搜索型產品用戶關注度的動態變化研究

王鑫鑫　王亞平　張洪等

關鍵詞： 用戶關注度； 信號理論； 搜索型產品； 在線評論； 主題模型

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２３．０６．００４

〔中圖分類號〕Ｇ２０３ 〔文獻標識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２３） ０６－００３５－０８

在線評論作為外部的信息資源， 有助于潛在用戶了解產品的真實質量， 從而做出正確的購買決策［１］ 。用戶的評論信息能體現出用戶關注屬性及其在時間上的動態變化特征， 有效挖掘評論信息可以為用戶傳遞產品信號， 企業也能通過在線評論信息發現自身產品或服務的不足之處， 從而制定更有效的經營決策?，F有在線評論的相關研究主要集中在基于評論信息的用戶關注偏好識別和在線評論對消費者購買決策的影響分析兩個方面， 很少探討用戶在不同時間段關注焦點的動態變化［２］ 。同時， 現有的相關研究較多是偏向體驗型商品的［３］ ， 關于搜索型產品的研究相對較少。搜索型產品是指主要屬性能夠通過可獲得信息來客觀評判的產品， 體驗型產品則是需要自身體驗后才獲取信息進行評判的產品［４］ 。

基于此， 本文以搜索型產品為研究對象， 以信號理論為理論基礎， 從產品特征信號和產品服務信號兩個維度出發， 探討在線評論對用戶關注度的動態變化， 構建了基于在線評論的用戶動態關注度研究模型， 根據ＬＤＡ 主題模型識別評論中的關鍵主題并計算主題的關注度強度， 利用Ｓｔａｔａ 回歸進行關注度的分析， 揭示用戶對不同主題關注度的動態變化特征， 有助于企業了解用戶的動態需求， 對企業決策的制定具有重要意義。

１文獻回顧

１.１在線評論

在線評論在用戶在線購物決策過程中解決信息不對稱的作用日益顯著， 已經成為用戶在購買產品或服務時的重要參考［５］ ?，F有關于在線評論對用戶關注度影響的研究主要體現在評論內容和用戶行為兩個方面。在評論內容方面， 主要從產品屬性和服務質量來體現用戶的關注度， 如Ｎｉｋｏｌａｙ Ａ 等［６］ 提出， 產品的多種屬性是用戶選擇的重要決定因素，研究了用戶對不同產品屬性的關注偏好； 張艷豐等［７］ 從評論內容維度方面進行文本挖掘， 根據不同的內容屬性來輔助用戶進行決策行為； 池毛毛等［８］ 分析了兩種不同平臺用戶在主題上的異同之處， 從評論角度分析了產品和服務上的互補和替代性。在用戶行為方面， 主要從評論影響用戶的關注度、購買決策和需求等方面進行研究， 如孫玲玲等［９］ 對社群用戶的在線評論信息進行關注熱點的提取， 挖掘熱點主題的關注度與滿意度； 韋景竹等［１０］ 對評論數據進行情感分析， 客觀研究了在線用戶的內部和外部需求； 沈超等［１１］ 根據在線評論統計產品屬性在每個單位時間內的關注度， 進而描述用戶的需求變化趨勢。由于用戶關注度影響因素是和時間相關的屬性， 在產品發布后整個周期都會隨時產生變化［１２］ ， 而現有研究缺乏對在線評論的橫向時間關聯的思考［１３］ ， 因此， 有必要進一步探討在線評論在不同時間周期內的變化以及這種變化對用戶關注度的影響。

１.２用戶關注度

用戶關注度是衡量用戶對其需求關注程度的指標。早期關于用戶關注度的研究主要集中在傳統媒體對用戶關注行為的影響［１４］ ， 網絡平臺的出現與發展為關注度的研究創設了一個新的研究情境。用戶的關注度并非一成不變的， 賦予產品不同的信息會影響其關注度變化。陳璟浩等［１５］ 研究了在線網民關注度變化趨勢及影響因素， 分析得到５ 個網民關注的關鍵主題； 高成等［１６］ 研究發現了不同決策基礎下， 用戶對產品屬性的關注度存在差異； 許泰然等［１７］ 研究了不同的企業策略對用戶關注度的影響， 揭示了用戶關注度隨產品發布時間等變化的發展規律； 張艷輝等［１８］ 發現在線聲譽水平對用戶關注度的影響不是一成不變的， 而是與聲譽水平的高低呈倒Ｕ 型關系。用戶的關注度是用戶對產品各個屬性的關注集合， 而現有研究大多是對某個獨立的關注要素進行分析。因此， 本文將信號理論引入到該領域的研究中， 將獨立的用戶動態關注度屬性整合起來， 綜合產品特征屬性和產品服務屬性構建理論模型， 分析產品和服務多屬性關注度的動態變化， 進而為企業在產品開發、導入、成長等不同階段提供決策參考建議。

