基于大數據地圖的汽車服務滿意度分析

方為 魏仁干 王粵

摘 要：本文通過爬蟲軟件抓取武漢市20余家典型的汽車服務店鋪的互聯網評價數據，運用ROST CM文本分析軟件，采用CCSI模型對各店鋪的用戶體驗滿意度進行測度，并采用大數據地圖進行可視化分析，為用戶店鋪選擇以及汽車服務滿意度提升提供參考。

關鍵詞：用戶滿意度；汽車服務；數據分析；大數據地圖

1 研究背景與意義

隨著生活質量的提升，城市居民汽車保有量逐年呈遞增趨勢，而汽車市場的快速增長，使汽車用戶對優質的汽車服務更具依賴性。但目前汽車服務行業也存在著諸多問題，比如服務態度差、維修質量不過關等。本文將通過抓取汽車服務互聯網評價用于分析用戶滿意度并進行大數據地圖可視化，為用戶選擇決策、汽車服務優化等問題提供依據。

2 國內外研究綜述

根據Oliver的定義，滿意度是指個體對服務或產品的整個體驗過程的評價和情感反應［1］。用戶滿意度研究于1997年引入我國，眾多學者開始創建中國用戶滿意度指標（CCSI）指數模型。研究方法逐漸從問卷、訪談等定性方法轉向通過定量方法研究用戶滿意度構建用戶體驗評價指標體系［2］。郭海龍［3］等基于結構方程，利用SPSS15.0軟件的統計計算功能，建立了顧客滿意度測評的量化結構模型，得出結論證實企業形象和品牌效應是有效將客戶“拉進”維修企業的手段之一。黃會明［4］等運用主成分分析法、聚類分析法分別對汽車維修服務質量進行定量和定性分析，得出結論發現汽車維修企業維修服務質量最主要的影響因素為維修質量和服務態度。

綜上所述，已有的汽車服務企業用戶滿意度研究大多是構建用戶體驗評價指標體系，再分析調查問卷的數據給出滿意度評價，通過分析網絡用戶評論和大數據可視化地圖進行用戶滿意度評價的方法目前還較少。

3 構建汽車服務用戶體驗滿意度評價指標體系

3.1 中國用戶滿意度指標指數模型（CCSI）

中國用戶滿意度指標指數模型是國內學者參照美國用戶滿意度模型的研究基礎上，結合我國國情和市場發展狀況不斷實踐完善所形成的，具有代表性的用戶滿意度指數模型，主要是在影響變量和流程作了改進，能更加適應國內企業發展研究［5］，為清晰識別滿意度影響因素間的關系，去除了“顧客抱怨”，增加了“品牌形象”，有助于測量用戶預期價值、感知質量、告知價值等之間的聯系，如圖1所示［6］。CCSI模型的創立也被廣泛運用于許多行業研究。

圖1 CCSI（中國顧客滿意度指數）模型

3.2 汽車服務行業用戶滿意度評價指標的選擇

本次研究采用的汽車服務行業用戶滿意度評價體系借鑒已有研究成果［7］。通過問卷調查法收集相關數據，把用戶滿意度的影響因子分為：服務輸入、服務執行、服務輸出。并通過因子分析法構建由3個一級指標、8個二級指標組成汽車服務行業用戶滿意度指標評價體系，為了合理、科學地確定各級指標權重，通過采用德爾菲法，進行權重確定，有效避免主觀賦權引起的誤差，汽車服務行業用戶滿意度評價體系及權重如表1所示：

3.3 可視化與大數據地圖介紹

可視化是利用計算機圖形學和圖像處理技術，將數據轉換成圖形或圖像在屏幕上顯示出來，再進行交互處理的理論、方法和技術。

而大數據地圖是可視化技術的一種表達形式，能直觀地在空間地圖上通過標記顏色深淺差異展示指標分布差異的可視化形式圖形。

4 數據采集與分析

4.1 在線評論數據采集和處理

本文汽車服務用戶評價數據來源是通過網絡爬蟲技術，采集武漢市汽車服務互聯網用戶評價數據，包含用戶名稱、評價次數、汽車服務站點地址以及用戶評論文本內容。

將采集的數據導出至txt文件后，進行數據初步處理，龐大、冗長的數據量難以進行直接篩選，需進行數據清洗，剔除多余功能性、干擾性數據，并采取建立領域詞典和停用詞表方式進行預處理。本文通過ROST CM軟件提取高頻關鍵詞，在通用詞典的基礎上，增加汽車服務領域分詞，增加“汽車維修”“汽車服務”等停用詞表，將汽車服務在線評論純文本文件導入ROST CM軟件對分析無意義的詞進行剔除，最終共獲得1665個關鍵詞。

