丁宇诚 李浩
摘要: 为深入了解当下消费者对医用防护服的看法及需求,本文使用文本挖掘对14个医用防护服品牌的11 513份评论内容进行词频分析、共现网络分析、情感分析和网络分析,准确揭示了消费者的购物体验感知与需求。研究表明:产品质量和快递效率是影响消费者购后评价的最重要因素,其次是商家服务、应用场景,而价格实惠只在正面评价中发挥重要作用;产品质量、包装是消费者非常关注的;消费者的不满集中在产品质量差、快递效率低、商家服务差,同时,消费者表达出在日常生活和乘坐飞机场景下对医用防护服的需求。这一探索性研究为消费者体验提供了新的研究思路,也为医用防护服企业的营销管理实践提供了有价值的参考。
关键词: 医用防护服;评论内容;文本挖掘;网络分析;情感分析;共现网络分析
中图分类号: TS941.1
文献标志码: A
至新型冠状病毒在全球爆发以来,病毒不断进行变异,变异后的病毒传播速度更快,潜伏期更短,免疫逃逸能力更强[1]。相比接种疫苗,个人防护是更及时有效的防护方式,而医用防护服是个人防护中最为重要的个人防护产品之一[2]。尽管当下国内医用防护服的产量已基本满足国内需求,然而中国医用防护服的研究与开发起步较晚,存在应用场景与产品特征不匹配的现象[2-3]。此外,相比特定的专业性应用场景,消费者应用医用防护服的场景则更加丰富多样,其消费评论内容不仅能体现他们对医用防护服多样化的需求,影响其他消费者对医用防护服的购买决策,还能作为相关企业考虑制定、改善营销策略的重要依据。因此,本文使用文本挖掘技术对线上销售的医用防护服产品的消费者评论内容进行分析,以深入挖掘当下消费者对医用防护服产品的看法及需求,并对医用防护服企业在改善产品质量、优化营销策略、提高消费者满意度等方面提供针对性建议。
1 文献综述
1.1 医用防护服需求的现状
防护服是保护人体免受物理、化学和生物等外界因素伤害的工作服[3]。医用防护服是个宽泛的名称,根据使用场景和要求可分为4种类型:标识用日常工作服、外科手术服、阻隔一般感染的隔离衣和隔绝高感染风险的防护服[2]。本文关注的是用于阻隔一般病毒感染的一次性医用防护服。
新冠病毒的爆发极大地助推了关于医用防护服的研究,近年来其研究热度呈现逐年上升的趋势,目前关于医用防护的研究所反映的需求主要集中在3个方面。
1) 行业发展需求方面:Nazmul等[4]在医用防护服的质量和监管标准的基础上,调查了原材料及其对环境的影响,率先指出在提高医用防护服防护效率、安全性的同时,还需注意环境问题。柳洋等[2]总结了医用防护服的生产流程、材料性能和使用场景等方面的现状,为企业在医用防护服的生产、标准制定等方面提供建议,并提出医用防护服的可持续性、智能化方面的发展趋势。
2) 材料性能需求方面:陈诗萍等[5]研究发现不同材料具有不同的性能优点,SMS非织造复合材料的舒适性较好,微孔薄膜/非织造布复合材料的防护性较好,而闪蒸法材料的综合性能表现优异。Yang等[6]提出一种具有超强吸水层的新型医用防护服材料,以增强医用防护服的吸湿性。Lou等[7]采用回收的凯芙拉纤维和铺层复合技术,使得医用防护服材料具有良好的物理性能、适当的舒适属性。
3) 生理健康需求方面:李晔等[3]查阅并比较了多个国家的医用防护服的使用范围及评价标准,为中国医务人员选择合适的医用防护服提供了依据。Hu等[8]采用问卷调查的方法,发现医护人员在使用医用防护服中最常见的皮肤不良反应是皮肤干燥(36.1%)和瘙痒(34.4%)。牛梦雨等[9]分析医用防护服的热湿性能对人体疲劳度的影响,研究发现不同长度款式和面料厚度的医用防护服的热湿舒适性不同,并且不同热湿性能的医用防护服在不同强度的运动中对人体疲劳度的影响不同。