２理論模型與研究假設

美國經濟學家Ｓｐｅｎｃｅ最早提出信號理論， 指出其包含３ 個關鍵要素， 信號發送者、信號及信號接收者， 該理論主要被應用于買方和賣方信息不對稱的情境［１９］ 。依據信號主體的不同， 本文將信號區分為產品特征信號和產品服務信號。其中， 產品的外觀、功能、價格、品牌屬性屬于產品本身的特征， 歸屬于產品特征信號； 物流和商家服務屬于平臺業務， 歸屬于產品服務信號。此外， 產品特征信號又可以根據產品自身固有的、不能被改變的屬性，以及與產品本身功能無關、可以被操控的屬性分為內部信號和外部信號［２０］ 。因此， 本文進一步細分，把功能和外觀屬性傳遞的信息稱為產品內部信號，品牌和價格屬性傳遞的信息稱為產品外部信號， 最終建立如圖１ 的理論模型圖。

２.１產品內部信號

產品的價值是它的自然屬性， 它是不同領域差異性的集合。從本質上講， 它可以分為外觀屬性和功能屬性［２１］ 。當用戶在瀏覽評論時， 可以大致獲得搜索型產品的自然屬性信息。享樂適應理論指出， 積極或消極變化的情緒伊始都會引起個人幸福感的變化， 但這種刺激的狀態會逐漸淡化， 幸福感最終回歸到穩定的狀態［２２］ 。外觀屬性所帶來的審美體驗屬于享樂屬性， 用戶會在初期因為產品的外觀屬性產生積極情感， 但作為搜索型產品， 隨著時間的發展， 用戶會逐漸適應由享樂屬性這一信號帶來的刺激， 從而降低對產品外觀屬性的關注度?；谝陨险撌觯?本文提出以下假設：

Ｈ１： 隨著產品時間的發展， 用戶對產品外觀屬性的關注度呈下降趨勢

期待確認理論是一種認知理論， 大多被用來研究用戶購買產品后的滿意度和關注度［２３］ 。王夏陽等［２４］ 認為， 用戶在進行購買決策時， 通常會根據評論信息進行產品評估， 然后形成自己的期望。楊晶等［２５］ 指出， 期望確認理論對于用戶信息實際結果的感知水平有正向的影響。Ｓｕｎ Ｊ 等［２６］ 發現用戶在每一次使用產品中， 都會啟動產品的功能屬性，重新產生積極的使用體驗。搜索型產品的評論信號可以傳遞大部分的功能信息， 因而用戶感知水平就會較高， 有助于增強對產品的認知， 減少購買產品的風險。因此， 用戶對搜索型產品的功能信息一直都是較為關注的?；谝陨险撌?， 本文提出以下假設：

Ｈ２： 隨著產品時間的發展， 用戶對產品功能屬性的關注度呈上升趨勢

２.２產品服務信號

服務指商家以提供勞動的形式來滿足用戶需要的一系列活動。根據現有文獻分析， 本文把產品的服務分為物流服務和商家服務。石明明等［２７］ 認為，隨著消費升級， 用戶對服務的期望越來越高， 從而服務優質、有品牌影響力的產品就會得到用戶更多的關注。以用戶為中介信號可以很好地傳遞服務消費過程中的體驗， 因此用戶更重視有相同體驗的人所傳播的服務信號。網絡口碑是用戶表達自己意見及期望的一個重要渠道， 可以成為企業發現服務問題的新途徑， 進而做出可行的服務決策［２８］ 。服務信息是賣家和平臺提供的， 對于用戶來說屬于不對稱信息， 產品的網絡口碑所傳遞的服務信號可以降低信息不對稱程度， 為用戶提供購買決策。因此，用戶在除了對產品本身有要求之外， 對產品的口碑和服務也會更加關注。基于以上論述， 本文提出以下假設：

