基于在线评论的区域需求偏好识别方法

用户需求存在着区域差异，识别区域需求偏好是企业区域化经营策略的决策基础。为此，本文提出了一种基于在线评论的区域需求偏好识别框架。首先，从在线评论中提取产品特征，并判定产品特征的情感极性；然后，基于特征情感计算客户的产品满意度；最后，利用假设检验的方法识别特征情感极性和产品满意度的区域差异。为了验证框架的有效性，本文利用汽车之家网站上的汽车产品评论数据进行分析。实验结果表明，油耗、空间、外观和内饰等特征的情感极性以及产品满意度受区域因素的影响十分显著。研究结果建立起产品特征情感极性和产品满意度与区域特征的关联联系，为企业的区域化产品设计与营销策略提供理论支撑。     

在线评论特征对知识付费产品销量的影响研究——基于产品类型的调节作用

与搜索品和体验品相比,知识付费产品具有信任品特性,意味着消费者具有更高的感知风险意识.因此,研究在线评论特征对于知识付费产品销量的影响机制尤为重要.本文基于信号理论构建了在线评论特征影响知识付费产品销量的理论模型,并探讨了产品类型的调节作用.本文采用4625条知乎Live数据验证模型与假设.结果 表明,评论数量、评论好评率以及评论可读性正向影响知识付费产品销量,评论长度负向影响知识付费产品销量,评论主观性对知识付费产品销量影响不显著.同时,与实用型产品相比,享乐型产品的评论数量、评论好评率和评论可读性对知识付费产品销量的正向影响更加明显,享乐型产品的评论长度对知识付费产品销量的负向影响更加明显.与享乐型产品相比,实用型产品的评论主观性对知识付费产品销量的负向影响更加明显.     

基于在线评论数据的产品需求趋势挖掘

随着经济水平的提高和物质生活的丰富，消费者的需求变化也越来越快。能否迎合市场需求的变化是企业产品成功的关键。随着社交媒体的发展，消费者为了分享购物体验发表了许多在线评论信息，其中蕴含着消费者的需求变化。本文在产品特征提取和属性情感分析的基础上，构建了垃圾评论识别模型。然后，利用时间序列分析模型预测下阶段的产品属性关注度和情感计算。最后结合历史数据的变化趋势，分析产品属性的重要性和市场满意情况。利用汽车论坛上的汽车评论数据对本文提出的研究模型进行了验证。研究结果可以为企业制定营销策略以及产品改进与创新提供决策支持。     

基于在线评论的产品需求偏好判别与客户细分——以智能手机为例

在数据为王的时代背景下，在线评论因具有信息多样性和参与群体性的特征而备受国内外学者的关注。本文以京东和天猫网络购物平台上的4款智能手机为研究对象，获取有效的在线评论26489条。首先，采用BAE判定算法提取了手机产品的特征词，借助基于互信息和语义相似度的相关性分析对消费者的产品需求偏好进行了归类与判别。其次，基于情感倾向分析得出消费者的7个需求偏好维度的分值，形成了用于表征消费者的多维分值向量，并采用改进的两步聚类法对智能手机的消费者进行了群组划分，总结了各类消费者群组的特征，进而对4款智能手机的消费者群组的构成进行了分析和比较。最后，根据研究结果得出了相关管理启示。     

表情符号多余吗?——表情符号对在线产品评论感知有用性的影响研究

本文探索了积极表情符号对在线产品评论感知有用性的影响。研究发现：(1)积极表情符号会提高评论的感知有用性;(2)感知温暖中介了积极表情符号对评论感知有用性的影响;(3)消费者的认知风格、产品类型与评论信息类型均调节了中介路径“表情符号→感知温暖→感知有用性”。在第三点中,研究发现对于视觉型认知风格的消费者中介路径显著,但对于言语型认知风格的消费者不显著;对于实用型产品中介路径显著,但对于享乐型产品不显著;对于客观事实型评论,中介路径在实用型产品的情境中显著,却在享乐型产品的情境中不显著,但对于主观评价型评论中介路径均不显著。这些研究结论对进一步厘清以往表情符号对消费者影响的矛盾结论,丰富表情符号营销、口碑等领域的研究,完善刻板印象内容模型与信息源可信度理论等具有重要的理论意义,而且对于企业与网络平台正确设计与引导消费者在口碑信息中使用表情符号以及企业从口碑信息中获取消费者对产品态度的准确信息具有重要的实践意义。     

