快遞服務缺陷診斷識別與質量改進

丁平　王寶義　王寒寒

摘要：為科學合理地診斷識別并評價快遞服務缺陷，以百度貼吧在線評論為數據源，采用Python及潛在狄利克雷分配（latent Dirichlet allocation，LDA）主題模型等工具及方法，構建數據獲取→情感分類→主題提取→缺陷評估的快遞服務缺陷識別模型，診斷識別順豐、郵政特快專遞服務、圓通、申通、中通、韻達、百世匯通7家快遞企業服務質量的主要缺陷因素，提出改進服務質量的建議。研究結果表明：快遞服務質量的影響因素主要包括總體印象、快遞時效、信息質量、收費服務、物品安全和服務過程等，從細分指標分析可知快遞丟失短少、投訴處理、貨品完好性、信息更新及時性、聯系渠道、流通速度等是快遞服務缺陷的主要影響因素。為提升用戶滿意度，快遞企業需從快遞物品安全、快遞運輸時效、信息更新速度、售后服務響應等方面進行質量改進。

關鍵詞：在線評論；情感分類；缺陷識別；LDA主題模型；快遞服務

中圖分類號：U695.2+14文獻標志碼：A文章編號：1672-0032（2023）02-0057-10

引用格式：丁平，王寶義，王寒寒.快遞服務缺陷診斷識別與質量改進［J］.山東交通學院學報，2023，31（2）：57-66.

DING Ping，WANG Baoyi，WANG Hanhan. Defect diagnosis identification and quality improvement of express service［J］.Journal of Shandong Jiaotong University，2023，31（2）：57-66.

0 引言

近年來，隨著電子商務的發展，快遞業與人們生活聯系越來越密切。國家郵政局統計數據顯示：2021年全國快遞服務業務量累計完成1083億件，同比增長29.9%；業務收入累計10 332.3億元，同比增長17.5%[1]。但在快遞規模不斷增長的同時，出現了快件損毀、丟失短缺、延誤等一系列問題。消費者在購物決策前通常會瀏覽相關評論了解產品或服務信息，在線評論集中體現了消費者對該服務或產品的感知和體驗，對消費者的信息引導及決策作用日益凸顯[2]。從行業和企業視角來看，在線評論數據的挖掘也是企業發現服務質量缺陷、消解輿情、樹立品牌美譽度、增強消費黏性的重要手段。挖掘快遞在線評論數據，追溯問題產生的根源，對提升行業的整體服務質量，提高用戶滿意度，增強企業競爭力具有重要意義。

目前對快遞服務質量評價的研究主要聚焦于構建快遞服務質量評價模型及挖掘在線評論數據等。在構建評價模型方面，主要依托快遞企業服務要素構建服務質量模型，但以顧客為導向的定量分析相對較少。解芳[3]在SERVQUAL量表基礎上構建了包括快遞企業形象、快遞服務時效性、快遞服務柔性、快遞人員專業性和快遞失誤及時補救性5個維度的快遞服務質量評價體系；郭姣姣[4]構建了包含7個維度的評價模型，研究發現快遞服務質量與顧客滿意度間存在正相關關系；賈果玲等[5]通過問卷數據評價西安市圓通快遞的服務質量，研究發現快遞企業在投訴渠道、售后響應、價格合理性、操作流程等方面需重點改善。在挖掘評論數據方面，源于互聯網時代用戶在線評論習慣的養成，在線評論已成為用戶表達需求及企業掌握用戶需求信息的重要渠道[6]，隨著平臺管理與數據監測的不斷完善，在線評論的真實性與可靠性不斷提升，學者們依托文本挖掘評價也取得系列成果。王洪偉等[7]以SERVQUAL量表與物流服務質量（logistic service quality，LSQ）量表為基礎，構建基于情感分析的快遞業服務質量評價體系，依托大眾點評順豐和申通2家快遞企業的顧客評論數據進行實證研究；李康[8]通過在線評論數據識別影響消費者快遞服務滿意度的因素，包括快遞時效、服務態度、電話服務、投訴處理、信息更新及收費價格等；張夏恒等[9]研究發現，導致消費者對快遞服務不滿的主要因素有時效性、價格合理性、服務優質性及應用平臺功能性；劉潔[10]通過評價京東物流的服務質量，發現京東物流需在派送速度、包裝完好性、快遞員規范性、價格水平等方面進行改進。

