２０１３年９月 第３３卷第９期 ・现代情报 Ｊｏｕｒｎａｌ ｏｆ Ｍｏｄｅｍ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｅｐ．，２０１３ Ｖ０１．３３ Ｎｏ．９ 理论探索・ 基于用户评论的网络产品销量影响因素研究 王倩倩赵静袁勤俭 （南京大学信息管理学院，江苏南京２１００９３） ［摘要］目前国内外对产品评论的实证性研究主要集中在评论有效性和影响因素分析两个方面。由于关键词准确度不高、 影响因素量化分析不够，影响了模型的预测力。本文以淘宝网为例，运用三层架构提取评论关键词、并将内容分析法纳入其中， 建立数学回归模型。实验结果表明，该种方法显著提高了评论指标的有效性，使评论指标量化分析更为充分。实验结果为商品 优化和营销策略提供了科学依据。 ［关键词］内容分析法；客户评论；影响因素；网络产品；销售量 ＤＯＩ：１０．３９６９ ｉＳＳｎ．１０Ｏ８一ｏ８２１．２ｏ１３．０９．００８ ［中图分类号］Ｆ７２４．６ ［文献标识码］Ａ ［文章编号］１００８—０８２１（２０１３）０９—００４４—０５ Ｒｅｓｅａｒｃｈ ｏｎ ｔｈｅ Ｉｎｆｌｕｅｎｃｉｎｇ Ｆａｃｔｏｒｓ ｏｆ Ｓａｌｅｓ Ｂａｓｅｄ ｏｎ Ｃｕｓｔｏｍｅｒｓ Ｒｅｖｉｅｗｓ ｉｎ ｔｈｅ Ｉｎｔｅｒｎｅｔ Ｗａｎｇ Ｑｉａｎｑｉａｎ Ｚｈａｏ Ｊｉｎｇ Ｙｕａｎ Ｑｉｎｊｉａｎ （Ｓｃｈｏｏｌ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｍａｎａｇｅｍｅｎｔ，Ｎａｎｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ ２１００９３，Ｃｈｉｎａ） ［Ａｂｓｔｒａｃｔ］Ａｔ ｐｒｅｓｅｎｔ，ｔｈｅ ｅｍｐｉｉｒｃａｌ ｒｅｅｓａｒｃｈ ＯＨ ｐｒｏｄｕｃｔ ｅｖｒｉｅｗｓ ａｒｅ ｍａｉｎｌｙ ｃｏｎｃｅｎｔｒａｔｅｄ ｉｎ ｔｗｏ ａｓｐｅｃｍ：ｔｈｅ ｅｆｆｅｃｔｉｖｅｎｅｓｓ ｏｆ ｐｒｏｄｕｃｔ ｒｅｖｉｅｗｓ ａｎｄ ｔｈｅ ｉｍｐａｃｔ ｆａｃｔｏｒｓ ａｔ ｈｏｍｅ ａｎｄ ａｂｒｏａｄ．Ｔｈｅ ａｃｃｕｒａｃｙ ｏｆｔｈｅ ｋｅｙｗｏｒｄｓ ｉｓ ｎｏｔ ｈｉｇｈ ａｎｄ ｔｈｅ ａｎａｌｙｓｉｓ ｏｆｔｈｅ ｉｎ－ ｌｆｕｅｎｃｉｎｇｆａｃｔｏｒｓｉｓ ｎｏｔ ｅｎｏｕｇｈ，ｗｈｉｃｈ ａｆｆｃｔｔｅｈｅ ｐｒｅｄｉｃｔｉｖｅ ｐｏｗｅｒ ｏｆｔｈｅｍｏｄｅ１．Ｉｎｔｈｉｓｐａｐｅｒ，ｔａｋｉｎｇｔｈｅ“ｔａｏｂａｏ”ｆｏｒ ｅｘａｍｐｌｅ， ｕｓｅｄｔｈｅｔｈｒｅｅ—ｔｉｅｒ ｓｙｓｔｅｍｔｏ ｅｘｔｒａｃｔｔｈｅ ｋｅｙｗｏｒｄｓ，ｂｒｏｕｇｈｔｉｎｔｈｅｍｅｔｈｏｄ ｏｆｃｏｎｔｅｎｔ ａｎａｌｙｓｉｓ ａｎｄｂｕｉｌｔｔｈｅｍａｔｈｅｍａｔｉｃａｌ ｒｅｇｒｅｓｓｉｏｎ ｍｏｄｅ１．Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔｌ ｒｅｓｕｌ￣ｓｈｏｗｅｄ ｔａｈａｔ ｔｈｅ ｅｆｅｃｔｉｖｅｎｅｓｓ ｏｆｔｈｅ ｒｅｖｉｅｗ ｉｎｄｉｃａｔｏｒｓ ｈａｄ ｓｉｇｎｉｉｆｃａｎｔｌｙ ｉｍｐｒｏｖｅｄ，ａｎｄ ｔｈｅ ｑｕａｎｆｉ— ｔａｆｉｖｅ ａｎａｌｙｓｉｓ ｗｅｒｅ Ｉｎｏｒｅ ｆｕｌ１．Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌ￣ｃｏｕｌｄ ｐｒｏｖｉｄｅ ａ ｓｃｉｅｎｔｉｉｆｃ ｂａｓｉｓ ｆｏｒｔｈｅ ｃｏｍｍｏｄｉｔｙ ｏｐｔｉｍｉｚａｔｉｏｎ ａｎｄ ｍａｒｋｅｔ— ｉｎｇ ｓｔｒａｔｅｇｙ． 【ｌ【ｅｙ ｗｏｒｄｓ ｔｈｅ ｍｅｔｈｄ ｏｏｆ ｏｎｔｃｅｎｔ ａｎａｌｙｓｉｓ；ｃｕｓｔｏｍｅｒ ｒｅｖｉｅｗｓ；ｉｎｆｌｕｅｎｃｉｎｇ ｆａｃｔｏｍ；ｎｅｔｗｏｒｋ ｐｒｏｄｕｃｔ；ｓａｌｅｓ Ｗｅｂ２．０时代的到来，使用户从单纯的信息接受者变成 了信息发布者。Ｗｅｂ２．０这一平台也改变了消费者表达观点 和看法的方式——他们可以在购物网站、博客、论坛中发 表自己的购物体验，对商品和服务进行评价。这些评论不 仅仅有助于其他顾客了解产品和服务的口碑，帮助做出可 度、产品类型和消费者之间有着密切的关系，这些因素对 消费者购买产生一定的影响…。Ｗｅｎｊｉｎｇ Ｄｕａｎ等人对电影评 论进行研究，与早期把用户评论作为外源因素的研究进行 了对比，指出评论对电影销量即票房有着说服和宣传效果， 应作为内源因素指标考虑【引。Ｑｉａｎｇ Ｙｅａ等人研究客户的口 靠的决策，还可以作为反馈机制帮助生产商和销售商提高 产品质量，优化营销策略，从而提高竞争力。目前国内外 的研究主要集中在产品评论的有效性和影响因素分析两个 方面。 Ｓｕｓａｎ Ｍ．Ｍｕｄａｍｂｉ和Ｄａｖｉｄ Ｓｃｈｕｆｆ通过研究亚马逊网站的 头在线评论与旅馆客房销售量之间的关系，分别对评论数 量、评论等级、客房价格、所在城市和客房星级这五个指 标进行数据分析，结果表明在线评论对旅馆客房的在线预 订起着重要的作用，并对旅店的管理者应重视在第三方网 站中的用户评论提出了建议【３１。上海理工大学余传明等人 在分析现有产品属性识别方法不足的基础上，提出一种利 产品评论来分析哪些评论对买家是有用的，指出了评论深 收稿日期：２ｏｌ３一ｏ５—０３ 作者简介：王倩倩（１９８５一），女，博士研究生，研究方向：电子商务、网络营销。 一４４— ２０１３年９月 第３３卷第９期 基于用户评论的网络产品销量影响因素研究 Ｓｅｐ．，２０１３ Ｖ０１．３３ Ｎｏ．９ 用自组织映射（ｓｏＭ）进行属性识别的新方法，定义一种 新的名为“属性叠加矩阵”的ＳＯＭ显示方式。为验证该方 法的有效性，以餐馆评论为样本，从中抽取饮食行业的产 １产品评论影响因素提取 １．１选择分析样本 内容分析法要求抽样的总体具有真实性和丰富性Ｌ８ Ｊ。 目前国内的电子商务网站大多都包含了产品评论信息，比 品属性。这些属性对于餐馆的生意有着重要的影响－４Ｊ。郝 媛嫒等人以体验型商品——电影的在线评论为研究对象， 结合文本挖掘技术和实证研究方法，从文本特征出发探索 如淘宝网、拍拍网和卓越网等。