基于NLP文本分析和因子分析模型的调研问卷优化

汽车企业需要及时准确地了解消费者对上市车型的评价及需求,当前市场调研公司主要采取面访形式设计问卷题目收集用户对各评价指标满意度打分情况,但这种题目设计存在汽车性能指标描述偏专业不易消费者理解、被访者对指标打分标准不完全一致、数据效度低等弊端。因此本文目的是优化和改进传统调研问卷题目,得到更贴切用户评价的数据。本文首先采用正则表达式的方法对近三年来的文本评价数据进行断句、筛选和分词;然后利用隐马尔科夫模型对简单语句进行词性标注和分析,得到词性结构;再利用因子分子(FA)模型对词性结构获取累积贡献度达到90%以上的词语组;最后利用得到的词语以及词性结构优化当前的问卷题目,确保更准确、高效的产品评价,旨在帮助企业了解车型与用户需求之间的差异,促进产品改进提升。