黃官偉 王 謐

（同濟大學(xué)經(jīng)濟與管理學(xué)院，上海 201804）

一、引言

2020年1月，農(nóng)業(yè)農(nóng)村部、中央網(wǎng)信辦印發(fā)的《數(shù)字農(nóng)業(yè)農(nóng)村發(fā)展規(guī)劃（2019—2025年）》提出到2025年數(shù)字農(nóng)業(yè)農(nóng)村建設(shè)取得重要進展，指出了包括深化電子商務(wù)進農(nóng)村綜合示范，實施“互聯(lián)網(wǎng)+”農(nóng)產(chǎn)品出村進城工程，推動人工智能、大數(shù)據(jù)賦能農(nóng)村實體店，全面打通農(nóng)產(chǎn)品線上線下營銷通道等要求。根據(jù)艾瑞咨詢在2021年發(fā)布的《中國生鮮電商行業(yè)研究報告》，2020年我國生鮮零售市場規(guī)模在超5萬億元，其中生鮮電商行業(yè)規(guī)模在2020年達到4584.9億元，增速為64.0%。由此可見，隨著中央和地方對 “互聯(lián)網(wǎng)+”農(nóng)業(yè)的大力推進，生鮮電商模式和技術(shù)的不斷成熟，以及用戶對生鮮類產(chǎn)品線上購買習慣的逐漸養(yǎng)成，生鮮農(nóng)產(chǎn)品電商將在未來一段時間內(nèi)擁有廣闊的市場發(fā)展前景。

目前我國生鮮電商行業(yè)從傳統(tǒng)的B2C模式逐漸轉(zhuǎn)向多模式共存的局面，相繼出現(xiàn)了例如O2O、前置倉、店倉一體化等多種新形態(tài)，代表性電商包括京東到家、每日優(yōu)鮮、盒馬鮮生等。如今，各類新型生鮮電商在獲得新冠疫情下爆發(fā)式推進的同時，也面臨愈發(fā)激烈的競爭環(huán)境。隨著生鮮線上市場的不斷打開，如何在加劇的市場競爭中贏得用戶的支持與信賴，提高用戶黏性以及滿意度成為重中之重。鑒于此，本文擬通過高頻詞分析、情感分析、LDA主題提取等文本挖掘技術(shù)，提取各類新型生鮮電商的在線評論信息，對影響各類新型生鮮電商滿意度的因素進行對比分析，并給出改善性建議。

二、文獻綜述

1.生鮮電商相關(guān)研究

隨著各大平臺資本在生鮮電商領(lǐng)域的投身熱情不斷高漲，越來越多的學(xué)者也開始對此展開相關(guān)研究。譚本艷等（2016）總結(jié)了中國生鮮農(nóng)產(chǎn)品電商在發(fā)展中遇到的各類制約因素，提出了結(jié)合中國國情發(fā)揮政府企業(yè)共同作用的對策。李潔（2018）對生鮮電商各類盈利模式進行對比，指出了增加品類深度、降低品控成本、優(yōu)化物流體系等優(yōu)化路徑。魯釗陽（2021）對農(nóng)產(chǎn)品電商問卷調(diào)查數(shù)據(jù)進行實證研究，得出網(wǎng)絡(luò)直播通過降低電商店鋪供求雙方之間的交易成本、提高電商店鋪的轉(zhuǎn)化率以及培育電商店鋪自有品牌等方式驅(qū)動生鮮農(nóng)產(chǎn)品電商的發(fā)展。

由此可見，學(xué)者們已經(jīng)在生鮮農(nóng)產(chǎn)品電商領(lǐng)域進行了多方面研究，但大量集中在宏觀層面，微觀層面的研究較匱乏，且研究方法上以問卷調(diào)查等傳統(tǒng)方式為主，存在來源滯后及可靠性不足等問題。

2.基于在線評論的用戶滿意度相關(guān)研究

互聯(lián)網(wǎng)時代，消費者更加樂于通過在線評論分享他們的體驗和感受，這些評論也為研究用戶需求和滿意度影響因素提供了海量的信息來源，目前有關(guān)評論挖掘的研究主要集中在挖掘有關(guān)產(chǎn)品服務(wù)的特征詞和情感傾向分析。

