基于用戶在線評論的純電動汽車和燃油汽車產品效用對比分析

摘 要：文章通過對2018—2022年純電動汽車和燃油汽車的用戶在線評論進行情感挖掘，得出消費者對兩類汽車產品的效用差異：一是兩類汽車在外觀內飾設計上為消費者提供的效用差別不大；二是消費者對燃油汽車的空間舒適性評價較高，且燃油汽車的續航能力一直略優于純電動汽車，但兩者的續航都無法滿足當前消費者的需求；三是純電動汽車的操作駕駛一直為消費者帶來高效用體驗，在能耗方面消費者也逐漸對純電動汽車產生了明顯偏好；四是在性價比和品牌認可度方面，消費者對純電動汽車的效用感知逐步超越了燃油汽車。

關鍵詞：文本在線評論；情感指數；產品效用；純電動汽車

中圖分類號：F274""" 文獻標識碼：A 文章編號：1005-6432（2025）16-0111-05

DOI：10.13939/j.cnki.zgsc.2025.16.028

1 引言

在線評論情感分析是利用情感詞典、機器學習、深度學習等技術對在線評論的文本信息進行情感判斷，從中獲取褒貶態度、意見觀點的方法。隨著使用電子商務平臺、線上評論網站的消費者規模逐漸增加，挖掘在線評論數據的經濟價值具有重要研究意義。

目前，對于在線評論情感分析領域的研究主要集中在主觀性內容識別、情感分類算法、挖掘在線評論的經濟價值等方面［1］。例如：潘列等（2022）通過引入片段級遞歸機制和相對位置信息編碼，有效利用評論文本的語境信息；并借助循環卷積神經網絡對文本特征進行雙向訓練，充分挖掘文本的語義和關聯信息，提升了對主觀內容識別的準確度［2］。高佳希等（2024）提出，利用TF-IDF算法篩選蘊含情感豐富的詞語，舍去常見停用詞及其他對文本情感傾向影響較小的專有名詞等；再利用多頭注意力Transformer模型編碼器進行特征提取，實現了對復雜度和混淆度較高的文本數據的情感分類［3］。孫春華（2013）通過對手機評論的情感分析，得出具有強烈情感傾向性的評論更容易引起消費者注意，表達差異或負面的評論總體被認為更有用等結論，幫助網絡零售商優化評論系統，制定更有效的營銷策略［4］。厙向陽等（2020）提出了一種基于句子情感得分加權句向量的Sword2vect情感分析方法，更好地解決情感分析中詞語的上下文信息和詞語的情感信息缺失問題［5］。

純電動汽車是采用低碳清潔的電能作為動力的汽車產品，是交通運輸行業應對氣候變化、實現綠色低碳發展的重要工具。

近年來，隨著文本挖掘的研究方法被引入到純電動汽車領域，越來越多的研究開始關注純電動汽車的在線評論，探索在線評論對消費者和汽車企業產生的影響、與汽車銷量之間的關聯以及如何有效管理和利用在線評論等問題。程小葉（2014）對汽車在線評論的實證研究結果表明，汽車的外觀、內飾、性能、售后和質量等在線口碑信息對消費者的購買行為具有不同的影響作用［6］。郭夢丹（2022）通過爬取在線評論數據，并對其中部分純電動汽車消費者進行問卷調查，結合IPA模型探析細分市場下消費者消費偏好［7］。丁沛等（2022）以2021 年在售的 129 款純電動汽車為研究樣本，分析得出純電動汽車在線評論中的特定內容將對純電動汽車銷量產生顯著影響，建議廠商應針對消費者反饋優化自身的生產服務［8］。蔣楷丞和李艷婷（2021）提出了一種考慮評論感知情感和宏觀經濟指標的汽車銷量預測方法，與僅使用歷史銷量數據相比，有效提升了銷量的預測精度［9］。王曉光（2022）應用回歸分析方法研究在線評論特征對評論質量的影響，基于機器學習和深度學習算法構建汽車銷量預測模型，考察在線評論質量影響下的模型預測效能［10］。