Ｈ３： 隨著產品時間的發展， 用戶對物流服務的關注度呈上升趨勢

Ｈ４： 隨著產品時間的發展， 用戶對商家服務的關注度呈上升趨勢

２.３產品外部信號

產品的品牌是產品所有者的社會形象， 對于用戶來說， 產品品牌的知名度越高， 其質量也會越高。但是從心理學角度來看， 用戶忽略個人需求或者產品的質量來跟隨別人的意愿選擇品牌可能是不佳的。產品的品牌和外觀等屬性都是富有情感的體驗， 屬于享樂屬性。隨著時間推移， 用戶會逐漸適應由享樂屬性這一信號帶來的刺激。同時， 赫爾森提出的適應水平理論認為， 人對當前事物的知覺不僅有賴于外部提供的刺激， 而且依賴先前已經形成的刺激或印象［２９］ 。同一個用戶面對同一類型產品刺激的時間越長， 可能就會越不敏感。Ｘｕ Ｆ 等［３０］認為， 用戶對處在生命初期的產品認知度是比較差的， 此時用戶的評論更多依賴于情感屬性， 因此該階段的評論可信度較低， 此時品牌是用戶選擇產品的主要依據。對于處于生命成熟期的產品， 用戶的認知度較好， 此階段的用戶評論較具真實性， 可信度較高， 用戶則會更多地以評論作為購買依據， 品牌的作用會相對減弱?；谝陨险撌?， 本文提出以下假設：

Ｈ５： 隨著產品時間的發展， 用戶對品牌的關注度呈下降趨勢

特征價格理論指出， 用戶實際購買的應該是產品的各個屬性集合， 每一個屬性對應著不同的價格［３１］ 。用戶在購買產品前會以大規模的產品評論作為依據來對產品的價格與特征是否相匹配做出評判。同時， 傳統價格理論認為， 價格是影響用戶偏好的重要因素之一。劉華等［３２］ 認為， 價格在產品市場中主要有質量信號功能與促銷信號功能。產品的價格與質量大多數是成正比的， 作為質量的信號，產品價格信息有助于用戶評判產品的質量。搜索型產品大多是家電之類的貴重物品， 在促銷活動中價格彈性就會相對大一些， 很多用戶會選擇在大型促銷活動中購買家電產品， 所以促銷信號功能就會有助于產品的銷售。隨著網絡在線平臺的發展， 平臺的促銷活動也日益頻繁， 用戶對于價格就會更加關注?；谝陨险撌?， 本文提出以下假設：

Ｈ６： 隨著產品時間的發展， 用戶對價格的關注度呈上升趨勢

３研究設計

３.１數據來源與預處理

本文采用Ｐｙｔｈｏｎ 爬取京東平臺上的用戶評論。根據文獻分析［３３］ ， 選擇冰箱這一典型的搜索型產品作為研究對象， 同時， 由于京東平臺評論具有一定的時效性， 本文選取的產品均是２０１９ 年左右上市， 至今仍在銷售， 具有較完整的評論信息， 共獲取到平臺２０１９ 年９ 月—２０２２ 年６ 月包括８ 個品牌的２０ 款冰箱的４５ ８４６條評論。為提升主題識別的準確率， 本文對評論數據進行無用或異常字符的去除和相似詞匯的替換， 得到不同時間段的分詞文檔， 進行Ｊｉｅｂａ 分詞并轉化為詞匯—文檔矩陣， 最終得到４１ ６２５條有效評論。

３.２主要變量獲取

３.２.１解釋變量： 用戶關注度

根據現有文獻分析， 用戶對于不同產品的關注屬性是不同的［３４］ 。僅從理論部分劃分產品的特征很難契合用戶對產品的理解。因此， 本文采用ＬＤＡ主題模型挖掘評論主題， 從用戶的角度對不同的關注屬性進行深入分析， 過程如下。

１） 確定主題數目。對于ＬＤＡ 主題模型， 確定主題數目是關鍵的問題之一， 為保證結果的科學性與嚴謹性， 本文采用困惑度并輔助人工來確定最優主題數目。困惑度是用來衡量ＬＤＡ 主題數量精準度的指標， 一般根據困惑度的最低點或者拐點得出各個時間段的ＬＤＡ 主題數目， 然后通過人工篩選判讀處理， 避免主題重復及過擬合的問題， 最終確定最優主題數目［３５］ 。以前５ 個時間段為例， 在第一時間段得出主題數為７， 此時間段沒有過擬合的主題數， 所以最優主題數為７； 在第二時間段得出主題數為８， 但經人工篩選評判有兩個主題中出現重復及過擬合問題， 所以最優主題數為６； 同理得出第三、四、五時間段的最優主題數分別為６、６、７。各時間段最優主題數目如表１ 所示。