本文將在線評論中獲取到的1665個關鍵詞，按照評論次數量由大到小，選取排名前100的關鍵詞，根據汽車服務行業用戶滿意度評價體系二級指標，對排名前100的高頻關鍵詞進行分類。

4.2 用戶滿意度評分

選取評論次數排名前十的汽車服務店鋪的用戶評論文本內容，通過分類后的高頻關鍵詞挑選出對應的評論文本，將每家店鋪每個指標相關評論放置在不同的txt文件中，運用ROST CM軟件中的情感分析功能計算出每家店鋪每個指標相關的評論的積極情緒占比，根據汽車服務行業用戶滿意度評價體系及權重計算出各個汽車服務店鋪的滿意度評分。

如表2中所示，通過ROST CM軟件中的情感分析功能計算出每家店鋪每個指標相關的評論的積極情緒占比得分，統計出排名前十的汽車店鋪，且各項滿意度得分普遍集中在6～9分的區間段內。而排名靠前的店鋪在維修質量和服務態度上評分，明顯優于其他汽車店鋪。這也間接說明顧客對于汽車店鋪的維修質量水平和工作人員的服務態度這兩方面尤為看重，可作為汽車店鋪提升自身顧客滿意度水平的改進方向。

4.3 用戶滿意度評分大數據地圖可視化分析

以武漢市汽車服務店鋪互聯網評論為例，本文基于線上汽車服務滿意度指標對武漢市多家汽車服務店鋪進行滿意度評分，并運用大數據地圖技術進行可視化成像：顏色標記區域為互聯網得分排名靠前的汽車服務店鋪位置，主要集中在武漢市武昌區、硚口區、江漢區交通主干道兩邊以及路口交匯處附近。而這些位置大多匯聚在城市核心地段，其周邊商圈經濟繁榮、道路交通便利、生活設施齊全、人口數量密集，旅游休閑場所圍繞。在其地理環境及周邊優良設施條件的影響下，具有得天獨厚的營商環境。通過大數據地圖顏色觀察，顏色越深的地方，就是用戶互聯網評分高、滿意度高的汽車服務店鋪，顏色越淺表示用戶評分較低，滿意度相應也較低。而大多排名靠前的公司又來自天貓等知名連鎖企業，相較于其他排名較低的汽車服務店鋪，其外在具有良好的品牌形象，內在則擁有規范的團隊管理制度和專業的技術培訓，在服務態度、維修質量水平、維修性價比、保修增值服務、售后回訪等方面做得更為出色，易受顧客所青睞。

因此，基于大數據地圖的汽車服務滿意度可視化內容，一方面能直觀為武漢市用戶在選擇汽車服務高滿意度店鋪上提供了有效的參考依據；另一方面可為即將進入汽車服務領域店鋪選址以及如何提高汽車服務管理水平提出有關建議。

由于本文抓取采集信息對象偏少，爬取的線上評價內容也只是反映部分顧客對店家的滿意度評價，不能代表所有顧客的滿意度傾向，同時對于汽車店鋪與附近商圈環境之間關聯影響還存在著一些信息尚待挖掘。

參考文獻：

［1］Richard L.Oliver.A Cognitive Model of the Antecedents and Consequences of Satisfaction Decisions［J］.Journal of Marketing Research，1980，17（4）：460469.

［2］涂敏.基于在線評論聚類的用戶滿意度研究［D］.吉林大學，2020.

［3］郭海龍，潘偉榮，劉越琪.汽車維修企業顧客滿意度測評結構模型研究［J］.山東交通學院學報，2009，17（04）：914.

［4］黃會明，倪勇.汽車維修服務質量的評價研究［J］.溫州職業技術學院學報，2010，10（02）：5356.

［5］王龍慶.基于CCSI模型構建用戶滿意度評價指標體系研究［J］.綠色科技，2021，23（04）：272274.

［6］吳誤言.基于CCSI模糊評價法的旅游演藝產品滿意度實證研究［D］.桂林理工大學，2021.

［7］簡浩鈞.廣州市汽車維修行業用戶滿意度調查研究［J］.汽車實用技術，2015（04）：129130.

［8］任治，魏丹，陳學文，等.汽車4S店維修服務績效評價研究［J］.遼寧工業大學學報（自然科學版），2016，36（04）：265268.

［9］王正迅.淺析大數據時代下用戶在線行為的商業利用價值［J］.現代商業，2016（15）：2627.

［10］王瑜.淺談商圈分析對連鎖零售企業選址的重要性［J］.中國商論，2017（02）：5354.

作者簡介：方為（1992— ），男，回族，湖北十堰人，非全日制研究生，初級經濟師，研究方向：市場營銷、大數據。