識別；基于在線評論的用戶滿意度和忠誠度研究聚焦于滿足用戶對產品或服務的關鍵需求。

（3）在未來的研究中，應加強識別有用評論的研究，積極探索以文本數據為基礎的特征詞和主題提取技術的創新，進一步完善在線評論情感分析研究，從而提高用戶需求挖掘的準確性。