快遞服務質量評價研究還存在一些不足之處，主要表現在：研究數據主要以電商平臺的商品評論或問卷數據為依托，前者評論主要針對商品本身，對快遞服務因素提及較少，代表性不強，難以發現服務質量缺陷，后者則易受調查數量、受訪群體等因素限制，問卷結果的準確性及可靠性不足；部分學者嘗試基于在線評論進行快遞服務質量評價，但缺乏對在線評論進行情感分類，無法挖掘負面評價的深層價值。本文結合網絡爬蟲與文本分析技術，以發布在網絡平臺上的快遞服務負面評論為數據樣本，綜合利用潛在狄利克雷分配（latent Dirichlet allocation，LDA）主題模型及細粒度情感分析方法等，診斷識別快遞服務缺陷，為快遞企業提升服務質量提供參考。

1 模型構建與研究方法

快遞企業通過在線評論可及時掌握輿情，針對性改善服務質量，維護品牌形象。但在線評論量大、冗雜，難以直觀地為消費者及快遞企業提供有用信息。為挖掘影響快遞服務質量的主要因素尤其是缺陷因素，彌補主觀觀測的不足，本文提出一種基于在線評論的快遞服務缺陷識別模型，如圖1所示。

1.1 數據獲取

快遞服務質量研究多以電商平臺的商品評論為樣本，但此商品評論存在大量虛假評論信息，真實性有待提高[11]。百度貼吧是以興趣主題聚合用戶的互動平臺，截至2021年底，注冊用戶超過10億人，貼吧數量超過2000萬個。近年來，隨微博、短視頻等平臺的興起，貼吧客戶群體有所減少，但貼吧較微博等平臺在反應快遞服務質量方面仍具有以下優勢：1）信息搜索便捷，百度貼吧依托共同話題與興趣將不同的用戶聚合（用戶屬性見表1），用戶根據關鍵詞可檢索感興趣的貼吧，不同快遞企業都有與企業名稱對應的貼吧，如“順豐吧”“圓通吧”等；2）平臺開放性，用戶最后回復的帖子會被貼吧置頂，方便其他用戶及企業掌握最新信息，有些快遞熱門帖子的跟帖互動量超過百條，通過對某問題的深度交流，可從不同層面反映消費者對快遞服務質量的情感因素。

以快遞企業的貼吧評論為研究數據，在數量及相關性方面均優于商品評論。本文通過百度貼吧檢索我國主要快遞企業名稱，根據貼吧的用戶規模及帖子數進行篩選，確定順豐、郵政特快專遞服務（express mail service，EMS）、圓通、申通、中通、韻達、百世匯通（百世匯通已改稱百世快遞，2022年3月被極兔快遞收購，但貼吧中依舊延續百世匯通的稱謂）7家快遞企業的貼吧為樣本數據來源。

為方便獲取消費者對快遞服務的在線評論，本文在遵守合法使用網絡爬蟲基礎上采集快遞服務評論數據。為確保抓取評論數據的規范性，采用Python及Excel清洗獲取的文本數據，包括數據去重，空值刪除，數字、英文和符號過濾等操作，同時為保證評論內容的豐富性，剔除文本長度小于5個漢字的樣本。

1.2 情感分類

文本情感分類也稱傾向性分析，是指利用自然語言處理和文本挖掘等技術對帶有情感色彩的文本數據進行分類的過程，如劃分為褒義、貶義或更細致的情感類別[12]。本文采用Python中的SnowNLP庫對百度貼吧在線評論進行情感分類，提取快遞服務的負面評論。SnowNLP情感分類返回的結果是預測文本正面、負面評論的基礎，概率區間為[0，1]，越接近1，表示該文本越可能是正面評論；越接近0，表示該文本越可能是負面評論。

