面向电商平台的顾客满意度分析系统设计17000字【论文】_第1页
面向电商平台的顾客满意度分析系统设计17000字【论文】_第2页
面向电商平台的顾客满意度分析系统设计17000字【论文】_第3页
面向电商平台的顾客满意度分析系统设计17000字【论文】_第4页
面向电商平台的顾客满意度分析系统设计17000字【论文】_第5页
已阅读5页,还剩23页未读, 继续免费阅读

付费下载

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

面向电商平台的顾客满意度分析系统设计摘要网购评论数据是消费者在购物之后对商品满意度的直接体现,既影响其他消费者的购物决策,也对企业具有重要指导意义。通过对网购评论数据进行网络爬虫与文本挖掘,得出消费者对商品满意度的影响因素,对企业理解消费者需求,提升服务质量从而实现销售额增长具有现实意义。本文以京东商城AppleiPhoneXR(A2108)128GB的评论为研究对象,设计python爬虫程序爬取京东商城AppleiPhoneXR(A2108)128GB的9865条在线评价,通过关键词提取算法对关键词进行概提炼与概括,获得基础语料。以机器学习算法为基础,用朴素贝叶斯情感分类器对基础预料进行训练,将评价好的分类器将评论数据分为积极情感集和消极情感集。通过LDA主题模型结合情感分类器构建满意度模型,再分析消费者网购苹果手机的积极因子与消极因子。根据分析结果,为京东商城苹果自营店提高消费者满意度提供可靠建议;同时分析结果对买家提升用户体验也有一定的意义。此外,分析结果的拟合性和准确性也能证明满意度模型具有一定的可靠性。关键词:评论数据情感分类器满意度模型LDA主题模型目录第一章绪论 [33]。2.6本章小结本章主要介绍了构建满意度模型的主要流程中文本挖掘与情感分析的相关理论内容和技术方法,主要包含Python语言与网络爬虫、满意度模型分析、可视化分析、中文分词,以及情感分析五方面内容。课题开展主要基于Python语言,对课题使用文本进行预处理,即数据清洗环节,并对清洗后的评论内容完成文本切词,词频统计,文本分类并进行统计分析,最后得出对应的用户研究结论。第三章数据采集和可视化分析3.1评论数据采集本文对京东商城AppleiPhoneXR(A2108)128GB评价数据进行采集分析。在python3.7环境下编写了爬虫程序,该爬虫程序采用beautifulsoup库,确定待采集数据类型:用户ID、评论内容、购买时间、点赞数、回复数、得分(评价等级)、评价时间、手机型号,按照京东评论的评论数降序即推荐排序爬取了商品最多100页9865条评价。(在生成文件中可以以不同关键词为标准进行升序或降序排序)爬虫程序在运行时,需要控制台输入京东商品的数字编码,以“AppleiPhoneXR(A2108)128GB黑色移动联通电信4G手机双卡双待”这款商品为例,其链接为/100000177760.html对应的数字编码为100000177760,爬取成功之后会按照用户ID/会员级别/手机参数/昵称/购买时间/评论内容的格式存为csv文件。部分评论如图所示。图3-1产品评价信息表在对数据初步处理之前先删除评论数异常的数据,再保留评论内容长度大于4个字的评论,之后将筛选后的评论内容全部存入表格。经过初步处理后得到5000条评论。部分数据如表3-1所示。表3-1部分数据展示序号评论内容1这是买的第二部手机了,非常喜欢,手感挺不错的,拍照也挺好的,尤其是系统我非常喜欢,一直都用的苹果手机,再加上这次又回归到了以前4s的那个时代,挺好!!!2手机质量非常得好,特别的心满意足非常喜欢的一款手机,白色真的很好看屏幕很大网速简直非常快简直是太喜欢了以后,还会购买客服的态度也特别好,所有的问题都会仔细地回答快递员也特别得好沟通,起来非常的,方便心满意足,嗯,希望以后大家都购买他的产品真的非常的支持。