比较三者发现，卓越网中 元真实购买也可进行评论，不具有真实性；拍拍网总体销 量较少，不具有文本丰富性；最后我们选择淘宝网作为研 影响在线评论有用性的因素，建立评论有用性影响因素模 型，对评论有用性进行分类预测 Ｊ。 尽管诸多学者做出了有益尝试，但仍存在以下问题： （１）由于关键词的准确度不高，有些影响评论有用性的重 要因素未纳入到模型中，影响了模型的预测能力Ｌ６Ｊ。（２） 模型中仅将评论的有用性或者评论的影响因素两类问题进 行研究，而未进一步对影响的程度进行定量考察。因此， 基于现实中对有效地识别在线评论的关键因素和这些因素 对销售量的影响程度的迫切需要【７ Ｊ，在已有研究基础上， 究的总体，不仅评论文本丰富，而且自身具有严格的信用 评价体系，卖家无法自行删改，具有较高的真实性。 本文设计了一个模型来执行评论文本的抽取工作，选 择当季销量较好的连衣裙作为研究对象，对商城以外的 Ｃ２Ｃ店铺进行评论文本的获取。程序过程如下：首先，判 断是否是商城，若是商城则跳转到下一店铺，若不是，则 进入评价页面进行信息抽取；再判断评论是否大于４个字 节（即大于２个汉字），若是大于，则结束循环，选择出该 文本；若不大于，则不作考虑，跳转到下一个文本进行判 断。最后用网络爬虫抽取出所有符合条件的评论语句作为 评价语料。流程图如图１所示： 本文以淘宝女装为研究对象，挖掘评论关键词，将内容分 析法这种定量方法与文本挖掘技术相结合，分析出各种因 素特征对销售量的影响程度，进而为网络营销策略的制定 提供科学依据。 图１评论文本提取流程图 １．２建立分析类目指标 建立分析类目指标的步骤如下： （１）对文本数据进行预处理，去除停用词和未提到商 品属性的句子，例如：“衣服收到了，不好意思，确认晚 特征指标。将得到的这些产品特征进行归类，总结出５大 类目，如表１所示： 表１关键词与类目对应表 了”。此句没有提到任何和商品属性有关的部分，因此做删 除处理。 （２）从这些评价语料中抽取出描述产品特征的关键词， 比如：质量、价格、款式、做工等。获取的方法有多种， 其中有一种划分方法是把相似对象划分在同一个“簇”内， 相异对象划分在“另一个簇”内，该种划分方法最常用的 算法是Ｋ一平均值和Ｋ一中心点算法。本文主要采用梁昌 勇提出来的Ｌ—Ｋ一中心点算法￡引，即定位的（Ｉ．ｏｅａｔｉｏｎ）一 Ｋ一中心点算法。该方法包含商品标题、商品评论和商品 描述在内的三层挖掘架构，挖掘过程中不必人工指明簇ｋ 的个数，可以提高挖掘的效率和准确率，尤其对淘宝网上 产品评论的挖掘更为适用。 （３）将三级特征词进行整合过滤，得到研究所需要的 ・－－——４５－－－—— ２０１３年９月 现代情报 Ｊｏｕｍａｌ ｏｆ Ｍｏｄｅｍ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｅｐ．，２０１３ Ｖ０１．３３ Ｎｏ．９ 第３３卷第９期 从表１中可以大致看出，顾客在购买女装时对产品的 质量、价格、尺码、服务和物流这５个方面提到的评论较 多，但这只能反映顾客的关注因素，具体哪个因素对顾客 购买影响最大，还需要用内容分析法进一步分析。 均值计算（最高分值为５分，最低分值为１分），得出商品 评论调查表。