1.3 主題提取

LDA主題模型是3層貝葉斯概率模型，包含詞語、主題和文檔3層結構，通過淺層的主題將詞語和文檔連接[13]。LDA主題模型常被用來挖掘文本的潛在主題，如新聞文本[14]和商品評論[15]等。LDA主題模型如圖2所示。由圖2可知，LDA主題模型的實現步驟為：1）先驗分布參數α隨機生成文檔對應主題的多項式分布θ，θ隨機生成主題Z；2）先驗分布參數β隨機生成主題對應詞語的多項式分布φ；3）綜合Z和φ生成詞語W；4）重復步驟1）2）3），生成包含N個詞語的文檔，最終生成K個主題下的M個文檔[16]。因LDA主題模型應用廣泛，選擇LDA主題模型對快遞服務負面評論進行主題提取，識別快遞服務質量的影響因素。

困惑度是文檔所屬主題的不確定程度，是評價LDA主題模型提取效果的重要指標，常用來確定最優主題個數[17]。困惑度

式中：P（Wd）為文檔集d中詞語Wd出現的概率，Nd為第d個文檔中包含詞語個數[18]。

1.4 缺陷評估

為反映快遞服務質量指標的缺陷嚴重程度，采用細粒度情感分析方法分析快遞服務的用戶情感，通過情感詞典計算各指標的情感強度。情感強度計算規則主要參考文獻[19]的研究，本文主要挖掘負面評論，在計算情感強度時只考慮負面情感詞與程度副詞，未將否定詞納入其中。采用快遞服務質量指標下所包含評論的平均情感得分反映該指標的情感強度。指標Xt的平均情感得分

式中：δ為程度副詞的權重，Sij為第i個情感詞在第j條評論中的情感得分（若評論中含有與情感詞典匹配的情感詞，則情感得分為1，否則為0），Nt為Xt的評論數，I為第j條評論包含的負面情感詞的個數。

整合知網Hownet情感詞典和臺灣大學NTUSD簡體中文詞典，去重后得到18 770個負面情感詞和評價詞，同時結合快遞服務的領域性及社交平臺的語言特性，本文收集整理了293個快遞服務領域的負面評價詞，部分評價詞，如“慢”“龜速”“蝸牛”等，被視作現有情感詞典的補充。參考知網Hownet情感詞典中對程度詞等級的劃分及前人的研究，本文對已有的程度詞表進行拓展并賦予相應的權重[19]。在線評論中，用戶對某一商品或服務屬性提及次數越多，代表其用戶關注度越高[20]。以每個二級指標下評論數與總評論數之比表示指標的關注度，指標Xt的關注度

式中Ns為總評論條數。

2 實證結果分析

2.1 數據獲取與統計分析

采集時間截至2021-12-31，共采集包含順豐吧、EMS吧、圓通吧、申通吧、中通吧、韻達吧、百世匯通吧的302 158條原始評論數據。采用Python和Excel清洗評論數據，得到有效評論233 309條，其中順豐46 813條、EMS 37 727條、圓通31 073條、中通30 814條、申通30 741條、韻達29 279條、百世匯通26 862條。

通過Python編程對評論數據進行中文分詞、詞頻統計，詞頻排名前30位的詞匯如表2所示。由表2可知：“快遞”“垃圾”“公司”“投訴”等詞占比最高，反映消費者負面情緒較高；“電話”“客服”“物流”“信息”等詞反映消費者對信息更新及售后服務較關注；“小時”“時間”“速度”“沒動”等詞反映消費者對快遞時效性的關注度較高。

2.2 情感分類分析

采用Python中的SnowNLP庫對預處理后的文本數據進行情感分類，提取快遞服務負面評論數據。借鑒已有研究和經驗規律，以情感概率閾值劃分正面評論與負面評論，即情感概率p≥0.6時，標記為正面評論，反之標記為負面評論。隨機抽取300條評論繪制情感概率波動曲線，如圖3所示。由圖3可知：快遞服務質量評價中消費者的負面情緒遠大于正面情緒，且p在[0，0.4]的分布最密集，說明百度貼吧中消費者對快遞服務的評價主要為負面評價。由SnowNLP庫對233 309條評論進行情感傾向預測，同時過濾與快遞服務無關的評論，篩選得到129 510條快遞服務負面評論，分布情況如表3所示。

