基于大數據分析的電商產品感知質量評價研究

曾偲慧 陳原 郭舒敏

摘 要：在線評論作為獲取商品信息的重要途經，包含大量用戶產生的質量信息且更新速度快。通過大數據處理技術對質量信息進行提取，可有效彌補傳統質量抽檢樣本小、抽檢難等缺點，提供質量風險提示。在大數據分析的基礎上，本文通過數據收集、數據預處理、質量屬性語義詞典構建、文本量化，構建基于產品屬性的質量評價方法，對面膜產品的在線評論進行分析，得出其各質量屬性感知質量情況以及總體質量情況評價，并對可能存在的質量風險進行分析。

關鍵詞：感知質量;質量評價;在線評論;大數據分析;電子商務

中圖分類號：F724.6 文獻標識碼：A 文章編號：2096-0298（2021）04（b）--06

李克強總理在“云上2020年中國品牌日”活動中強調，堅持質量第一，更好滿足群眾消費升級和國家發展的需要。基于質量管理理論發展視角，質量概念已從符合性質量階段發展到卓越質量階段，產品質量的衡量標準不僅僅限于符合特定標準及相關法律，更需要滿足消費者需求，甚至是提供遠遠超過消費者期望的質量[1]。可見，產品質量的主觀性越來越強，消費者對產品的感知質量評價不容忽視。

但與消費者日益提升的質量需求形成強烈對比的是，隨著網上購物時代的到來，消費者網購的風險日益凸顯，網購投訴亦呈爆發性增長趨勢。電子商務消費糾紛調解平臺在2019年全年受理了306家主流電商平臺用戶的投訴，跨境電商占比14.05%，商品質量問題成為投訴熱點。如何提前識別商品質量風險成為急需解決的難題。隨著大數據及數據挖掘技術的進步，對產品質量相關信息的全樣本抽取，可與傳統抽樣檢驗相輔相成，彌補抽樣樣本小、抽檢難以發現未知威脅等缺點，提供更客觀、全面的質量數據。

立足于網絡渠道，如網易考拉海購買家評論、京東商城買家評論等公共空間，從消費者對消費品最真實、直接的第一線評價中，可提煉產品的質量情況。目前研究中大多選用易于量化的指標來度量產品感知質量，例如評分等級、評論數量等，忽視了產品評論內容中各維度的信息。由于產品具有多特征的特點，消費者對各產品特征的態度構成了消費者產品感知質量評價。基于此，本文提出了一種基于消費者對產品特征態度的方法量化產品感知質量。

1 文獻綜述

產品質量的主觀性越來越強，從消費者感知角度進行產品質量研究具有重要意義。在眾學者對感知質量概念進行的描述中，Zeitbaml（1988）認為感知質量是關于一個產品優越性或卓越性的判斷，是一種主觀全面的評價，來源于消費者在對比中作出的判斷[2]。Kirmani和Baumgartzner（2000）認為感知質量由顧客通過所能搜尋到的內部線索和外部線索判斷形成的對產品優越性評價[3]。畢雪梅（2004）認為顧客感知質量是顧客針對自己使用的需求和目的，結合經由正式或非正式途徑獲得的市場相關信息，形成對產品抽象、主觀的評價[4]。鐘凱（2013）認為網購感知產品質量是網絡消費者根據自身需求出發，通過購物網站上所提供的圖片、文字以及視頻等信息，對某種商品或服務產生一定的主觀評價[5]。