基于多任务委托代理的业主与承包商激励模型

在线评论是近几年学者们非常关注的问题，已有研究多是针对消费者在收到产品之后第一次进行的评论，随着网络购物机制的完善，各大网上购物平台为消费者提供追加评论的机会，即在使用产品一段时间后再次进行评论。 将在线评论分为在线初次评论和在线追加评论，基于不同产品类型(搜索型产品和体验型产品)和产品价格，探讨评论数量、评论长度、评论时间间隔和评论情感强度之间的差异。从在线零售网站天猫商城上获取真实的在线评论作为实验数据，采用回归分析、多因素方差分析、独立样本t检验、配对样本t检验等方法，利用SPSS 20进行数据分析。 研究结果表明，①评论数量受到评论类型和产品价格的影响，评论类型对评论数量的影响最大，初次评论数量明显多于追加评论数量，产品价格对评论数量有负向影响，而产品类型对评论数量无显著影响；②体验型产品的评论长度和评论时间间隔均大于搜索型产品，产品价格正向影响评论长度和评论时间间隔；③初次评论和追加评论的情感强度差异受情感倾向的影响，如果初次评论和追加评论的情感倾向均为负向，则追加评论的情感强度大于初次评论的情感强度；如果初次评论和追加评论的情感倾向均为正向，则追加评论的情感强度小于初次评论的情感强度。 研究结果表明初次评论和追加评论在一些基本特征方面存在差异，一方面是对已有在线追加评论研究的补充，为后续比较研究初次评论和追加评论对消费者影响提供理论基础；另一方面，企业可针对不同类型和不同价格的产品采取不同措施，使评论长度、时间间隔和情感强度保持在优良水平，充分利用在线评论对消费者购买决策的影响。     

矛盾性追加评论对感知有用性的影响效应研究

 随着在线评论机制的完善，各大网络购物平台设置了追加评论的功能，消费者可在初次评论后一定时间段内针对同一产品再次评论。目前追加评论逐渐引起学者们的广泛关注，已有关于含追加的在线评论研究中，大多是针对含追加评论与未追加评论之间、含追加评论中一致性追加评论与矛盾性追加评论之间的感知有用性差异进行比较研究，较少研究分析矛盾性追加评论之间，即初次评论与追加评论情感方向不一致的情况下含追加评论的感知有用性差异。        将矛盾性追加评论分为初次评论为正、追加评论为负和初次评论为负、追加评论为正两种情况，基于归因理论和精细加工可能性模型的视角，探讨矛盾性追加评论对感知有用性差异的影响效应以及不同产品卷入度对矛盾性追加评论感知有用性差异的调节作用。实验均以大学生为样本，从天猫商城真实的评论环境中获取的在线追加评论作为实验数据，采用曼-惠特尼秩和检验和Wilcoxon符号秩检验两种非参数检验方法进行数据分析。        研究结果表明，①在矛盾性追加评论中，初次评论为正、追加评论为负的含追加评论感知有用性显著高于初次评论为负、追加评论为正的在线评论；②产品卷入度对矛盾性追加评论感知有用性差异具有调节作用，对于高卷入度产品而言，正-负追加组和负-正追加组感知有用性差异显著；对于低卷入度产品而言，这种差异不显著。        从理论上讲，研究结论进一步完善了含追加在线评论的研究框架，并引入了产品卷入度这一调节变量，解释了人们对矛盾性信息感知的差异。研究结论还具有一定的实践指导意义，由于消费者更加关注正-负追加组的在线评论，企业应采取措施降低负面追加评论对产品的影响。     

面向竞争力的特征比较网络: 情感分析方法

比较观点广泛存在于在线评论之中,这些比较观点是用户表达情感的常用方式, 也是产品竞争力的重要表现。依据在线评论的文本信息,结合文本挖掘和情感分析技术,提取在线评论中特征级的“比较观点对”。利用特征比较观点,分别构建产品特征的单边有向、双边有向以及多边有向比较网络, 并根据情感强度确定网络边的权重。借助成熟的网络分析算法(PageRank和HITS),对特征比较网络进行计算。产品特征比较网络能够识别产品的竞争优势, 也能分析用户对每个特征的关注度,并量化评价得分。实验发现,特征比较网络与销售排名显著相关,因而有助于销量的预测。     

