英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料
产品属性对客户满意度的影响：洗衣机在线评论分析
摘要
在线评论是公司分析用户需求的重要信息来源。我们对在线评论进行了研究，以衡量产品属性如何影响客户满意度。首先，我们试图通过情绪分析来推断客户是否满意他们的评论。其次，建立了一个逻辑回归模型来评估不同产品特性对顾客满意度得分的影响。我们的估计表明，客户满意度受排水方式、装载类型、变频、类型、显示、颜色和容量的影响。我们进一步调查了价格的影响，发现购买廉价产品的客户应与购买昂贵产品的客户区别对待，因为设计特征对他们满意度的相关性是不同的。此外，我们观察到，尽管客户关心噪音，但感知到的噪音与实际噪音水平不一致。我们分析了具体的评论，然后获得了关于客户态度的更详细的信息。
关键词：顾客行为;顾客满意;在线评论;产品属性;产品设计
1. 介绍
了解客户的行为和对产品设计和营销的反应对于制造商来说至关重要。顾客的满意度影响他们对公司的忠诚度。因此，满足现有和潜在客户的需求已成为市场驱动产品设计的一个严重挑战。为了提高顾客满意度，有必要研究产品属性对顾客满意度的影响。
现有的关于顾客行为的研究通常依赖于通过传统的纸笔调查或在线问卷来采访受访者。这些方法通常既昂贵又耗时（周等，2016）。此外，从调查中获得的数据质量取决于受访者参与研究的意愿，可能会因问卷的长度或复杂性而产生偏差（Groves，2006年）。互联网零售和电子商务为改进客户行为分析提供了新的机会。随着电子商务越来越流行，一个产品收到的客户评论数量迅速增长。这些审查是公司分析用户需求的重要信息来源（Guo等人，2017年），可以提供关键的及时反馈（Abrahams等人，2012年）。与管理的问卷相比，客户评论是免费提供的评估，可以更准确地反映客户的担忧。
近年来，已经完成了大量的研究，以确定如何最好地从在线评论中检测客户的优先级。然而，只有少数研究讨论了在线评论对产品设计的价值。因此，本研究旨在研究在线评论如何帮助产品设计师分析客户需求。对中国领先的B2C网上购物平台之一苏宁网的洗衣机评论进行了详细分析。特别是，通过情绪分析对117585次审查中每个客户的满意度进行了量化。然后对每一个顾客的满意度进行测量，并与一组产品属性相关，如颜色、排水方式、装载类型等，接着研究价格对满意度的影响，以及不同价位购买产品的顾客之间的差异。此外，还研究了客户对洗衣机噪声水平的感知与洗衣机实际噪声水平之间的关系。最后，使用潜在的Dirichlet分配（LDA）（Blei等人，2003；Blei和Lafferty，2007；Jo和Oh，2011；Wei和Croft，2006）从讨论的评论中提取客户态度。
本研究旨在确定以下关键因素。首先，对顾客满意度进行了测量，结果表明：类型、颜色、排水方式、容量、变频、显示和装载类型对满意度均有显著的统计学影响。具体来说，客户更满意的洗衣机，其中包括一个脉动，黄金，大容量，向下排水，变频，液晶显示屏（LCD）屏幕，和前装载。但是，其他属性（包括自动操作类型、控制模式、材料、能效等级和自动关机）并没有显著影响客户满意度。
其次，我们的研究调查了不同经济水平的客户之间的差异。产品价格可以反映客户的财务状况，因此根据客户购买洗衣机的价格，将客户分为三类。一般来说，更昂贵的产品与更高的满意度有关。然而，并非所有三个客户收入群体都是如此。价格上涨与购买低价产品的客户满意度下降有关。购买高价产品的客户对模型价格不敏感。此外，研究结果表明，购买昂贵产品的顾客和购买廉价产品的顾客在设计特征上有不同的优先权。
第三，通过对讨论洗衣机噪声的评论分析，可以发现顾客对洗衣机噪声的关注程度不同，但对噪声干扰的感知敏感性也不同。客户可能会抱怨他们的洗衣机有噪音，即使其规定的噪音等级不是特别高。最后，我们评估了与这两个具体因素相关的评论。我们的研究结果表明，上排水和下排水设计都有优势，但几乎所有客户都喜欢变频洗衣机。
2. 文献综述
在线社区的作用，特别是在新产品开发的背景下，已经被许多研究所讨论过（例如，Franke和Piller，2003年）。Lee（2007）强调，在线产品评论使营销人员和制造商能够更全面地了解客户。Zhu和Zhang（2010）证明，在线客户评论可以很好地通过口头交流客户体验。In Jin等人（2014年），实施了序数分类法和整数规划模型，将在线评论转化为相应的原始客户满意度评级。