目前，針對純電動汽車的研究大多聚焦于純電動汽車本身，較少開展和燃油汽車的對比研究。因此，文章選取2018—2022年“汽車之家”純電動汽車和燃油汽車的在線口碑數據進行情感分析，通過構建情感指數模型挖掘消費者對兩類汽車產品的效用體驗與需求偏好的差異和變化，以期為純電動汽車企業的產品優化提供決策幫助。

2 研究方法

2.1 SnowNLP文本情感判斷

SnowNLP（snowball natural language processing）是一個基于詞頻統計和文本向量空間模型的Python文本處理庫，主要面向中文文本提供一系列文本處理的功能，包括分詞、詞性標注、情感分析等。在處理文本時，首先，利用jieba工具對文本進行分詞，將大體量文本拆分成單獨的詞語。其次，對文本進行詞語詞性的標注，通過識別名詞、動詞、形容詞等不同類型的詞語，建立汽車領域的情感詞典。最后，利用情感詞典，為每個詞語分配一個介于0和1的情感得分，得分越高表示該詞語具有越積極的情感傾向，得分越低則表示該詞語具有越消極的情感傾向。

文章采用三級情感分類，其中積極情感判斷為得分大于0.6的部分，消極情感判斷為得分小于0.4的部分，中間部分是中立情感判斷。同時文章引入汽車領域情感字典，并對模型進行調參訓練，以此提升汽車在線評論情感傾向判定的準確率。

2.2 情感指數模型

為進一步分析消費者對純電動汽車和燃油汽車的產品效用體驗和需求偏好規律，文章以美國密歇根大學SRC指數編制法和上海財經大學上海市消費者信心指數編制法為基礎，編制情感指數計算模型［11］如下：

X=12x積極－x消極x積極+x消極×100+100

其中，X積極 表示積極判斷的數量；X消極 表示消極判斷的數量；X表示最終得分；基數設定為100，乘以 1/2 使取值范圍在0～100。

具體而言，首先，利用爬蟲工具對汽車之家網站上目標車型的在線口碑評論數據進行全量抓取與數據清洗和預處理，包括缺失值處理、重復值處理、數據格式統一化等。其次，把預處理過后的在線評論數據導入SnowNLP文本情感分析模型，得到評論的情感傾向判斷，并根據情感判斷結果構建情感指數計算模型。最后，對兩類汽車的情感指數，分別從空間舒適性、操縱駕駛感受、外觀內飾設計、續航、能耗、性價比、品牌7個維度進行分析，深入挖掘汽車在線口碑評論文本中的情感表達，剖析消費者對兩類汽車產品效用感知的差異與變化，以期為純電動汽車企業的產品優化提供決策幫助（如圖1所示）。

圖1 兩類汽車在線評論文本情感分析流程

3 用戶情感分析

3.1 數據來源

“汽車之家”作為全球訪問量較大的中國線上汽車網站之一，為汽車消費者提供了內容豐富、交流便捷的論壇平臺。因此，文章選取“汽車之家”網站的純電動汽車和燃油汽車在線口碑數據作為分析文本，從車型發布時間、車企分類、汽車價位、車企/車型銷量、新老車型比重、口碑數量6個維度（如表1所示）篩選了2018—2022年發行的純電動汽車和傳統燃油汽車各20款車型；使用爬蟲工具設計數據采集流程，對汽車之家網站的在線口碑評論進行抓取并保存到數據集中。

通過對在線評論數據進行缺失值處理、重復值處理、數據格式統一化等預處理操作后，文章獲得了純電動汽車20款車型的有效評論數據2274條和20款燃油汽車的有效評論數據1927條。

3.2 用戶在線評論情感判斷的對比分析

通過SnowNLP算法對在線評論進行處理，得到文本評論的情感傾向判斷，獲得兩類汽車各個維度的情感判斷占比（如表2所示），可以初步了解消費者對兩類汽車產品不同維度的看法。

由表2得出，在兩類汽車產品的對比中，燃油汽車在能耗、續航、空間舒適性等維度中的積極情感占比較高，表明燃油汽車更能夠有效利用空間布局提供更大的乘坐和儲物空間，在空間方面為消費者帶來更高的產品效用體驗。并且對比純電動汽車，燃油汽車具有百年開發歷史，技術成熟可靠，使用便利，擁有一定規模的忠誠消費者，使燃油汽車在能耗、續航方面更能讓消費者滿意。