综上,近年来对医用防护服的研究愈加精细化,其研究重点集中在满足医务人员对医用防护服的材料性能需求、生理健康需求等方面。这些研究主要以特定专业医务人员及其应用场景的需求为出发点,而以医用防护服的线上消费者为切入点,深入了解有关消费者对医用防护服需求的研究十分缺乏[10]。另外,在对医用防护服需求的研究中通常采用问卷调查法或访谈法[8-9],此方法存在2个缺陷:1) 受限于研究者主观假设和研究方法自身的限制,能够发现的因素不够全面,且其结论大多基于特定的情景、人群,其适用性有待进一步验证。2) 问卷大多通过被动的形式收集,不仅有效样本数量有限,且数据的真实性和丰富性也有待考证[11-12]。這种传统的研究方法和数据获取方式,在一定程度上限制了对消费者真实需求更为准确而全面的了解[13]。
1.2 文本挖掘技术在医用防护服需求领域的应用
文本挖掘技术是一种基于自然语言处理的对文本格式的非结构化数据进行收集、处理、分析和总结的研究技术,它可以获得数据的全貌并从中探索数据多方面的特征[14-15],其主要优点之一是能够处理大量文本内容并深度挖掘隐藏的信息,对通过消费者在线评论研究消费者体验尤其重要[16]。
在线评论是一种典型的非结构化数据,目前主要通过文本挖掘技术对其进行处理、分析,并从中挖掘出有价值的信息[13]。在线评论来自消费者的主动分享,它通常比访谈等传统方法所获得的内容更可信[17]。相比预先设计的访谈和问卷调查,消费者主动发布的包含其真实情感的文本信息通常被认为是无偏的和公正的[18]。因此,通过文本挖掘技术分析实时的消费者在线评论,可以更准确地了解目标市场的特征和消费者的需求[19]。
近几年,文本挖掘技术逐步被使用在消费需求领域的研究上,适用于医用防护服消费者评论的文本挖掘方法主要有3种。
1) 主题建模:对消费者评论采用无监督算法以提取主题、维度,挖掘消费者关注的因素。刘哲文等[20]从国内电商平台的防晒服在线评论中提取出消费者的评价维度,以进一步分析消费需求,研究发现影响消费者关注度和满意度的最重要因素是产品品质,其次分别是产品外观和服务质量,并且在产品品质因素中,面料与缝纫质量、热湿舒适性是消费者最关注的因素。
2) 关键词频次及语义关系分析:聂爽爽等[21]对跨境电商平台中的连衣裙的消费者评论展开针对性分析,通过分析产品属性信息、评论数据和差评内容,得出相关消费者对于连衣裙最关注的因素是“看起来喜欢”“质量好”和“尺码合适”,同时,还发现相关消费者容易出现尺码偏小、偏紧的问题,消费者的差评主要集中在质量、物流方面。Lee等[22]从泳装产品的消费者评论中提取出高频核心关键词“尺寸”“设计”和“价格”,发现消费者重视泳装的产品质量因素。Kim等[23]进一步将奢侈品消费者评论划分为积极性与消极性评论,从中分别提取出正面关键词“知名”“完美”和“奢华”,负面关键词“昂贵”“价格”“平淡”和“假”。但上述研究均基于关键词频次得出结论。
3) 关键词网络分析:Kim等[19]在对骑行裤消费者评论的研究中,采用了网络分析的中心度的3个测量指标(特征向量中心度、紧密性中心度和中介中心度)确定了“尺寸”“性价比”“垫子”是整个关键词网络中最具影响力、最重要的关键词。相比单纯基于关键词频次,结合参考网络中心度的多个指标有助于准确找到关键因素。
因此,本文采用文本挖掘技术对医用防护服消费者在线评论进行分析,以期深入挖掘出消费者对医用防护服的需求、看法,以及影响消费者评价的关键因素,帮助企业更清晰地了解消费者的需求并提供针对性的建议。
2 文本挖掘与数据分析
2.1 数据采集与预处理
本文随机选择天猫、京东平台中月销量大于500且消费者评论数量大于150的14个医用防护服品牌及其医用防护服产品,款式均为当前市面上常见的连身式医用防护服[2],如图1所示。通过以下3个步骤进行数据采集与处理:1) 使用八爪鱼软件采集以上品牌的该款产品在2022年1—5月的消费者评论数据,数据详细信息如表1所示;2) 剔除重复和无效数据116个(如“默认好评”、含有“返现”关键词的评论);3) 人工删除数据中的特殊表情、符号。数据经过清洗后,最终得到11 513个有效评论。
2.2 消费者评论分析
2.2.1 数据的概况
2.2.1.1 关键词的频次
