基于酒店销售的在线产品评论、品牌与产品销量实证研究

从产品质量的视角,以团购网站的酒店销售为背景,研究了品牌和在线产品评论共同对于产品销售的影响。结果发现:产品评分分布偏差对于产品销售具有显著的负向影响,但是品牌的作用能削弱这一负向影响;产品平均评分和评论量较高时,产品评分偏差的负向作用更加明显;品牌与评论效价对销售的影响具有正向的加强作用。

在线产品评论用户满意度综合评价研究

文中提出一种基于灰色理论的用户满意度评价方法。基本思想:根据对各种类型的产品和对象(如旅社、酒店等)的评价具有相对性、不确定性和模糊性(这三种特性统称为灰色性)的特征,将用户满意度分为很满意,满意,一般,不满意和很不满意等五种类型,克服了已有方法将情感分为满意和不满意的粗粒度定性评价缺陷。构建了用户满意度灰色评估模型,为了扩大对各类型产品评价的适应性,引用了相似性情感词匹配词对和对象对应产品的对应性热点词匹配词对来构建用户对产品和对象的满意度评测指标。以实际产品为实验数据对象,仿真结果表明:提出的方法不仅能获得产品或对象的总体满意度结论值VB,还能得到各项评测指标(影响产品或对象的因素)的量化评估结论值VBi,有效解决了定性评价方法的不足,为消费者提供了更详细的消费指导,为商业机构提供了有针对性的生产销售措施。

在线产品评论有用性识别方法研究

在线网络评论作为用户针对相关产品或服务所撰写的个人体验或感受,已经成为获取用户需求的一项重要的数据资源,评论质量的良莠不齐严重干扰了需求挖掘的准确性和可信性,识别有用的在线评论有助于准确地分析用户需求。提出了结合评论文本的语义相似度和产品情感相似度来计算产品评论相似度的方法,更好地反映评论之间的相似性。在此基础上,运用社会网络理论构建以评论为网络节点,评论相似性为边的产品评论网络,从用户需求的角度出发,使用基于聚类的异常点检测技术对评论进行有用性分析,获取对获取产品需求有用的产品评论。结果表明该方法可以有效地发现对获取产品需求没有价值的评论,为提高用户需求分析的准确性提供了前提保障。

中文在线产品评论中“特征-观点对”的挖掘方法

文章主要针对中文在线产品评论进行研究,识别与抽取其中的基本评价单元——"特征、观点对"(Feature-Opinion Pair,FOP),提出基于语义词典的特征观点对提取方法。先通过分词与词性标注产生实词序列,并保留其中特定的名词、动词、形容词与副词生成产品特征与观点词序列,再通过进一步的精炼与映射成为评论特征与观点词序列,最后运用匹配与抽取算法自动生成特征观点对。实验结果表明,本方法的查全率约为87.62%,查准率约为79.44%,其性能与基线方法相比,有明显地提高。

中文在线产品评论有用性评估实证研究——基于文本挖掘视角

Web2.0时代,阅读在线产品评论已经成为人们购物前的一种习惯。然而,网络上的评论数量巨大且观点不一,消费者很难获取到真正对其有用的评论。本文从研究中文在线产品评论的有用性评估入手,结合中文在线评论的特点,构建了评论有用性评估特征体系。以二分类思想为中心,基于文本挖掘的基本流程,实现对中文产品评论的分类,并考察了评论内容各特征对分类效果的影响。结果表明,本文提出的评估方法能有效识别出有用评论,并且发现浅层句法特征在分类中的贡献度较高,语义特征与情感特征则会因语料类型的不同而有不同的分类贡献度。

面向在线产品评论数据的有效性建模与测度研究

为提高对虚假评论的识别精度并对评论数据的有效性进行准确预测,提出一种面向在线产品数据的有效性建模与测量方法。通过结合基于核主成分的特征提取方法和最小二乘支持向量机对在线产品的虚假评论进行识别,基于排序Logit构建回归模型对量化的评论数据进行有效性判别预测。实验结果表明,该方法在虚假评论识别和数据有效性分析方面效果良好,可以为消费者提供更为精确的消费参考、为商业机构提供更具辨识意义的评论数据,具有良好的应用价值。

用于在线产品评论质量分析的Co-training算法

在线评论广泛存在于电子商务网站平台,其中包含着客户对产品的评价及偏好.高效分析在线评论数据并满足客户需求,对许多谋求立足于竞争激烈的国际化市场的企业来说至关重要.但因在线评论的质量不一,使得如何分析在线评论的质量成为一项重要工作.从两个方面提取特征对在线评论进行描述,并构建了一种Co-training算法来判断评论的质量.通过对比实验验证了该算法相对于单一分类算法的优势.

