雙十一活動消費者滿意度研究

邱冬陽 繪嫻

摘 要：

以2021年10月15日至11月30日天貓商城個護美妝的消費者評論數(shù)據(jù)為樣本，運用文本挖掘的方式研究“雙十一”活動及活動前后的消費者滿意度，并對比2020年同時期，研究“雙十一”滿意度的演變可得出三個結論：（1）2021年“雙十一”滿意度評分為0.699 1，滿意度相對較高，2021年“雙十一”滿意度的影響因素有：產(chǎn)品本身、“雙十一”優(yōu)惠活動、物流系統(tǒng)、虛假活動、售后服務；（2）2021年“雙十一”活動滿意度低于同年“雙十一”之前，并在“雙十一”之后持續(xù)下降，影響滿意度前后變動的因素有：“雙十一”優(yōu)惠活動的落差、客服人員不足、部分商品發(fā)貨較慢；（3）2020年“雙十一”活動滿意度為0.679 7，整體低于2021年，其中活動升級、物流進步使得滿意度略有提升，但商品包裝和直播間對滿意度造成負面影響。

關鍵詞：

“雙十一”活動；消費者滿意度；文本挖掘；SnowNLP情感分析；LDA主題模型

中圖分類號：F723；F42

文獻標識碼：A

文章編號：1673-8268（2023）02-0131-15

近年來，互聯(lián)網(wǎng)生態(tài)開放以及電商行業(yè)的長期動能釋放使得電商行業(yè)迅猛發(fā)展。據(jù)易觀分析發(fā)布的數(shù)據(jù)顯示，2021年第4季度，中國網(wǎng)絡零售B2C市場交易規(guī)模為23 593.9億元人民幣，同比增長8.1%［1］。2009年11月，淘寶天貓商城舉辦網(wǎng)絡促銷活動，由此拉開了“雙十一”購物狂歡節(jié)”（以下簡稱“雙十一”）的序幕。歷經(jīng)12年的發(fā)展，2021年天貓“雙十一”累計收益額高達5 403億元，較2009年增長了10 805倍，近三年收益額平均增長率為39.93%［2］。

在“雙十一”期間，消費者獲得平臺優(yōu)惠券與商家打折雙重折扣，低價促銷成為了“雙十一”的象征，各類紅包、優(yōu)惠券、商品價格優(yōu)惠、加贈禮品等提高了消費者購買意愿，龐大的銷量也促進了平臺經(jīng)濟的繁榮發(fā)展。但近年來，“雙十一”活動頻頻出現(xiàn)降價同時質量下降、價格明降暗升、活動內容虛假、物流崩潰、投訴困難等現(xiàn)象，沖擊著消費者對商家和平臺活動的信任，更反映出平臺經(jīng)濟中存在數(shù)字治理欠缺、商品流通不夠完善等問題，暗含系統(tǒng)性風險。消費者作為“雙十一”活動的主要參與對象，對“雙十一”活動是否滿意各執(zhí)己見，“雙十一”活動使得消費者日常滿意度指標出現(xiàn)波動。

在2021年“雙十一”活動中，消費者的整體滿意度究竟如何？“雙十一”活動的滿意度與活動前后的滿意度到底如何波動？隨著逐年活動的不斷升級，滿意度又是否有變化？筆者將針對這些問題展開論述。

一、文獻綜述

（一）“雙十一”消費者滿意度

對于消費者滿意度的研究，國內外學者大多運用SCSB、ACSI、ECSI模型進行分析，模型變量主要是顧客期望、感知質量、顧客抱怨、顧客忠誠［3］，或是建立顧客滿意度指標，將指標劃分為功能、價格、服務、品質、產(chǎn)品包裝等，然后依次作出評價4］。在研究過程中，研究方法分為問卷調查法和文本挖掘法。大多學者采用問卷調查法獲取數(shù)據(jù)，發(fā)現(xiàn)影響消費者網(wǎng)購滿意度最主要的因素是：購物網(wǎng)站服務質量、顧客自身對網(wǎng)站的期望、網(wǎng)絡安全性、價格優(yōu)勢和產(chǎn)品質量保證［5-6］。2010年以后，逐漸開始運用文本挖掘研究消費者滿意度，學者指出，傳統(tǒng)問卷調查法受限于時空，文本挖掘是更高效快捷的研究滿意度的方式［7］。在其他一些研究中表明，消費者滿意度對消費意向呈正向影響，消費意向又能影響消費行為［8］，因此研究消費者滿意度對促進消費有重要意義。

“雙十一”活動交易額巨大，某種程度上也是中國經(jīng)濟的晴雨表，故應該對“雙十一”活動進行理性分析和專業(yè)判斷［9］。在“雙十一”活動中，產(chǎn)品介紹、商品價格、賣家服務承諾及資質、網(wǎng)店裝修、客戶服務質量都可能影響消費者進行沖動消費［10］，對消費行為的自身感受形成了消費者滿意度。截至2021年1月25日，CNKI中關于“雙十一”滿意度的文獻共有13篇，研究內容包括搜索體驗、網(wǎng)購現(xiàn)狀、網(wǎng)購行為、物流配送等。對于研究方法，學者多采用問卷調查法，僅有1篇通過2013-2017年商家和物流的業(yè)績數(shù)據(jù)進行分析。研究指出，五年中，2014年的“雙十一”活動滿意度最高，物流滿意度除2015年外，其他年份滿意度逐年上升［11］。學者采用問卷調查法對2016年至2020年“雙十一”活動滿意度進行研究時，分別對參與過“雙十一”的消費者發(fā)放了120［12］、220［13］、250［14］、300［15］、400份問卷［16］。問卷調查研究結果顯示，2015年大部分消費者持滿意態(tài)度［13］。影響消費者滿意度的因素為：網(wǎng)購保障、商品信息、售后服務、網(wǎng)購系統(tǒng)、網(wǎng)店形象［12］和“雙十一”購物活動的設計特色、購物期間產(chǎn)品和服務的搜索難易程度、價格優(yōu)勢和購物娛樂性［15］。在“雙十一”物流系統(tǒng)中，訂單發(fā)貨響應速度、商品包裝完整性、商品配送準確度、配送人員業(yè)務能力、配送人員服務態(tài)度、物流跟蹤信息查詢、物流服務反饋及投訴渠道是影響滿意度的重要因素［13］。

（二）滿意度的文本挖掘與情感分析

文本挖掘是一科智能化技術，能夠在海量的文本中提取有用的信息，一定程度上可揭示信息之間的關系。1995年，Ronen等首次提出了文本挖掘的概念［17］，并把數(shù)據(jù)挖掘技術運用到了非結構化數(shù)據(jù)中，隨后又擴展到各個領域各個層次的研究中。國外近兩年將文本挖掘運用到酒店滿意度研究中，通過爬取酒店評論數(shù)據(jù)進行回歸分析，探究影響消費者酒店滿意度的因素［18］；還將該技術運用到冷鏈研究中，將獲取到的文本數(shù)據(jù)運用Bi-LSTM來量化情緒得分，該得分作為滿意度分值，再運用LDA（latent dirichlet alloration）模型進行主題分析，通過分析得出滿意度好中差的原因。結果表明，速度、價格、冷鏈運輸、包裝、質量、錯誤處理、服務人員和物流信息是影響滿意度的重要因素［19］。國內文本挖掘技術的雛形最早出現(xiàn)在圖書館檢索系統(tǒng)中［20］，這種方法大大提高了文本檢索的速度。此后，學者嘗試將文本挖掘技術運用在滿意度研究中，其中情感分析是文本挖掘的一部分，利用SnowNLP平臺可以計算出評論文本所包含的情感值，每條評論的情感值和滿意度直接掛鉤［21］。目前，文本挖掘和情感分析的研究對象有手機［22］、民宿［23］、家具產(chǎn)品［24］、生鮮產(chǎn)品［25］等。在文本挖掘過程中，具體技術包括：詞頻分析、關鍵詞提取、ROSTCM6情感分析、TF-IDF（term frequency-inverse document frequency）算法、語義網(wǎng)絡以及LDA模型。最終通過文本挖掘分別得出結論，在多種手機產(chǎn)品中，挖掘出不同手機型號的優(yōu)勢和劣勢，便于消費者選擇適合自己的手機［22］；在線上餐飲平臺研究中，收集回頭客在線評論進行分析，研究結果可使商家參考改善服務［23］；在家具產(chǎn)品中，最終建立了家具消費者滿意度模型，研究對改善消費者購物體驗起到了積極的作用［24］；在生鮮產(chǎn)品購物中，得到影響消費者在生鮮產(chǎn)品購物中滿意度的因素，對于生鮮行業(yè)改進服務具有一定作用［23］。上述研究均表明，文本挖掘技術在網(wǎng)絡評論中運用效果較好，很大程度上減少了工作量，能快速在海量信息中提取關鍵信息，時效性強，在眾多領域中都能發(fā)揮出強大的作用。