純電動汽車則在性價比、外觀內飾設計、品牌、操縱駕駛感受等維度上積極情感占比較高。其反映出純電動汽車在外觀設計、操控調試、懸掛系統等與消費者舒適感受相關的模式創新創造了高效用感知。此外，在技術研發積累等多方因素作用下，部分品牌的車型贏得了較好的市場口碑和消費者的信任，產生了較為廣泛的品牌影響力。

單獨對比積極情感和消極情感占比并不能全面反映消費者對兩類汽車產品的效用體驗及滿意程度，因此需要進一步構建情感指數模型。為確保后續情感指數建模與分析的可靠性，文章從2274條純電動汽車有效在線評論和1927條燃油汽車有效在線評論數據中分別隨機抽取100條在線評論作為樣本，并對樣本的情感傾向進行人工標注。然后利用Python工具的交叉驗證程序，對200條樣本進行十折交叉驗證，準確率為86.3%。因此文章情感判斷的準確率較高，可以用以建立情感指數。

3.3 用戶情感指數的對比分析

3.3.1 用戶情感指數各維度對比分析

筆者利用Python工具對在線評價7個維度的情感指數進行總體分析，并制作出2018年和2022年兩類汽車數據結論對比雷達圖（如圖2所示）。其一，在外觀內飾設計和性價比維度，消費者對兩類汽車一直處于較高滿意度狀態，情感指數均大于85分，且2022年相比于2018年有了進一步提升。在外觀內飾設計方面，燃油汽車的情感指數一直略高于純電動汽車，純電動汽車則在性價比方面更受消費者青睞。其二，在2018年純電動汽車發展初期，燃油汽車品牌仍具有較大的市場，可隨著純電動汽車逐步發展，到2022年燃油汽車的品牌影響力已被純電動汽車反超。其三，相比于2018年，2022年兩類汽車在續航維度上的情感指數都有所提升，且純電動汽車反超了燃油汽車。但兩類汽車續航維度的情感指數均低于60分，表明兩類汽車目前都無法滿足消費者的需求。其四，隨著燃油價格波動，消費者對燃油汽車的能耗滿意程度降低，該維度在2022年的情感指數也從2018年的61分降低至54分，而由于電價的成本低廉，消費者對純電動汽車的能耗的效用體驗有了明顯提升。其五，操縱駕駛感受方面雖然純電動汽車一直占優，但2022年燃油汽車在該維度上的情感指數已從2018年的74分提升到了86分，而純電動汽車也在空間舒適性方面不斷創新設計，以提升消費者的產品效用感知。

圖2 2018年和2022年用戶情感指數各維度對比

3.3.2 用戶情感指數年際變化趨勢分析

筆者利用Python工具對兩類汽車情感指數年際變化進行分析，并制作出數據結論折線圖（如圖3、圖4所示）。

圖3 純電動汽車用戶情感指數年際變化折線圖情況

圖4 燃油汽車用戶情感指數年際變化折線圖情況

圖3顯示，純電動汽車在操縱駕駛感受、性價比、外觀內飾設計維度的情感指數從2018年到2022年呈現相對穩定的變化趨勢。品牌、能耗、空間舒適性、續航維度的情感指數波動較大，其中能耗的波動性最大；且這四個維度均呈現波動性上升趨勢，其中續航、品牌的上升趨勢相對穩定，能耗、空間舒適性的上升波動較大。

圖4顯示，燃油汽車的各維度情感指數波動明顯較大。其中，續航、操縱駕駛感受維度呈現波動性上升趨勢，能耗、性價比、空間舒適性和外觀內飾設計呈現平穩性波動，而品牌呈現下降性波動趨勢，反映出純電動汽車的發展對燃油汽車品牌效應的沖擊。

4 結論

文章通過對2018—2022年純電動汽車和燃油汽車的用戶在線評論進行數據挖掘，借助情感指數模型，定量化地描述了兩類汽車產品的用戶在線評論中蘊含的情感信息。通過對兩類汽車的橫向多維度對比分析和縱向年際變化分析，深入挖掘了消費者對兩類汽車產品的效用體驗與需求偏好。結論總結如下五點。

