客戶(hù)評(píng)論對(duì)產(chǎn)品口碑及銷(xiāo)售的影響研究.pdf

1、電子商務(wù)的快速發(fā)展以及Web2.0時(shí)代的到來(lái)，越來(lái)越多的顧客愿意在線(xiàn)分享他們的購(gòu)物體驗(yàn)。這些在線(xiàn)客戶(hù)評(píng)論作為消費(fèi)者產(chǎn)品體驗(yàn)的一種反饋，包含了很多商品的隱性信息。無(wú)論對(duì)消費(fèi)者、商家都有重要的價(jià)值。消費(fèi)者可以通過(guò)查看客戶(hù)評(píng)論信息，對(duì)幾種產(chǎn)品的口碑進(jìn)行比較，了解各個(gè)產(chǎn)品的口碑情況做出正確的購(gòu)買(mǎi)決策;商家也可以通過(guò)分析客戶(hù)評(píng)論不同因素對(duì)產(chǎn)品銷(xiāo)售的影響，了解消費(fèi)者的喜好，制定合理的銷(xiāo)售策略。然而客戶(hù)評(píng)論數(shù)量成千上萬(wàn)，形式又龐雜不一，消費(fèi)者和商家不

2、可能讀完所有的客戶(hù)評(píng)論再做決策，因此，如何有效地挖掘和分析客戶(hù)評(píng)論對(duì)產(chǎn)品口碑和銷(xiāo)售的影響是很有必要的。
　　本文首先依據(jù)客戶(hù)評(píng)論信息，提出了一個(gè)新的多產(chǎn)品口碑比較排序方法。即先利用產(chǎn)品兩兩間的對(duì)比投票信息計(jì)算各自的相對(duì)口碑，再采用貝葉斯平均方法修正原始客戶(hù)評(píng)分打分人數(shù)不均衡的問(wèn)題，然后將二者結(jié)合得到產(chǎn)品的總口碑，進(jìn)而對(duì)多個(gè)產(chǎn)品的網(wǎng)絡(luò)口碑進(jìn)行比較排序。實(shí)驗(yàn)數(shù)據(jù)采自第三方點(diǎn)評(píng)網(wǎng)站中的產(chǎn)品對(duì)比投票數(shù)據(jù)，實(shí)驗(yàn)結(jié)果表明本文提出的產(chǎn)品口碑排序

3、方法具有較高的支持度，且與產(chǎn)品銷(xiāo)量的排序相關(guān)性最高。進(jìn)一步，針對(duì)客戶(hù)評(píng)論的文本內(nèi)容提出了一個(gè)量化方法，然后綜合考慮各種因素并利用回歸預(yù)測(cè)模型，定量分析文本評(píng)論、客戶(hù)評(píng)分、評(píng)論數(shù)量以及產(chǎn)品價(jià)格、關(guān)注度等因素對(duì)產(chǎn)品銷(xiāo)售的影響。實(shí)證研究發(fā)現(xiàn)，考慮文本評(píng)論因素時(shí)，回歸模型總體擬合度有顯著提高，同時(shí)發(fā)現(xiàn)產(chǎn)品的文本評(píng)論、客戶(hù)評(píng)分以及評(píng)論數(shù)量均會(huì)對(duì)消費(fèi)者的購(gòu)買(mǎi)決策產(chǎn)生影響，且客戶(hù)評(píng)分的影響要大于文本評(píng)論。最后文章通過(guò)對(duì)產(chǎn)品特征評(píng)價(jià)意見(jiàn)的情感傾向性分析