基于在線評論的家具供應商服務質量影響研究

摘 "要：隨著中國批發采購電商市場迅猛發展，使得線上家具批發采購市場獲得更好的發展。家具產品的在線評論能夠挖掘出采購者對供應商服務的滿意狀況，這對供應商發現自身服務的優缺點有幫助。因此，以家具產品的在線評論為研究對象，首先使用BERTopic主題模型分析歸納得到11個影響服務質量的因素；其次使用情感方法對在線評論分類，對好評和差評分析不同的關注點；最后對家具供應商提出建議，以提升自身服務的質量并維持長期的合作關系。

"關鍵詞：在線評論；情感分析；BERTopic；共現語義網絡；家具供應商

"中圖分類號：F272 " "文獻標志碼：A

DOI：10.13714/j.cnki.1002-3100.2023.07.011

Abstract： With the rapid development of China's wholesale and procurement e-commerce market， the online furniture wholesale and procurement market has achieved a better development. Online reviews of furniture products can find out how satisfied buyers are with suppliers' services， which is helpful for suppliers to find out the advantages and disadvantages of their own services. Therefore， taking online reviews of furniture products as the research object， the BERTopic topic model was used to analyze and summarize 11 factors affecting service quality. Secondly， the sentiment method is used to classify online reviews， and different concerns are analyzed for good reviews and bad reviews. Finally， suggestions are put forward to furniture suppliers to improve the quality of their own services and maintain long-term cooperation.

Key words： online reviews; sentiment analysis; BERTopic; co-occurrence semantic network; furniture supplier

0 "引 "言

"受新冠肺炎疫情的影響，線下的采購渠道受到一定程度的限制，供需雙方的線上供需呈現出一種明顯增長的趨勢。中國是當前全球最大的家具生產國、出口國和擁有最大的消費市場。2020年我國家具及其零件累計出口金額達584.06億美元，同比增長11.8%。2021年1—11月我國家具及其零件出口金額達667.1億美元，同比增長30.9%。近年來，家具企業也正積極運用互聯網、智能制造、綠色生產等技術提升行業制造水平，當前我國家具行業正處于結構調整的關鍵階段。由于線上批發采購家具產品業務的特殊性質，存在實物質量看不到、實際安裝難度大、物流配送難題和售后不完全等問題，這些問題將會導致采購者們的購入熱情降低，限制家具行業供應商的向上發展。在線評論已是各行業挖掘影響因素的重要信息來源，它包含的感情色彩、屬性特征和句子長度等可以得出采購者對供應商服務的滿意程度。評價內容的有用性、時效性和可靠性有利于采購者做決策、供應商改進服務和電商平臺提升管理能力。因此，基于在線評論分析家具行業供應商的服務質量，對供應商提高服務質量、增加產品銷量和獲得更多收益有一定的現實意義。

"電子商務的成功帶動了家具行業電商業務飛躍的發展。國內家具電商的經營模式包括B2B、B2C和O2O。可是學者們對B2C平臺關注更多，缺少對同樣有發展的B2B平臺的關注[1]。趙思淼[2]、龔敏[3]、李英等[4]使用調查問卷對采購者進行調查，分析影響采購者行為的因素，但針對大型產品比如家具、大型電器產品缺乏深入研究和探索。余偉[5]、瞿娟[6]、張振華[7]和張懷[8]使用在線評論分析出用戶需求、情感值等結果，挖掘用戶喜好，并提出建議。

"綜上所述，隨著信息技術的發展，學者們對于使用在線評論研究分析電商平臺的家具產品供需狀況十分青睞，基于挖掘在線評論的深層內容和相互間的關系已成為熱點。盡管現有的研究已經獲得一些家具電商領域的成果，但仍然存在部分不足之處。因此，面對殘酷的市場競爭，如何發現采購者關心的服務質量因素，幫助供應商制定對應的方案成為了參與者與學者關注的重點。本研究提出使用BERTopic主題模型全面挖掘供應商服務質量因素有助于供應商們對自身的服務內容有全面的了解；其次對在線評論進行情感分類，詞頻分析和構建共現語義網絡，以探究電商平臺的采購者更關心的內容以及影響因素之間的聯系，并為提高供應商服務質量提出建議，促進更好的發展。

1 "實驗過程及結果分析

1.1 "在線評論收集與處理

"1688平臺是2020年中國企業采購電商市場的第一梯隊，與淘寶企業服務和京東企業購占據80.7%[1]，因此，1688平臺的在線評論具有批發采購行業代表性。本研究使用Python作為編程語言，爬取2018年1月到2022年5月的家具產品在線評論。為了全面性地研究供應商的服務質量，因此，爬取的評論內容考慮以下因素：產品主要分類、銷量較高、評論數量多、評論情感態度豐富等[9]。最終確定家具產品類別包括餐桌、柜子、梳妝臺、桌椅和櫥柜等。數據初始共92 453條，對數據進行預處理，包括刪除重復和無意義的句子、分詞去停和機械去重等，得到可用評論數據63 657條。

