星級與評論對于消費者購買商品的影響研究

周海濤

摘 ?要：在互聯(lián)網(wǎng)電子商務時代，人們更愿意通過星級評定和評論來決定是否購買產(chǎn)品。我們找到一個基于SARTYZ評級和評論的銷售策略。首先，我們對數(shù)據(jù)進行預處理，包括缺失值的處理和過濾數(shù)據(jù)。在處理缺失數(shù)據(jù)時，我們將其分為兩個部分。第一部分是用三次樣條插值來填充數(shù)據(jù)，第二部分是用平均值填充被忽略的數(shù)據(jù)。在處理過濾數(shù)據(jù)時，我們過濾只有一個評論的產(chǎn)品。其次，由于星級是一個定量指標，為了找到一種方法來衡量產(chǎn)品通過星級評級和審查，我們量化評論。由于評論是自然語言，所以我們使用TF IDF算法來查找。

關鍵詞：評論;情感特征;指標

1.引言

Amazon為顧客提供了評估和審查購買的機會[1]。“星級評級”允許購買者用1到5的比例來表達他們對產(chǎn)品的滿意程度。此外，客戶可以提交“評論”來表達關于產(chǎn)品的更多意見和信息[2]。其他客戶可以提交“幫助性評級”以協(xié)助他們自己的產(chǎn)品購買決策。公司利用這些數(shù)據(jù)來了解他們參與的市場，參與的時機，以及產(chǎn)品設計特征選擇的潛在成功[3]。

2.模型的建立與求解

評論文本分為主觀文本、客觀文本和無意義文本。與客觀文本相比，主觀文本是一種自然語言文本表達形式。文本特征一般包括發(fā)布者信息、對象信息、時間信息、位置信息、意見信息等。文本挖掘工作根據(jù)不同的需要提取相應的特征。

2.1 基于評級和評論的模型

2.1.1 模型概述

信息檢索是目前應用最廣泛的一種技術。論文檢索和搜索引擎屬于信息檢索范疇。TF IDF（術語頻率逆文檔頻率）模型在搜索引擎等實際應用中有著廣泛的應用。

在使用TF IDF模型之前，我們首先需要使用Python來對評論進行預處理，即標記單詞、刪除模態(tài)粒子、去除無關注釋。

在完成數(shù)據(jù)處理后，使用TF IDF模型對評論進行量化。由于數(shù)據(jù)太多，我們選擇了某品牌的吹風機進行分析。

2.1.2 概念定義

3.結論

在互聯(lián)網(wǎng)電子商務時代，人們更愿意參照星級和評論來決定是否要購買產(chǎn)品。我們的模型表明專家的意見并不總是代表消費者的真實感受。評論所揭示的用戶主觀傾向?qū)οM者心理和購買決策有較大影響。此外，我們還發(fā)現(xiàn)產(chǎn)品的評價值會隨時間而波動，但特定星級對評論的影響并不顯著，這表明僅通過星級評定來預測商品的評價價值是不可靠的。商店應更多地關注消費者的主觀體驗，從而提高產(chǎn)品的功能，使產(chǎn)品更受歡迎。

參考文獻

[1] ?李紅柳，王興元. 在線用戶評論對顧客價值創(chuàng)造的影響研究———基于評論特征的分析[J]. 價格理論與實踐，2018，03（23）：43-48.

[2] ?王維娜. 面向中文在線評論意見的挖掘算法研究及應用[D]. 西安科技大學，2017.

[3] ?劉俊清，湯定娜. 在線評論、顧客信任與消費者購買意愿關系研究[J]. 價格理論與實踐，2016（12）：200-203.