如下表３所示： 表３商品评论调查结果表 １．３编码人员培训及打分 在制定了类目编码表以后，选择３位人员作为编码员 对评论内容进行打分。按照每条评价的褒贬倾向性对不同 属性给予不同的分值。将评论的类目分为５个等级：非常 满意，比较满意，一般满意，不太满意，很不满意。这５ 个等级分别赋予５，４，３，２，１的分值，由编码者按照这５ 个等级分别给每条评论的各个类目进行评分。对于评论中 未提及的类目视为一般满意，因为评论人没有特别提及的 属性一般不会太好，也不会太差，所以作中等分值处理。 编码示例如表２所示。 表２编码示例表 ２实验过程及结果 ２．１ 实验设计 本实验主要涉及两个方面，一是获取评论文本，在评 论文本中抽取出特征词作为类目指标，二是对评论指标及 数据用内容分析法处理，再用ｍａｄａｂ进行仿真实验，最后 回归分析和假设检验，得出的结果用于网络营销策略的制 定。本实验的总体框架如图２所示。 图２实验总体框架图 ２．２线性回归模型的建立 本研究选取“连衣裙”这一女装商品作为研究对象， 取销售量这一观测量作为因变量ｙ，取产品质量而、价格 、服务 、物流 、尺码 作为自变量。假设误差服 从正态分布Ｎ（０， ），建立ｌ，与 ｌ， ，弱， ，恐之间 的线性回归方程。设ｌ，与 ， ，墨， ，墨的观测值 之间满足关系。 Ｙ＝ ＋ｐｌ ｌ＋ ＋…＋ 一１Ｘｅ一１＋Ｅｉ，ｉ＝１，２，…１０ 将研究对象按销量排名，评价指标打分后的分值取平 ・－－——４６・—－—— 在ｍａｔｌａｂ中编写好．ｍ文件，将上述数据录入，得出实 验结果。 ２．３实验结果比较分析 ２．３．１线性回归结果 本研究针对淘宝网连衣裙的在线评论进行实验分析， 使用网络爬虫从淘宝网站中下载２ ３８０￣．评论，运用Ｌ—Ｋ一 中心点算法和Ａｐｆｉｏｉｆ算法聚类挖掘产品特征词，随机选取 ２００个句子作为训练集合，１００个句子作为测试集合进行研 究。 本实验对选取的５个特征指标进行定量化分析，构建 销售量对这５个指标变量的回归方程。用ｍａｔｌａｂ进行仿真 试验，结果如图３所示： ｏ ｒｏ‘．ｔ ｓｔｉｒｔｔｄ，‘．１・ｃｔ－盯Ｌ＾Ｂ Ｈ－１ｐ ｏｒ Ｄ¨¨ｆｒ－ｔｈｔ Ｈｅｌｐ… 图３实验结果图一 类目指标与销售量验证后的理论图如图４所示： 第３２０１３年９月 ３卷第９期 基于用户评论的网络产品销量影响因素研究 Ｓｅｐ．，２０１３ ｖｏＩ．３３ ＮＤ．９ ￡２ｊ 墨墨亟 曼熹珏纽基ｊ ．越＿ 蛐Ｊ出 ＿ ｉ 日 ｏＴｏ‘“＝ｔｔｒｔｅｄ，ｓｅｌｅｃｔ ＩｔｌｔＴ１．￣Ｍ・ｌｐ ｏｒ Ｄ¨ｏ‘ｆｒ¨ｔｈ・Ｈｅｌｐ ｉｌｌｉｌｌ，ｔｉｔ． ＞＞Ｘｎｅ￣－－［４．９５ ４．９５ ４．９５ ｑ．ｇ５ ４．９５】：Ｘｎｅｗ＝［１：Ｘｎｅｖ（：）】 ｙｎｅ ｘｎｅｖ’＊ｂｅｔａ￣提高全部满意度 ｙｎｅ■一 囱 １．６５０２ｅ＋００３ 图４销售量影响因素理论图 ＞＞ｘｎｅ ：【４．９５ ４．７０ ４．７０ ４．ｉ＇０ ４．７０】：Ｘｎｅｖ＝【１：Ｘｎｅｖ（：）】 ｙ＇ｎｅｖ＝Ｘｎｅｗ’＊ｂｅｔ提高质量满意度 由图４可以看出，质量、价格、尺码这３个指标的系 ｙｎｅｗ 数较大，说明它们与销售量之间有着敏感的相关关系，即 １．