1.2 "供應商服務質量因素分析

BERTopic[10]是Maarten Grootendorst在2020年推出的一個新的主題模型。它適用于短文本提取主題，結果具有更好的解釋力。與傳統的LDA模型只能基于先驗知識確定主題數相比，BERTopic的優點在于不用事先估計主題個數，通過文本嵌入、降維和聚類把相似內容的簇聚合在一起，對簇分析調整簇的內容大小再次聚類得到最佳的主題數，其結果更有科學性。因為在線評論是非結構化數據，無法直接輸入模型，所以使用Sentence-Transformer[11]進行文本嵌入導出512固定維度的輸出向量。Sentence Transformer是基于Pytorch和Transformer，還提供了大量針對各種任務進行調優的預訓練模型，給下游任務帶來很大的方便。固定維度的向量太大會導致運行速度慢和消耗資源大的問題。為了解決這個問題，對固定維度的向量使用UMAP降維，經過多次測試將維度降到10，目標函數二進制交叉熵最小。接下來使用HDBSCAN來尋找高密簇（關注熱點），經過測試將min_cluster_size（最小聚類大?。┰O置為30。如果min_cluster_size數值太大，最后挖掘出來的主題數量就越少，反之就越多。在正式進行服務質量因素分析前，需要對聚類結果進行分析，將其轉換為主題模型的分析范式。在一組文檔上使用TF-IDF是比較文檔之間詞的重要性。為了查看每個聚類的不同之處，將一個聚類簇群當作一個文檔應用TF-IDF，結果就是一個簇內詞的重要性分值（TF-IDF值）。一個簇群內的詞越重要就越能代表該主題。根據每個主題的詞語分布，可以推測出采購者關心的細節因素。本實證研究選取主題聚類結果中數據量大且可解釋性強的15個主題分析，并展現每個主題的相關詞。根據實證結果得出如表1所示的11個影響因素，包括外觀設計、實用功能、環保、材質、產品齊全、做工、價格、物流、安裝、包裝和服務。通過對結果分析，發現服務質量因素主要由4部分構成：（1）質量，包括外觀設計、實用功能、環保、材質和做工。（2）物流，包括速度和快遞員服務。（3）價格水平。（4）服務，包括產品齊全、銷售服務、安裝服務和包裝服務。這些影響因素一定程度上能代表采購者關注的供應商服務質量因素。

1.3 "情感分類結果

在線評論包含有感情傾向，不同傾向的情感評論關注的因素會有不同。因此，對在線評論進行情感分類，為后續的研究做基礎。本文使用Python的SnowNLP庫的sentiments方法計算情感值從而進行情感分類。其使用樸素貝葉斯算法，優點是算法邏輯簡單并易于實現。本研究設定如果情感值大于情感閾值0.6就歸為積極評論，否則就是消極評論；情感分類值為0和1，0代表消極評論，1代表積極評論。接下來對預處理好的在線評論進行訓練，用得到的詞語構建情感詞典；然后使用預訓練模型和情感詞典對其他的在線評論計算情感值和分類。部分實例結果如表2所示。最終，實證結果的準確率達87.10%，整體效果不錯。好評數量為45 248條，占比為71.08%。可見，家具產品在1688平臺給采購者留下的整體印象是相當不錯的。差評數量為18 409條，占比仍有28.92%，確實仍存在不足之處，后續需挖掘好評和差評的關注點，更好地提升供應商服務。

1.4 "詞頻分析

為了發現好評和差評中采購者更為關注的因素，使用Python的Jieba分詞工具進行中文分詞和TF-IDF算法（Term Frequency-Inverse Document Frequency）處理對家具類產品的好評與差評的詞頻進行分析并計算其權重。TF算法是用來統計一個單詞在某一篇文檔的頻率，頻率越高，它的文檔表達能力就越強。IDF是用來統計一個單詞在文檔集出現的數量，也就是說，即一個詞出現在越少的文檔中，則其對文檔的識別度就越強。最終得到好評和差評的熱詞排序，發現好評和差評的關注因素。表3和表4是積極評論和消極評論的前20個熱詞和TF-IDF值。

通過上述兩張表格，可以發現，家具類產品的熱詞中，在好評和差評中都出現了“質量”、“安裝”、“做工”、“物流”、“服務”、“材質”和“味道”這些詞，可以看出采購者對這幾個服務質量因素的關注度很高。在好評中“質量”、“做工”、“款式”、“結實”、“異味”、“材質”都是決定好評的關鍵因素。在消極評論中，“發貨”、“螺絲”、“退貨”、“補發”都是對家具類配件造成漏發、誤發的實際情況，供應商們要重視供應的每一個環節并及時跟進實際情況，以免讓采購者失望。

1.5 "服務質量因素關聯分析

"傳統詞頻關鍵詞方法存在挖掘出的高頻關鍵詞沒有實際意義和低頻有意義的關鍵詞不能被挖掘出的缺點。為了解決這方面的不足，本實證研究將使用語義共現網絡來彌補這一不足。共現語義網絡是美國Herbert A. Simon提出一種由關鍵詞及共現關系構成的，用來表示詞與詞之間語義關系的網絡理論。原理是以詞語為節點，根據詞之間的共現次數，展現詞語之間的緊密關系。語義共現網絡分析在某種程度上補充了主題分析時沒有考慮到主題之間的關聯關系。因此，使用ROST CM 6對好評和差評的詞進行語義網絡共現，挖掘影響因素之間的相關性。