面向竞争力的特征比较网络:情感分析方法

比较观点广泛存在于在线评论之中,这些比较观点是用户表达情感的常用方式,也是产品竞争力的重要表现.依据在线评论的文本信息,结合文本挖掘和情感分析技术,提取在线评论中特征级的“比较观点对”.利用特征比较观点,分别构建产品特征的单边有向、双边有向以及多边有向比较网络,并根据情感强度确定网络边的权重.借助成熟的网络分析算法(PageRank和HITS),对特征比较网络进行计算.产品特征比较网络能够识别产品的竞争优势,也能分析用户对每个特征的关注度,并量化评价得分.实验发现,特征比较网络与销售排名显著相关,因而有助于销量的预测.     

基于影评数据的在线评论有用性影响因素研究

面对互联网上海量的在线客户评论,如何能快速有效地进行识别和选择从而发现和利用其中有用的评论,已经成为人们关注的重要问题.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影响在线评论有用性的因素,建立在线评论有用性影响因素模型,并利用该模型对评论有用性进行分类预测.与现有相关研究相比,提出的模型总体拟合效果显著提高,并发现在线影评中积极的情感倾向、较高的正负情感混杂度、较高的主客观表达混杂度以及较长的平均各句长度,对评论的有用性具有显著的正面影响.最后预测结果表明,该模型对在线影评的有用性具有较强的判别能力.     

顾客策略行为下差异产品两阶段定价模型研究

互联网和信息技术的发展,为零售商收集顾客信息带来方便的同时,也使得消费者变得越来越具有策略性和选择性。首先,构建零售商只销售一种高质量产品的情形,研究其两阶段的定价策略,并分析产品的跨期折扣因子对产品的零售价格、销售量和零售商利润的影响。然后,考虑零售商可提供高质量和低质量两种产品的情形,顾客在第一销售期、第二销售期都可以选择两种产品。构建两阶段的定价决策模型,并分析产品的跨期折扣因子、顾客对低质量产品的接受度等参数对产品两阶段的零售价格、销售量的影响。最后,用数值算例分析了第二种模型下顾客对低质量产品的接受度等模型参数对零售商两阶段总利润的影响,然后比较了第一种和第二种模型下高质量产品的零售价格和销售量。研究结论较全面的分析了顾客策略行为对差异产品两阶段销售期的定价决策的影响,为零售商进行定价优化决策提供了十分重要的参考。     

在线评论的行为影响与价值应用研究综述

随着社交网络的发展,大量用户生成的在线评论影响着消费者的行为,同时被应用于企业的经营管理活动,引起市场营销、信息系统、产品开发等领域学者们的广泛关注,取得很大的研究进展。但是在线评论的研究范围广泛,目前并没有系统性的概念框架,缺乏对在线评论的全局认识。因此,本文尝试从行为影响和价值应用两个层面对在线评论研究文献进行全面总结,并结合当前的技术发展和市场环境,探讨在线评论研究的未来趋势。     

评分不一致性对在线评论有用性的影响——归因理论的视角

哪些因素会影响在线评论的有用性一直是理论界和实践界都十分关心的问题，但现有研究对在线评论的星级评分是如何影响评论有用性这一问题仍未形成统一的结论。基于此，本文以归因理论为分析框架，构建了在线评论的星级评分与产品的平均星级间的不一致性对评论有用性的影响的研究模型，并重点探讨产品的评论总量以及评论的星级评分和平均星级间差异的方向对这一影响的调节作用。本文以携程网上832233条酒店评论为样本，采用零膨胀负二项回归方法对理论模型进行了实证检验，研究结果表明，评分不一致性对评论的有用性有显著的负向影响，而某种产品的评论总量以及星级评分和平均星级间差异的方向对评分不一致性和评论有用性间的关系起到调节作用。当产品的评论总量越高或评论的星级评分与产品的平均星级间的差异为正向差异时，评分不一致性对评论有用性的负向影响越强。本文的研究成果既为理解在线评论有用性提供了理论贡献，也有助于电子商务或第三方评论网站管理和应用在线评论。     