１４６９ｅ－１－００３ 这三者对于销售量的影响最为显著。 ＞＞Ｘｎｅｖ＝－【４．７０ ４．９５ ４．ｉ＇０ ４．７０ ４．７０】：Ｘｎｅｗ＝－【１：Ｘｎｅｗ（：）】 ２．３．２销量预测结果 Ｔｎｅｙｒ＝Ｘｎｅｖ’＊ｂｅｔ ａ９（提高价格满意度 当质量、价格、服务、物流、尺码满意度高达４．９５ ｙ＇ｎｅｗ 时，预测的新销售量 ＝１６５０件，结果如图５所示。 由图５的结果可以看出，当质量、价格、尺码这３个指 Ｉ．０５ｌｌｅ＋００３ ＞＞Ｘｎｅｖ＝【４．７０ ４．７０ ４．９５ ４．７０ ４．１＇０】：Ｘｎｅｖ＝［１；Ｘｎｅｖ（：）】 标满意度都提高到４．９５时，其销售量会有比较明显的变化 ｙｒｔｅ￣－Ｘｎｅｖ’Ｉｂｅｔ 提高服务满意度 （分别约为１ １４６ｆ￣、１ ０５１件和１ １１０件）；而将服务和物流的 ｙｎｅｗ 满意度提高到４．９５时，其销售量变化不大（分别为８８９件和 ９０８件），进一步验证了上面回归系数的可靠性。同时，也说 ８８９．２５０３ 明在网络上购物的用户更注重能否买到合适的、物美价廉的 ＞＞Ｘｎｅｖ＝【４．７０ ４．７０ ４．７０ ４．９５ ｑ．７０］：Ｘｎｅ￣＝【１：Ｘｎｅｗ（：）】 ｙｎｅｗ＝－Ｘｎｅｗ’＊ｂｅｔａＺ提高物流满意度 商品，而对于卖家的服务和物流的要求则会次要一些。 ２．３．３引入内容分析法与原始指标比较 ｙｎｅ 淘宝网原始的评价模型中，除了文本的评论以外，也 ９０８．Ｉ８５Ｉ 给出了几个评价维度（如图６所示），分别为宝贝与描述相 ＞＞Ｘｎｅ 【４．ｉ＇０ ４，７０ ４．７０ ４．７０ ４．９５】；Ｘｎｅｖ＝【】；Ｘｎｅｖ（：）】 符、卖家服务态度、卖家发货速度、物流发货速度。星级 ），ｎｅｖ＝－Ｘｎｅｖ’＊ｂｅｔａ，％提高尺码满意度 表示各维度对应的得分。 ｙｎｅｖ 本研究将淘宝原始评价维度“与宝贝描述是否相符 １．１ ｌ０Ｂｅ＋００３ （ｄｅｓｃｒｉｐｔｉｏｎ）”、“卖家服务态度（ｓｅｒｖｉｃｅ）”、“卖家发货速度 ＞＞ （ｄｅｌｉｖｅｒｙ）”、“物流发货速度（ｄｉｓｔｒｉｂｕｔｉｏｎ）”这４个指标作为 自变量，销售量作为因变量进行相关性分析，相关系数矩． 图Ｓ实验结果二 阵如表４所示。 店鼢盎评分 宝贝与擞啪符：☆☆☆☆☆ ５分・质量辈常好－与囊家描逑的完全一致・事幕溺意 囊善ｅ的服务态度：１苎ｒ齿☆☆☆ ５分・囊家的服务太Ｉ嘉了・考虑辈常周到・完全垃出期望值 卖家笈贷的速度：☆☆☆☆ ４分－囊霖发贷还苴及时 物流发货的速度：☆☆☆☆、√ ４分－物漉公司态度还好吧，送货速度挺快的 图６淘宝网原始评论模型 表４原有维度线性分析结果 用ＳＰＳＳ软件对本文抽取的５个指标质量（ｑｕａｌｉｔ）ｒ）、价 ｄｅｓｃｒｉｐｔｉｏｎ Ｓｅｎ１Ｃｅ ｄｅｌｉｖｅｒｙ ｄｉｓｔｒｉｂｕｔｉｎｏ 格（ ｃｅ）、尺码（ｓｉｚｅ）、服务（ｓｅｒｖｉｃｅ）、物流（ｄｅｉｌｖｅｙｒ） ｄｅｓｃｒｉｐｔｉｏｎ ｌ Ｏ．５７ Ｏ．４２３ ０．２１２ 两两之间作相关性分析，分析结果如表５所示。 Ｓｅｒｖｌｃｅ １ Ｏ．２６７ ０．２８ｏ 对比结果可以看出，和淘宝网原始维度相比，本文划 ｄｅｌｉｖｅｒｙ １ ０．