如圖1所示，在好評語義網絡中可以看出“質量”、“安裝”、“服務”、“做工”相互關聯的頻次高，這幾個方面是采購者通常較為關注的方面。如圖2所示，差評的語義網絡中可以看出“質量”、“物流”、“態度”、“商家”、“問題”、“服務”、“安裝”相互間的關聯性比較強，除了部分和好評關注的一樣，更多關注在遇到問題后供應商如何去解決。詞語節點相互關聯使得成為了一個網絡，每個詞語節點的關注度也顯而易見。這些相互關聯的節點更是影響供應商服務質量的重要因素。

1.6 "結果分析

電商市場給傳統的家具批發采購市場注入新的活力，如果想借助這個機會更好地發展自己的企業，那么就需要對服務質量影響因素有更深入的研究，及時了解采購者的需求，發現有不足的地方要調整自己的業務經營方式，維系好與合作伙伴的長久關系。結合以上的實證研究，對結果進行分析并提出建議：

第一，確保輸出質量穩定的產品。從在線評論中可以看出采購者們最在乎的是質量。因此，質量部分必須盡力做好。在差評中“味道”、“異味”等詞指向環保方面，有些家具產品材料可能會散發甲醛等有害氣體，對人體健康造成一定的威脅。外觀設計和實用功能會影響終端用戶的體驗感，因此設計階段要按照不同需求進行設計，才能保證在未來有穩定的銷售量。

"第二，提升物流速度和降低產品損耗。如今網絡購物的流程逐漸完善，人們對運輸的要求更高了。因為采購者從供應商處拿貨數量多，小型單件物流不太適合這類運輸。而與大型物件的物流公司合作，存在運輸時間長和貨物損耗多的問題。有能力的供應商可以構建自身的物流體系和建立多地生產工廠來解決以上難題。

第三，提升全面服務品質。在交易過程中采購者能最直觀地感受到服務態度的好壞。而目前采購者的需求不同，那么對服務表現出來的情感價值也會不同[12]。因此，在多元化的批發采購場景下，供應商們要多了解采購者的需求進行精準營銷；重視客戶關系管理和交易過程保證細心、真心和耐心的態度去解決出現的問題。

2 "總 "結

本研究以1688批發采購平臺的家具產品在線評論作為研究對象，使用自然語言處理技術得到影響供應商服務質量的11個因素；從好評和差評角度分析采購者更關心供應商服務因素，最后提出建議促進家具產品線上批發采購市場向更優的方向發展。本實證研究有助于家具行業供應商全面了解自己交易過程包含的內容，可以反省自身的服務優缺點。后續研究將從在線評論中的屬性-情感進行分析，對家具行業供應商服務質量做更深入的研究。

參考文獻：

[1] 任翀，張冀韜. 家具產業B2C跨境電商發展的問題研究[J]. 林產工業，2020，57（9）：99-101.

[2] 趙思淼. 家具行業商業模式對消費者購買行為的影響研究[D]. 哈爾濱：東北林業大學，2015.

[3] 龔敏. 基于UTAUT2的消費者網購家具行為的影響因素分析[D]. 哈爾濱：東北林業大學，2017.

[4] 李英，龔敏，李曉，等. 家具電子商務發展對策研究——基于消費者實體店購買家具與網上購買家具的對比分析[J]. 林業經濟問題，2016，36（3）：268-275.

[5] 余偉，劉蓮，陶云杰. 基于共詞聚類的家具企業電子商務營銷數據挖掘[J]. 電子商務，2018（2）：31-32.

[6] 瞿娟. 基于文本挖掘的家具用戶潛在需求可視化研究[D]. 南京：南京林業大學，2020.

[7] 張振華，許柏鳴. 基于在線評論文本挖掘的商業競爭情報分析模型構建及應用[J]. 情報科學，2019，37（2）：149-153，160.

[8] 張懷. 在線評論對實木家具銷量的影響研究[D]. 哈爾濱：東北林業大學，2015.

[9] 王木子，李軍. 家具產品消費者滿意度影響因素挖掘[J]. 家具，2021，42（3）：108-112.

[10] "GROOTENDORST， MAARTEN. BERTopic Neural topic modeling with a class-based TF-IDF procedure[EB/OL]. （2022）[2022-08-05]. https：//doi.org/10.48550/arxiv.2003.05794.

[11] "REIMERS N， GUREVYCH-I. Sentence-BERT sentence embeddings using siamese BERT-networks[EB/OL]. （2022）[2022-08

-05]. https：//aclanthology.org/D19-1410.pdf.

[12] 景奉杰，余櫻，涂銘. 產品屬性與顧客滿意度縱向關系演變機制：享樂適應視角[J]. 管理科學，2014，27（3）：94-104.