在挖掘文本主題作為顧客滿意度的影響因素時常用的方法是隱含狄利克雷分布模型。Guo等（2016）通過LDA模型挖掘出顧客對酒店服務(wù)滿意度的影響因素，挖掘出一些以前所忽略的影響因素。Tirunillai和Tellis（2018）采用LDA模型挖掘出了不同市場中影響顧客滿意度的因素，如手機市場中的影響產(chǎn)品顧客滿意度的主要是使用便捷性、性能、短信等因素。Jung和Suh（2019）利用韓國某公司評論網(wǎng)站中的在線評論，基于LDA模型挖掘了 IT、金融等行業(yè)影響雇員工作滿意度的關(guān)鍵因素，如假期、組織文化、工作時間等。

文本情感分析的目的，是判斷已給的文本片段中所體現(xiàn)評論者的情感傾向，通常為積極，消極和中性。情感分析的技術(shù)方法主要有語義詞典方法和機器學(xué)習法?；谇楦性~典的文本情感分析方法是指使用知網(wǎng)How Net、Word Net以及臺灣大學(xué)情感詞典NTUSD等詞典來計算詞語或者語句的情感值。機器學(xué)習法需要大量的訓(xùn)練樣本以建立分類模型，目前情感分析的模型主要有樸素貝葉斯、支持向量機和最大熵等。

根據(jù)以上學(xué)者的研究可以發(fā)現(xiàn)，文本挖掘是近年來的熱門課題，基于在線評論來研究用戶滿意度開始吸引越來越多的學(xué)者注意，但應(yīng)用在生鮮電商領(lǐng)域上的研究還十分有限。因此本研究將文本挖掘方法結(jié)合到生鮮電商的研究中，豐富關(guān)于生鮮電商用戶行為領(lǐng)域的研究成果。

三、研究對象與數(shù)據(jù)

1.研究對象

當前我國新型生鮮電商主要可分為4種，分別是與線下商超、零售店和便利店等合作的O2O模式，縮小前移倉庫（配送中心）的前置倉模式，以門店為中心服務(wù)的店倉一體化模式以及以社區(qū)為核心的社區(qū)團購模式。其中前三種模式主要服務(wù)周邊3公里內(nèi)的消費者，在消費者下單后的1小時內(nèi)快速完成生鮮產(chǎn)品配送，所解決的用戶需求較為一致，具有一定的可比性。而社區(qū)團購模式一般為次日達，配送時效相對較長，暫不考慮為本研究對象。因此，本文特選取3種模式的代表性電商品牌京東到家、每日優(yōu)鮮和盒馬生鮮作為案例對象來進行研究。

2.研究數(shù)據(jù)

App Store是蘋果公司于2008年7月份推出的應(yīng)用商店平臺，用戶數(shù)超過10億人，全面收集了用戶對軟件產(chǎn)品的評分及反饋，且允許進行一定程度的數(shù)據(jù)爬取。本研究通過Python設(shè)計爬蟲程序從App Store分別采集京東到家、每日生鮮以及盒馬鮮生在2020年8月至2021年9月的用戶評論，經(jīng)整理后得到所需語料共10972條。為保證數(shù)據(jù)的質(zhì)量，消除由評論中的重復(fù)文本、表情符號、短句等噪音干擾，需要通過Python對采集到的數(shù)據(jù)進行預(yù)處理操作。數(shù)據(jù)預(yù)處理操作后，共得到9366條有效評論。

四、研究過程

1.詞頻分析

分別對3家生鮮電商的詞頻進行統(tǒng)計，表1展示了前10位的高頻詞語。

表1 在線評論詞頻

通過高頻詞可以從一定程度上了解用戶的主要關(guān)注點，找出影響滿意度的產(chǎn)品服務(wù)特征在哪里。從表中可以看出，價格、服務(wù)、配送是3家生鮮電商用戶評論中共同出現(xiàn)的高頻詞，其中京東到家的用戶最主要關(guān)注的是優(yōu)惠、實惠等價格因素，每日優(yōu)鮮的用戶對生鮮產(chǎn)品本身的新鮮程度最為關(guān)注，配送等服務(wù)則是盒馬鮮生用戶評價重點。綜合各家排名前十位的高頻詞可得，消費者對于價格活動、產(chǎn)品質(zhì)量、物流配送、客戶服務(wù)這四個角度較為重視，是滿意度影響的重要因素。