２１４ 分的５个维度之间的相关性大大下降，即价格、质量、尺 ｄｉｓｔｒｉｂｕｔｉｏｎ １ 码、服务、物流这５个指标之间几乎没有必然的联系，是 相对的变量；而自变量和因变量之间的相关性较高， ・・－——４７・－－—— ２０１３年９月 现代情报 Ｊｏｕｒｎａｌ ｏｆＭｏｄｅｍ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｅｐ．，２０１３ 第３３卷第９期 Ｖ０１．３３ Ｎｏ．９ 即价格、质量、尺码、服务、物流这５个指标与销售量之 间有着紧密的联系。 高了商品的价格，造成商品满意度过低。中小卖家的重心 应该放在为顾客提供物美价廉的商品上，让买家真真切切 感受到物有所值、甚至物超所值。在战略方面，中小卖家 表５新维度线性分析结果 质量 价格 尺码 服务 物流 质量 ｌ ０．１１８ ０．２１０ Ｏ．２３７ Ｏ．２５１ 价格 １ ０．１９３ Ｏ．３２ｏ ０．１１２ 尺码 １ Ｏ．１２９ ０．１５８ 服务 １ ０．２３ 物流 １ 本研究将“与宝贝描述相符”这个评价指标拆分成 “质量、尺码和价格”３个指标，３个指标与“服务”之间 的相关系数分别为０．２３７、０．３２０、０．１２９，平均值为Ｏ．２２９， 较之原来的相关系数由０．５７下降到０．２２９；３个指标与“物 流”之间的相关系数分别为Ｏ．２５１、０．１１２、０．１５８，平均值 为０．１７４，较之原来的系数由０．２１２下降到０．１７４，提高了 分析的精确度。具体表现在以下两个方面：（１）通过使用Ｌ —Ｋ中心点聚类方法，将影响评论有用性的重要因素——尺 码，纳入到模型中，拆分后的３个指标与物流和服务之间的 相关性下降，提高了模型的预测力。（２）模型中采用内容分 析法对五种指标因素进行量化分析，不仅仅得出了销售量的 影响因素，而且计算出各影响因素的影响程度大小。 ３研究讨论及意义 本研究以淘宝网为例，对其评价机制进行了研究。淘 宝自身评价机制分为：宝贝与描述相符、卖家服务态度、 卖家发货速度、物流发货速度这４个维度，根据数据分析 得知，这４个维度之间存在着较高的相关性。造成这一结 果的原因是维度划分不科学、不全面，尤其是宝贝与描述 相符这个维度概括性较强，不能很好的反映卖家商品的具 体特征。 通过内容分析法，对维度重新进行划分，将原来的４ 个维度变为５个，分别是质量、价格、尺码、服务和物流， 重新划分后的新维度与总销量之间的相关性增加，两两之 间的相关性减弱，进一步证实了新维度优于原始网站的维 度，可以使评价模型更为完善。 对于大多数网络买家而言，往往对于质量和价格比较 敏感，而对于服务的满意度最不敏感。原因是淘宝网上大 多数买家都是年轻人，有着一定的计算机基础，完全可以 进行自助购物，无需客服人员的帮助，也就谈不上卖家的 服务。同时，买家往往追求的是性价比高、物美价廉的东 西，而不是星级的服务享受。因此，对于大多数想以提高 销售量为目的中小卖家而言，可以利用这一研究规律，在 保证质量的情况下尽量的把成本节约出来，不要在客服服 务、店面装修、品牌运营等方面花费过多的成本，从而提 ・－－——４８－—－—— 在价格上采取薄利多销的原则，将更多的买家吸引过来， 提高店铺浏览量、店铺收藏量、宝贝销售量和宝贝收藏量， 当到达一定的级别时，比如皇冠以上级别，才考虑品牌运 营、店铺企业管理化等后续操作。 