（三）文獻述評

1.梳理文獻發(fā)現(xiàn)，問卷調查法研究“雙十一”時效性滯后，往往在活動結束后一段時間才能發(fā)放調查，且整體工作量較大。在以往的研究中研究人員最多發(fā)放了400份問卷，所能觸及到的消費者數(shù)量有限，有限的問卷數(shù)量所反映的問題也是有限的，不足以對問題進行全面分析。此外，由于問卷發(fā)出者的身份原因，填寫問卷的人大部分為大學生，大學生以外的問卷發(fā)放數(shù)量和回收數(shù)量相對較少，這也會對研究結果造成影響。

2.“雙十一”活動發(fā)展數(shù)十年間，活動內容形式在不斷變化，學者在對“雙十一”進行研究時，運用問卷法僅針對當年情況設計問題，未涉及“雙十一”活動之前之后的對比，未體現(xiàn)出消費者滿意度的變化過程，研究存在一定的缺陷。受研究人員對問卷問題設計的限制，研究結果未能全面反映消費者的全部感受。

3.文本挖掘是近年興起的研究方式，通過對文本關鍵詞的提取，能及時、精準、全面收集數(shù)據(jù)并深入客觀地進行分析。在使用本文挖掘研究餐飲、手機、冰箱、生鮮產(chǎn)品等對象的滿意度時，學者關注點集中于影響滿意度的因素，沒有明確指出滿意程度。目前，尚未有學者運用該方式對“雙十一”活動進行過研究。

（四）本文的邊際貢獻

1.以往對于“雙十一”的研究大多采用問卷調查法，該方法研究結果受限于研究者的問卷設計，且時效性滯后。本文運用文本挖掘的方式，通過Python編寫爬蟲獲取評論內容，再利用情感分析對評論內容進行滿意程度評分和深入分析，能及時獲取數(shù)據(jù)、全面挖掘消費者的真實感受并進行深入準確客觀的分析，還能豐富文本挖掘的應用場景。

2.以往研究只針對當年的“雙十一”活動期間，本文研究進一步將2021年“雙十一”與活動前后進行對比，探究“雙十一”活動之前和之后的消費者滿意度是否受“雙十一”活動的影響，受何種因素影響；并將2021年“雙十一”與2020年“雙十一”對比，探究“雙十一”活動近兩年的滿意度是否有變化。

3.在對滿意度的研究中，學者大多針對整個“雙十一”進行問卷調查分析，本文選取天貓個護美妝類產(chǎn)品進行文本挖掘，一定程度上縮小了研究范圍，微觀切入能使研究更細致、具體、深入。

二、理論基礎與研究設計

（一）理論基礎

1.消費者行為

在經(jīng)濟活動中，企業(yè)要想和消費者建立長期關系，就必須對消費者行為進行研究。消費者一切與消費過程相關的行為統(tǒng)稱消費者行為，消費者行為與商品服務或交換是緊密聯(lián)系在一起的。與傳統(tǒng)的消費環(huán)境相比，在電子商務環(huán)境下，消費者面對的商品種類繁多，營銷活動復雜，使得消費者行為趨于感性化［26］，這種感性化體現(xiàn)為消費者計劃行為理論中的一部分。消費者的行為偏好主要包括三個方面，分別是行為態(tài)度、主觀標準、控制行為，這三部分對消費者決策和購買行為有著重要影響。從另一個角度來說，消費者行為除了選擇商品購買使用時的認知偏好、行為意愿、購買行為和自我控制能力，還有購買后產(chǎn)品服務的體驗過程和在平臺上信息反饋的過程，當然，

消費者在產(chǎn)品購買使用時的態(tài)度情緒和傾向也屬于消費者行為的范疇［27］。

2.消費者滿意度

消費者滿意度是指消費者在購物之后所反映出來的情緒狀態(tài)，是對產(chǎn)品或服務體驗的主觀評價，滿意度的高低決定著消費者的購物黏性。消費行為發(fā)生時，商家對消費者所提供的產(chǎn)品與服務傾向于一個綜合狀態(tài)；而對于消費者來說，滿意度通常會被切分為多個方面，如產(chǎn)品、價格、售后等。線上購物中，這種劃分體現(xiàn)在確認收貨后，系統(tǒng)會提示消費者從產(chǎn)品、物流、服務等方面打分，因為每個方面對于不同消費者來說重要性各不相同，所以以往學者的研究形成了不同的評價消費者滿意度的指標體系；但無論何種指標系，最終都會得到一個滿意度的綜合得分，以此來體現(xiàn)消費感受。從心理學的角度，滿意度被劃分為：很滿意、較滿意、一般滿意、較不滿意和很不滿意。本文參考Oliver的觀點［28］，認為滿意度是表示產(chǎn)品性能和服務與消費者期待之間差異的函數(shù)，是產(chǎn)品購買前的期望與購買過程中的服務和到手后的產(chǎn)品使用體驗之間的差距感受，越趨近于期望，甚至超越期望，則表示消費者對購物的滿意度越高，反之則趨近于不滿意。

（二）研究內容設計

本文的研究內容設計分為三步，首先考慮研究平臺和具體研究對象的選擇，然后確定數(shù)據(jù)獲取的時間范圍，最終確定“雙十一”購物過程中的研究節(jié)點。

1.研究對象選擇

2021年，各電商平臺“雙十一”銷售額分別為：天貓5 403億，占比64.65%；京東3 491億，占比22.21%；拼多多位列第三，占比小于6%。故本文選擇天貓平臺作為研究對象，能夠體現(xiàn)出大部分消費者的情況。

根據(jù)中商經(jīng)濟研究院數(shù)據(jù)統(tǒng)計，2021年“雙十一”期間，天貓銷售額前十的行業(yè)排名為：家用電器、手機數(shù)碼、服裝、個護美妝、鞋包、家具建材、電腦辦公、食品飲料、母嬰玩具、運動戶外。考慮到以下三點，本文選擇個護美妝類產(chǎn)品作為主要研究對象。其一，個護美妝類產(chǎn)品促銷活動貫穿“雙十一”活動始終。它是第一波預售活動的主要組成部分，且持續(xù)參與其他階段活動，而其他品類在第一波預售中較少出現(xiàn)，研究個護美妝類產(chǎn)品更能凸顯出消費者對整個“雙十一”的滿意度。其二，個護美妝類產(chǎn)品銷售額在“雙十一”直播中碾壓式領先。2021年“雙十一”主流直播電商平臺銷售總額達737.56億元，在頭部主播中，個護美妝類產(chǎn)品占據(jù)直播銷售額91.2%，占比突出。其三，在“雙十一”期間關注度高。根據(jù)百度大數(shù)據(jù)顯示，2021年“雙十一”期間，個護美妝類的搜索指數(shù)同比上升46%，位列所有品類第一名。后文的研究數(shù)據(jù)、分析及結果均基于2020與2021年天貓“雙十一”個護美妝類產(chǎn)品。