２） 用戶關注度計算。用戶關注度是衡量用戶對各用戶需求關注程度的指標。關注度數值越大，表明用戶對這一產品屬性越關注。結合各時間段下的評論文本數量， 計算出在不同時間下的各主題強度， 各個時間段的用戶關注度如式（１）：

３.２.２被解釋變量： 在線評論的時間序數

本文參考邵景波等［３６］ 的研究， 將在線評論時間序數作為被解釋變量， 來描述不同時間段內各屬性的關注度動態變化。由于大多數用戶在瀏覽評論時只會選取前幾個評論頁面的評論數量， 劃分時間太短或太長都會影響數據的準確性， 綜合考慮各時間段產品銷量和利潤情況［３７］ ， 本文以在線評論中的相同評論頁面數量為劃分單位， 將評論數據按照時間順序分為１０ 個時間段， 得到不同關注度屬性的１０ 組評論數據。同時為了減少時間序數值域差異造成的影響， 對其取對數處理［３６］ ， 由此可以得出被解釋變量ｌｎｔ。

本文所涉及到的變量描述如表２ 所示。

４實證分析

４.１描述性統計

本文利用Ｓｔａｔａ１５軟件進行回歸分析， 各個變量的描述性統計結果如表３ 所示。

４.２計算關注度

４.２.１關注度強度

首先， 利用ＬＤＡ 主題模型， 獲得不同時間段下的困惑度。本文以第一時間段為例， 如圖２ 所示， 當主題數目從６ 變成７ 時， 困惑度曲線出現拐點且明顯下降， 然后根據人工評判， 最終確定第一時間段的主題數為７。

按照主題數訓練模型， 獲得第一時間段內每個主題的詞匯分布， 選擇概率前１０ 的詞匯作為主題代表， 并結合其他詞匯輸出的信息， 得到各關注主題的識別結果如表４ 所示。

７ 個主題側重的方面是不同的， ｔｏｐｉｃ０ 包含“品牌、信賴、保障” 等詞匯， 顯示的是用戶關注的品牌因素； ｔｏｐｉｃ１ 和ｔｏｐｉｃ３ 略有重復， 包含“功能、制冷、保鮮” 等詞匯， 顯示的是產品的功能屬性；ｔｏｐｉｃ２ 包含“價格、實惠、價廉” 等詞匯， 顯示的是產品的價格屬性； ｔｏｐｉｃ４ 包含“送貨、速度、快遞” 等詞匯， 顯示的是產品的物流服務； ｔｏｐｉｃ５ 包含“外觀、漂亮、高端” 等詞匯， 顯示的是產品的外觀屬性； ｔｏｐｉｃ６ 包含“客服、售后、服務” 等詞匯， 顯示的是產品的商家服務。根據得出的主題概率， 發現用戶最關注的是功能屬性（０.２３６）， 然后依次是產品的物流服務（０.１６７）、外觀屬性（０.１６６）、品牌屬性（０.１６３）、商家服務（０.１４８）， 最后是價格屬性（０.１１９）。本文還對各變量的相關關系進行了探究， 結果顯示， 功能、物流服務、商家服務、價格屬性與時間呈現正相關關系， 品牌和外觀屬性與時間呈現負相關關系。

４.２.２主題關注度演化

結合不同時間段的評論數量， 根據式（１） 得到各主題在不同時間段的主題強度， 繪制主題強度及演化如圖３ 和圖４ 所示。圖３ 描述了所劃分的１０個時間段內各組的主題強度， 即各個時間段內不同屬性的關注度值， 圖４ 描述了在１０ 個時間段內各個主題的強度演化趨勢， 即不同屬性的１０ 組數據在各個時間段內的關注度變化值， 因此可以分析隨著時間發展用戶對不同屬性的關注度動態變化。