本研究只是内容分析法在电子商务网站应用的一个方 面，该分析方法可以推广到餐饮业、旅游业的满意度测评、 在线预订管理、网站客户关系管理等其他多个领域。例如： 商家可以对旅游论坛中的评论进行抓取和内容分析，更准 确地抓住顾客最为关注的维度，有针对性地改进旅游路线、 导游服务等指标，而不是盲目地投入。 ４结论及局限性 本文将内容分析法引入到网络评论的研究中，在原有 方法和指标上做了一些改进，将原有维度进行了重新划分 和量化分析，虽然取得了较满意的结果，但仅限于Ｃ２Ｃ网 站，对于其他电子商务模式的网站（如Ｂ２Ｃ、Ｂ２Ｂ、Ｂ２Ｇ 等）还没有考虑其普遍适用性。同时，在文本评论挖掘和 评论影响因素分析方面的研究还有更广阔的领域，如评论 文本对象的抽取、评论文本的情感分析、用户行为分析、 用户心理分析等等，都将是我们下一步的工作。 参考文献 ［１］Ｓｕｓａｎ Ｍ．Ｍｕｄａｍｂｉ，Ｄａｖｉｄ Ｓｃｈｕｆｆ．Ｗｈａｔ Ｉｎａｋｅｓ ａ ｈｅｌｐｆｕｌ ｏｎｌｉｎｅ ｒｅ— ｉｖｅｗ？ａ ｓｔｕｄｙ ｏｆ ｃｕｓｔｏｍｅｒ ｒｅｖｉｅｗｓ ＯｉｌＡｍａｚｏｎ．ｃ０ｒｒｌ［Ｊ］．Ｍｉｓ Ｑｕａｒｔｅｒ・ ｌｙ，２０１０，（３）：１８５—２００． ［２］Ｗｅｎｊｉｎｇ ＯＤａｎ，Ｂｉｎ ＵＣ，Ａｎｄｒｅｗ Ｂ．Ｗｈｉｍｔｏｎ．Ｄｏ ｏｎｌｉｎｅｒｅｉｖｅｗｓ ｍａｔ－ ｔｅｒ？Ａｎ ｅｍｐｉｒｉｃａｌ ｉｎｖｅｓｔｉｇａｔｉｏｎ ０ｆ ｐａｎｅｌ ｄａｔａ【Ｊ Ｊ．Ｄｅｃｉｓｉｏｎ Ｓｕｐｐｏｒｔ Ｓｙｓｔｅｍｓ，２００８，（１０）：１００７—１０１６． ［３］Ｑｉａｎｇ Ｙｅａ，ｂ，Ｒｏｂ Ｌａｗｂ，１，Ｂｉｎ Ｃｕｅ，２．Ｔｈｅ ｉｍｐａｃｔ ｏｆ ｏｎｌｉｎｅ Ｌｌ￥ｅｒ ｒｅｉｖｅｗｓｏｎ ｈｏｔｅｌｌ＇ｏｏ／ｎ ｓａｌｅｓ．Ｉｎｔｅｎｒａｔｉｏｎａｌ［Ｊ］．Ｊｏｕｒｎａｌ ０ｆＨｏｓｐｉ— ｔａｌｉｔｙ Ｍａｎａｇｅｍｅｎｔ，２ＯＯ９，（３）：１８０—１８２． ［４］余传明．从用户评论中挖掘产品属性——基于ＳＯＭ的实现 ［Ｊ］．现代图书情报技术，２ＯＯ９，（５）：６１—６６． ［５］郝媛媛，叶强，李一军．基于影评数据的在线评论有用性影响 因素研究［Ｊ］．管理科学学报，２０１０，（８）：７８—８０． ［６］田红．数据挖掘技术在图书情报领域中的应用研究现状——基 于ＣＮＫＩ中文科技文献数的内容分析［Ｊ］．现代情报，２ＯＯ９， （９）：１０—１２． ［７］陈贵梧，董建新，杜娅萍．电子政务信息资源的挖掘和阐释： 基于内容分析的视角［Ｊ］．情报杂志，２０１０，（１１）：１８３—１８６． ［８］邱均平，邹菲，等．我国内容分析法的研究进展［Ｊ］．图书馆 杂志，２００３，（４）：５—８． ［９］梁昌勇，王倩倩，陆文星．结合商品标题和描述的在线评论特 征词选择方法研究【Ｊ］．现代图书情报技术，２０１１，（６）：４９— ５４． （本文责任编辑：马卓）