2.樣本周期選擇

本文樣本周期為2021年10月15日至11月30日。10月20號至11月1日為“雙十一”期間第一波預售，11月1日至3日為“雙十一”期間第一波搶購；11月4日至10日為“雙十一”期間第二波預售，11月11日為“雙十一”期間第二波搶購。預售階段買家支付定金，賣家不發(fā)出商品，到搶購階段買家支付尾款或買家直接搶購，賣家發(fā)出商品，商品通常1～6天送抵消費者手中。因此，選定“雙十一”活動期間為11月1日至17日。又由于12月1日開啟“雙十二”，“雙十一”之后的研究結束點就確定為11月30日。

基于上文所述，“雙十一”期間粗略確定為兩周，為實現(xiàn)研究數(shù)據(jù)的可比性，“雙十一”活動前后也分別選定兩周，最終確定為“雙十一”之前、“雙十一”期間、“雙十一”之后三個階段，其中10月15日至10月31日為“雙十一”之前，11月1日至17日為“雙十一”期間，11月18日至11月30日為“雙十一”之后（見圖1）。

此外，由于2020與2021的活動周期是一致的，本文還將2020數(shù)據(jù)作為對比進行分析。

3.研究購物節(jié)點選擇

對于消費者來說，“雙十一”的整個購物消費過程包括：活動獲悉、商品篩選、加購下單、物流運輸、確認收貨和售后服務。消費者的評論發(fā)生在確認收貨之后，部分存在問題的商品，消費者會在售后服務之后進行追評。雖然消費者不會對每一個消費環(huán)節(jié)進行評價，但會在評論中突出整個消費過程中滿意和不滿意的部分。因此，本文選擇售后服務及之前的商品評論作為研究購物環(huán)節(jié)節(jié)點，該節(jié)點的評論包含了整個購物消費過程（見圖2）。

（三）研究方法設計

1.評論數(shù)據(jù)的獲取和處理

通過python編寫爬蟲程序，于2021年12月1日一次性爬取2021年10月15日至2021年11月30日天貓商城個護美妝類產(chǎn)品與2020年同時期消費者評論，評論內容客觀地反映出消費者在天貓商城消費后的感受。但由于評論包含大量的表情符號、錯別字、無價值且重復的信息，會嚴重影響后續(xù)的分析結果，因此對評論進行清洗、去重等預處理操作。為了方便后續(xù)的分析，再將評論進行分詞處理，并對單詞的詞性進行標注。

2.情感分析

由于所爬取的評論未區(qū)分好評和差評，本文首先通過情感詞庫匹配法實現(xiàn)情感分類，并針對分類存在的偏差進行修正，然后根據(jù)分類結果計算評論詞頻。這既是為了粗略觀察分類結果是否準確，又是初步分析引起好評差評的關鍵因素。最后使用SnowNLP計算出每條評論情感分值，并匯總計算出整體平均分，該分值即代表消費者的購物滿意度。

3.主題挖掘

商品評論包含商品質量、物流等多個主題，單個詞語可能適配多個主題，通過建立LDA主題模型，將具有高度關聯(lián)的詞語集合在一起，形成基于詞匯的條件概率分布，挖掘出評論中更深層次的潛在語義，從而進一步分析滿意度的各影響因素和影響因素的形成因子。

三、評論數(shù)據(jù)獲取與預處理

評論數(shù)據(jù)獲取與預處理是文本挖掘的基礎，包括數(shù)據(jù)獲取、清潔和分詞處理。其目的是獲取數(shù)據(jù)，并使數(shù)據(jù)由非結構化狀態(tài)達到可進行計算機分析的結構化狀態(tài)。

（一）評論數(shù)據(jù)獲取與清洗

爬蟲是一個自動下載網(wǎng)頁的程序，它根據(jù)既定的抓取目標，有選擇地訪問萬維網(wǎng)上的網(wǎng)頁與相關鏈接，從而獲取所需要的信息。本文采用聚焦主題網(wǎng)絡爬蟲，該方法根據(jù)爬行算法和設定的主題特征進行過濾，篩選出滿足主題的統(tǒng)一資源定位符來抓取頁面數(shù)據(jù)，下載滿足規(guī)則的頁面并儲存起來。

本文爬取了2021年10月15日至11月30日，以及2020年同時期130個個護美妝類商品評論共309 516條，其中2021年“雙十一”期間評論133 333條。各階段評論數(shù)量如表1所示。

由表1清洗前數(shù)據(jù)可見，2020和2021的“雙十一”期間評論都要明顯多于“雙十一”活動前后，評論數(shù)據(jù)直接證明了“雙十一”期間銷量劇增。“雙十一”之后數(shù)量大于“雙十一”之前，主要有兩方面原因，一是“雙十一”期間，部分消費者收貨時間略晚，還有部分消費者在使用之后一段時間才做出評論；二是消費者在“雙十一”之前，考慮到“雙十一”活動即將來臨，所以將消費時間后移。2021年數(shù)據(jù)明顯多于2020年，除銷售量增加的原因外，還因為所獲取的數(shù)據(jù)以2021年為標準，部分商品是2021年上架的新產(chǎn)品，2020年沒有評論內容。2020年與2021年“雙十一”期間每日評論數(shù)量圖如圖3所示。

由圖3可見，2020與2021年“雙十一”期間的每日評論數(shù)量。在“雙十一”期間第一階段，自活動開始評論數(shù)量逐步上升，2020年11月4日增速最大，2021年11月3日增速最大，其原因在于11月1日消費者付尾款后商家開始發(fā)貨，約2～3天大量到貨，到貨后消費者才發(fā)表評論，2020年于11月6日達到峰值，2021年于11月4日達到峰值，然后緩慢下降，可見2021年消費者收貨速度有了提升，平均早于2020年一至兩天，大部分消費者在3號以后收到貨物。在“雙十一”期間第二階段，2020年于11月11日達到峰值，此后評論數(shù)量相對平穩(wěn)，2021年于11月11日評論數(shù)量也明顯增加，并于15日達到峰值，“雙十一”當天活動效應明顯。活動第二階段收貨速度與第一階段相似，再一次證明了2021年“雙十一”期間物流速度較2020年有所提高。活動第一階段的評論明顯多于第二階段，評論數(shù)量直觀反映了“雙十一”期間第一階段銷量大于第二階段，更多消費者在第一階段已經(jīng)參加活動。

爬蟲抓取的數(shù)據(jù)內容包括：評論內容、評論日期、購買產(chǎn)品明細、消費者名稱。評論示例如表2所示。

在天貓商品評論系統(tǒng)中，平臺為了防止消費者長期不評論，設置了自動評論功能，確認收貨15天后不進行評論則系統(tǒng)自動觸發(fā)默認評論，這類評論重復且無效；另有一些評論包含數(shù)字、英文字母、表情符號、錯別字等內容，這類信息難以進行識別分析。為了保證數(shù)據(jù)質量，確保研究結果不受影響，本文就爬取到的評論數(shù)據(jù)進行了去重，刪除數(shù)字、英文、表情符號等，將非結構化數(shù)據(jù)轉化為結構化數(shù)據(jù)。

