范瀅 季星宏

摘? 要： 為了更好地服務(wù)用戶、提高用戶滿意度，本文通過抓取應(yīng)用寶醫(yī)療健康類APP的在線評論，進(jìn)行情感傾向性分析以及詞頻統(tǒng)計，分析用戶情感特征，并以此提煉出影響用戶滿意度的九大因素。在此基礎(chǔ)上，借助李克特量表將文本量化，再運用四分圖模型分析影響因素。研究結(jié)果表明，正面評論占大多數(shù)，得益于APP的便捷;用戶對大部分因素表示滿意，但相比之下服務(wù)質(zhì)量、可優(yōu)化性、價格的滿意度較低。企業(yè)可以針對落于四分圖不同區(qū)域的影響因素，做出相應(yīng)的調(diào)整來提高用戶滿意度。

關(guān)鍵詞： 移動醫(yī)療;用戶滿意度;情感傾向性分析;詞頻統(tǒng)計;四分圖模型

中圖分類號： TP391? ? 文獻(xiàn)標(biāo)識碼： A? ? DOI：10.3969/j.issn.1003-6970.2020.10.010

本文著錄格式：范瀅，季星宏. 基于醫(yī)療健康類APP的用戶滿意度研究[J]. 軟件，2020，41（10）：3841

【Abstract】： In order to better serve users and improve their satisfaction， this paper analyzes the emotional propensity and word frequency statistics of the comments on the app of Application treasure for medical health care， gets the emotional characteristics of users， and extracts nine factors that affect user satisfaction. On this basis， the text is quantified with the help of Likert scale， and then the quadrifid graph model is utilized to analyze the influencing factors. The results show that positive comments account for the majority， thanks to the convenience of APP; users are satisfied with most of the factors， but they are less satisfied with service quality， optimization and price. Enterprises can make corresponding adjustments to the influencing factors in different areas of the quadrifid graph to improve user satisfaction.

【Key words】： Mobile health; User satisfaction; Analysis of emotional propensity; Word frequency statistics; Quadrifid graph model

0? 引言

隨著社會經(jīng)濟(jì)水平的提高，人們的消費逐漸健康化，對健康的需求日益增長?；ヂ?lián)網(wǎng)時代的到來，手機(jī)等移動設(shè)備的出現(xiàn)為傳統(tǒng)醫(yī)療數(shù)字化、移動化提供了必要條件。2018年BDR調(diào)研顯示，29.8%用戶身體出現(xiàn)不適時會選擇移動APP在線問診;2019年艾瑞咨詢數(shù)據(jù)顯示，這一數(shù)據(jù)已經(jīng)增長至65.9%。2019年末新型冠狀病毒肺炎疫情的爆發(fā)，使得用戶對醫(yī)療健康類APP的需求急劇增加。阿里健康、平安好醫(yī)生、好大夫在線、1藥網(wǎng)等多個醫(yī)療健康類APP幫助用戶及時進(jìn)行醫(yī)療問診、分診分流、新冠肺炎與普通流感篩查等工作，緩解了線下醫(yī)院的壓力，并且減少了交叉感染風(fēng)險。而用戶對于醫(yī)療健康類APP認(rèn)知度進(jìn)一步加強(qiáng)，使用率也有很大的增長。

用戶在使用醫(yī)療健康類APP后，以在線評論的方式發(fā)表對該APP所提供的各類服務(wù)的觀點。用戶評論具有潛在的重要價值，反映了其對該類APP所提供的各類服務(wù)的滿意度。對于用戶評論的分析，一部分學(xué)者往往對評論數(shù)據(jù)本身探究，對情感詞、符號、語義等進(jìn)行情感分析或有用性分析[1-5]，判斷用戶對該APP的態(tài)度;另一部分學(xué)者，則利用需求分析法來挖掘出用戶的潛在需求[6-7]，再分析其對用戶滿意度的影響。四分圖模型多數(shù)是基于問卷調(diào)查[8-10]，而問卷有效率較低，開放性的問題少，以至于難以獲取到更深層的信息。

因此，本文通過爬取醫(yī)療健康類APP的用戶評論，采用情感傾向性分析進(jìn)行用戶滿意度挖掘，再利用四分圖模型研究影響醫(yī)療健康類APP用戶滿意度的因素，從而提出優(yōu)化醫(yī)療健康類APP的對策建議，進(jìn)一步滿足用戶的健康需求，為廣大用戶提供更便利的服務(wù)。