４.３回歸結果分析

本文對各變量進行ＶＩＦ 檢驗， 其系數都沒有超過１０， 故不存在嚴重的多重共線性問題。表５ 反映了模型的擬合程度， Ｒ^２值越接近１， 模型擬合效果越好。同時識別出的６ 個主題中， 價格主題ｐ＝０.５.８＜０.０５， 即產品的價格屬性與時間的關系不顯著， 沒有進入回歸模型［３８］ 。其余主題均逐步進入了模型， 得到模型如式（２）：

本文的假設支持情況如表７ 所示。

１） 從回歸結果上看， 產品功能、產品服務與產品發布時間呈現正相關的關系， 即隨著時間的推移， 用戶對這些屬性的關注趨勢是上升的。這表明用戶在購買搜索型產品時， 對功能屬性是一直處于高度關注水平的， 時間的積累并不會削弱搜索型產品的功能屬性強度。同時， 用戶對于服務的關注度也是處于上升趨勢。這是因為隨著各個在線平臺的激烈競爭與發展， 服務也就成了衡量一個產品及其所在平臺優劣的標準之一［３９］ ， 用戶對產品的服務也會變得更加關注。

２） 產品的品牌、外觀屬性與產品的發布時間呈現負相關的關系。產品的品牌和外觀屬性均屬于產品的享樂屬性， 享樂屬性的性質決定了產品在初期會受到用戶的格外關注， 但隨著時間的推移， 用戶所接收到的積極情緒刺激會趨于穩定， 從而用戶的關注度就會降低， 這在一定程度上也驗證了享樂屬性在搜索型產品領域的適用性。價格沒有進入模型， 假設４ 沒有得到驗證， 這是因為搜索型產品的整個生命周期內價格并沒有太大的浮動［４０］ ， 隨著人們消費水平的提高， 用戶對產品的質量有著更高的要求， 當用戶決心購買某類搜索型產品時， 已經根據產品信號的傳遞掌握了大部分的信息， 價格不再是人們購物的決定性因素。因此， 產品價格與用戶動態關注度并沒有顯著的影響關系。

５總結與討論

本文以信號理論為理論基礎， 構建了用戶動態關注度在搜索型產品領域中一個可供參考的理論框架， 通過ＬＤＡ 主題識別， 將用戶關注屬性分為６個主題維度并得到相應的主題內容， 最后進行回歸分析來提取不同時間段下各關注度的變化特征。研究表明， 用戶對不同屬性的關注度是存在差異的，除價格信號外， 產品的特征信號和服務信號所傳遞的信息均對用戶動態關注度有著顯著影響。通過分析用戶關注度的動態變化特征， 企業可以有針對性地進行產品或服務管理， 迎合用戶日益變化的關注需求， 同時對企業制定決策具有重要意義。企業可以從產品開發、導入和成長方面進行經營管理和信息決策：

１） 在產品開發階段， 企業可以在初期做好用戶調研和市場分析， 準確把握用戶對產品外觀屬性的審美偏好。這是因為搜索型產品在上市后， 企業一般不會再對產品的外觀特征做變動或升級， 因此要延長用戶的審美體驗與享樂適應的過程， 從而保障產品在整個生命周期內持續被用戶選擇。同時，由于用戶對搜索型產品的功能屬性的關注度一直處于較高強度， 因此， 在開發產品階段， 應該著重研發產品的功能屬性。

２） 在產品導入階段， 企業應該給予品牌建設更高的關注度和支持度， 當產品有了一定品牌知名度后， 便可獲取由品牌帶來的忠誠客戶， 提高顧客粘性； 同時， 在產品導入市場后， 應該做好品控，給用戶良好的產品使用體驗， 并且針對產品功能屬性做好廣告宣傳。

３） 在產品成長階段， 用戶對產品外觀及功能之外的服務質量會更加關注， 因此， 在產品成長期內， 企業要加大對物流服務各方面的投入， 促進個性化的物流增值服務， 以提高用戶滿意度和關注度； 同時， 產品成長期用戶已經對產品的功能屬性有了一定的認知， 可以在此時期減少對產品功能屬性的宣傳， 并且可適當減少對品牌的投入， 享受“品牌紅利”。

本文只選擇了一類產品作為搜索型產品的代表， 難以完全避免產品自身特點所造成的影響， 在一定程度上限制了結論的有效性。在未來的研究中， 可以增加多種品類以及體驗型產品的在線評論， 對研究的結論加以驗證和補充。