由表1清洗后的數(shù)據(jù)可見，2021年“雙十一”期間共刪除46 931條無效評論，保留86 402條有效評論，評論數(shù)據(jù)留存率為64.8%，為所有階段留存率最低值，原因可能是消費者注意力被“雙十一”活動吸引，“雙十一”之前購物消費者超時未評論，系統(tǒng)觸發(fā)了自動評論。2020年與2021年平均留存率接近，僅僅相差0.3%，反映出近兩年消費者評論習慣趨于一致。

（二）評論數(shù)據(jù)分詞處理

商品評論一般使用完整的句子，而詞是表達完整詞意的最小范圍，分詞是文本信息處理中最基礎的一個環(huán)節(jié)，將一個單詞序列切分為單個單詞，目的是讓計算機能夠準確識別和理解文本信息。反之，不準確的分詞將嚴重降低計算機對文本信息的識別和理解。

參照了學者對分詞方法的研究［29］，本文選用jieba分詞作為分詞工具并對分詞后的單個詞語標注詞性。首先將句子進行切分，再去除“呢”“嗎”“嘛”“吧”等語氣詞，“你”“我”“他”“她”“它”等人稱代詞，“于是”“但是”等連詞或轉折詞，以及“是”“的”等一系列停用詞，最終使用漢語詞法分析系統(tǒng)（institute of computing technology， chinese lexical system，ICTCLAS）的詞性標注方法，對詞性進行標注。

詞云圖將數(shù)據(jù)可視化，直觀展示分析結果。在進行分詞之后，本文通過TF-IDF提取文本特征，TF-IDF（term frequency-inverse document frequency）值越高，說明該詞在文本中越重要。再使用WordCloud模塊中的WordCloud繪制詞云圖，詞云圖字體的大小與詞語的頻率一一對應。根據(jù)分詞統(tǒng)計，出現(xiàn)頻率最高的詞為：效果、送、不錯、包裝、“雙十一”等，分詞結果較符合預期，可以初步判斷消費者比較關注這幾個方面。“雙十一”總詞頻表如表3所示，分詞結果詞云圖如圖4所示。

四、“雙十一”評論情感分類

在爬取評論的過程中，由于淘寶商城的限制，未能自動區(qū)分評論是好評或差評，運用情感分析能夠從文本中識別出觀點，并分析其情感傾向性。本章將判斷評論的情感傾向、計算情感值和影響情感傾向的高頻詞匯，為后文分析消費者的消費滿意度原因奠定基礎。

（一）匹配情感詞

情感分析的第一步就是對每條評論通過情感詞表匹配情感詞，使計算機自動劃分情感傾向。本文采用詞典匹配法進行劃分，所采用的詞典是由知乎整理發(fā)布的“情感分析用詞語集”，主要使用“中文正面評價”詞表、“中文負面評價”詞表、“中文正面情感”詞表、“中文負面情感”詞表。并將情感傾向一致的詞表進行匯總合并，再給每一個正向情感詞的初始權重賦值為1，負面情感詞的初始權重賦值為-1，從而分類出正負情感。

為了更好地進行分析，本文將在詞典中加入部分網(wǎng)購屬性的詞語，如在正向情感傾向詞典中加入“好評”“滿意”“五星”“喜歡”“太棒了”“超值”“性價比高”“很好”“很快”等，在負面情感傾向中加入“差評”“不喜歡”“慢”“失望”“不符”“差”“不理”等。

（二）修正情感方向

由于消費者會使用多重否定表達肯定，這可能會導致機器識別錯誤，使分類結果部分存在偏差。為了保證分析的準確性，現(xiàn)對已經(jīng)匹配好的情感傾向進行修正。修正判斷分為三步，如果情感詞在句首，則直接判斷情感方向；如果情感詞在第二個詞，則判斷第一個詞是否為否定詞，若存在否定詞，則將情感判斷修改為與原判斷相反的方向；如果情感詞在第二個詞之后，則判斷前文的否定詞個數(shù)，數(shù)量為奇數(shù)為負面情感，數(shù)量為偶數(shù)則為正面情感。本文主要使用了15個否定詞，分別為不、沒、無、非、否、莫、破、毋、未、錯、慢、爛、否、休、壞。最后將修正過的評論計算情感得分，將評論分為好評和差評。

（三）評論情感分類結果

為了能直觀地看出消費者好評與差評的原因，本文使用TF-IDF提取文本特征將評論分別制作詞云圖如圖5、圖6所示。消費者好評明顯多于差評，如表4、表5表所示。

從圖5、圖6和表4、表5可知，本文的分詞結果都較符合預期，好評差評關鍵詞分詞較準確，分詞效果良好。

從好評詞頻表與好評詞云圖可以看出，“不錯”“喜歡”“劃算”出現(xiàn)頻率最高，“不錯”“喜歡”表明分詞結果較為準確，排除情感表現(xiàn)詞，引起消費者好評最主要的原因是“劃算”，這與預期一致，“雙十一”優(yōu)惠活動所帶來的價格劃算是大多消費者好評的主要因素；“效果”一詞無明確指代，需要在后文進一步分析；“送”“贈品”是當前“雙十一”的主要活動特色，優(yōu)惠活動主要通過贈品體現(xiàn)；此外，在“雙十一”活動中，消費者也較為重視商品包裝。

從差評詞頻表和差評詞云圖可以看出，“客服”“過敏”“失望”是出現(xiàn)頻率最高的三個詞。“客服”行為是造成消費者差評的最主要因素，但無法明確是何種客服行為引發(fā)了消費者差評，后文將進一步分析；“過敏”是消費者差評的第二大因素，造成過敏的原因或者因為消費者本身不適用，或者產(chǎn)品成分存在問題；“包裝”既出現(xiàn)在好評，也出現(xiàn)在差評，表明商品包裝標準不一致，消費者對部分商品的包裝并不滿意；“雙十一”期間“送”的商品，消費者也并非全部滿意，這部分商品質量、數(shù)量達不到消費者預期，也可能導致差評。

五、“雙十一”消費者滿意度與影響因素分析

（一）2021年“雙十一”消費者滿意度評分

為了更直觀地看出消費者在“雙十一”活動中的滿意度到底如何，本文引入了SnowNLP情感分析［21］。SnowNLP是處理中文文本的python的第三方庫，對購物類評論的分析準確率較高。使用python調用sentiment下的情感分類方法，在當前基準情感詞典基礎上，關注文本詞語在不同情感類別中的強度值，計算出不同語境下的詞語情感，進而得到文本情感值，得到的情感分值在0到1之間，分值大于0.5，說明情感較為積極，消費者偏向滿意，分值越大則越滿意，1則為完全滿意；反之，分值小于0.5，說明情感較為消極，消費者偏向于不滿意，越接近0，情感越消極。

經(jīng)過計算，2021年“雙十一”期間清洗完成后的86 402條評論平均分值為0.699 1，高于0.5（見表6），可見消費者對于“雙十一”的消費比較滿意。與“雙十一”前后的分值比較，“雙十一”之前評分為0.753 3，“雙十一”之后的評分為0.659 8，可見“雙十一”期間消費者的滿意度低于“雙十一”之前，并在“雙十一”之后持續(xù)降低。筆者經(jīng)過研究后發(fā)現(xiàn)，情感評分持續(xù)降低是受“雙十一”評論滯后的影響，而滯后的評論不滿意度更高。

（二）2021“雙十一”消費者滿意度分析

LDA模型即潛在狄利克雷分配，是由Bei等人在2003年提出的生成式主題模型。這是一種無監(jiān)督的學習技術，可用于識別大型文檔集或語料庫中的隱藏主題信息。每篇文檔的每一個詞都通過“一定的概率選擇了某個主題，并從這個主題中以一定的概率選擇了某個詞語”。LDA模型包含文檔（d）、主題（z），詞（w）3層結構，能夠對文本進行有效建模。通過主題模型，能夠發(fā)現(xiàn)文本中詞語使用的規(guī)律，把規(guī)律相似的文本聯(lián)系到一起，并從中發(fā)現(xiàn)有效信息。例如，本文中“不錯”“投訴”等無具體指代的詞語，在評論中頻繁出現(xiàn)，但無法確定“不錯”和“投訴”的具體指代對象，而通過主題模型就可以將這些特征詞與相應的情感詞進行聯(lián)系，進而對用戶的情感傾向進行深入分析。