1? 數(shù)據(jù)采集及預(yù)處理

本文基于應(yīng)用寶手機(jī)應(yīng)用商城的醫(yī)療健康類APP，利用數(shù)據(jù)采集軟件并利用Python爬取代碼共同采集用戶評論。本文采集的用戶文本評論信息集中于2019年7月至2019年12月，最終爬取了26個醫(yī)療健康類APP，其中包括好大夫在線、1藥網(wǎng)、掌上糖? ?醫(yī)、杭州健康通、平安健康等，獲取了超過8000條的用戶評論信息涵蓋了綜合服務(wù)、健康管理、健康理療、健康資訊、醫(yī)療服務(wù)、在線問診、便民服務(wù)等七個類別。

本文對獲取的用戶評論信息進(jìn)行整理與分類。首先，對原始數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，去除惡意差評以及毫無相關(guān)的評論;然后，把評論信息進(jìn)行格式統(tǒng)一化操作，修正不當(dāng)?shù)谋磉_(dá)方式并去除評論信息中非文字內(nèi)容，例如表情包、無意義的符合等;最后，通過ROCTCM6軟件對清洗后的評論數(shù)據(jù)進(jìn)行分詞以供進(jìn)一步操作。

2? 評論數(shù)據(jù)分析

用戶評論信息包含了用戶的情感傾向，所以在分析用戶滿意度之前，先要挖掘和分析出其主觀信息[11]。由于ROSTCM6軟件是基于情感詞典，并定義了語法規(guī)則，能夠很好地分析出文本的情緒內(nèi)容。因此，本文借助ROSTCM6軟件來對用戶評論信息進(jìn)行情感傾向性分析。

利用ROSTCM6軟件的文本處理功能，得到有效信息數(shù)為5171條。再用其情感分析功能對用戶評論信息進(jìn)行情感值計算，根據(jù)情感值來判斷用戶評論信息的情感傾向。它將其劃為積極情緒、中性情緒和消極情緒三大類[12]：情感值大于0分的為積極情緒，小于0分為消極情緒，等于0分為中性情緒。統(tǒng)計結(jié)果如圖1所示，可以發(fā)現(xiàn)用戶對醫(yī)療健康類APP的總體情感傾向為積極。其中，積極情緒占比最低的是健康資訊（57.14%）、醫(yī)療服務(wù)（64.74%）;占比最高的是健康管理（81.17%）、在線問診（81.12%）。

為了進(jìn)一步地豐富用戶的情感特征，結(jié)合ROSTCM6軟件的分詞和詞頻統(tǒng)計功能，過濾與用戶情感信息無關(guān)的詞語，得出積極情緒和消極情緒排名前20的特征詞如表1所示。通過對圖1與表1的綜合分析可以發(fā)現(xiàn)：

（1）功能不完善是導(dǎo)致用戶積極情緒低的重要原因

“麻煩、廣告、功能、注冊、運行、界面”有關(guān)功能性的特征詞，在消極情緒的評論中出現(xiàn)的較多。這表明醫(yī)療健康類APP的功能優(yōu)化程度直接影響用戶的情感?！绊憫?yīng)很慢”，“注冊不了”，“廣告亂七八糟”等評論，說明了功能不完善讓本就急于求醫(yī)的用戶更加心煩意燥。比如健康資訊類的“母子健康手冊”APP，目標(biāo)人群為準(zhǔn)媽媽，但是他們大部分反而會選擇網(wǎng)上搜索相關(guān)知識。這正是因為功能的覆蓋面有限，導(dǎo)致用戶黏性低，使得企業(yè)不得不增加廣告，減少維護(hù)APP的次數(shù)。因此，企業(yè)要注重功能性，在有針對性的基礎(chǔ)上，增加新的輔助功能，能在最大限度上滿足用戶更多的需求。

（2）便捷性是產(chǎn)生積極情緒的重要原因

“方便”等特征詞正說明了醫(yī)療健康類APP的存在意義。由于我國老齡化越來越嚴(yán)重，健康管理類APP能有效地監(jiān)控中老年人的身體狀況，及時發(fā)出預(yù)警，為其提供健康保障。讓本就腿腳不便的用戶，減少了日常排隊就醫(yī)和檢查的時間，給予了極大的方便。同樣地，在線問診類APP除了提供一站式在線就醫(yī)服務(wù)，也有預(yù)約掛號的功能。這不僅減少用戶的排隊時間，也在一定程度上緩解了線下醫(yī)院就診壓力。