首先，对情感分析文献进行了评价。情感分析是指使用自然语言处理（NLP）、文本分析、计算语言学和生物特征来分析意见和发现客户的感受。许多研究通过分析语境中的极性来解决评估情感线索的问题（例如，Wiebe和Riloff，2005；Wilson等人，2005）。为了提高情绪分类的准确性，开发了一些特殊技术（例如，Mullen和Collier，2004年；Xia等人，2013年；Nakagawa等人，2010年；Hassan和Radev，2010年）。例如，邱等人（2009）提出了一种新的传播方法，利用情感词汇和特征之间的关系，提取新的情感词汇和特征。许多研究已经从在线评论中识别或提取了客户情感。Hu和Liu（2004）挖掘了客户表达意见的产品特点。然后，研究人员使用分析方法从文本标准中检测顾客的意见是积极的还是消极的。最近，一些作者指出了建立在计算社会科学研究方法基础上的研究设计的力量，包括使用基于机器的方法结合解释性经济计量学研究求解NLP（Chang等人，2014年，Kauffmanet等人，2017年）。
在Liu等人（2005年），提出了一种基于语言模式挖掘的新技术，以从特定类型的评论中提取有关产品特性的详细信息。Zagibarov和Carroll（2008）描述并评价了一种新的中文产品评论无监督情绪分类的自动种子词选择方法。Lin和He（2009）提出了一个联合情绪/主题模型，在评论中同时检测情绪和主题。Hedegard和Simonsen（2013）调查了在线评论的内容，根据可用性和用户体验的不同维度绘制了评论中的信息分布。
一些研究讨论了在线评论在产品设计过程中的价值。Decker和Trusov（2010）提出了一个计量经济学框架，允许对产品属性和品牌名称对产品整体评价的相对影响进行推断。Tucker和Kim（2011）提出了一个强大的框架，通过从公开的产品审查数据动态捕捉客户偏好趋势，丰富产品设计过程。Goorha和Ungar（2010）描述了一个监控社会和主流媒体的系统，以确定人们对产品的看法的变化。Wang等人（2011）开发了一种系统的方法，从在线评论中获得产品属性，通过贝叶斯线性回归构建客户偏好模型，并将这些模型用于设计选择。Jin等人（2012年），提出了一个有监督的学习程序来识别产品特性，然后可以通知顺序分类算法，以便为设计师确定工程特性的优先级。一些工作还试图捕捉客户需求变化的迹象，并预测随后的设计趋势（例如，Lee，2007年；Tucker和Kim，2011年）。
尤其是，过去的研究表明，检测产品缺陷如何提高改进设计的性能。社会媒体监控、文本分类和情感分析已成功应用于以往的缺陷检测工作中。Abrahams等人（2012、2013、2015）开发了用于缺陷检测的文本分析框架，并将这些方法应用于发现汽车和消费电子行业的缺陷。Law等人（2017）扩展了文本分析框架，用于检测大型家用电器的性能不足，其结果将有助于改进洗碗机电器的质量管理方法。In Jin等人（2016年），从在线评论中提取了产品特征方面和消费者选择特征的详细原因，以告知设计师导致用户体验不满意的特征。
3. 数据和方法
3.1. 数据描述
本研究中使用的数据包括从苏宁网站提取的洗衣机审查数据。苏宁网是一个全新的B2C网上购物平台，里面充斥着传统家电、日用品等产品类别。每月活跃用户超过5亿，位列中国B2C企业前三位。suning.com提供了两个数据集：一个审查数据集和一个产品数据集。
审查数据集记录了117585次客户审查，包括产品ID、产品评级（以一到五星级的形式）和全文消费者评论。审查在2012年3月至2014年11月期间公布。在过滤掉空的和重复的记录后，仍然有105263条评论。产品数据集由有关每个产品的属性和功能的信息组成。对于每台洗衣机，数据包含产品ID、名称、自动类型、控制模式等。为了获得每次评审的产品属性，将产品数据集与评审数据集相结合。这就产生了71909份本研究的审查记录。
3.2. 情绪分析
在中国，如果一些零售商在网上给出有利的评论，他们通常会向客户提供奖金。因此，客户可能倾向于给产品更高的数值评级，即使他们不满意。相比于一到五星级的总结，消费者更可能在网上评论中表达他们的真实感受。从数据集可以看出，许多数字评分与评论不匹配，因为许多客户在他们的文本评论中表达了不满，但他们都在评分中给了5颗星以获得奖金。因为客户评论通常更能反映他们的真实态度，所以我们使用评论评论而不是编号的评分来评估客户满意度。
采用NLP技术对评审结果进行分析。中文和英文表达方式之间存在一些关键差异（周等。2016）。Snownlp是一个专门分析中文的python库，用于处理评论。它具有类似于textblob（用于处理英语文本数据的python库）的功能，例如语音标记、名词短语提取、情感分析和文本抽象。