在线产品评论中用户体验信息采集与分析方法

面向产品设计改进,提出一种在线产品评论中用户体验信息采集与分析方法。首先构建用户体验要素模型;然后,依据要素模型采用分步提取的方法提取单个评论句中的用户情感、产品特征和使用情境三类要素;最后,对提取出的用户体验要素信息进行分类整合,通过定量分析评论数据识别出对用户体验影响较大的产品特征和使用情境。以京东商城上某款智能手机的在线评论为例进行实例验证。实验结果表明,方法能有效提取在线产品评论中的用户体验要素,识别对用户体验产生较大影响的产品特征和使用情境,辅助设计师有针对性地改进产品设计。

在线产品评论研究综述

本文从在线产品评论的特征、作用和分析技术三个方面对目前该领域的研究现状进行综述。

在线产品评论:研究述评与展望

基于信息生成主体差异视角,论文聚焦对潜在消费者影响最大的两类在线产品评论——消费者在线产品评论和第三方在线产品评论,对二者内涵、维度和前因后果等方面的理论研究进行梳理和分析,并对未来研究的方向和趋势进行了探讨。

在线产品评论有用性的影响机制——基于虚拟社区视角

本文基于虚拟社区的研究视角,探讨了在线产品评论有用性的影响因素及其逻辑关系,构建起以信息质量和社区地位为前因变量、共情和认同为中介变量、高低涉入度的产品类型为调节变量的整合模型,来深入和系统地分析消费者对在线评论有用性感知的内在心理过程和影响机制,并运用计量模型进行实证分析,统计结果显示前因变量与感知有用性正相关;共情是信息质量产生作用的内在机理;高涉入度产品情景下,信息质量对共情和感知有用性的作用更大;低涉入度产品情景下,社区地位对感知有用性的作用更大。

在线产品评论对消费者剩余的影响

在线评论已经成为影响消费者购买决策的重要因素,能够在一定程度上影响消费者剩余。本文通过对消费者关于产品质量和适用性的效用水平进行建模,来比较有、无评论情况下的消费者剩余。结果表明,参考评论有利于增加消费者剩余。本文进一步发现,一般来说,评论揭示的产品质量和适用性信息、消费者对评论的依赖程度和对产品适用性的敏感性均对有评论参与下的消费者剩余有促进作用。另外,本文还发现评论对零售商利润和对消费者剩余具有类似的作用形式。

基于在线评论数据驱动的产品感性评价方法

为了解决传统感性工学主观性过强、实时性差、数据少等问题,提出一种产品在线评论数据驱动的感性工学方法。以某电子商务平台智能手机在线评论为数据源,提出词频与评估、强度、活动3个维度相结合的TFEPA方法,并使用该方法提取在线评论中的感性词;为获得更合理的感性评价,采用面向在线评论的词聚类结合程度副词的方法计算感性评价值,再从认知心理学的角度,结合产品属性参数与用户感性意象,构建了基于BP神经网络的非线性映射模型,用于模拟用户心理评估机制。最后,评估了模型的泛化能力,验证了所提方法的可行性与有效性。

负面在线评论内容和来源对消费者购买意愿的影响——产品类别的调节效应

采用实验研究的方法,研究检验了不同类别产品负面在线评论内容和来源对消费者购买意愿的影响。结果表明:负面在线评论从产品质量和服务水平两个方面影响消费者购买意愿,且负面在线产品质量评论对体验型产品购买意愿的影响更强,负面在线服务水平评论对不同类别产品购买意愿的影响无显著差异;消费者对不同来源负面在线评论的敏感度不同,相较来源于企业网站的负面在线评论,来源于第三方评论网站的负面在线评论对消费者购买意愿的影响更大,但这种效应并不是一成不变的。

电子商务环境下产品评论特征对消费者信息采纳影响机理的探索——基于信息使用者和系统使用者的视角

【目的/意义】基于信息采纳模型和信息系统成功模型,探索了在线产品评论特征对影响消费者信息采纳决策的影响机理。【设计/方法】通过实验收集数据和偏最小二乘法结构方程(PLS-SEM)来分析数据并验证假设。【结论/发现】有用度投票对在线产品评论诊断性有正向影响,结构化格式对易用性有正向影响,易用性对在线产品评论诊断性有正向影响,易用性和诊断性对在线产品评论采纳决策存在着正向影响,但认知需求作为调节变量对有用度投票和诊断性的关系及易用性和诊断性的关系影响不显著。

考虑消费者间社交关系的评论展示策略研究

构建优化模型分析了电商企业的最优评论展示策略以及对消费者在线社交网络的管理策略.研究表明,为消费者展示朋友评论不一定能为企业带来利润增加,仅当好评占比较高且为消费者展示朋友评论付出的成本较低时,展示朋友评论才能增加企业利润.人群中社交关系分布情况会影响企业利润,即使在展示朋友评论可以增加企业利润的情况下,人群中强关系占比的提高也并非一定对企业有利,仅当好评占比足够高时,消费者群体中强关系占比的增加才能提高企业利润.此外,消费者对产品质量平均评分的不信任程度也会影响企业对消费者在线社交网络的管理策略.随着消费者对产品质量平均评分不信任程度的提高,企业更有可能通过采取措施增加网站用户间强关系占比实现利润增长.