（3）服務(wù)質(zhì)量對減少消極情緒起著補(bǔ)充作用

“敷衍、解答、糊弄”等有關(guān)服務(wù)質(zhì)量的特征詞更影響著用戶的消極情緒，這是由于在用戶使用過程中，服務(wù)是在潛意識上影響著用戶的情感，并在給予評價時賦予自己的主觀想法。而且“醫(yī)生”的詞頻數(shù)最多，這表明企業(yè)不僅要與合作醫(yī)院的醫(yī)生“約法三章”，還要注重專業(yè)人員的客服服務(wù)。讓企業(yè)隨時獲得用戶的反饋，以此完善用戶所關(guān)心的細(xì)節(jié)，增加用戶黏性。

3? 用戶滿意度分析

為了分析用戶滿意度，首先需要確認(rèn)其影響因素。通過2.1的情感特征詞，提取出用戶滿意度的影響因素。接著用李克特量表的方法將因素量化，得到各自的滿意度打分。最后將因素在評論中出現(xiàn)的次數(shù)作為重要度，與滿意度一起進(jìn)行四分圖模型分析。

3.1? 提取影響因素

基于2.1的情感特征詞，發(fā)現(xiàn)在評論信息中，影響用戶滿意度的因素主要集中在9個方面，即服務(wù)質(zhì)量、用戶信任感、便捷性、可靠性、可靠性、可優(yōu)化性、價格、主要功能、APP的運行、用戶使用感受[13]，如表2所示。

3.2? 四分圖模型分析

四分圖模型經(jīng)常用來對顧客滿意度進(jìn)行分析，該模型可以有效地對影響因素“對癥下藥”[14]。因此，為了進(jìn)一步分析，本文選擇四分圖模型。

為了分析影響因素與用戶滿意度之間的關(guān)系，在確定因素后，首先要對每條評論進(jìn)行量化。本文使用李克特量表方法，將滿意度分為非常滿意、比較滿意、一般、不太滿意、很不滿意[11]。而上文在做情感分析時，ROSTCM6軟件已將評論的情感值分為積極、中性、消極三種情感，以及積極和消極的強(qiáng)度還分為一般、中度、高度。因此，在表3中給出了用戶評分、滿意度、評論類型及強(qiáng)度之間的對應(yīng)關(guān)系。

將每個評論對這9個影響因素進(jìn)行滿意度打分，若是評論中沒有提及某個影響因素的話，就表示用戶對該因素持中性情感，評分為3分。（如表4所示）

接著將各影響因素的滿意度打分綜合，即該影響因素的評分總和與評論數(shù)量的比值。而影響因素所含詞匯的頻次和作為重要度，得出每個影響因素的重要程度與滿意程度。（如表5所示）

最后根據(jù)各影響因素的重要度和滿意度得出四分圖模型（如圖2所示）。其中，縱軸表示各影響因素的重要程度，橫軸表示用戶對各影響影響因素的滿意度。由于爬取的評論好評率較高，滿意度也都較高，所以把4.5定為界點。

（1）優(yōu)勢區(qū)，即高重要性、高滿意度。

主要功能和便捷性位于該區(qū)域，表明用戶對醫(yī)療健康類APP的主要功能與便捷性等方面比較看重，且還是滿意與認(rèn)可的。由此可見，醫(yī)療健康類APP的主要功能、便捷性能否滿足用戶需求是用戶下載并繼續(xù)使用的重要前提條件。所以，主要功能不僅是用戶所關(guān)注的，也是企業(yè)所注重的。企業(yè)應(yīng)該努力培養(yǎng)和維持這些指標(biāo)，以提高客戶的滿意度。例如，響應(yīng)健康中國戰(zhàn)略，增加針對中老年用戶群體的健康管理服務(wù)和醫(yī)療服務(wù)功能。在注重功能開發(fā)上，又不能過于復(fù)雜。功能與便捷，實現(xiàn)兩者的平衡。