2.3 評論主題提取分析

將129 510條快遞服務負面評論進行LDA主題建模，提取快遞服務負面評論數據主題[9]。采用Python中sklearn庫編程求解不同主題個數K下LDA主題模型的困惑度，結果如圖4所示。通常pe越小，表明該主題模型的生成能力越強[21]。由圖4可知：K=6、7時，pe較小，6或7可能為最佳的主題個數。為進一步確定最佳主題個數，引入LDA模型中的可視化工具包LDAvis進行分析[22]，通過對比K為6或7時的可視化LDAvis圖譜，K=6時的主題劃分效果更好，故選擇K=6進行負面評論集的主題提取。

設置迭代次數為50，輸出每個主題對應的關鍵詞，提取結果如表4所示。由表4可知：影響快遞服務質量的6個主題分別為快遞時效、服務過程、物品安全、收費服務、總體印象和信息質量。

參考SERVQUAL模型的5個維度22個指標[23]和LSQ模型的9個維度25個指標[24-25]，同時考慮快遞服務流程，如時效性、價格、信息查詢、物品安全、售后服務過程等方面，結合表4，提出包含6個維度15個細化指標的快遞服務質量評價指標體系[7]。

2.4 快遞服務缺陷程度評估分析

2.4.1 整體快遞服務缺陷程度評估

為評估快遞服務質量各指標的缺陷程度，采用基于情感詞典的情感分析方法計算評價指標，將全部評論數據匯總，得到各評價指標的負面情感及關注度的得分和排序，如表5所示。由表5可知：1）物品安全維度中丟失短少指標的負面情感得分最高，貨品完好性指標的負面情感得分也較高，說明用戶在使用快遞服務時對物品安全性的負面情緒較高，快遞物品能否安全、完好的送達是用戶關注的首要問題，因此需著重提升快遞物品的安全性；2）服務過程維度中投訴處理指標的負面情感得分排在第2位，聯系渠道的負面情感得分也較高，快遞服務公司應及時處理要用戶投訴，保證聯系渠道的暢通，方便用戶及時反饋；3）信息質量維度中信息更新及時性指標的負面情感得分較高，快遞企業應注重用戶的信息化需求，提升用戶服務體驗；4）快遞時效維度中流通速度與收寄速度指標的負面情感得分較高，說明快遞運輸的時效性與快遞收寄服務也是用戶滿意度較低的因素。

用戶對快件丟失短少、貨品完好性、投訴處理、信息更新速度及快遞時效性等方面的負面情緒較高，因此，快遞企業應從快遞物品的安全性、投訴處理與售后服務、物流信息的更新速度及運輸的時效性等方面提升服務質量。

2.4.2 不同快遞企業快遞服務缺陷程度對比

為比較不同快遞企業在各評價指標上的差異性，將快遞服務評論數據按不同企業進行劃分，分別計算各快遞企業在不同快遞服務質量評價指標下的負面情感得分，結果如表6所示。

由表6可知：7家快遞企業快遞服務質量評價指標的負面情感得分變化趨勢一致，順豐和EMS在各評價指標下的總體用戶負面情緒低于其他快遞企業，韻達和圓通的用戶負面情緒總體較高。順豐和EMS屬于直營模型，其服務水準普遍高于其他加盟制的快遞企業，因此用戶對順豐和EMS在各指標的評價優于其他快遞企業。以計算得到的負面情感得分[0，2.0]為基準，進一步對快遞企業服務缺陷等級進行分類分析。