3非常好不愧是京东自营!原装正品速度飞快!用着感觉也很好!完美的购物体验!!4为了抢这款手机,朋友已经节食好久了,真是铁杆果粉啊,用了许冬天,可谓爱不释手,京东商城的货就是硬,而且价格也很优惠呀。5从苹果6puls换到了8puls特别的喜欢,因为自己的6p太小了16G的,干脆这次换到了256G的绝对够用,一直也想买这个颜色,这次趁着双11就赶紧入手了,现在也一直在用。3.2文本预处理本文的文本预处理步骤如下:1)将评论内容的csv文件转存至txt文件2)改变编码格式,将txt文件中编码格式改为utf-83)删除评论内容中乱码部分4)删除英文、数字、标点符号、特殊符号5)在python3.7环境中,采用jieba分词系统的精确分词模式对文件进行分词6)选用哈尔滨工业大学停用词表并导入,去除停用词部分分词结果如表3-2所示。表3-2部分分词结果京东手机苹果速度体验不错容量送货很快正品评价活动免息物流喜欢好服务质量值得标签防伪充电手感好用满意没货缺货无语便宜国行正品银色金色深空灰美丽舒适外观很好自营维修不好客服问题缝隙跳水死机退货可以流畅高端外表新3.2.1停用词处理停用词处理总体思路和方法为:1)调用jieba分词器对整个待处理文本进行分词处理2)将分词后的结果与停用词库进行交叉比对3)删除对比结果为正的内容,保留对比结果负向的文本作为新的数据文本,从而提高样本的关键词密度停用词库部分词汇如表所示。表3-3部分停用词表中文符号语气词连词助词,?。!、:。。。“”《》呀哎呀吧呵呵么哇啊啊啊哦哪用以和就却且如并但是的地在把了着也只3.2.2无效文本与特殊内容清洗清除无效文本和特殊文本主要是指清除注释内容中没有实际意义的注释样本以及注释文本中包含的表达和特殊符号。如示例所示,这些评论实际上没有实际含义。例如:“用户默认的赞美”,“宝贝与描述相符”,“卖家非常好,非常热情”,“如预期的那样,获得五分好评”等。此外,评论中包含的表情,特殊符号等内容如:包含的表情、特殊符号等内容进行清洗。评论中没有实际含义的评论样本例如:“😭”、“😀”、“🙂”、“😊”、“💎💎💎”等表情符号。清洗这类评论和方法大致分两种:1)与停用词处理过程类似,交叉对比得到清洗后的文本内容。2)直接将无效文本和特殊文本作为停用词文本,对基础停用词文本进行扩展。在进行数据清洗之前要做的一项工作是先观察数据,看看数据中的哪些部分是合理的,哪些是不合理的,来确定待清洗的部分。使用python语句读取的数据如图所示。图3-2部分数据清洗图示从图中可以清晰的看出,有大量的用户并未填写评价,猜测可能是店家进行刷单导致评价为空。这部分数据没有任何用处,并且会影响最后统计的结果,因此作者决定清空这部分数据。3.3评论数据提取本文采用TF-IDF算法进行关键词抽取。关键词抽取不仅是特征选取、构成词库的重要步骤,更可以初步分析在京东商城网购苹果手机的消费者满意度影响因素。经考虑,本文最终选取特征值较大的前200个词进行分析。使用jieba分词的analyse.extract_tags()函数进行关键词抽取,抽取权重值最高的200个关键词用于初步分析顾客满意度影响因素和特征选取,部分输出结果如表所示。表3-4部分关键词关键词TF-IDF值手机0.302492948苹果0.149002355满意0.097732465质量0.081402361实惠0.036121946很快0.032611832京东0.049316439服务态度0.045241348物流0.046521384在去掉语境不明显词后,结合国内外学者关于网络购物顾客满意度影响因素的研究成果,本文对剩下的关键词进行概念化提炼与概括,总结出以下影响因素:容量、外观、品牌、屏幕、性价比、包装、品牌、屏幕、整体感受、包装、物流、发货、在线客服、购物平台。