1.2021年“雙十一”期間消費者滿意度影響因素

根據(jù)主題尋優(yōu)發(fā)現(xiàn)，數(shù)據(jù)最優(yōu)主題數(shù)為3個，以下是根據(jù)好評和差評所作出的相關統(tǒng)計，選取了每個主題發(fā)生概率最高的四個詞（見表7）。

由表7可知，2021年“雙十一”滿意度的影響因素有：產(chǎn)品本身、“雙十一”優(yōu)惠活動、物流系統(tǒng)、出現(xiàn)的虛假活動、售后服務。

（1）產(chǎn)品本身提高了消費者滿意度。據(jù)消費者評論反饋（滿意Topic1），商品在吸收、使用效果、味道方面表現(xiàn)都不錯，第五章“情感分類結果中”所提到的“效果”一詞無明確指代，經(jīng)LDA主題分析，主要是產(chǎn)品使用過程中的吸收效果。但也有一些消費者反映使用后效果不佳（不滿意Topic2），出現(xiàn)長痘、過敏等情況，原因在于個護美妝產(chǎn)品因人而異，存在個別不適用。此外，回溯評論可以發(fā)現(xiàn)，有消費者反映部分產(chǎn)品質量與往次購買的不同，或是產(chǎn)品成分改變導致過敏等情況。總體來說，消費者對產(chǎn)品質量最為關注，雖有部分消費者不滿，但整體較為滿意。這與王旭等［12］的研究一致，該文也表示消費者在網(wǎng)購過程中，最關注的還是商品品質本身。

（2）“雙十一”優(yōu)惠活動提高了消費者滿意度。2021年“雙十一”天貓商家活動可與平臺活動疊加，平臺活動主要為商品預售打折、喵糖大作戰(zhàn)、超級紅包、88VIP大額券、跨店滿減（每滿199減25或每滿200減30）。商家活動為部分商家設定消費者在活動開始的前一個小時下單打折、“雙十一”專用優(yōu)惠券、額外贈送小樣等。贈品、小樣是消費者在“雙十一”活動中最直觀的收獲，劃算是最直觀的感受。其中，劃算一詞在好評中共出現(xiàn)了8 726次，根據(jù)主題模型滿意Topic2發(fā)現(xiàn)，這是消費者對“雙十一”活動感到滿意的重要因素，其余活動感受并未與商品直接掛鉤，尚未直接體現(xiàn)在評論中。總而言之，消費者對“雙十一”活動中的贈品小樣整體呈現(xiàn)出滿意態(tài)度，這與馬東杰等［30］的研究一致，該文表明“雙十一”活動中的營銷與促銷能夠影響消費者購買行為的發(fā)生。

（3）物流系統(tǒng)進步提升了消費者滿意度。近年來電商行業(yè)發(fā)展迅速，同時帶動了物流系統(tǒng)發(fā)展。物流運輸?shù)姆绞讲粩噙M步，包裹分揀由人工分揀逐步過渡到機器分揀，物流速度已經(jīng)能基本滿足消費者需求。2021年，“雙十一”活動與物流服務又進一步融合，在預售階段商家就發(fā)出貨物，分散了“雙十一”的物流壓力，讓選擇第一波預售的消費者最快在支付尾款后一兩日內就收到商品，消費者明顯感覺到物流速度更快，這也是消費者滿意的因素之一。但是，“快遞”一詞還出現(xiàn)在了不滿意的Topic3中，根據(jù)主題模型分析，快遞與包裝、客服在同一主題，最大可能是消費者對商品的快遞包裝不滿，說明消費者對當前物流系統(tǒng)整體較為滿意，但仍有進步空間，這與潘雨相［13］研究不一致。2018年“雙十一”物流系統(tǒng)消費者表現(xiàn)為不滿意，進一步證實了上文所分析的物流系統(tǒng)速度的進步提高了消費者滿意度。

（4）虛假活動降低了消費者滿意度。“雙十一”活動中，部分商品存在形式優(yōu)惠、虛假活動的現(xiàn)象。直播間帶貨是近兩年新起的銷售方式，天貓平臺商家出售商品的渠道目前包括店鋪直接售賣、店鋪直播間售賣、網(wǎng)紅直播間合作售賣。不滿意方面Topic1中挖掘出“直播間”“貴”，深入研究發(fā)現(xiàn)，通常三個售賣渠道的活動方案各不相同，渠道間的價格與宣傳不符，具體表現(xiàn)為網(wǎng)紅直播間宣傳該商品是最低價，實際消費者可能通過另一渠道購買的價格更為優(yōu)惠。現(xiàn)實中，如2021年“雙十一”活動中的“歐萊雅”事件，消費者感覺受到活動欺騙，引起了軒然大波。同時，在不滿意Topic1中的“直播間”“贈品”中體現(xiàn)出，直播間可能還存在贈品與宣傳不符的情況，表現(xiàn)為數(shù)量不足。伴隨直播間“口惠而實不至”的促銷套路，看似“一折”“兩折”的商品其實只是額外增加了部分小樣，這一類實質與宣傳不符的虛假活動是消費者不滿意的因素之一，這與王璇［15］的研究一致。該文也表明“雙十一”活動一直存在虛假活動，且嚴重影響了消費者滿意度。

（5）售后服務降低了消費者滿意度。商品一經(jīng)售出，消費者自收到至正常使用，這期間若發(fā)生問題需要商家配合解決。在差評中“客服”一詞出現(xiàn)了973次，為差評之最，“雙十一”期間天貓平臺整體日均有效投訴量14 163單，環(huán)比增長76%。通過挖掘不滿意Topic3的主題詞進一步分析，客服問題包括但不僅限于：發(fā)錯貨物、退換貨物、物流不更新、未收到貨物、錯發(fā)漏發(fā)、使用后產(chǎn)生不適、更換收貨地址、商品或包裝破損等。商家一般會根據(jù)店鋪規(guī)模配備售后人員，日常情況下，售后人員能及時解決售后問題。但“雙十一”期間，客服人員遠遠不足以支撐消費者需求，長時間不處理消費者的售后問題，使得消費者滿意度嚴重下降。為了改善這一狀況，淘寶官方推出了AI機器人及時解決消費者問題。由于機器人智能化有限，很多問題未能識別，在消費者的反饋中，機器人不僅沒能提高消費者滿意度，反而使得消費者滿意度大大降低。這與徐士瑩等［31］的研究一致，在服務因素中，售后服務是影響“雙十一”消費者滿意度的關鍵因素。

2.2021“雙十一”前后消費者滿意度變動因素分析

（1）“雙十一”優(yōu)惠活動的落差降低了消費者滿意度。“雙十一”期間活動越來越多樣，但與“雙十一”之前相比，促銷活動并未給消費者帶來預期的優(yōu)惠，實際與預期不相符。大量商品為體現(xiàn)更高的折扣，提高商品原價，使得消費者滿意度有所下降。此外，消費者對活動的理解也有區(qū)別，所得到的優(yōu)惠也各不相同，如今互聯(lián)網(wǎng)高度發(fā)達，消費者之間很容易進行信息互換，不同消費者在消費同一件商品時的價差也容易造成消費者心理的落差，使得滿意度低于“雙十一”之前。