为初步判断数据中最重要的关键词,本文使用KHCoder3软件通过以下4个步骤提取数据中的高频关键词及其频次。1) 导入数据并过滤停用词:过滤评论内容中对本研究没有意义的词(如“很、就、非常”等);2) 增加强制提取词:考虑到有些评论内容偏口语化,在软件分词过程中容易被拆分成单字,故在软件的词典中添加强制提取词(如“大小”“码数”等),避免遗漏关键词;3) 提取并统计关键词:提取数据中的名词、形容词、动词等有效词并对其频次进行统计,统计时一个评论中的重复内容只计数1次(如“好好好”);4) 确认关键词的含义:考虑到即使同一个词,在不同的语境或用法中也可能有不同的含义,故在软件中使用查阅功能确认每个关键词与其原始语句中具体含义的一致性,人工修正与原始语句含义不一致的关键词。
数据处理完成后,根据数据体量与结构特征提取频次高于250且具有实际含义的24个高频关键词,它们充分代表了数据信息,且便于分析和阅读[15];然后,由2名服装专业硕博士生共同讨论,分别将24个关键词根据其内涵特征进行分类。关键词“质量”的频次最高,可见“质量”在整体数据中占有相当重要的地位,其次是“快”和“包装”等,如表2所示。
2.2.1.2 关键词的网络分析
在社会网络分析中,中心度被用来测量个体处于网络中心的程度,它反映了该点在网络中的重要性程度[24]。为确定在网络中影响力最大、最重要的关键词,本文使用KHCoder3软件对关键词的中心度的3个指标(度中心度、中介中心度、特征向量中心度)进行分析并将结果可视化。其中,圆圈大小代表着词出现频次的大小,圆圈颜色深浅代表着词的中心度的高低,颜色越深则中心度越高。
1) 度中心度:评估的是节点的局部中心指数,测量网络中节点自身的连接能力[24]。从度中心度来看,“质量”“快”连接的节点数最多且颜色最深,说明其度中心度最高;其次是“服务”和“做工”,如图2所示。
2) 中介中心度:是衡量一个节点在建立网络中扮演的中介或桥梁角色的程度,并在考虑中介角色时使用,是一种控制能力指数[24]。从中介中心度来看,“质量”的颜色最深,说明其中介中心度最高;其次是“防护服”和“快”,如图3所示。中介中心度高的关键词对控制评论的方向方面有很大的影响[7],因此,质量是消费者购买一次性医用防护服的一个重要因素。
3) 特征向量中心度:有助于找到网络中最有影响力的中心节点[19]。从特征向量中心度来看,“快”的颜色最深,说明其特征向量中心度最高,是最有影响力的关键词;其次是“质量”“发货”“物流”,如图4所示。
综上所述,“质量”和“快”在度中心度、中介中心度和特征向量中心度上都很高,說明它们处于网络的中心位置,是最重要的关键词。因此,“质量”和“快”是消费者在考虑购买医用防护服最重要的因素;同时“质量”在整体评论中出现频次最高,是消费者购买后最为关注的方面。然而,关键词“质量”和“快”缺乏明确的含义,故有必要对其具体内涵作进一步分析。
2.2.1.3 关键词的共现网络分析
共现分析法是一种计算文本中多个词语同时出现的频次,并根据它们之间的相似性关系进行分析的研究方法[19],它不仅可以理清数据的结构,还可以揭示数据的主题及其内涵特征。为深入了解数据的主要主题及其内涵特征,本文使用KHCoder3软件将数据中频次排名前240的高频关键词进行共现网络分析并将结果可视化。
在共现网络图中,词所在的圆圈大小代表词出现频次的大小;不同的颜色代表着不同的主题;词与词之间的连接线代表着关联度,连接线越短或连接节点越少,说明词与词之间的关系越亲密,虚线代表不同主题间的关键词存在共现关系,如图5所示。例如,“质量”与“好”“满意”“防护服”“不错”“价格”之间存在直接连线,且线段较短,说明它们共同出现的频次很高,亲密度很高。因此,消费者对医用防护服产品的整体评价主要体现在以下5个方面:在产品质量上,医用防护服的质量是令人满意的,并且一般来说做工和材质好、防护效果好、尺码合身、穿着舒适透气,且产品多采用严实的真空包装;在价格上,价格便宜、实惠;在快递效率上,发货和物流速度快;在商家服务上,客服及其服务态度表现较好;在消费者使用场景上,主要是在疫情期间需要进行个人防护,特别是需要为乘坐飞机而进行防护。