这些影响因素经划分可分为四大类,类别如表所示。表3-5满意度影响因素所属类别影响因素关键词示例产品质量容量内存、足够外观颜色、款式、好看品牌苹果、自营屏幕清晰、大整体感受舒服、满意、喜欢、舒适、感觉价格性价比便宜、实惠、划算、性价比、值得、价格包装物流包装包装物流物流、快递、速度发货发货、很快客户服务在线客服客服、态度、服务购物平台京东、网上3.4评论数据可视化分析通过使用pyecharts库,将数据转化为柱状图、折线图等图表,直观地反映出用户评论数据中隐含的信息。将评论内容通过jieba库进行中文分词,再使用wordcloud库生成词云图,直观地反映出用户评论数据中高频词的分布。(1)日消费时段分析分析一天中不同时段消费者的手机购买情况,可以分析得出,大部分消费者在午时(10-12时)和晚上(20-22时)出现了消费高峰期,在此时段顾客购买商品的概率更大,他们浏览商品的机会更多。图3-3日消费时段分析(2)月消费与会员等级分析从规格化的数据中看出,会员等级是有限个。但会员等级这一数据生成格式都是字符串,这需要进行统一编码,然后才能统计类别个数。会员等级和销售额存在一定的关系,通过分析月份和时间段能更精确的为消费者提供服务,因此用折线图来表示销量与月份、会员级别的关系是非常有必要的。图3-4月消费与会员等级分析通过分析上图可知,不论是哪种会员,他们在三月份前后以及十一月份前后购买该款手机的数量最多,三月份换手机的原因推测是新年到来,更新换面的想法。十一月份换手机的原因推测与双十一有关,这时有很大的优惠,也是人们多样化选择手机的时段。分析不同会员的购买情况可知,他们购买的频次降序排列为:①PLUS会员②金牌会员③银牌会员④钻石会员⑤PLUS会员(试用)⑥企业会员。分析原因,大致是因为PLUS会员大部分都属于高消费群体,他们购买这些价值昂贵的手机概率更大。因此,大致可以推断,这款手机的主要消费对象是京东商城的PLUS会员(31.00%)、金牌会员(21.87%)、银牌会员(18.52%)。(3)评论内容分析将评论内容的数据提取并整合,调用jieba库进行中文分词,并调用wordcloud库生成词云图。图3-5评论内容词云通过上图可以看出消费者对该款手机的满意度影响因素的关键词不同的权重。考虑到京东商城评论中存在刷单的情况,这些评论数据原本考虑通过爬取退货量信息来综合评价用户满意程度,现在的解决方法再前文中已经提到,即通过数据清洗筛选出这部分数据并去除,从而为满意度模型的准确性提供保障。3.5本章小结本章基于京东电商平台,对AppleiPhoneXR(A2108)128GB进行数据采集,采集粒度主要包含商品的评论信息(包含追加评论)。共计收集了9865条商品信息、评价,对应约200万字数据内容。并且在此基础上完成了包括停用词、无效文本、特殊内容清洗的数据预处理环节,且对数据清洗的有效性进行了检验。在数据检验之后先进行了初步的关键词提取,并将关键词进行提炼和概括,得到了初步的消费者满意度影响因素关键词。之后,对筛选出的关键词进行可视化分析,通过柱状图、折线图分析了消费者的消费时段,并通过词云图直观看出出各关键词的权重。第四章满意度模型分析4.1朴素贝叶斯分类器由于条件限制,训练语料只能通过人工手动标记。整个朴素贝叶斯分类器的训练与测试流程如下:1)从爬取的9865条评论数据中随机抽取1000条评论数据。2)手动标记500条积极评价,500条消极评价。3)从手动标记的评价中随机抽取80%的评价作为训练集,用于训练朴素贝叶斯分类器,剩下20%的评价作为测试集。4)根据测试集和关键词,选取带有情感色彩的词语(如不错、满意、差评等词语)构建词库。