（2）客服人員不足降低了消費者滿意度。極少的商家會因為“雙十一”活動增加客服員工，但即使增加員工也是少量，難以滿足“雙十一”的需求。“雙十一”之前，銷量較低，無論售前還是售后，客服人員的配備都能滿足消費者需求，能做到盡快回復。但是，“雙十一”期間銷量猛增，無論售前售后都會涌入大量的消費者，5號至11號既是第一階段的售后，也是第二階段的售前，客服人員未能及時回復、投訴問題未能及時處理，但消費者已習慣客服日常的服務水平，這大大降低了消費者滿意度。

（3）部分商品發(fā)貨較慢降低了消費者滿意度。“雙十一”之后的滿意度低于“雙十一”期間，主要是由于“雙十一”之后的評論，大多是“雙十一”購買商品的評論，而這些評論中，有一部分是由于商家發(fā)貨速度慢導致消費者收貨滯后，從而導致了評論滯后。商家備貨不足，或是發(fā)貨工作人員不夠，都使得“雙十一”后期發(fā)貨乏力而使得滿意度持續(xù)下降。

（三）對比2020年“雙十一”消費者滿意度變化

2020年“雙十一”活動時間與2021年一致，活動內容既有傳承又有改變突破。在“雙十一”活動的發(fā)展過程中，隨著平臺、物流、商家、消費者等各方面的變化，“雙十一”的滿意度和影響因素也將相應發(fā)生變化。

1. 2020年與2021年“雙十一”消費者滿意度評分比較

通過SnowNLP情感分析對2020年、2021年同時期消費者評論進行情感打分，結果顯示，2020年“雙十一”活動各階段評分分別為：“雙十一”之前0.717 6、“雙十一”期間0.679 7、“雙十一”之后0.676 1。同年相比，評分持續(xù)降低。與2021年相比，前中期低于2021年評分，后期高于2021年（見表8）。

與2020年對比，發(fā)現(xiàn)消費者對于“雙十一”的關注點大致相同，但其中各因素的影響程度存在細微的變化。2021年消費者滿意度區(qū)別于2020年的原因主要有以下幾點。

（1）“雙十一”優(yōu)惠活動優(yōu)化，消費者對活動的滿意度提高。對比兩年的“雙十一”活動，雖然活動周期一樣，但活動內容確有細微的區(qū)別。在活動的優(yōu)惠券方面，2020年“雙十一”活動的優(yōu)惠券主要為“滿300減40”，而2021年優(yōu)惠券主要為“滿200減30”，2021年活動優(yōu)惠力度更大，門檻價格更低，這使得更多消費者能享受“雙十一”活動的優(yōu)惠。多重優(yōu)惠疊加更加明顯，可同時使用滿減、折上折、大額消費券、“雙十一”紅包等多重優(yōu)惠。此外，還有一個很明顯的區(qū)別，2020年的滿意Topic3中，還出現(xiàn)了“價格”一詞，而2021年“價格”則消失了，側面反映“雙十一”活動中，個護美妝類產(chǎn)品的價格優(yōu)惠并不突出，活動主要依靠贈品小樣支撐。

（2）物流速度優(yōu)化，消費者對物流的滿意度提高。近年來，物流系統(tǒng)的進步有目共睹，作為早期“雙十一”爭議最大的問題，平臺、商家和物流方每年都嘗試從多節(jié)點進行優(yōu)化，2020年“雙十一”物流緩慢的現(xiàn)象還較為明顯，從評論中“慢”“號”等詞語可以看出，而在2021年不滿意Topic3中，“快遞”問題只與“客服”“包裝”掛鉤，不再與物流速度相關。物流問題的主要矛盾，由“物流速度”問題轉變?yōu)椤翱头睂Α拔锪鞣铡碧幚聿划數(shù)氖酆髥栴}。另外，商家的發(fā)貨速度提高，2020年“發(fā)貨”出現(xiàn)在不滿意因素中，而2021年這一情況已得到改善，可見大部分消費者對商家的“發(fā)貨”速度已經(jīng)改觀。總體來說，從發(fā)貨到物流速度的提升，使得“雙十一”消費者的滿意度也有了一定程度的提升。

（3）直播間活動虛假，消費者對直播間滿意度較低。直播間帶貨近兩年飛速發(fā)展，2021年已經(jīng)成為影響滿意度的關鍵因素，不僅有網(wǎng)絡主播帶貨直播間，各大商家也相繼推出了自己的直播間，直到2021年“雙十一”，通過直播間購買商品已經(jīng)成為了眾多消費者的選擇。與大眾普遍認知的“直播間更優(yōu)惠”印象不同，直播間在“雙十一”活動中給消費者帶來的負面影響大于正面，關鍵詞出現(xiàn)在不滿意Topic1中，直播間活動監(jiān)管還存在很大的漏洞。

（4）商品包裝變差，消費者對包裝滿意度降低。雖然2021年滿意度整體高于2020年，但還是有部分因素阻礙了滿意度的提升。在2020年的評論中，包裝是消費者滿意的因素，而在2021年的評論中則變成了不滿意因素。部分商家為了凸顯出活動力度，在同樣成本的條件下，增加贈品，或是為了直接節(jié)約成本提高利潤，降低了產(chǎn)品包裝質量。根據(jù)不滿意Topic3顯示，商品包裝不滿意與快遞有關，可以推測出，包裝問題或是由于運輸途中因包裝較差導致了商品損壞造成的。包裝問題使2021年“雙十一”活動消費者滿意度提升幅度有限。

六、結論與建議

（一）研究結論

本文采用文本挖掘技術，運用爬蟲采取數(shù)據(jù)，經(jīng)過數(shù)據(jù)清洗整理，再進行情感分析判斷情感方向與滿意度評分，最終通過LDA主題模型分析影響滿意度的因素，得出以下結論。

1.經(jīng)SnowNLP對消費者評論打分，2021年“雙十一”滿意度為0.699 1。影響2021年“雙十一”消費者滿意的原因有五個：其一，產(chǎn)品品質，包括功效、質地、氣味等，好的品質使得大量消費者購買，甚至反復回購；其二，價格優(yōu)惠、贈品豐富多樣所體現(xiàn)出的劃算是“雙十一”活動火爆、提升滿意度的關鍵原因；其三，物流服務，近年來物流系統(tǒng)不斷升級，消費者對“雙十一”物流速度越來越滿意；其四，出現(xiàn)虛假活動，“雙十一”期間為了吸引更多消費者，商家與直播間均存在虛假銷售問題；其五，售后服務，包括售后工作人員處理不及時，未能完全處理問題，AI客服機器人難以滿足消費者需求等。以上五點原因對消費者行為造成了不同程度的影響，前三點影響消費者做出消費決策，后兩點影響消費者態(tài)度、情緒和傾向。

2.就2021年而言，“雙十一”前評分為0.753 3，“雙十一”之后的評分為0.659 8，“雙十一”期間明顯低于“雙十一”之前，且“雙十一”之后受“雙十一”影響持續(xù)下降。影響2021“雙十一”前后消費者滿意度變動的原因有三：其一，“雙十一”優(yōu)惠活動的落差，包括“雙十一”活動優(yōu)惠力度沒有達到預期，以及消費者之間優(yōu)惠力度不同造成的心理落差；其二，客服人員不足，“雙十一”期間客服服務質量與回復速度遠遠低于“雙十一”之前，導致顧客滿意度下降；其三，部分商品發(fā)貨速度較慢，“雙十一”后期部分商品備貨不足或發(fā)貨工作人員不足，影響了發(fā)貨速度，消費者收貨延遲，這使得“雙十一”之后滿意度持續(xù)下降。以上三個影響消費者行為發(fā)生改變的原因，體現(xiàn)出消費者的認知偏好、消費后體驗會對消費者行為造成一定的影響。