（2）修補(bǔ)區(qū)，即高重要性、低滿意度。

雖然沒有影響因素落在該區(qū)域，并不是表明企業(yè)沒有需要改進(jìn)、重點修補(bǔ)的地方。例如醫(yī)療健康類APP功能有限，往往只能滿足用戶的一部分健康，而非全部。同時，醫(yī)療健康類APP與線下實體醫(yī)院存在的對接不一致要求可能會給用戶帶來不必要的麻煩。這恰恰說明我國移動醫(yī)療市場發(fā)展進(jìn)程還處于初級階段，需要政府出臺相關(guān)的配套政策對于醫(yī)療健康類APP進(jìn)行指導(dǎo)與管理，并進(jìn)一步加強(qiáng)線上應(yīng)用與線下實體醫(yī)院的關(guān)聯(lián)度，企業(yè)也可以通過借鑒國外成熟醫(yī)藥診療體系，與中國國情，自身的特點相結(jié)合，多方面發(fā)展，不斷完善，挖掘新功能，加強(qiáng)政府、企業(yè)、醫(yī)院三方聯(lián)系，服務(wù)廣大用戶。

（3）機(jī)會區(qū)，即低重要性、低滿意度。

服務(wù)質(zhì)量、價格、可優(yōu)化性位于該區(qū)域。表明用戶對這三方面并不滿意，但僅是用戶目前并不太在意。其中，服務(wù)質(zhì)量接近機(jī)會區(qū)與維持區(qū)的交界線，說明用戶對當(dāng)前醫(yī)療健康類APP服務(wù)質(zhì)量的滿意度在提升，可見企業(yè)正在逐漸重視服務(wù)質(zhì)量在醫(yī)療健康A(chǔ)PP的重要度。對企業(yè)而言，正由于服務(wù)質(zhì)量直接對滿意度產(chǎn)生主觀影響，用戶的態(tài)度往往決定著企業(yè)的興衰成敗。企業(yè)對用戶提供的優(yōu)質(zhì)服務(wù)會得到用戶群體的信賴有效促進(jìn)良性循環(huán)，為企業(yè)持續(xù)為用戶提供優(yōu)質(zhì)醫(yī)療服務(wù)作保障。

（4）維持區(qū)，即低重要度、高滿意度

可靠性、用戶信任感、APP的運行、用戶使用感受位于該區(qū)域。它們的重要程度相對不高，屬于次要優(yōu)勢。隨著移動醫(yī)療市場不斷發(fā)展，APP之間競爭會增加，可靠性和用戶信任感的重要性會逐漸突出，因為用戶往往會在眾多APP之間選擇更專業(yè)、更有背景、更值得信賴的那一個。而APP的運行是否流暢、穩(wěn)定，也是靠其背后的技術(shù)支持是否強(qiáng)大。這也直接影響到APP的界面、操作，以及用戶的使用感受。因此，如果從企業(yè)資源的有效分配考慮，可以先從該部分做起。

綜上所述，用戶評判一個醫(yī)療健康類APP的好壞，往往是通過主要功能和便捷性這兩個因素來決定的。如果它的功能沒有滿足用戶的需求，它的便捷性也沒有達(dá)到用戶的期望，那么用戶的評價就是不滿意。對用戶而言，如何便捷地實現(xiàn)切身所需才是最為重要的。隨著醫(yī)療健康類APP市場的進(jìn)一步發(fā)展，位于下半?yún)^(qū)的這些影響因素將不容小視。因此，企業(yè)應(yīng)當(dāng)及時從用戶反饋中得到改進(jìn)，并緊密結(jié)合自身優(yōu)勢，尋求醫(yī)療健康類APP的正確定位。

4? 結(jié)論

隨著移動醫(yī)療市場的競爭不斷加大，用戶的滿意度對企業(yè)起著至關(guān)重要。因此，綜合以上研究結(jié)果，本文提出以下建議：

（1）開發(fā)特色功能，滿足用戶需求。在現(xiàn)有功能的基礎(chǔ)上，根據(jù)用戶不同的需求，結(jié)合自身的目標(biāo)人群，開發(fā)出有針對性的功能。例如，慢性病健康管理APP則需要配套的健康設(shè)備來對用戶進(jìn)行時時刻刻地監(jiān)控，而不能讓用戶自行上傳健康狀況。由于其目標(biāo)人群絕大部分是老年人，那么若監(jiān)測到異常點則不能僅僅是跳出消息框來提醒用戶，而是發(fā)出提示聲音、振動，甚至是告知該用戶的聯(lián)系人。