第一，兩類汽車在外觀內飾設計方面為消費者提供的效用差別不大，但燃油汽車的波動要大于純電動汽車。面對2018—2019年純電動汽車在外觀內飾設計上的創新，2020年以來，燃油汽車通過不斷改進產品設計，使得消費者效用感知有所提升。

第二，燃油汽車在續航能力上相比于純電動汽車略勝一籌，但兩者都無法滿足消費者目前的需求，且對于純電動汽車來說，消費者對更長的駕駛里程和便捷的充電設施有著更高的期望。同時在空間舒適性方面，用戶對純電動汽車的滿意度提升并不顯著，且波動性較大，相對于燃油汽車還有較大發展空間。

第三，純電動汽車的操作駕駛感受一直為消費者帶來高效用體驗。隨著技術發展和市場油價波動，在能耗方面，2020年以來消費者對純電動汽車也產生了明顯的偏好。而燃油汽車在這些方面的消費者滿意度波動較大，缺乏持續穩定提升的能力。

第四，在性價比方面，純電動汽車的產品效用略高于燃油汽車。純電動汽車的價格優勢明顯，用能養護成本低，動力強，且智能化水平較高，可以為大多數非長途用車的消費者提供更高的效用體驗；但純電動汽車的保值率較低，且一直存在續航、充電等發展痛點，在長途用車方面不具有消費者偏好。

第五，在品牌影響力方面，純電動汽車面對最初燃油汽車的市場優勢，積極強化自身的品牌影響力，塑造更可靠、更受消費者信賴的低碳節能品牌，使得燃油汽車的品牌影響力受到一定沖擊，純電動車品牌影響力不斷提升。目前消費者對兩類汽車的品牌認可度近乎相當，但電動汽車稍具優勢。

總的來講，文章通過將純電動汽車產品的消費者效用體驗與需求偏好與燃油汽車進行對比研究，可以為純電動汽車產品優化提供決策幫助：純電動汽車應繼續保持在能耗、操縱駕駛感受和性價比方面的產品優勢，擴大自身品牌影響力，同時著力解決續航和便捷充電等關鍵問題，以提升消費者的信心和滿意度，推動純電動汽車的市場份額的持續穩定增長。

參考文獻：

［1］張紫瓊，葉強，李一軍.互聯網商品評論情感分析研究綜述［J］.管理科學學報，2010，13（6）：84-96.

［2］潘列，曾誠，張海豐，等.結合廣義自回歸預訓練語言模型與循環卷積神經網絡的文本情感分析方法［J］.計算機應用，2022，42（4）：1108-1115.

［3］高佳希，黃海燕.基于TF-IDF和多頭注意力Transformer模型的文本情感分析［J］.華東理工大學學報（自然科學版），2024，50（1）：129-136.

［4］孫春華.情感表達對在線評論有用性感知的影響研究［D］.合肥：合肥工業大學，2013.

［5］厙向陽，楊瑞麗，董立紅.基于Sword2vect的中文在線商品評價情感分析［J］.西安科技大學學報，2020，40（3）：504-511.

［6］程小葉.汽車在線口碑對消費者購買行為影響的實證研究［D］.哈爾濱：哈爾濱工業大學，2014.

［7］郭夢丹.基于文本挖掘的國產純電動汽車消費偏好研究［D］.貴陽：貴州大學，2022.

［8］丁沛，馬鐵駒，馬也.基于在線評論的純電動汽車銷量影響因素研究［J］.系統科學與數學，2022，42（10）：2647-2664.

［9］蔣楷丞，李艷婷.考慮評論感知情感和宏觀經濟指標的汽車銷量預測［J］.科學技術與工程，2021，21（14）：5847-5854.

［10］王曉光.新能源汽車在線評論的特征挖掘、質量評價及銷售預測效能研究［D］.徐州：中國礦業大學，2022.

［11］劉玉林，菅利榮.基于文本情感分析的電商在線評論數據挖掘［J］.統計與信息論壇，2018，33（12）：119-124.