當前，衡量顧客感知質量的方法多依靠成熟量表或對服務流程的定性分析。張鶴冰等（2020）將在線顧客感知質量分為感知產品質量和物流服務質量，使用Wells及Parasuraman研究的成熟量表對在線客戶感知質量進行衡量[6]。鄭蔓華等（2020）實證分析木制家具O2O顧客感知質量對顧客在線黏性的影響。基于 ABC 態度模型，將感知質量劃分為感知系統質量、感知服務質量及感知產品質量3個維度，針對福州某小區業主發放問卷進行調查[7]。宮華萍等（2020）基于互聯網學習服務交互流程的分析，歸納影響感知質量的感知過程質量因素和結果質量因素[8]。但以上方法難以確保調查樣本顧客短期內確實購買過該商品，也難以確保在顧客完成消費行為后第一時間收集數據。使用在線評論文本數據作為數據來源能有效彌補以上采樣缺陷。在線評論包括顧客對產品的評分及評價，包含豐富的信息量。在線評論數據只來源于有實際購買行為的客戶并限制于收貨后一定時間內填寫，確保數據樣本的有效性以及時效性，更有參考價值。

在線評論文本數據一般呈現非結構化或半結構化特征。文本情感分析方法可高效量化非數值型數據，主要依靠文本挖掘技術和自然語言處理技術。核心環節包括產品屬性特征提取、在線評論情感分析[9]。Hu和Liu等（2004）提出了一種基于特征的自然語言處理摘要方法，提取了與購買者觀點相關產品的特征塊（例如單詞和短語）。這些特征塊被定義為產品特性、屬性或功能。而意見塊被定義為用戶對功能的主觀評價，情感詞用于表示積極或消極的意見[10]。多年后，Chung和Tseng（2012）使用關聯規則挖掘算法，學習最具有信息性的產品特性，以促進商業智能[11]。Lee和Choeh（2014）基于總結的特征和觀點，預測在線評論的有用性[12]。Kang（2014）用情感分析的方法分析了手機應用程序的速度、穩定性等6個特點[13]。Tuarob和Tucker（2015）提出利用情感分析量化產品的市場支持度，識別成功和失敗的產品，并將產品特征自動分成兩類：滿意特征和抱怨特征[14]。Suryadi和Kim（2016）總結了評論中提到的特征，分析了產品特征與銷售等級之間的關系[15]。Zhang等（2016）通過分析不同評論者對不同產品特征的情感極性，提出了一種設計產品改進策略的方法[16]。Law和Gruss（2017）使用監督機器學習算法，根據產品特性和用戶意見自動發現洗碗機的缺陷[17]。

基于中文評論，學者基于大數據及文本處理方法提出基于中文的產品特征提取方法。王科等（2016）從知識庫和語料庫及兩者結合的角度提出了情感詞典構建方法[18]。王偉等（2017）指出基于統計及機器學習技術的產品特征及其觀點的識別算法[19]。周清清等（2017）提出細粒度在線評論產品屬性抽取方法，通過候選屬性抽取、候選屬性聚類、噪音過濾等步驟，提取細粒度更高的產品屬性[20]。楊程等（2020）通過隱含狄利克雷主題模型及情感分析，得到用戶對手機產品屬性的關注度及滿意指標，建立評價指標體系[21]。陳榮義等（2020）抓取國內大型旅游網站點評文本，從高頻詞分析、社會網絡與語義網絡分析和情感分析3個方面分析游客滿意度的影響因素[22]。馬鳳才等（2020）爬取生鮮產品的文本評論，通過詞頻統計影響消費者生鮮產品滿意度的關鍵要素，構建特征詞表，得出4類生鮮產品的總體滿意度情況[23]。

2 研究方法

2.1 數據來源

本文研究目標商品為消費品，選取銷量大、質量問題較為嚴峻的商品進行研究更有代表性。近年來在中國經濟快速發展的背景下，護膚品需求呈井噴式增長。Euromonitor資料顯示，護膚品在2018年零售額達2122億元人民幣，護膚品同比增長13.2%。但面膜作為護膚品中常見的品類，其質量情況卻令人憂心，在監管部門的多次抽查中，面膜一直是出事的“重災區”。并且面膜成本相對較低的特點，使得不合格產品太容易改頭換面，相較于定期的質量抽檢，消費后立即反饋的在線評論數據，能更快速地識別面膜的質量風險。因此，本文選擇面膜作為研究對象。