服务质量影响市场需求下资金约束型网购供应链协调研究

高质量发展服务业已经写入国家战略，其重要性在以顾客需求为导向的网购市场经济中尤为突出。企业服务质量直接决定顾客的购物体验。在供应链意图改善顾客体验但零售商受资金约束的背景下，考虑服务质量对市场需求的影响，设计回购契约与"基于目标销售量的信用契约"组合，构建资金约束型网购供应链协调决策模型，并对其进行求解以获得供应链最优经营策略。研究结果显示，运用最优策略不仅有助于缓解零售商的资金压力，而且能激励其提高服务质量，改善顾客购物体验；所得契约设计不仅能实现网购供应链协调，而且能实现供应链总利润在节点企业之间的任意分配，提高了契约的操作性，保障了最优策略的有效性。     

基于在线评论和随机占优准则的生鲜电商顾客满意度测评

生鲜电商被认为是电子商务领域的下一片蓝海，吸引着各类资本、平台竞相追逐，但目前生鲜电商仍处于发展探索阶段，如何及时准确地把握顾客需求和有效地提升顾客满意度是当前面临的重要问题。本文提出一种基于在线评论和随机占优准则的生鲜电商顾客满意度测评方法：首先，利用生鲜电商存在的大量在线评论数据信息，基于LDA模型提取出在线评论中的主题，作为顾客对生鲜电商满意度的影响因素；其次，构建生鲜电商顾客需求的情感词典，计算在线评论中顾客的情感倾向得分，作为判断顾客满意度的依据；最后，利用随机占优准则，构建不同商品类别中影响因素的随机占优程度矩阵，并应用PROMETHEE-Ⅱ方法给出不同商品类别中影响因素的排序结果。通过爬取天猫网站中不同类别的生鲜商品在线评论信息进行顾客满意度评估的案例分析，验证本文提出的方法的可行性和有效性。结果显示，不同生鲜商品类别中顾客满意度影响因素的重要度排序是不同的。值得注意的是，所提方法也为其他产品或服务的顾客满意度评估问题提供了参考和支撑。     

在线口碑传播的意见领袖识别方法研究

Web2.0技术应用的不断深化,使得越来越多的用户在网络上发布对产品、服务、品牌或企业的评价,这些在线口碑极大影响着消费者的购买决策和企业的声誉、利润,如何识别出在线口碑传播中的意见领袖对企业有着重要价值。本文结合RFM模型和情感词自动判别方法,考虑情感(S)这一个新的指标,提出了RFMS模型来测量在线口碑发布者的影响力,应用人工神经网络识别出意见领袖,以程度中心性来评估识别结果的有效性。本文采用网络上获取的大众点评网的美食评论语料,对所提出的方法进行了数据实验,实验结果表明,该方法能够精确识别出意见领袖。     

卖家反馈能否引发高质量的在线评论信息？——基于淘宝网的实证分析

高质量的评论为店铺带来良好的网络口碑。网络卖家如何通过回复评论来提高消费者发布评论的积极性,并提高评论内容的质量水平？本文利用评论长度和评论图片数量来衡量在线评论质量,构建卖家在线回复、店铺特征以及在线评论质量对消费者购买决策影响的理论模型。通过收集淘宝网交易数据,对假设进行了验证。发现卖家回复正向影响评论长度与图片评论数,店铺星级水平和店铺服务能力在其中具有调节作用。高质量的在线评论会促进消费者的购买决策。本文结论将为电子商务平台和卖家提升经营绩效提供建议。     

O2O电商平台在线点评有用性影响因素的识别研究——以餐饮行业O2O模式为例

为了识别O2O电商平台在线点评有用性的影响因素,本文构建了基于IAM模型的双路径分析理论模型。以大众点评网上6家餐厅的2372条用户点评数据为样本,通过Tobit回归方法对理论模型进行了实证检验。研究结果显示,核心路径中的信息丰富性、信息可读性及点评负面性等三个变量对在线点评有用性有显著正向影响,其中信息可读性的观测变量点评段落数与在线点评有用性之间呈倒"U"型关系,品牌价值对点评负面性与点评有用性之间的关系具有调节作用,高的品牌价值会降低点评负面性对点评有用性的积极作用。边缘路径中的消费者回应及点评者经验对在线点评有用性具有显著正向影响。旧的评论比新的评论对在线点评有用性的影响更大。