2.情感分類

通過高頻詞統(tǒng)計可以看出消費者比較關(guān)注的一些特征，但是沒有辦法得知到底是哪些因素讓用戶感到滿意，又是哪些因素導(dǎo)致用戶給出差評，因此還需要運用情感分析技術(shù)來對評論語料進行正負面情感分類，以幫助我們獲取關(guān)于用戶對3家新型生鮮電商優(yōu)缺點的評價信息。本研究選擇基于情感詞典的情感分析方法對生鮮電商評論大數(shù)據(jù)進行處理，使用知網(wǎng)How Net情感詞表并進行擴充，把針對生鮮電商場景出現(xiàn)的“好評”“差評”“很快”“超時”“卸載”等詞分別添加至對應(yīng)詞表。然后將正負面詞的初始權(quán)重分別設(shè)為1和-1，載入否定詞表，計算每條評論的情感值并賦予正負面評論類型。

使用詞云圖可以將文本的詞頻信息可視化，幫助我們直觀地感知評論特征。使用Python中wordcloud和matplotlib庫中的相關(guān)函數(shù)，將情感分類所得正負面評論經(jīng)過分詞處理后的數(shù)據(jù)通過詞云圖的方式分別展示出來，以此分析影響產(chǎn)品滿意度的正負面特征。

從圖1、圖2可知，“優(yōu)惠”“服務(wù)”“很快”是京東到家的用戶好評中最常出現(xiàn)的特征詞，“客服”“配送”“商家”是差評中最常出現(xiàn)的特征詞?？傮w來看，吸引用戶在京東生鮮電商購物的滿意度因素主要是優(yōu)惠的價格，持不滿態(tài)度的主要因素來源于客服，物流配送相關(guān)的特征詞在正負面評價詞云圖中均有出現(xiàn)，說明用戶對此的評價褒貶不一。

圖1 京東到家好評詞云圖

圖2 京東到家差評詞云圖

從圖3可知，水果是每日優(yōu)鮮用戶重要的購買品類，“新鮮”“配送”“價格”出現(xiàn)的頻次較高，說明生鮮的新鮮程度、配送、價格是發(fā)起積極評價的主要因素。從圖4中可以看出用戶對每日優(yōu)鮮的負面評價特征詞并不集中，價格、配送、客服等各類因素均有涉及，但是出現(xiàn)了大量與企業(yè)信任有關(guān)的消極詞，例如欺騙、騷擾、廣告、忽悠等。

圖3 每日優(yōu)鮮好評詞云圖

圖4 每日優(yōu)鮮差評詞云圖

圖5中觀察盒馬鮮生用戶的正面詞主要為“新鮮”“送貨”“服務(wù)”等，說明消費者的積極情緒主要來源于盒馬鮮生的生鮮品質(zhì)、物流配送和服務(wù)。圖6負面評價中較為明顯的詞有“配送”“客服”，以及京東到家和每日優(yōu)鮮中未出現(xiàn)過的“會員”和“下載”。

圖5 每日優(yōu)鮮好評詞云圖

圖6 每日優(yōu)鮮差評詞云圖

綜上所述，消費者對3家生鮮電商情感類別特征有所差別，但物流配送均同時出現(xiàn)于正負面的評論中，客服均出現(xiàn)于負面評論中。這說明各家生鮮電商的物流配送能力均未達到穩(wěn)定可控的水平，另外電商客服的水準也需要著重提高。

3.LDA主題建模

通過詞頻分析、情感分類以及正負評論詞云圖，可以對影響用戶滿意度的因素有了粗略判斷，接下來將利用情感分類完后的文本進行主題聚類，以挖掘評論背后的主題信息。

主題模型是用來發(fā)現(xiàn)文檔中挖掘抽象主題的統(tǒng)計模型，其中最具代表性的是Blei等學(xué)者在2003年提出LDA模型概念及思想，得到了廣泛應(yīng)用。它是一種包含詞、主題及文檔的三層貝葉斯概率模型，由于引入了狄利克雷先驗知識，不容易出現(xiàn)過擬合現(xiàn)象。因此本研究選擇利用LDA主題模型對分類后的文本進行聚類，得到生鮮電商的特征主題詞。