在線評論數據需從電商平臺爬取、網易海拉網購和京東均位于跨境電商行業前列，市場份額占領跨境電商行業39.1%[24]，因此本文分別在網易考拉海購與京東全球購選取銷量第一的天佑蘭及美迪惠爾面膜作為目標商品。將京東全球購美迪惠爾面膜評論數據作為原始語料庫，提取面膜質量屬性，建立面膜質量屬性語義詞典。之后建立質量測算程序，測量網易考拉海購天佑蘭面膜及京東全球購美迪惠爾面膜消費者感知質量并作對比分析。

2.2 數據采集

本文采用python的selenium模塊，模擬瀏覽器行為，爬取網易考拉海購與京東全球購選取銷量第一的天佑蘭及美迪惠爾面膜評論。原始數據包括網址、用戶名、用戶等級（是否為會員）、商品型號、評論時間、評論等級、評論原文、該評論的點贊數。原始數共31399條。

2.3 數據預處理

在進行質量評估之前，要對爬取的評論數據進行預處理。首先，刪除評論中的重復值。重復評論大多來自于刷單行為，或是用戶為贏取平臺評論任務獎勵而復制的無效評論，移除重復評論以提高在線評論數據的有效性。經過去重后，共有30769條評論數據用于產品質量分析;其次，去除句子中無意義的停用詞，一般的停用詞包括句子中的助詞、連詞、表情符號等，針對在線評論文本的處理，本文在哈工大停用詞表基礎上，加入了平臺名稱、面膜品牌、面膜型號等與質量評估無關的詞形成停用詞表，以進行數據清洗。

2.4 質量屬性詞典的提取

我國現行的面膜標準主要是QB/T 2872-2017，標準主要圍繞面膜的感官指標（外觀、香氣）、理化指標（pH、耐熱、耐寒）、衛生指標及凈含量[25]。在線評論中消費者表達的更多是直觀的使用感受和產品的使用效果，如外觀、氣味等容易感知的質量屬性被較多提及，而需要精密測量的理化指標，大部分消費者并無法精確評價，僅僅按照執行標準來提取質量屬性是有局限的，需要結合在線文本語料以確定質量屬性詞典，處理步驟如下。

（1）通過分詞及詞性標注提取潛在質量屬性詞

質量屬性詞一般多為名詞、動詞和形容詞，因此首先使用python的JIEBA模塊對在線評論語料進行分詞及詞性標注（POS），提取所有的名詞、動詞和形容詞，進行人工聚類，最終確定補水保濕、精華液、過敏性、膜布、嫩膚、提亮膚色、氣味、使用感、清潔排毒、包裝、真偽、滋養修復、控油、抗皺緊致、保質期15種質量屬性。

（2）減少歧義

對評論文本進行分詞后，不可避免地使詞語喪失了上下文的支撐，提取的屬性詞容易產生歧義。在大部分情況下，屬性詞與某些限定詞進行搭配，則可以確定其表意。對于這一部分的詞語，形成限定詞和屬性詞組合，在識別中采用正則表達式匹配。限定詞與屬性詞組合提取規則如下：首先定位屬性詞所在的句子，再根據屬性詞詞性，確定提取規則。根據王偉（2017）基于特征的挖掘算法及人工標注結果，限定詞和屬性詞抽取規則如表1所示。

（3）隱性特征的處理

由于在線評論具有表達不規范、多樣化、口語化的特征，存在部分詞語無法找到限定詞搭配的情況，容易產生歧義，如保濕屬性下的干燥一詞，在“秋冬季皮膚很干燥”下，并沒有描述產品的質量，但在“用后皮膚還是很干燥”一句中則提到了面膜保濕弱的特征。對于這類容易產生歧義的詞語，本文建造歧義詞庫，對于該類詞語，返回人工再次判斷。