3. 2020年“雙十一”滿意度為0.679 7，2020年至2021年滿意度整體呈微弱上漲趨勢，原因有以下四點：其一，活動不斷完善提升了滿意度；其二，物流系統(tǒng)優(yōu)化升級，物流速度加快；其三，由于新型購物方式（直播間）新起，虛假活動現(xiàn)象突出，使得滿意度提升有限；其四，商品包裝變差，不少消費者反映，“雙十一”期間商品包裝質感變差，且出現(xiàn)破損，影響了購物體驗，降低了顧客滿意度。活動、物流、包裝和新型購物方式的出現(xiàn)對消費者滿意度造成了影響，如若負面影響不加以改變，將在未來影響消費者的購物決策。

（二）對策建議

“雙十一”活動發(fā)展至今已經(jīng)十余年，平臺和商家在這十余年間從各個方面作出了努力以提高消費者的滿意度，提高銷售量，但就目前的研究來看，“雙十一”活動仍然存在諸多問題，本文就“雙十一”存在的問題提出如下建議。

1.兼顧質量與包裝，提升產(chǎn)品滿意度

產(chǎn)品質量是銷售的核心，就2021年而言，“效果”一詞在評論中出現(xiàn)了17 548次，可見消費者的重視程度，故商家應加強研發(fā)投入，盡量使用優(yōu)質原料，提升產(chǎn)品品質。同時，商家應注重產(chǎn)品包裝，應兼顧質量與美觀，尤其是快遞運輸?shù)淖钔鈱影b，發(fā)貨前應認真檢查產(chǎn)品密封性，降低包裝破損率，在合理控制成本的同時提高包裝精美度，這能一定程度上提高消費者滿意度，促使消費者在購物時做出更積極的購物決策。

2.完善物流系統(tǒng)，強化售后滿意度

商家應做到根據(jù)出貨能力設置銷量，嚴格控制發(fā)貨時間，物流運輸途中要重視貨物安全問題，降低包裹運輸破損率，規(guī)范運輸監(jiān)管，減少包裹丟失，也要及時更新物流信息，維護良好的物流運輸系統(tǒng)。商家還應重視售后服務，黑貓投訴數(shù)據(jù)顯示，“雙十一”期間美妝服飾行業(yè)有效投訴超5.4萬件，環(huán)比增幅達3 858%。應增加售后服務人員并對其進行培訓管理，盡量做到一對一及時解決消費者問題，服務期間不變更服務人員，對有問題的消費者安排工作人員進行回訪，對售后人員進行滿意度評分并納入個人業(yè)績考核，確保解決售后問題，形成良好的銷售閉環(huán)。良好的售后服務可以使消費者在做出消費評價時更傾向于正面評價，這也將間接影響到新的消費者行為。

3.維護商家誠信度，增加消費者黏性

近年來，未按宣傳實行優(yōu)惠折扣、采取先漲價再打折等手段、直播間各類“口惠而實不至”的促銷手段等被消費者識破，嚴重損傷了商家信譽，信譽度的降低使得消費者的行為意愿也隨之降低。因此，維持良好的信譽度至關重要，商家應該斟酌制定活動細則，認真落實宣傳內容，減少消費套路，以此增加用戶黏性，提高消費者對商家的滿意度，進而增強消費者的行為意愿。

4.提倡真實評論，完善評價體系

在評論清洗過程中，共139 543條評論被剔除。重復評論、無關評論、受商家影響修改評論均會對研究結果造成影響。應創(chuàng)建評論保護機制，系統(tǒng)識別并抵制重復刷評論、惡意評論、惡意修改評論，鼓勵消費者及時真實評論。

當前，各電商平臺缺少針對活動的評價體系，僅有消費者對商品的評論機制，評論內容雖包含消費者從獲悉活動到售后服務的整個過程，但很難直觀體現(xiàn)購物流程前期的感受。應建立整個活動的階段評價機制，包括活動發(fā)布宣傳、商品篩選、加購下單、物流運輸和售后服務。這有利于平臺及商家準確掌握消費者對活動的細節(jié)感知，進而有的放矢地完善活動鏈條，也有利于學者在進行研究時深入分析，提出更有效的建議。

5.公開數(shù)據(jù)信息，推動“雙十一”發(fā)展

對于“雙十一”活動，無論是天貓官方還是京東官方，都鮮少公布“雙十一”活動相關數(shù)據(jù)。為了構建良好的市場環(huán)境，電商官方可適當公開部分數(shù)據(jù)，如退貨率、投訴率、回購率、活動期間新用戶增長率、預售尾款支付率和消費者評論具體打分情況等，這些數(shù)據(jù)有利于研究人員深入探究“雙十一”活動，從而提出更有針對性、更有效的建議，以此推動雙十活動不斷發(fā)展。

6.簡化活動程序，提高活動監(jiān)管

越來越繁瑣的活動程序勸退了大量消費者，目前部分活動只有青年人能理解并參與其中。據(jù)調查，18～45歲占總消費人口的77%，而年長或年齡較小的消費者參與度較低。淘寶官方在策劃時應注意消費者的年齡跨度，適當減少活動程序，并在“雙十一”時增加活動內容宣傳。另外，“雙十一”周期過長，預售到付尾款長達10天，消費者情緒被過度消磨，可適當縮短預售時間以刺激消費者購物。

在“雙十一”期間，全網(wǎng)相關““雙十一”電商平臺投訴”的信息量超150萬條，“歐萊雅”虛假活動單日微博閱讀量近16億，造成的影響非常惡劣。應加大監(jiān)管力度，嚴懲商家虛假宣傳、虛假發(fā)貨、先漲價再降價以及淘寶直播間問題，嚴格落實“保價”措施，進一步完善“雙十一”活動細則，規(guī)范商家行為，確保“雙十一”活動真實有效。

7.突顯活動特色，尋求新的突破

低價促銷是“雙十一”的最大法寶，但隨著日常促銷活動的增加和直播間的出現(xiàn)，商品頻繁的低價銷售打破了原有的價格體系，消費者開始對低價促銷脫敏。淘寶官方應利用巨大聚集流量的優(yōu)勢，及時尋找新的突破口，形成新的“雙十一”亮點，吸引新的外部流量，豐富活動形式與內容，不斷創(chuàng)新。

（三）研究不足與展望

首先，本文在對“雙十一”活動滿意度的研究中，僅針對2020年與2021年天貓“雙十一”個護美妝類產(chǎn)品，后續(xù)研究可考慮擴大研究平臺范圍，對比研究京東與拼多多，品類范圍亦可擴大；其次，“雙十一”活動還在延續(xù)，研究的時間范圍也可繼續(xù)推進；再次，本文的研究沒有針對個別消費者進行個案追蹤分析，在后續(xù)的研究中，可以考慮對個案進行追蹤研究，控制研究對象這一變量，探究同一個消費者在“雙十一”活動演變中的滿意度變化，以及引起變化的原因；最后，本文從消費者評論視角觀察消費者滿意度，也可嘗試發(fā)掘新的切入視角進行研究。這些對于規(guī)范“雙十一”活動、提高消費者的滿意度、進而拉動消費和內需都具有重要意義。

在文本挖掘中，本文采用jieba分詞，由于消費者部分用詞較新，計算機不能直接識別，導致詞語斷定存在誤差，如“雙十一”被誤認為“雙十”，應進一步完善分詞方法，提高詞性分辨率，使研究結果更為精確。在后續(xù)研究中，可對情感分類使用明確區(qū)分情感方向的評論集進行機器訓練，形成專門針對消費者評論的庫，在此基礎上再進行研究，將大大提高情感分析的準確性。在使用LDA模型進行分析時，文章主要針對高頻詞，但其中還存在大量的低頻特征詞和情感詞，在進行主題分類時，這些詞語很難被提取出來，可以嘗試在其中加入語義約束，深入挖掘這部分信息并加入到主題研究中，增加詞語間的主題聚合度。

參考文獻：

［1］ 2021年第4季度中國網(wǎng)絡零售B2C市場交易規(guī)模達23593.9億元，平臺新策略為商家留出機會［EB/OL］.（2022-02-18）［2022-07-15］.https：//www.shangyexinzhi.com/article/4602337.html.

