基于文本評論分析的電商銷售影響研究

朱鎮昱

摘? 要：在線購物的飛速發展使在線口碑成為用戶在做出購買決定時會參考的最主要來源之一，它也是企業促進營銷和擴大影響力的重要工具。在本文中，我們將建立一個數學模型來對網絡評論進行特定的研究。評論的積極程度可以反映商品的受歡迎程度。我們通過計算這三種產品的所有評論的積極程度的年度平均值，以便通過ARMA模型研究這三種產品在過去十年中的受歡迎程度的變化趨勢，并繪制相應的時間序列圖。此外，我們還通過Spearman相關系數探討了星級比率對后續評論的影響。在這里，我們強調關聯性和因果關系之間的差異。最后，我們研究了星級和評論等級之間的相關系數，發現兩者之間的相關性不顯著。

關鍵詞：ARMA模型，文本評論，相關系數，電商銷售

引言

隨著信息技術的影響力不斷擴大，基于網絡的口碑傳播在最近幾年迅速增長。在線評論是口耳相傳的典型例子，它不僅可以有效地幫助客戶區分產品質量，而且可以成為企業吸引客戶和促進產品銷售的有用工具，一些企業甚至操縱在線評論來影響消費者的購買決定。目前已經有大量文獻研究了在線評論，一些學者關注在線評論可能對客戶的購買決策產生的影響。Duan W證明，在線評論的數量極大地影響了銷量。Ghose A和Thelwall M探索了受歡迎的書籍和推特活動的傳播，并指出即使負面的在線評論也可以通過提高曝光率來在一定程度上增加銷售量。這些研究都為我們的分析提供了幫助和指導。

1 評論時間趨勢分析

本文將詳細分析過去五年在亞馬遜平臺上三種產品（吹風機，微波爐和奶嘴）的評分以及評價，通過探索這三種產品評價記錄的積極程度的時間趨勢，可以分析這三種產品的好評度的變化，從而告訴客戶是否應該購買這三種產品。為了詳細了解三種產品的好評程度如何隨時間變化，我們打算找到擬合曲線的函數表達式。通過使用SPSS的專家建模器，得到了吹風機贊美度曲線的擬合函數。

一階自回歸模型可用于擬合鼓風機的評估。該模型的表達式如下所示：

估計值 和 分別為2.910和-0.611，均通過了顯著性水平為0.05的假設檢驗。擬合函數的R^2為0.890，調整后的R^2為0.886，兩者均大于0.75，并且彼此非常接近，表明具有良好的擬合效果。另外，從下面的殘差的ACF和PACF圖可以看出，所有滯后階的自相關系數和部分自相關系數與0均無顯著差異，因此我們可以將殘差視為白噪聲序列，而不會需要進一步調整。

2星級比率對未來評論的影響

為了探討星級評定是否會影響未來的評價，首先做出包含三個產品星級評價和每月平均評價等級折線圖：

可以觀察到，當星級在短時間內急劇波動時，評論的評級也會迅速變化。這表明星級評分確實可能會影響以后的評論。從生活實踐的角度來看，顧客在網上購物時并不總是理性的，而是經常受到他人意見的影響，從而形成“羊群效應”。因此，星級評定與未來評論之間可能存在很強的相關性。為了進一步支持這種觀點，我們選擇2009年11月至2009年12月的每日星級評分平均值和2009年12月至2010年2月的每日評論評分平均值，以計算兩組變量之間的Spearman相關系數。結果如下所示：

P值為0.04，表示相關系數通過了顯著性水平為0.05的假設檢驗。星級與評論之間的Spearman相關系數為0.718，表明它們之間有很強的相關性。

結論

本文根據星級和評論率這兩個主要指標來計算評論的積極程度，并說明其隨著時間的變化趨勢。評論的積極程度可以反映商品的受歡迎程度。我們通過計算這三種產品的所有評論的積極程度的年度平均值，以便通過ARMA模型研究這三種產品在過去十年中的受歡迎程度的變化趨勢，并繪制相應的時間序列圖。此外，我們還通過Spearman相關系數探討了星級比率對后續評論的影響。在這里，我們強調關聯性和因果關系之間的差異。最后，我們研究了星級和評論等級之間的相關系數，發現兩者之間的相關性不顯著。

參考文獻

[1]? Chen Y，Wang Q，Xie J. Online Social Interactions：A Natural Experiment on Word of Mouth Versus Observational Learning [J] . Social Science Electronic Publishing，2011，48（2）：238-254.

[2]? Pan Y，Zhang J Q. Born Unequal：A Study of the Helpfulness of User - Generated Product Reviews [J] . Journal of Retailing，2011，87（4）：598-612.

[3]? Scholz M，Dorner V. The Recipe for the Perfect Review？ An Investigation into the Determinants of Review Helpfulness[J]. Business & Information Systems Engineering，2013，5（3）：141 -151.