1）快遞服務嚴重缺陷。嚴重缺陷的負面情感得分為（1.5～2.0]，用戶對該快遞服務的評價最差，待改進優先度最高，是快遞企業需著重改善的服務指標。在丟失短少指標下，順豐、EMS、申通、中通4家快遞企業均表現為嚴重缺陷，說明用戶在使用快遞服務過程中首要關注物品安全性。根據國家郵政局的用戶申訴統計數據，2021年快遞企業用戶針對快遞丟失短少、快遞損毀的投訴量分別為83 636、70 782件，排在總投訴量前2位，說明快遞物品的安全性是用戶最關心的問題；在投訴處理指標下，韻達、圓通與百世匯通的負面情感得分高于其他快遞企業，因此要更加注重用戶快遞服務的投訴處理，及時有效地解決用戶投訴問題，提高用戶滿意度。

2）快遞服務重度缺陷。重度缺陷的負面情感得分為（1.0～1.5]，用戶對該快遞服務的評價較差，待改進優先度較高，是快遞企業需重點改善的服務指標。在信息更新及時性指標下，順豐、圓通、中通、韻達、百世匯通均表現為重度缺陷，圓通、韻達排在前2位，負面情感得分分別為1.124 5、1.091 1，快遞企業要提升自身的數字化和智能化水平，及時更新升級軟硬件設施，確保用戶在第一時間獲取快遞軌跡信息；在流通速度指標下，圓通、中通、韻達、百世匯通均表現為重度缺陷，快遞企業應提升快遞的速度、效率與安全性，提升自身核心競爭力。

3）快遞服務中度缺陷。中度缺陷的負面情感得分為（0.8～1.0]，用戶對該快遞服務的負面情緒處于中等水平，待改進優先度適中，快遞企業不能忽視該類服務指標的改進。在價格水平指標下，申通、中通、韻達、百世匯通均表現為中度缺陷，順豐、EMS表現較好。快遞企業在做好提升服務質量的同時，也要制定合理的收費標準，為用戶提供更具性價比的快遞服務。

4）快遞服務輕度及輕微缺陷。輕度及輕微缺陷的負面情感得分為[0～0.5]及（0.5～0.8]，用戶的負面情緒不高，待改進優先度較低，快遞企業可酌情對該類服務指標改進。順豐和EMS的輕度及輕微缺陷指標數較多，其他快遞企業較少。

各快遞企業服務質量不同缺陷等級的劃分結果如表7所示。

將缺陷等級賦值并與指標數相乘可得到各企業快遞服務缺陷綜合得分。由表7可知：按各快遞企業的快遞服務缺陷綜合得分從小到大排序為EMS、順豐、申通、中通、百世匯通、圓通、韻達。EMS與順豐的快遞服務質量優于其他快遞企業，而百世匯通、圓通、韻達等加盟模式的快遞企業表現較差，需著重改進服務質量，提升顧客滿意度。

3 服務質量改進建議

為提升快遞業服務質量水平，對識別診斷的快遞服務中物品安全、運輸時效、信息更新、售后服務響應4個方面的突出服務缺陷，提出改進建議。

1）合理利用新包裝技術，保障快遞物品安全。制約快遞服務質量的主要因素是物品安全性，其中快遞丟失短少是用戶評價中最為嚴重的服務缺陷。快遞企業應提升員工的操作規范意識，杜絕暴力分揀、裝卸貨等現象，減少快遞物品在分揀、裝卸等環節中的損耗；還應改善快遞包裝質量，通過添加更穩定的填充物或采用更先進的包裝材料，如柔性包裝材料，在快遞運輸或存儲過程中發生碰撞或擠壓時，可有效保障物品安全。

2）優化快遞運輸策略，提升快遞運輸時效。時效性是快遞服務最基本的要求，也是快遞服務的核心價值之一[26]。快遞企業可從3方面提升運輸時效：1）拓展快遞運輸網絡，擴大公路、鐵路、航空及自有干線運輸工具的規模，整合現有運輸資源，提升快遞運力；2）優化快遞運輸中間環節，通過引入智能化的分揀、搬運設備，縮短各運輸環節間的銜接時間，提升快遞中轉的作業效率；3）增加快遞末端配送網點密度，合理規劃配送路線，提升快遞配送效率。