虽然上述分析反映出消费者普遍对医用防护服的评价是满意的,但缺乏明确的量化数值以衡量消费者的满意度,故有必要对数据的满意度情况做进一步分析。
2.2.2 顾客满意度分析
通常消费者评论内容的情感倾向可以分为正面评论(满意)和负面评论(不满意)[19]。具有较高程度积极情感倾向的正面评论意味着消费者对产品或服务是满意的,相反则是不满意的。为了解数据的满意度情况,本文使用Python SnowNLP(中文文本自然语言处理库)对11 513个有效评论进行情感分析,将评论划分为正面评论(情感概率值≥0.6)和负面评论(情感概率值<0.6)。考虑到中文用词、语境的复杂性,本文分别对正、负面评论进行人工检查并共计修正了1 981个评论的情感倾向,如“产品很给力”被判定为负面评论,则人工修正为正面评论,总体评论修正率为17.2%。
结果显示,负面评论1 098个,占比9.5%;正面评论10 415个,占比90.5%,表明大部分消费者对医用防护服产品感到满意。其中,14个品牌的满意度分别为85.9%、98.4%、88.2%、92.0%、75.0%、73.2%、88.7%、76.2%、89.6%、99.8%、96.0%、97.7%、95.5%、90.1%,极差为26.6%,标准差为8.5%,表明品牌之间的满意度的差距较显著,如表3所示。
综上所述,虽然大部分消费者对一次性医用防护服产品持正面评价,整体满意度达90.5%,但是品牌之间的满意度的差异较大。因此,有必要对正、负面评论的内容做进一步分析。
2.2.3 正负面评论的分析
2.2.3.1 正负面评论的关键词频次分析
首先,本文基于情感分析将消费者评论划分为正面评论(10 415个)和负面评论(1 098个);其次,使用KHCoder3软件分别提取正、负面评论的关键词(名词、形容词、动词),为便于分析与阅读,分别忽略已被划分出的正、负面评论中宽泛含义的关键词(“好”);最后,统计正、负面评论的关键词频次。
正面评论中,频次最高的(频次≥350)关键词及频次分别是“质量”(4 132)、“快”(1 600)、“包装”(1 450)等。这些关键词经软件查阅并确认其含义,与产品质量因素相关的关键词如“质量”“包装”“防护”等,累计频次最高,达7 466。因此,产品质量因素是积极评价医用防护服产品的最重要因素。
负面评论中,频次最高的(频次≥23)关键词及频次分别是“质量”(133)、“包装”(92)、“客服”(75)等。这些关键词经软件查阅并确认其含义,与服务因素相关的关键词如“客服”“发票”“快递”等,累计频次达461,为最高。因此,服务因素是负面评价医用防护服产品的最大因素,其次是产品质量因素(累计频次271),价格因素相对较弱(累计频次64)。此外,关键词“质量”均为正、负面评论中最重要的关键词。
2.2.3.2 正负面评论的关键词共现网络分析
为深入了解正、负面评论的主要主题及其内涵特征,本文使用KHCoder3软件将正面评论(频次前240)和负面评论(频次前200)的关键词进行共现网络分析,并将结果可视化,如图6、图7所示。
关于正面评论,在图6中,“质量”与“好”“满意”“防护服”之间存在直接连线,且线段较短,说明它们共同出現的频次很高,亲密度很高;同理,“快”与“发货”“速度”“物流”共现频次高且亲密度高;“包装”与“严实”“真空”共现频次高且亲密度高;“服务”与“态度”“客服”“卖家”“很快”“好”共现频次高且亲密度高;“做工”与“精细”“材质”“棒”共现频次较高且亲密度高;“尺码”与“大小”“合适”“标准”共现频次较高且亲密度高;“穿”与“方便”“舒服”“透气”共现频次较高且亲密度高;“买来”与“备用”“坐飞机”“准备”“出国”共现频次较高且亲密度高;“送”与“口罩”“面罩”“鞋套”“手套”共现频次较高且亲密度高。