（4）為情感極性賦分

最后，提取所有屬性特征后，對屬性特征情感賦分，1為正向情緒，-1為負向情緒。表2以面膜紙這一質量屬性為例，展示質量屬性語義詞典。

2.5 文本得分判斷

在該步驟中，計算在線評論文本情感的得分。該步驟用到自行整理的質量屬性語義詞典、否定詞詞典及程度詞詞典。參考施曉彥等（2017）[26]的研究，假設質量屬性包含在每個短句中（以標點符號為分隔），以短句為單位識別質量屬性，具體量化步驟如下。

第一，進行限定詞與屬性詞的匹配并根據情感極性賦分，例如評論“這款面膜的材質也是非常舒服的哦”，由于材質+舒服搭配位于情感極性為1分的詞庫中，因此，該評論得分標注為：“這款面膜的材質也是非常舒服（+1）的哦”。

第二，判斷匹配成功的短句中是否存在程度詞及否定詞。若存在程度詞，則將程度詞得分（2或0.5）乘以產品屬性特征得分。若存在否定詞，則將否定詞得分（-1）乘以產品屬性特征得分。如上例“這款面膜的材質也是非常舒服的哦”，識別到程度詞“非常”，該評論得分標注為：“這款面膜的材質也是非常舒服（+2）的哦”。

第三，進行隱形特征的匹配，若匹配成功，返回人工識別。

通過以上步驟，可量化每個評論中提及的質量屬性評分，每個屬性的值為通過匹配得出的用戶情感值，得到消費者對質量屬性的評價。

3 質量屬性感知質量情況

3.1 質量屬性關注度

識別消費者最為關注的質量屬性，有利于獲得質量監督中的重點方向。消費者在評論中提及某種質量屬性次數越多，該質量屬性的關注度及重要性越高。通過統計提及質量屬性的短句數目，計算消費者對各分類質量屬性的關注度。計算公式如下：

（1）

其中，Ai為特定質量屬性的消費者關注度， Fi為提及該質量屬性的總句數， i為各質量屬性，以此計算消費者對各分類質量屬性的關注度，結果如表3所示。消費者最為關注的質量屬性前四位，皆為感官指標。可見，大數據挖掘在線評論進行質量識別，可有效補充質量抽檢中無法檢測的用戶體驗質量。

3.2 質量屬性情感評價

通過以短句為單位的情感分析，可以計算質量屬性的情感極性，得到各個產品屬性的感知質量（如表4、表5所示）。本文參考Wenhao Zhang（2012）[27]，將正向情感比率60%設為門檻值，低于該門檻值的產品質量屬性可能存在一定的質量風險。對于網易考拉平臺售賣的天佑蘭面膜產品，消費者對面膜紙、過敏性、保質期正向評價率皆低于60%。通過對面膜紙、過敏性的負向評論進行詞頻統計后可見（如圖1、圖2所示），消費者認為面膜紙不服帖、紙質太厚、使用上不夠舒服;在面膜過敏性上，大部分負評消費者反映開始使用時有刺痛的感覺，對面部太刺激，部分消費者甚至有過敏的現象。由于跨境電商平臺售賣海外進口產品，跨境商品原產地質量、安全、衛生、環保、標識等標準或技術規范要求可能與我國標準有所不同，而導致質量風險的存在。對于保質期的評價，大部分負向評價消費者皆表示收到距離生產日期較遠的產品。由于與線下購物相比，網購體驗環節缺失，商家打擦邊球售賣臨近保質期產品而難以被追究責任，這提示了消費者承擔信息不對稱性導致的質量風險。

對于在京東平臺售賣的美迪惠爾面膜產品而言，所有的產品質量屬性正向情感比率都在60%以上。在消費者最關注的質量屬性前五位中，真偽、補水保濕、嫩膚消費者正向評價皆在95%以上，對質量的滿意度高;但對于精華液、使用感，消費者總體評價相對較低，但都遠超60%，如表5所示。