3）實時更新快遞物流信息，確保用戶第一時間掌握快遞狀態。快遞信息的實時更新離不開軟硬件的支持，因此快遞企業要加強信息化建設，消除信息盲區。加盟制快遞企業要加強對末端網絡的信息化管理，規避末端的信息化“孤島”。

4）提升售后服務響應速度，及時處理用戶投訴。快遞退換貨及損失賠償問題是快遞服務中最重要的售后問題，快遞企業應在此服務關鍵節點上占據主動，及時合理的處理用戶提出的退換貨請求或其他訴求，盡最大努力降低用戶的負面情緒，提高用戶的滿意度及忠誠度，維護品牌形象，規避社群負面傳播，增強品牌美譽度和口碑效應。

4 結束語

以7家快遞企業的百度貼吧評論數據為研究樣本，通過Python中的SnowNLP庫提取快遞服務負面評論，采用LDA主題模型診斷識別快遞服務質量的影響因素，運用情感分析方法計算各因素的用戶負面情感得分，比較不同快遞企業服務缺陷等級。研究結果表明：快遞丟失短少、投訴處理、貨品完好性、信息更新及時性等因素制約快遞服務質量；不同的快遞企業服務缺陷既與行業普遍存在問題一致，又具有自己的獨特特點。順豐與EMS作為快遞直營模式，其用戶評價優于加盟模式的快遞企業。本文分析有助于快遞企業通過用戶在線評論識別自身服務缺陷和不足，在快遞服務中采取相應措施，提升快遞服務質量。在后續研究中，可考慮從多個社交平臺獲取快遞服務在線評論數據，更全面地識別與分析快遞服務缺陷；可通過獲取不同時段的評論數據進行縱向挖掘比較，促進快遞服務質量的動態評估，制定針對性的改進策略；強化對負面評價程度較強詞條的針對性分析，挖掘此類評價的背后原因，指導企業采取針對性措施提升服務質量，規避嚴重負面評價影響。

參考文獻：

[1] 中華人民共和國國家郵政局.國家郵政局公布2021年郵政行業運行情況[EB/OL].（2022-01-14）[2022-10-14].http：//www.spb.gov.cn/gjyzj/c100276/202201/74c80cf2fd7b44c3aa5d6facb464bcb8.shtml.

[2] 張艷輝，李宗偉.在線評論有用性的影響因素研究：基于產品類型的調節效應[J].管理評論，2016，28（10）：123-132.

ZHANG Yanhui， LI Zongwei. Analysis of the factors that influence online reviews helpfulness： based on the regulating effect of product type[J].Management Review，2016，28（10）：123-132.

[3] 解芳.快遞服務質量與顧客再次購買意愿關系實證研究：基于顧客信任的中介作用[J].財經理論與實踐，2016，37（3）：123-127.

XIE Fang. Empirical research on the relations between online shopping customer perceived service quality and customer repurchase intention[J].The Theory and Practice of Finance and Economics，2016，37（3）：123-127.

[4] 郭姣姣.網購快遞服務質量對顧客滿意度影響研究[D].蘭州：蘭州交通大學，2020.

GUO Jiaojiao. The research on the influence of the service quality of online shopping express delivery on customer satisfaction[D].Lanzhou：Lanzhou Jiaotong University，2020.

[5] 賈果玲，王建偉.基于SERVQUAL-IPA模型的西安市圓通快遞服務質量評價[J].鐵道運輸與經濟，2019，41（10）：57-63.

JIA Guoling， WANG Jianwei. An evaluation of delivery service quality of Xi′an YTO express based on SERVQUAL-IPA model[J].Railway Transport and Economy. 2019，41（10）：57-63.

[6] 趙宇晴，阮平南，劉曉燕，等.基于在線評論的用戶滿意度評價研究[J].管理評論，2020，32（3）：179-189.

ZHAO Yuqing， RUAN Pingnan， LIU Xiaoyan， et al. Study on user satisfaction evaluation based on online comment[J].Management Review， 2020，32（3）：179-189.

[7] 王洪偉，宋媛，杜戰其，等.基于在線評論情感分析的快遞服務質量評價[J].北京工業大學學報，2017，43（3）：402-412.