我们首先用复习评论资料把词典训练成了snownlp。为了提高情绪分析的准确性，一些回顾样本被手动标记，然后存储在现有词典中。snownlp可以预测一个句子是正的或负的概率。分析得到了55291个正面评价和16618个负面评价。然后使用每个客户发布的评论类型来衡量满意度，并将其输入下面的模型中。
3.3. 回归模型
该模型基于客户满意度（即情绪分析结果）与产品属性之间的关系。我们定义了一个二元变量satisfactioni，satisfactioni=1，前提是其回顾记录的情绪分析结果为正，否则satisfactioni=0。
创建了一系列虚拟变量。例如，洗衣机有三种类型，包括脉动式洗衣机、滚筒式洗衣机和干衣机。测量类型I由两个虚拟变量组成：类型_脉动器和类型_鼓。估计它们能捕捉到类型的影响。同样，还研究了颜色（颜色）、材料（物质）、能效等级（能量）和显示屏（显示器）的影响。它们都包含一组虚拟变量。为了考虑自动类型的影响，构造了虚拟变量automationi。洗衣机可以是自动的和半自动的。如果第i台洗衣机是自动的，则二进制变量automationi定义为automationi=1；如果是半自动的，则automationi=0。同样，通过使用表示控制模式（controli）、排水模式（drainagei）、加载类型（loadingi）、频率转换（frequencyi）和自动关机（autooffi）的变量来考虑其他属性。此外，还引入了可变容量作为衡量洗衣机容量的指标。
我们建立了一个逻辑回归来估计上述变量对满意度的影响。控制产品和客户特征潜在异质性的一组变量，包括价格（pricei）、噪音（noisei）、品牌（brandi）、重量（weighti）、用水量（consumeptioni）和家庭类型（familyi）。这些属性的集成并不完全依赖于生产设计者，因此这些属性作为控制变量被包括进来，以纠正异质性。附录中的表A1提供了所有变量和控件的列表。
4. 结果
4.1. 产品属性对顾客满意度的影响
表1总结了根据71909个评审样本，以客户满意度作为因变量对模型进行评估的结果。表中只显示了统计显著的系数。附录中的表A1提供了所有变量的结果。
表1中的回归结果表明，虚拟变量类型_脉动器（b）的系数的值为3A脉动器1.012，_型滚筒（B）系数为0.130。他们指出，与组合式洗衣烘干机相比，脉动式洗衣机或滚筒式洗衣机的满意度分别提高了175.1%和13.9%。此外，如果颜色从银色变为白色或灰色，满意度也会降低。然而，颜色“金色”（b）的系数估计为0.095（p=0.008），这表明如果洗衣机是金色的而不是银色的，客户满意度会提高10.0%。显示类型的影响也很显著。如表1所示，整体式液晶显示屏（B）的满意度提高了15.1%。但在10%的水平上，发光二极管（LED）屏幕的效果没有统计学意义，这一结果不支持客户对LED屏幕比没有显示屏更满意的共同假设。3-鼓4-黄金7LCD液晶显示器
数据还表明，上排水具有负作用（b=0.106，Plt;0.001），表明上排水与10.1%的满意度下降有关。显然，与上排水设计相比，用户对下排水更满意。当我们检验装载类型对客户满意度的影响时，发现系数为0.702（p=0.002）。客户对前置洗衣机比上置洗衣机更满意。接下来，我们发现频率系数（b）估计为0.217（plt;0.001），这表明如果洗衣机有频率转换，客户的满意度会提高24.2%。9-上11_转换
此外，研究结果表明，容量越大（b=0.081），满意度越高。具体来说，一个单位的产能增长导致了8.4%的满意度增长。材料、能源、自动化、控制和自动关闭的系数在10%的水平上不具有静态显著性，表明这些属性与客户满意度无关。因此，在制造商设计新的洗衣机型号时，不应优先考虑它们。13
总之，我们发现了与客户满意度相关的七个属性。从系数的标准化估计可以看出，洗衣机类型和装载类型的影响相对较大。其他属性也有统计学上的显著影响，但其影响较小。在设计产品时，制造商应认真考虑影响客户满意度的七个属性。此外，当资源有限时，制造商可能不需要改善没有重大影响的性能属性。
生产属
全文共10390字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[926]
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