4 產品感知質量評價

4.1 產品總體感知質量評價

消費者關注度越高的質量屬性，越大程度上影響消費者對質量的認知。因此，以每一質量屬性的關注度確定質量總體評價中各屬性的權重，計算公式如下：

（2）

其中，Ai為質量屬性的關注度， Si為各質量屬性的情感傾向比率， i為各質量屬性，計算結果如表6所示。

由表6可見，京東售賣的美迪惠爾面膜正向質量評價率比網易考拉售賣的佑天蘭面膜高4.9%，整體質量評價更好。整體平均質量為92%，該數據略低于上海市藥監局2019年第1期化妝品抽檢質量合格率98.3%，主要原因是相比于抽檢中使用的理化、衛生等安全性指標，消費者對感官指標的感知更為靈敏。對比2019年《中國化妝品電子商務行業報告》中，消費者對化妝品電商商品滿意度87.9%相比較高，原因主要是售賣平臺皆為行業頭部平臺，平臺管理機制較為完善。

4.2 基于質量屬性與基于評分的質量評價對比

目前評價消費者感知質量，多使用消費者在平臺上的評分（1～5分）進行估計，本文聚焦于評論文本這一非結構化數據，通過質量屬性詞典提取用戶情感，對質量進行評價，具有細粒度更高、信息承載量更大的特點。本文將上文計算得出的總體質量正向計算結果與消費者評分為4～5分的評論占比進行比較，發現基于質量屬性的評價方法能發現更多的感知質量問題，更大程度地還原消費者的感知質量評價，如表7所示。

4.3 產品感知質量離散程度

謝光明等（2019）指出，總體質量評價的高低和評價的一致性都會影響消費者的購買決策。質量評價的離散性越高，代表質量評價褒貶不一的程度越高[28]。由表8可知，京東平臺售賣的美迪惠爾面膜產品正向感知質量評價較高且離散程度較低，說明該產品好評度較為集中;而網易考拉平臺售賣的佑天蘭面膜產品正向感知質量評價較低但產品感知質量離散程度較高，該產品對不同的消費者可能產生不同的質量風險。

5 結語

本研究提出了基于大數據分析的產品質量評估方法。以面膜產品在線評論為數據源，評估方法包括的步驟有：數據收集、預處理、質量屬性詞典的構建、文本量化、質量情況評估及質量風險提示。通過分析30769條產品評論，構建基于15個質量屬性的質量屬性語義詞典，得出2個面膜產品的平均合格率為92%。根據進一步的數據分析，研究發現：（1）消費者最為關注的質量屬性四位為精華液、補水保濕功效、使用感、嫩膚功效，多為感官指標。通過大數據挖掘在線評論進行質量識別，可有效補充質量抽檢中無法檢測的用戶體驗質量。（2）通過對正向情感比率低于60%的產品屬性進行分析，發現網易考拉海購平臺佑天蘭面膜存在跨境商品原產地標準或技術規范要求與我國標準不同而導致質量風險，以及網購體驗環節缺失導致的信息不對稱性所帶來的產品質量風險。（3）與基于評分的質量評估方法相比，基于質量屬性的評價方法能發現更多的感知質量問題，更大程度地還原消費者的感知質量評價。（4）通過計算產品感知質量離散程度，可提示正向感知質量評價較低但產品感知質量離散程度較高的產品，對不同的消費者可能產生不同的質量風險。

參考文獻

劉欣欣.基于消費者感知的網絡購物中商品質量的影響因素研究[D]. 濟南：山東大學，2005.

Valarie A. Zeithaml. Consumer Perceptions of Price， Quality， and Value： A Means-End Model and Synthesis of Evidence[J]. Journal of Marketing，1988，52（03）.

Kirmani， Arena and Hans Baumgartner. Reference Points Treed in Quality and Value Judgments[J]. Marketing Letters， 2000， 11（04）：299-310.

畢雪梅.顧客感知質量研究[J].華中農業大學學報，2004，53（03）： 42-45.

鐘凱.網絡消費者感知價值對購買意愿影響的研究[D].沈陽：遼寧大學，2013.