WANG Hongwei， SONG Yuan， DU Zhanqi， et al. Evaluation of service quality for express industry through sentiment analysis of online reviews[J].Journal of Beijing University of Technology， 2017，43（3）：402-412.

[8] 李康.基于文本挖掘的快遞服務業顧客滿意度研究[D].合肥：合肥工業大學，2020.

LI Kang. Research on customer satisfaction of express service industry based on text mining[D].Hefei：Hefei University of Technology，2020.

[9] 張夏恒，肖林.基于消費者在線評論數據的快遞物流服務質量評價研究[J/OL].重慶工商大學學報（社會科學版）：[2022-10-14].http：//kns.cnki.net/kcms/detail/50.1154.C.20211119.0938.002.html.

ZHANG Xiaheng， XIAO Lin. Research on evaluation of express logistics service quality based on consumer online comment data[J/OL].Journal of Chongqing Technology and Business University（Social Science Edition）.[2022-10-14].http：//kns.cnki.net/kcms/detail/50.1154.C.20211119.0938.002.html.

[10] 劉潔.基于在線評論的物流服務質量評價研究：以京東生鮮評論為例[D].南京：南京航空航天大學，2019.

LIU Jie. Research on evaluation of logistics service quality based on online review：Jingdong fresh review as an example[D].Nanjing：Nanjing University of Aeronautics and Astronautics，2019.

[11] 孟美任，丁晟春.虛假商品評論信息發布者行為動機分析[J].情報科學，2013，31（10）：100-104.

MENG Meiren， DING Shengchun. Motivation and behavior of the fraud reviews′ publishers[J].Information Science， 2013，31（10）：100-104.

[12] 趙妍妍，秦兵，劉挺.文本情感分析[J].軟件學報，2010，21（8）：1834-1848.

ZHAO Yanyan ， QIN Bing， LIU Ting. Sentiment analysis[J].Journal of Software，2010，21（8）：1834-1848.

[13] 阮光冊，夏磊.面向詞權重的主題識別應用研究[J].情報理論與實踐，2019，42（12）：144-149.

RUAN Guangshan， XIA Lei. Research of topic recognition based on term weighting[J].Information Studies： Theory & Application， 2019，42（12）：144-149.

[14] 王樹義，廖樺濤，吳查科.基于情感分類的競爭企業新聞文本主題挖掘[J].數據分析與知識發現，2018（3）：70-78.

WANG Shuyi， LIAO Huatao， WU Chake. Mining news on competitors with sentiment classification[J].Data Analysis and Knowledge Discovery，2018（3）：70-78.

[15] 王雪，董慶興，張斌.面向在線評論的用戶需求分析框架與實證研究：基于KANO模型[J].情報理論與實踐，2022，45（2）：160-167.

WANG Xue， DONG Qingxing， ZHANG Bin. Analytical framework and empirical study of user needs for online reviews based on KANO model[J].Information Studies： Theory & Application， 2022，45（2）：160-167.

[16] 張明慧，王紅玲，周國棟.基于LDA主題特征的自動文摘方法[J].計算機應用與軟件，2011，28（10）：20-22.

ZHANG Minghui， WANG Hongling， ZHOU Guodong. An automatic summarization approach based on LDA topic feature[J].Computer Applications and Software，2011，28（10）：20-22.

[17] BLEI D M， NG A Y， JORDAN M I. Latent dirichlet allocation[J].Journal of Machine Learning Research， 2003，3：993-1022.

[18] 李棟，李爽，范宇鵬.基于線上評論的區域消費環境放心度與空間特征研究[J].統計與信息論壇，2021，36（4）：118-128.

LI Dong， LI Shuang， FAN Yupeng. Research on the confidence degree and spatial characteristics if regional consumption environment based on online reviews[J].Journal of Statistics and Information，2021，36（4）：118-128.

[19] 張公讓，鮑超，王曉玉，等.基于評論數據的文本語義挖掘與情感分析[J].情報科學，2021，39（5）：53-61.

