摘要
对消费者满意度的研究，自买家市场形成之后，就一直是企业商家在营销策略方面极为关注的事情。与此同时，数字经济和互联网电商平台的发展为企业商家的消费者行为学研究提供了海量的数据，使其不再受限于消费者调研等传统数据获取行为。电商在线评论是大数据时代下消费者自主真实的意见表达，本文将以手机品类的电商在线评论，来对消费者满意度进行相关研究。 本文实验数据是在京东电商在线购物平台获取的具有代表性的手机商品20个，共60000条评论数据，经数据初步清洗后，剩余52396条评论数据。后利用LDA主题分析对在线评论进行商品因素拆解并提取了5个主题，结合主题及主题下字词分布获得手机品类的商品因素12个，分别是拍照功能、屏幕、运行速度、外形外观、音量音效、待机耗电、性价比、物流快递、外盒包装、信号网络、平台服务、保值保价。对于每个商品因素，都利用人工打标加上基于LSTM深度学习网络的文本情感分析方法，来判断每条评论的每个商品因素的情感倾向，情感倾向分为正向情感、无感/无关、负向情感三类。对于文本情感分析的输出结果，通过正向情感、负向情感两类分别在消费者购物星级评价上的分布，结合Kano模型的Kano问卷调查对照表，创新性地提出了基于在线评论的Kano因素评判标准，进而对12个商品因素进行了Kano因素分类及对应Kano因素的变量变换。 在线评论与消费者购物星级评价作为大数据时代的产物，显然也具备不平衡性这一数据特性，针对在线评论消费者满意度这一不平衡多分类问题，通过多元化OVO分解架构方法设立集成分类器，通过对基分类器的组合优化，有效利用现有的二分类算法进行结果预测，最终根据拟合的消费者满意度评价模型，分析消费者满意度受各商品因素影响程度。通过对比模型特征重要性，及Kano因素变量变换前后的各商品因素特征系数变化，进一步验证了本文Kano因素评判标准的有效性及变量变换方向的正确性，也从模型实验角度印证了Kano模型理论。 通过实验发现:Kano因素变量变换后的模型表现相较于Kano因素变量变换前的模型表现更优;多元化OVO架构下的消费者满意度评价模型表现相较于普通OVO分解架构方法、常见多分类逻辑回归OVR算法、随机森林算法、XGBoost算法、支持向量机算法表现更优。各模型中表现最好的消费者满意度评价模型是基于多元化OVO分解架构构建的集成分类器，它以准确率为评价指标进行每个二分类器的选择，并基于样本数量的反比进行加权投票输出最后分类结果。 基于研究实验给出以下建议:无论企业还是平台都需要关注消费者在线评论来实现进一步改进与盈利，手机品类针对非旗舰机尤其需要关注商品的外形外观、性价比、拍照功能、平台服务;企业产品的打造基本因素是下限，魅力因素是上限，在线评论也可以成为消费者问卷调查之外，商品因素分类管理的数据来源;多元化OVO架构是一个针对不平衡多分类问题，可以多方法同时结合的集成分类器选择。
NETL