基于用户评论的网络产品销量影响因素研究

王倩倩　赵静　袁勤俭

〔摘要〕目前国内外对产品评论的实证性研究主要集中在评论有效性和影响因素分析两个方面，由于关键词准确度不高、影响因素量化分析不够，影响了模型的预测力。本文以淘宝网为例，运用三层架构提取评论关键词、并将内容分析法纳入其中，建立数学回归模型。实验结果表明，该种方法显著提高了评论指标的有效性，使评论指标量化分析更为充分，实验结果为商品优化和营销策略提供了科学依据。

〔关键词〕内容分析法；客户评论；影响因素；网络产品；销售量

DOI：10.3969/j.issn.1008-0821.2013.09.008

〔中图分类号〕F7246〔文献标识码〕A〔文章编号〕1008-0821（2013）09-0044-05

Web2.0时代的到来，使用户从单纯的信息接受者变成了信息发布者。Web20这一平台也改变了消费者表达观点和看法的方式——他们可以在购物网站、博客、论坛中发表自己的购物体验，对商品和服务进行评价。这些评论不仅仅有助于其他顾客了解产品和服务的口碑，帮助做出可靠的决策，还可以作为反馈机制帮助生产商和销售商提高产品质量，优化营销策略，从而提高竞争力。目前国内外的研究主要集中在产品评论的有效性和影响因素分析两个方面。

Susan MMudambi和David Schuff通过研究亚马逊网站的产品评论来分析哪些评论对买家是有用的，指出了评论深度、产品类型和消费者之间有着密切的关系，这些因素对消费者购买产生一定的影响[1]。Wenjing Duan等人对电影评论进行研究，与早期把用户评论作为外源因素的研究进行了对比，指出评论对电影销量即票房有着说服和宣传效果，应作为内源因素指标考虑[2]。Qiang Yea等人研究客户的口头在线评论与旅馆客房销售量之间的关系，分别对评论数量、评论等级、客房价格、所在城市和客房星级这五个指标进行数据分析，结果表明在线评论对旅馆客房的在线预订起着重要的作用，并对旅店的管理者应重视在第三方网站中的用户评论提出了建议[3]。上海理工大学余传明等人在分析现有产品属性识别方法不足的基础上，提出一种利用自组织映射（SOM）进行属性识别的新方法，定义一种新的名为“属性叠加矩阵”的SOM显示方式。为验证该方法的有效性，以餐馆评论为样本，从中抽取饮食行业的产品属性，这些属性对于餐馆的生意有着重要的影响[4]。郝媛媛等人以体验型商品——电影的在线评论为研究对象，结合文本挖掘技术和实证研究方法，从文本特征出发探索影响在线评论有用性的因素，建立评论有用性影响因素模型，对评论有用性进行分类预测[5]。

尽管诸多学者做出了有益尝试，但仍存在以下问题：（1）由于关键词的准确度不高，有些影响评论有用性的重要因素未纳入到模型中，影响了模型的预测能力[6]。（2）模型中仅将评论的有用性或者评论的影响因素两类问题进行研究，而未进一步对影响的程度进行定量考察。因此，基于现实中对有效地识别在线评论的关键因素和这些因素对销售量的影响程度的迫切需要[7]，在已有研究基础上，本文以淘宝女装为研究对象，挖掘评论关键词，将内容分析法这种定量方法与文本挖掘技术相结合，分析出各种因素特征对销售量的影响程度，进而为网络营销策略的制定提供科学依据。