因此,消费者的积极评价主要体现在以下5个方面。1) 产品质量:医用防护服的质量好、做工精细且材质好,产品及其赠品防护效果令人感到满意,产品的尺码合身,穿着方便、舒适、透气,采用严实的真空包装令人放心;2) 快递效率:产品下单后发货和物流速度快;3) 商家服务:客服的服务态度好,服务响应很快;4) 价格:产品的价格便宜、实惠;5)应用场景:在疫情期间需要准备一些防护服备用,乘坐飞机等交通工具时需要进行个人防护。如消费者评论:“第二次购买了,这套衣服物超所值,防护服很耐用,送的配套装备也非常好,值得推荐的一款好物!”这意味着消费者在作出正面评价时非常注重以上5个方面。其中,从频次大小来看,产品质量是最受消费者关注的;其次是快递效率、商家服务、价格和应用场景。
关于负面评论,在图7中,“质量”与“差”“服务”“态度”共现频次很高且亲密度很高;“快递”与“慢”“物流”“发票”“开”共现频次高且亲密度高;“客服”与“没有”“用”“发货”共现频次高且亲密度高;“防护服”与“不”“能”“穿”“退”“商家”“码”“大”共现频次较高且亲密度高;“防护服”与“口罩”“手套”“破”“送”“退款”共现频次较高且亲密度高;“买来”与“备用”“坐”“飞机”“疫情”“防护”共现频次较高且亲密度高;“店家”与“漏”“破损”“差评”“问”“回复”“信息”“无语”共现频次较高且亲密度高;“一样”与“薄”共现频次较高且亲密度高。
因此,消费者的负面评价主要体现在以下4个方面。1) 产品质量:医用防护服的质量不够好,尺码不合适无法正常穿着,收到货时产品及其赠品出现破损,产品材质较薄;2) 快递效率:产品下单后发货和物流速度慢;3) 商家服务:客服的服务态度差,没有及时回复信息,漏发产品,开发票慢,退款难;4) 应用场景:在疫情期间买来备用,需要为乘坐飞机等行程安排进行及时、安全的个人防护。这意味着消费者在购物过程中的不满在以上4个方面很突出。其中,从频次大小来看,产品质量是最受消费者在意的;其次是快递效率、商家服务、和应用场景。如消费者评论:“防护服质量太差了、袖口都是烂的、准备坐飞机穿的、质量真的很差、太差劲了、发货不检查好、耽误别人时间。”
3 结论与管理启示
3.1 研究结论
本文使用文本挖掘技术对14个医用防护服品牌的11 513份评论内容进行了词频分析、共现网络分析、情感分析和网络分析,结论如下。
本文对消费者评论进行关键词频次分析、网络分析和共现网络分析,确定了“质量”和“快”是整个消费者评论中最有影响力的关键词,是最重要的因素,其中“质量”是指产品的做工、材质、防护效果、尺码合身度、舒适度及包装;“快”是指发货和物流速度快。在本文的样本数据中,消费者购入医用防护服以应对出行中面临的潜在感染风险,尽快地将产品送达到消费者手中,对消费者来说极为重要,这也符合张公让等[25]的研究结果。
本文在所采集的14个医用防护服品牌的消费者评论数据的基础上,通过情感分析将消费者评论划分为正、负面评论,以衡量消费者的满意度。结果显示整体满意度达90.5%;其中,满意度最高的品牌为99.8%,满意度最低的品牌为73.2%,满意度的极差为26.6%,标准差为8.5%。表明整体上消费者对医用防护服产品是非常满意的,但不同品牌之间的满意度存在较显著的差距,部分品牌仍有较大进步空间。
本文通过对关键词的频次分析,结果显示“质量”“包装”不仅是整体评论中,而且是在正、负面评论中提及最多的关键词。表明它们是消费者非常关注的因素,在消费者购买医用防护服产品的购后评价中发挥了重要作用。在正、负面评论中,产品质量是评价医用防护服产品的最重要因素,其次是快递效率、商家服务、应用场景,而价格实惠只在正面评价中发挥重要作用。建议相关企业在保证产品质量时,考虑选用恰当的产品包装,以维护产品品质,同时为消费者提供良好的售中和售后服务。