（1）尋找最優(yōu)主題數(shù)

在對文本進行LDA聚類之前，首先需先確定LDA主題數(shù)量。計算不同主題數(shù)下的各主題之間平均余弦相似度，繪制主題平均余弦相似度圖形，選擇主題間的平均余弦相似度達到最低時的主題數(shù)量。

根據(jù)圖7，最終選定京東到家正面評論主題數(shù)=2，京東到家負面評論主題數(shù)=2，每日優(yōu)鮮正面評論主題數(shù)=3，每日優(yōu)鮮負面評論主題數(shù)=3，盒馬鮮生正面評論主題數(shù)=2，盒馬鮮生負面評論主題數(shù)=3。

圖7 主題平均余弦相似度曲線

（2）文本主題挖掘

使用Python中的gensim模塊分別對3家生鮮電商的正負面評論數(shù)據(jù)構(gòu)建LDA主題模型，生成每個主題下10個最有可能出現(xiàn)的特征詞以及相應(yīng)的權(quán)重，結(jié)果如表2所示。

表2 京東到家LDA聚類結(jié)果

根據(jù)京東到家的正面評論主題聚類結(jié)果來看，主題一模型中“喜歡”“優(yōu)惠”“值得”等詞權(quán)重較高，說明物美價廉的商品價格是用戶產(chǎn)生滿意的因素。主題二模型中“贊”“速度”“很快”等高頻詞體現(xiàn)了用戶對配送速度快的認可。

根據(jù)京東到家的負面評論主題聚類結(jié)果來看，主題一模型中權(quán)重較高的“客服”“打電話”“配送”說明當配送問題出現(xiàn)時客服的解決方案并未使用戶感到滿意，甚至產(chǎn)生不悅。主題二模型中“客服”“下單”“商家”等高頻詞體現(xiàn)了用戶對涉及到商家相關(guān)的客服的不滿。

表3 每日優(yōu)鮮LDA聚類結(jié)果

根據(jù)每日優(yōu)鮮的正面評論主題聚類結(jié)果來看，主題一模型中“喜歡”“速度”“滿意”等詞權(quán)重較高，說明配送速度是用戶發(fā)表好評的因素。主題二模型中“新鮮”“買菜”“疫情”等高頻詞體現(xiàn)了疫情期間仍支持給用戶配送新鮮菜品是獲得用戶支持的原因。主題三模型中“水果”“不錯”“值得”等高頻詞說明用戶對水果品類性價比的認可。

根據(jù)每日優(yōu)鮮的負面評論主題聚類結(jié)果來看，主題一模型中權(quán)重較高的“貴”“短信”“優(yōu)惠券”說明每日優(yōu)鮮在價格活動的營銷手段上出現(xiàn)問題，使用戶產(chǎn)生不滿情緒。主題二模型中“高”“客服”“欺騙”“價格”等高頻詞說明客服并未在用戶產(chǎn)生不滿時發(fā)揮安撫作用。主題三模型中“垃圾”“配送”等詞的權(quán)重較高，將影響用戶滿意度的因素指向配送服務(wù)。

表4 盒馬鮮生LDA聚類結(jié)果

根據(jù)盒馬鮮生的正面評論主題聚類結(jié)果來看，主題一模型中“東西”“送貨”“喜歡”“質(zhì)量”等詞說明盒馬鮮生整體的商品品質(zhì)較高，用戶對此感到滿意。主題二模型中“新鮮”“配送”“準時”等高頻詞體現(xiàn)了用戶認同盒馬配送及時，食材新鮮度獲得保證。

根據(jù)盒馬鮮生的負面評論主題聚類結(jié)果來看，主題一模型中權(quán)重較高的“東西”“退款”“體驗”說明盒馬鮮生的商品退款鏈路不夠暢通，使用戶有不好的體驗。主題二模型中“客服”“慢”“解決”等高頻詞說明客服并未在用戶產(chǎn)生不滿時發(fā)揮安撫作用。主題三模型中“垃圾”“配送”“超時”等詞的權(quán)重較高，說明用戶的部分不滿情緒來源于配送超時問題。