ZHANG Gongrang， BAO Chao， WANG Xiaoyu， et al. Sentiment analysis and text data mining based on reviewing data[J].Information Science，2021，39（5）：53-61.

[20] 吳東勝，王忠群，蔣勝，等.基于評論的商品改進需求獲取方法研究[J].長江大學學報（自然科學版），2017，14（5）：44-48.

WU Dongsheng， WANG Zhongqun， JIANG Sheng ，et al. Method for obtaining review-oriented product improved requirements[J].Journal of Yangtze University（Natural Science Edition），2017，14（5）：44-48.

[21] DU Y J， YI Y T， LI X Y， et al. Extracting and tracking hot topics of micro-blogs based on improved latent Dirichlet allocation[J].Engineering Applications of Artificial Intelligence：the International Journal of Intelligent Real-Time Automation，2020，87：103279.

[22] 劉自強，許海云，岳麗欣，等.基于Chunk-LDAvis的核心技術主題識別方法研究[J].圖書情報工作，2019，63（9）：73-84.

LIU Ziqiang， XU Haiyun， YUE Lixin， et al. Research on core technology topic identification based on Chunk-LDAvis[J].Library and Information Service，2019，63（9）：73-84.

[23] PARASURAMAN A V， ZEITHAML V A， BERRY L L. SERVQUAL： a multiple-item scale for measuring consumer perceptions of service quality[J].Journal of Retailing，1988，64（1）：12-40.

[24] MENTZER J T， FLINT D J， KENT J L. Developing a logistics service quality scale[J].Journal of Business Logistics，1999，20（1）：9-32.

[25] 孫軍華，蘇強，霍佳震.中國快遞服務質量體系的構建與模糊綜合評價[J].工業工程與管理，2010，15（4）：112-116.

SUN Junhua， SU Qiang， HUO Jiazhen. The construction and fuzzy comprehensive evaluation of the Chinese express service quality system[J].Industrial Engineering and Management，2010，15（4）：112-116.

[26] 董芝芳.基于共同配送的城市快遞各等級網點布局研究[D].大連：大連理工大學，2017.

DONG Zhifang. Research on the layout of city express nodes based on joint distribution[D].Dalian：Dalian University of Technology，2017.

Defect diagnosis identification and quality improvement of

express service

DING Ping1， WANG Baoyi1，2， WANG Hanhan1

1. School of Transportation and Logistics Engineering，Shandong Jiaotong University，Jinan 250357，China；

2. Shandong Key Laboratory of Smart Transportation（preparation），Jinan 250357，China

Abstract：In order to diagnose， identify and evaluate the defects of express service both scientifically and reasonably， Python and latent Dirichlet allocation （LDA） subject model， coupled with the online review by searching Baidu Tieba are adopted. The express service defect identification model focus on its process which is from data acquisition to emotional classification to subject extraction and to defect evaluation. This model is introduced to diagnose and identify the main defect factors in the service quality of seven express enterprises， namely SF Express， Express Mail Service （EMS）， YTO， STO， ZTO， Yunda and Best Express， then some suggestions are given to improve the quality of express service. The research results show that the factors affecting the quality of express service mainly include the overall impression， express efficiency， information quality， fee collection， goods safety and service process， etc. From the analysis of subdivided indicators， it can be seen that the main factors affecting the service defects are parcel loss， complaint feedback， integrity of goods， update of real time information ， contact channels and delivery speed. In order to improve customer satisfaction， express enterprises should improve the quality of express goods in the aspects of safety， delivery time， information update speed， after sale service and so on.

Keywords：online review; sentiment classification; defect identification; LDA subject model; express service

（責任編輯：郭守真）

收稿日期：2022-10-18

基金項目：山東交通學院研究生科技創新項目（2022YK038）

第一作者簡介：丁平（1996—），男，山東五蓮人，碩士研究生，主要研究方向為交通運輸規劃與管理，E-mail：1007082770@qq.com。

*通信作者簡介：王寶義（1981—），男，山東高密人，副教授，管理學博士，主要研究方向為流通經濟與管理，E-mail：barrywby@126.com。