本文利用共现分析法分别分析了正、负面评论的关键词的共现关系,以深入了解正、负面评论主题及内涵特征。结果显示,在正面关键词共现网络中,消费者对产品质量(质量、做工、材质、尺码、舒适度、透气性、产品包装、赠品)、快递效率(发货和物流速度)、价格(价格便宜)、商家服务(客服及其服务态度、服务响应速度)方面颇为满意,并且表达出在疫情下日常生活备用,在乘坐飞机等场景下,需要购买医用防护服进行及时、安全的防护的需求。而在负面关键词共现网络中,消费者的不满主要集中在产品质量、快递效率、商家服务等方面,如产品质量差(尺码大无法穿着、收到货时产品及其赠品出现破损,产品材质较薄);快递效率不高(产品下单后发货和物流速度慢);商家服务差(客服的服务态度差,没有及时回复信息,漏发产品,开发票慢,退款难)等。
3.2 管理启示
本文通过对医用防护服消费者评论内容的深度挖掘,更清晰地勾勒出其在购买医用防护服过程中的关注点和痛点,为医用防护服企业的产品与服务改进、物流合作商选择、产品设计开发,以及价格营销策略提供有价值的参考信息。
在产品提升方面:优化、精细化产品的质量管理体系,着重提升产品的工艺、材质性能、包装,尽量避免产品及包装出现破损,优化防护服的尺码系统,从而更好地满足不同体型消费者对高质量产品的需求。
在服务提升方面:合理优化客服的排班计划,以更好地满足消费者动态性的消费行为,提升订单处理、开具发票流程的速度,避免出现漏发情况,制定清晰合理的退换货政策,如在消费者购买时及时提示開具发票、退换货的具体流程或政策,让消费者有清晰、高效的购物体验。
在物流合作商选择方面:在合理控制成本的前提下,尽量选择服务效率高、准时率高、安全性高的物流商,以更好地满足消费者尽快收到产品的需求。
在产品设计开发方面:可以考虑实施更加深入的市场调查,规划、开发细分产品。如设计开发在风险环境下,便于携带、使用的手机专用防护袋,配有口袋以方便取用手机的医用防护服,长时间乘机场景下便于穿脱、排尿、进餐、饮水的医用防护服,以更好地满足消费者多样性的需求。
价格策略方面:合理、实惠的定价,更好地满足消费者谋求物美价廉的消费心理。
4 局限与展望
首先,本文中的消费者评论可能存在不易识别的虚假评论,这对研究结果的可靠性产生一定影响,未来研究需更注重数据的质量和真实性;其次,本文对淘宝和京东线上购物平台的14个医用防护服品牌的11 513份有效样本进行分析,样本采集的时间范围在2022年1—5月,故研究结果在代表性和时效性上有一定局限,未来研究可考虑对多个线上平台的较长时期大数据样本的整合以增强研究的代表性;最后,受限于数据采集渠道,本文未能对消费者的其他个人信息(如消费者性别、所在地等)进行挖掘,未来研究可考虑通过整合不同平台、不同渠道的数据,获得含有消费者人口统计等方面的信息,有助于深入了解消费者的特点,更精准锁定目标消费者。
《丝绸》官网下载
中国知网下载
参考文献:
[1]Centers for Disease Control and Prevention. CDC reports examine US death rates for 2021: COVID-19: was third leading cause of death in US[EB/OL]. (2022-04-22)[2022-06-29]. https://www.cdc.gov/media/releases/2022/s0422-third-leading-cause.html.
[2]柳洋, 夏兆鹏, 王亮, 等. 医用防护服的发展现状及趋势[J]. 纺织学报, 2021, 42(9): 195-202.
LIU Yang, XIA Zhaopeng, WANG Liang, et al. Development status and trend of antivirus medical protective clothing[J]. Journal of Textile Research, 2021, 42(9): 195-202.