（2）樹立品牌形象，培養(yǎng)忠實用戶。我國對醫(yī)療健康類APP的用戶認(rèn)可度低，則需要企業(yè)加大宣傳力度，與政府、醫(yī)院進(jìn)行合作，滲透到我們?nèi)粘Ｉ钪腥ィ凉撛谟脩舨⒕S系忠誠度，擴(kuò)大應(yīng)用影響力。

（3）規(guī)范服務(wù)模式，保證服務(wù)質(zhì)量。醫(yī)療健康類APP屬于遠(yuǎn)程醫(yī)療服務(wù)的一種，建立企業(yè)與醫(yī)院責(zé)任連坐制，通過雙方出面協(xié)商并在線上與線下信息對接的基礎(chǔ)上，一旦出現(xiàn)醫(yī)療糾紛，由雙方通過分析事故原因解決問題。

（4）完善法律法規(guī)，加強(qiáng)安全監(jiān)管。目前，還沒有出臺相關(guān)法律法規(guī)對醫(yī)療健康類APP進(jìn)行監(jiān)管整頓，這導(dǎo)致用戶的權(quán)益無法得到保障。因此，完善法律法規(guī)是刻不容緩的。法律法規(guī)要加強(qiáng)對APP的監(jiān)管，對不服從規(guī)定的應(yīng)用進(jìn)行下架處理或者處罰，讓用戶的整個使用過程都有法可依。

參考文獻(xiàn)

[1]冉猛， 姜瑛. APP軟件的用戶評論模式分析方法[J]. 計算機(jī)科學(xué)， 2017（11）： 187-192.

[2]汪祖柱， 謝悅蕓. 在線評論視角下App服務(wù)的用戶滿意度分析[J]. 成都工業(yè)學(xué)院學(xué)報， 2017（4）： 27-32.

[3]姜巍， 張莉， 戴翼， 等. 面向用戶需求獲取的在線評論有用性分析[J]. 計算機(jī)學(xué)報， 2013（1）： 119-131.

[4]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——基于對消費者價格決策的考量[J]. 價格理論與實踐， 2018（1）： 150-153.

[5]趙楊， 李齊齊， 陳雨涵， 等. 基于在線評論情感分析的海淘APP用戶滿意度研究[J]. 數(shù)據(jù)分析與知識發(fā)現(xiàn)， 2018， 2（11）： 19-27

[6]王靖君， 邢花. 基于Kano模型的互聯(lián)網(wǎng)醫(yī)療用戶滿意度影響因素研究[J]. 上海醫(yī)藥， 2018， 39（17）： 51-55.

[7]耿曉利， 陳淋. 基于情感分析與LDA模型的在線用戶滿意度影響因素研究[J]. 微型電腦應(yīng)用， 2019， 35（6）： 38-41.

[8]周會玲， 劉恬玥， 王佳佳， 等. 基于四分圖模型的顧客網(wǎng)購滿意度測評[J]. 中國物流與采購， 2019（24）： 123.

[9]程愛華， 孟全省. 基于四分圖模型的農(nóng)業(yè)龍頭企業(yè)合作農(nóng)戶滿意度研究[J]. 北方園藝， 2011（18）： 209-212.

[10]錢煜昊， 夏凡， 朱天淳. 南京市地鐵服務(wù)研究——基于四分圖模型的服務(wù)質(zhì)量測評[J]. 經(jīng)濟(jì)研究導(dǎo)刊， 2014（26）： 131-133.

[11]韓志新， 謝振玲. 客戶滿意度測評模型比較[J]. 煤炭經(jīng)濟(jì)研究， 2008（4）： 46-48.

[12]叢麗， 何繼紅. 野生動物旅游景區(qū)游客情感特征研究——以長隆野生動物世界為例[J]. 旅游學(xué)刊， 2020（2）： 1-16.

[13]王若佳， 張璐， 王繼民. 基于扎根理論的在線問診用戶滿意度影響因素研究[J]. 情報理論與實踐， 2019， 42（10）： 117-123.

[14]劉希良. 酒店在線評論的情感傾向挖掘方法應(yīng)用研究[D]. 廣東工業(yè)大學(xué)， 2014.