［2］ 莊鄭悅，吳靜.穩(wěn)健增長折射消費活力 天貓雙11交易額5403億元！［N］.杭州日報，2021-11-12（14）.

［3］ 羅正清，方志剛.常用客戶滿意度研究模型及其優(yōu)缺點分析［J］.貴州財經(jīng)學院學報，2002（6）：14-17.

［4］ 林元雄.顧客滿意度測評體系初探［J］.商業(yè)經(jīng)濟與管理，2002（2）：21-23.

［5］ 蘇紅梅，王暢，高苗，等.基于ACSI模型的有機乳制品顧客滿意度研究［J］.內蒙古工業(yè)大學學報（自然科學版），2021（4）：308-314.

［6］ 查金祥，王立生.網(wǎng)絡購物顧客滿意度影響因素的實證研究［J］.管理科學，2006（1）：50-58.

［7］ 何愉，衛(wèi)陳泉，陸鈺華.基于深度神經(jīng)網(wǎng)絡與主題模型的文本情感分析——以上海迪斯尼景區(qū)游客滿意度調查為例［J］.統(tǒng)計科學與實踐，2016（12）：17-21.

［8］ 王娟.網(wǎng)絡消費行為影響因素實證研究［J］.商業(yè)經(jīng)濟研究，2015（34）：58-59.

［9］ 邱冬陽，熊德章.打望經(jīng)濟熱點［M］.北京：經(jīng)濟科學出版社，2017：195-196.

［10］熊高強.沖動性網(wǎng)絡購物消費者購買意愿影響因素研究［J］.商業(yè)經(jīng)濟研究，2017（11）：35-38.

［11］原智超，朱家明，汪彤，等.“雙十一”消費者滿意度綜合評價及運作對策研究［J］.高師理科學刊，2019（8）：17-21.

［12］王旭，楊福軍.“雙十一”期間網(wǎng)購顧客滿意度研究［J］.云南財經(jīng)大學學報，2017（3）：147-161.

［13］潘雨相.“雙十一”背景下網(wǎng)購物流服務顧客滿意度分析［J］.價值工程，2018（22）：76-78.

［14］張彥桐，王蕾，陳奕彤，等.大學生“雙十一”網(wǎng)購行為與預測分析［J］.中國傳媒大學學報（自然科學版），2020（4）：57-61.

［15］王璇.基于搜索體驗和購物體驗的“雙十一”購物活動消費者滿意度研究［J］.蘇州科技學院學報（社會科學版），2016（3）：41-47.

［16］朱語葶，周江，計祥，等.“雙十一”網(wǎng)絡購物節(jié)大學生群體購物行為影響因素研究［J］.電子商務，2017（8）：92-94.

［17］FELDMAN R， DAGAN I. KDT-Knowledge Discovery in Textual Database［C］//USAMA F，RAMASAMY U. Proceedings of the First Annual Conference on Knowledge Discovery and Data Mining.California：AAAI Press，1995：112-117.

［18］KIM Y，KIM H. The Impact of Hotel Customer Experience on Customer Satisfaction Through Online Reviews［J］. Sustainability，2022 （2）：848.

［19］LIM M K， LI Y， SONG X Y. Exploring Customer Satisfaction in Cold Chain Logistics Using a Text Mining Approach［J］. Industrial Management & Data Systems，2021（12）：2426-2449.

［20］王勤池，喬建行.數(shù)字化圖書館檢索系統(tǒng)的現(xiàn)狀與發(fā)展［J］.情報科學，1998（6）：571-574.

［21］汪秀潔.基于情感分析的消費者滿意度研究［D］.哈爾濱：哈爾濱工程大學，2019：40-43.

［22］張琰，朱燕翔，鄭桂玲.基于網(wǎng)購評論文本挖掘的手機類產(chǎn)品屬性評價研究［J］.現(xiàn)代商貿工業(yè)，2018（22）：49-51.

［23］李薇，楊東山.基于回頭客在線評論的餐飲消費滿意度影響因素分析［J］.重慶郵電大學學報（社會科學版），2021（2）：125-134.

［24］王木子.基于在線評論的家具產(chǎn)品消費者滿意度研究［D］.南京：南京林業(yè)大學，2021：68-71.

［25］李林鳳，孫菁，劉楊.生鮮電商顧客網(wǎng)絡評價數(shù)據(jù)的文本挖掘研究［J］.現(xiàn)代商業(yè)，2021（27）：18-22.

［26］趙欣.電子商務環(huán)境下的消費者行為研究［J］.商業(yè)文化，2021（31）：41-42.

［27］SHEN X H.基于平臺評論的跨境電商消費者行為研究——以奶粉為例［D］.杭州：浙江大學，2022：19-22.

［28］OLIVER R L. A Cognitive Model of the Antecedents and Consequences of Satisfaction Decisions［J］. Journal of Marketing Research，1980（4）：460-469.

［29］劉利婷.關于商品評論的情感分析方法研究［D］.蘇州：蘇州大學，2020：37-40.

［30］馬東杰，雷國銓，許小樺，等.基于“雙十一”消費者網(wǎng)購行為影響因素實證分析——以茶葉為例［J］.農(nóng)村經(jīng)濟與科技，2019（9）：120-124.

［31］徐士瑩，楊加猛.大學生“雙十一”期間網(wǎng)絡購物意愿的影響因素分析［J］.經(jīng)濟研究導刊，2018（32）：160-162.

Research on Consumer Satisfaction of Double Eleven OnlineShopping Event： Text Mining of Personal Care and CosmeticProducts Based on Tmall

QIU Dongyang， HUI Xian

（School of Economics and Finance， Chongqing University of Technology， Chongqing 400054， China）

Abstract：

Based on the data of consumer evaluations on personal care and cosmetic products of Tmall from October 15 to November 30， 2021， this paper utilizes text mining method to study the consumer satisfaction， and makes a comparison with consumer satisfaction in the same period in 2020， to study the evolution of satisfaction on Double Eleven. The following conclusions are drawn. First， the satisfaction evaluation in 2021 Double Eleven is 0.699 1， which is relatively high. The influencing factors may include products， promotional activities， logistics system， false advertising， and after-sales service. Second， the satisfaction degree of Double Eleven in 2021 is lower than that before the event and continues to decline after the event. Here are some reasons that may cause the change of satisfaction： the discrepancy between promotional activities of Double Eleven， the shortage of customer service， and the slowdown in delivery. Third， the activity satisfaction in 2020 is 0.679 7， which is lower than that in 2021. Activity upgrading and logistics progress make satisfaction slightly higher， while commodity packaging and live streaming have negative impacts on satisfaction.

Keywords：

Double Eleven online shopping event; consumer satisfaction; text mining; SnowNLP emotion analysis; LDA topic model

（編輯：段明琰）

收稿日期：2022-09-15

基金項目：國家自然科學基金項目：供應商B2B品牌雙元導向的權變選擇機制及差別績效效應研究（71702017）；重慶理工大學聯(lián)合項目：基于文本挖掘的“雙十一”活動滿意度演化研究（CLGYCX 20203140）

作者簡介：

邱冬陽，教授，博士，碩士生導師，主要從事國際金融、國內金融、消費經(jīng)濟研究，E-mail：1069221960@qq.com;

繪嫻，碩士研究生，主要從事金融資產(chǎn)評估研究，E-mail：947140728@qq.com。