[3]李晔, 蔡冉, 陆烨. 应对新型冠状病毒肺炎防护服的选择和使用[J]. 中国感染控制杂志, 2020, 19(2): 117-122.
LI Ye, CAI Ran, LU Ye. Selection and use of protective clothing in novel coronavirus pneumonia epidemic[J]. Chinese Journal of Infection Control, 2020, 19(2): 117-122.
[4]NAZMUL K, SHAILA A, KATE L, et al. Sustainable personal protective clothing for healthcare applications: A review[J]. ACS Nano, 2020, 14(10): 12313-12340.
[5]陈诗萍, 陈旻, 魏岑, 等. 医用防护服的构效特点及其研发趋势[J]. 纺织学报, 2020, 41(8): 179-187.
CHEN Shiping, CHEN Min, WEI Cen, et al. Structure and functions of medical protective clothing and trend for research and development[J]. Journal of Textile Research, 2020, 41(8): 179-187.
[6]YANG L, LIU H, DING S, et al. Superabsorbent fibers for comfortable disposable medical protective clothing[J]. Advanced Fiber Materials, 2020, 2(3): 140-149.
[7]LOU C W, LIN J H, LAI M F, et al. Lay-up compound matrices for application of medical protective clothing: Manufacturing techniques and property evaluations[J]. Polymers, 2022, 14(6): 1179-1193.
[8]HU K H, FAN J, LI X Q, et al. The adverse skin reactions of health care workers using personal protective equipment for COVID-19[J]. Quality Improvement Study, 2020, 92(6): 548-551.
[9]牛梦雨, 潘姝雯, 戴宏钦, 等. 医用防护服的热湿舒适性与人体疲劳度的关系[J]. 纺织学报, 2021, 42(7): 144-150.
NIU Mengyu, PAN Shuwen, DAI Hongqin, et al. Relationship between thermal-moist comfort of medical protective clothing and human fatigue[J]. Journal of Textile Research, 2021, 42(7): 144-150.
[10]刘星辰, 谢红. 基于CiteSpace的医用防护服研究可视化分析[J]. 现代纺织技术, 2022, 30(1): 1-8.
LIU Xingchen, XIE Hong. Visual analysis of research on medical protective clothing based on CiteSpace[J]. Advanced Textile Technology, 2022, 30(1): 1-8.
[11]LI G, LAW R, VU H Q, et al. Identifying emerging hotel preferences using emerging pattern mining technique[J]. Tourism Management, 2015, 46(1): 311-321.
[12]VU H Q, LI G, LAW R, et al. Exploring tourist dining preferences based on restaurant reviews[J]. Journal of Travel Research, 2019, 58(1): 149-167.
[13]李春曉, 李辉, 刘燕筝, 等. 多彩华夏: 大数据视角的入境游客体验感知差异深描[J]. 南开管理评论, 2020, 23(1): 28-39.
LI Chunxiao, LI Hui, LIU Yanzheng. A research on the differences of inbound tourists perceived experience based on text mining[J]. Nankai Business Review, 2020, 23(1): 28-39.
[14]FELDMAN R, SANGER J. The Text Mining Handbook: Advanced Approaches in Analyzing Unstructured Date[M]. Cambridge: Cambridge University Press, 2007.
[15]HIGUCHI K. A two-step approach to quantitative content analysis: KH coder tutorial using Anne of Green Gables (Part I)[J]. Ritsumeikan Social Sciences Review, 2016, 52(3): 77-91.
[16]TORAL S L, MARTINEZTORRES M R, GONZALEZRODRIGUEZ M R. Identification of the unique attributes of tourist destinations from online reviews[J]. Journal of Travel Research, 2018, 57(7): 908-919.
[17]BICKART B, SCHINDLER M. Internet forums as influential sources of consumer information[J]. Journal of Interactive Marketing, 2001, 15( 3): 31-40.
[18]RUIZBLBA J L, NAZARIAN A, RODRIGUEZMOLINA M A, et al. Museum visitors' heterogeneity and experience processing[J]. International Journal of Hospitality Management, 2019, 78(4): 131-141.
[19]KIM C J, NA Y J. Consumer reviews analysis on cycling pants in online shopping malls using text mining[J]. Fashion and Textiles, 2021, 38(3): 1-21.