張鶴冰，李春玲，魏勝.在線顧客感知質量、感知價值對購買意愿的影響——基于消費者異質性視角[J].企業經濟，2020（05）：113-121.

鄭蔓華，黃夢嵐，湯德聰，等.顧客感知質量對顧客在線粘性的影響[J].林業經濟問題，2020，40（02）：189-198.

宮華萍，尤建新，王岑嵐.互聯網學習產品學習者感知質量因素研究[J].中國遠程教育，2020（03）：51-57+79+81.

崔永生.在線評論文本挖掘對電商的影響研究[J].中國商論，2018（33）：17-23.

Hu，M.，& Liu， B. Mining and summarizing customer reviews[D]. Paper presented at the proceedings of the tenth ACM SIGKDD international conference on knowledge discovery and data mining，2004.

Chung， W.， & Tseng， T.-L. B. Discovering business intelligence from online product reviews： A rule-induction framework[J]. Expert Systems with Applications，2012，39（15），11870-11879.

Lee， S.， & Choeh， J. Y. Predicting the helpfulness of online reviews using multilayer perceptron neural networks. Expert Systems with Applications，2014， 41（06），3041-3046.

Kang， D.， Y. Part.Review -based measurement of customer satisfaction in mobile service： Sentiment analysis and VIKOR approach[J]. Expert Systems with Applications，2014（41）：1041-1050.

Tuarob， S.， and Tucker， C. S. Quantifying Product Favorability and Extracting Notable Product Features Using Large Scale Social Media Data[J]. ASME. J. Comput. Inf. Sci. Eng. September， 2015， 15（03）：031003.

Suryadi， D.， & Kim， H. Identifying the relations between product features and sales rank from online reviews[D]. Paper presented at the ASME 2016 international design engineering technical conferences and computers and information in engineering conference，2016.

Zhang， H.， Sekhari， A.， Ouzrout， Y.， & Bouras， A. Jointly identifying opinion mining elements and fuzzy measurement of opinion intensity to analyze product features[J]. Engineering Applications of Artificial Intelligence，2016（47）：122-139.

Law， D.， Gruss， R.， & Abrahams， A. S. Automated defect discovery for dishwasher appliances from online consumer reviews[J]. Expert Systems with Applications，2017（67）：84-94.

王科，夏睿.情感詞典自動構建方法綜述[J].自動化學報，2016，42（04）：495-511.

王偉，王洪偉.特征觀點對購買意愿的影響：在線評論的情感分析方法[J].系統工程理論與實踐，2016，36（01）：63-76.

周清清，章成志.在線用戶評論細粒度屬性抽取[J].情報學報，2017，36（05）：484-493.

楊程，譚昆，俞春陽.基于評論大數據的手機產品改進[J].計算機集成制造系統，2020，26（11）：1-19.

陳榮義，韓百川，呂梁，等.國家公園游憩利用區游客滿意度影響因素分析[J].林業經濟問題，2020，40（04）：427-433.

馬鳳才，李春月.消費者對電子商務平臺銷售生鮮產品滿意度測算研究——基于京東生鮮在線評論的分析[J].價格理論與實踐，2020（05）：1-4.

艾瑞咨詢.2018年中國跨境進口零售電商行業發展研究報告[EB/OL].http：//report.iresearch.cn/report/201805/3203.shtml，2018-05-02.

陳麗暖.QB/T 2872-2017《面膜標準》的解讀與分析[J].質量與認證，2018（03）：75-77.

施曉彥，曹喆岫，陳超，等.基于大數據的電商產品質量評價研究——以兒童木制玩具為例[J].廣西財經學院學報，2017， 30（05）：64-83.

Wenhao Zhang， Hua Xu， Wei Wan. Weakness Finder： Find product weakness from Chinese reviews by using aspects based sentiment analysis[J].Expert Systems With Applications，2012， 39（11）.

謝光明，蔣玉石，石純來.考慮稟賦效應調節作用的網絡口碑離散對消費者購買意愿的影響[J].管理學報，2019，16（03）：425-438+455.