綜合上述結(jié)論，將各類主題與特征詞關(guān)聯(lián)關(guān)系匯總，得出影響新型生鮮電商用戶滿意度的核心因素，如表5所示。

表5 生鮮電商用戶滿意度影響因素

五、結(jié)論與建議

本研究通過運用高頻詞分析、情感分析、LDA主題模型等方法對新型生鮮電商的在線評論進行文本挖掘，研究影響生鮮電商用戶滿意度的具體因素并進行比較分析。研究發(fā)現(xiàn)，影響滿意度的因素最主要有生鮮產(chǎn)品情況、物流配送水平以及平臺功能服務(wù)三個方面，其中生鮮產(chǎn)品情況包括了產(chǎn)品的價格和品質(zhì)，物流配送水平包括配送速度和與配送的服務(wù)態(tài)度，平臺服務(wù)功能包含退款流程度、客服溝通以及營銷活動，說明企業(yè)對這些維度應(yīng)該著重關(guān)注和改善。根據(jù)三家生鮮電商的分析結(jié)果，京東到家主要以實惠的商品價格和配送服務(wù)態(tài)度上打動消費者；每日優(yōu)鮮則是通過商品整體情況得到用戶喜愛，但平臺盒部分營銷活動使用戶產(chǎn)生不滿情緒；盒馬鮮生則是以高品質(zhì)贏得消費者，但用戶退款過程的順暢度還需提高。綜合分析三家電商的滿意度情況，可以發(fā)現(xiàn)物流配送的速度以及平臺客服質(zhì)量是需要重點改進的因素。根據(jù)以上的分析結(jié)果，本文針對新型生鮮電商用戶滿意度的提高提出以下幾點建議：

1.保證生鮮產(chǎn)品質(zhì)量，提高生鮮物流配送水平

生鮮產(chǎn)品質(zhì)量和配送速度是用戶對生鮮網(wǎng)購消費最直觀的感受，是用戶最基本的需求，也是生鮮電商企業(yè)安身立命的必要條件。隨著生活條件水平的提高，人們對生鮮產(chǎn)品的要求逐漸從溫飽轉(zhuǎn)向口感、營養(yǎng)等，因此企業(yè)必須加強對生鮮農(nóng)產(chǎn)品的質(zhì)量把控，做到供應(yīng)鏈全流程的產(chǎn)品質(zhì)量監(jiān)控，并且提高“最后一公里”的配送能力，使消費者能夠及時收到完好無損的商品。

2.通過垂直品類打造差異化競爭優(yōu)勢

在保證產(chǎn)品總體質(zhì)量的前提下，可通過垂直品類打造平臺的獨特性，例如研究發(fā)現(xiàn)每日優(yōu)鮮主要以水果被消費者熟知。人們可能因為對某類產(chǎn)品的偏好，而產(chǎn)生對品牌的認同和信賴。各生鮮電商可以根據(jù)新時代壞境下的消費者的消費偏好趨勢，在產(chǎn)品品類上進行優(yōu)化，提高自身品牌的獨特性優(yōu)勢。

3.改善用戶在平臺的操作鏈路

生鮮電商平臺功能在搭建時是否全鏈路閉環(huán)，用戶在使用時操作是否簡單易懂都會影響到用戶的使用體驗，從而影響消費過程的整體滿意度。特別是涉及到用戶退款等已影響到用戶情緒的操作，必須搭建一個更完善的環(huán)路機制。補救性的服務(wù)若處理妥當，反而可以起到贏得用戶的信任與喜愛。

4.完善服務(wù)人員培訓(xùn)體系

例如快遞小哥、客服等與用戶接觸在第一線的服務(wù)人員，是影響用戶評判生鮮電商服務(wù)水平的重要因素，服務(wù)人員的專業(yè)水準可以看出企業(yè)對用戶的重視度。因此，對企業(yè)來說，完善服務(wù)人員培訓(xùn)機制，建立用戶服務(wù)標準化體系，從而提高服務(wù)人員的整體素質(zhì)，不僅能樹立企業(yè)的優(yōu)質(zhì)形象，還能讓消費者感受到企業(yè)對用戶的體驗關(guān)懷，提升滿意度。