[20]劉哲文, 张立杰. 基于在线评论的防晒类功能性服装消费需求研究[J]. 丝绸, 2021, 58(11): 47-52.
LIU Zhewen, ZHANG Lijie. Research on consumer demand of functional sun-protective clothing based on online reviews[J]. Journal of Silk, 2021, 58(11): 47-52.
[21]聂爽爽, 王维红. 基于文本挖掘的速卖通平台女性消费者连衣裙偏好分析[J]. 现代纺织技术, 2021, 29(6): 113-121.
NIE Shuangshuang, WANG Weihong. Research on female consumers dress preference on AliExpress based on text mining[J]. Advanced Textile Technology, 2021, 29(6): 113-121.
[22]LEE J H, LEE J M, KIM W K, et al. A study on perception of swimsuit using big data text-mining analysis[J]. Korean Journal of Sport Science, 2017, 28(1): 104-116.
[23]KIM S S, KIM Y S. Study on recognitions of luxury brands by using social big data[J]. Fashion & Textile Research Journal, 2016, 18(1): 1-14.
[24]刘军. 整体网分析: UCINET软件实用指南[M]. 上海: 上海人民出版社, 2014.
LIU Jun. Overall Network Analysis: A Practical Guide to UCINET Software[M]. Shanghai: Shanghai Peoples Publishing House, 2014.
[25]张公让, 鲍超, 王晓玉, 等. 基于评论数据的文本语义挖掘与情感分析[J]. 情报科学, 2021, 39(5): 53-61.
ZHANG Gongrang, BAO Chao, WANG Xiaoyu, et al. Sentiment analysis and text data mining based on reviewing data[J]. Information Science, 2021, 39(5): 53-61.
Abstract: Since the global outbreak of COVID-19, the virus has continued to mutate and its immune escape, transmission, and other capabilities have increased; on January 30, 2023, the WHO committee unanimously concluded that COVID-19 remains a dangerous infectious disease with the ability to cause significant damage to human health and health systems. Therefore, wearing medical protective clothing as an effective form of personal protection plays an extremely important role in personal protection. However, the research and development of medical protective clothing in China started late, and there is not only the problem of mismatch between application scenarios and product functions, but also most research and development are conducted from the perspective of professional medical personnel. In addition, consumers apply medical protective clothing in a richer and more diverse scenario, and the post-purchase evaluation of consumers can not only reflect their demand for medical protective clothing and influence other consumers purchase decisions on medical protective clothing, but also serve as an important basis for relevant enterprises to consider developing and improving their marketing strategies.
To deeply understand current consumers view and demand for medical protective clothing, this paper, based on the collected content of 11 513 consumer reviews of 14 Chinese medical protective clothing brands, carried out keyword frequency analysis, sentiment analysis, network analysis and co-occurrence network analysis, accurately revealing the consumers shopping experience perception and demand. The study shows that product quality and express efficiency are the most important factors influencing consumers post-purchase evaluation, followed by merchant services and application scenarios, while affordable price only plays an important role in positive evaluation; product quality and packaging are of great concern to consumers; in the positive evaluation, consumers are quite content with product quality (workmanship, material, size, comfort, breathability, product packaging and gifts), express efficiency (delivery and logistics speed), price (cheap price), and merchant service (customer service staff, service attitude, and service response speed). The consumers also express the need to buy medical protective clothing for timely and safe protection in daily life during the epidemic, and in scenarios such as air travel. In the negative evaluation, consumers dissatisfaction is mainly focused on product quality, express efficiency and merchant service, such as poor product quality (the clothing is too large to be worn, the product and related gifts are broken when received, and the product material is thin), poor express efficiency (slow delivery and logistics after the product is ordered), and poor merchant service (poor customer service attitude, no timely response to information, omission of products, slow invoicing and difficulty to refund). This exploratory study provides new research ideas for consumer experience and valuable reference for the marketing management practices of medical protective clothing enterprises.
This study provides valuable reference information for medical protective clothing companies product and service improvement, logistics partner selection, product design and development, and price marketing strategies by digging deeper into the content of medical protective clothing consumer reviews and outlining more clearly the concerns of consumers in the process of purchasing medical protective clothing.
Key words: medical protective clothing; review content; text mining; network analysis; sentiment analysis; co-occurrence network analysis