5)设置0.5为阈值,若后验概率大于0.5,标记为为积极情绪;若后验概率小于等于0.5,标记为为负面情绪。然后对测试集进行测试。测试情况如表4-1所示。表4-1测试集测试情况预测结果人工标记情况积极评价消极评价积极评价96(TP值)4(FN值)消极评价17(FP值)83(TN值)通过公式(2-1)、(2-2)、(2-3)计算分类器性能指标查准率、查全率、F1值。查准率P=TPTP+FP查全率R=TPTP+FNF1值F1=2·P·RP+R根据计算可知该情感分类器的在积极评价上的查准率为83.2%,查全率为99%,F1值为0.904。F1的值大于1时,分类器倾向于查全率;而F1的值小于1时,分类器倾向于倾向于查准率。当F1=1时,查全率和查准率达到平衡。这是最常用的度量符合基本的情感分类器要求。由计算可得该分类器符合基本的情感分类器要求。利用此分类器将经过数据清洗的评价分类,分为积极情感类和消极情感类,分类后数据分布如表4-3所示。表4-2分类后数据分布积极情感评价数消极情感评价数数量739924664.2LDA主题挖掘本文利用TF-IDF算法进行关键词提取。根据TF-IDF值,初步分析了京东商城上影响顾客网购苹果手机的满意度因素。为了进一步挖掘文本中隐含的信息,从情感角度了解影响顾客满意度的因素。本文将采用基于LDA主题模型构建的满意度模型分别对积极感情评价集和消极感情评价集进行分析。分析过程为:首先去除积极感情评价集和消极感情评价集的停用词,再利用中文分词进行文本分词,然后手动指定主题数目进行主题挖掘。4.2.1LDA模型结构LDA模型将每一篇文章视为一个词频向量,从而进行数字化建模。定义词表L,每一个L维向量(1,0,0,0,…,0,0)表示一个词语。N个词语构成内容d,记为d=(𝑤1,𝑤2,…𝑤𝑛)。假设某个文本集包含M条文本,记为D=(𝑑1,𝑑2,…𝑑𝑀)。M条文本分布着K个主题,记为𝑍𝑖(𝑖=1,2,…K)。LDA模型过程如图所示。图4-1LDA主题模型图示4.2.2积极情感集的LDA主题模型结果与分析根据积极情感集LDA主题模型的分析结果图表4-3所示,从不同的主题可以得到以下结论:1)主题1中权重较大的几个词为“购买”、“值得”两词。说明消费者对网购苹果手机总体满意度较高;此外“京东”、“不错”、“东西”三词,说明消费者认可京东作为其网购平台,网购平台的购物体验好坏也是消费者是否满意的重要指标。2)主题2中的五个关键词为“客服”、“满意”、“服务”、“发货”、“很快”。说明消费者们对客服的服务总体感到满意,并且认为商家的发货速度很快。3)主题3中权重值最高的“苹果”、“自营”。说明消费者对京东商城的苹果自营店的整体服务较为满意,比起实体店更愿意在网上自营店购买。4)主题4中权重值较高的“实惠”、“外形”表示消费者比较满意苹果手机的外形,而且相较于实体店更实惠的价格也令消费者满意。5)主题5“颜色”、“漂亮”、“正品”三个词都权重很高,表示消费者认可在京东自营店购买到的都是正品苹果手机,基本没有假冒伪劣产品;且苹果手机颜值高,深受消费者喜爱。此外权重极高的“不错”说明消费者的购物体验很不错。表4-3积极情感集的LDA主题模型主题1主题2主题3主题4主题5关键词权重关键词权重关键词权重关键词权重关键词权重购买0.064客服0.052苹果0.081价格0.027满意0.056值得0.068满意0.056划算0.036好评0.042颜色0.048东西0.030服务0.051优惠0.026实惠0.066漂亮0.053不错0.042发货0.032自营0.048外形0.053正品0.032京东0.051很快0.033质量0.045全新0.028不错0.2884.2.3消极情感集的LDA主题模型结果与分析如表4-4所示,通过消极情感集LDA主题模型分析结果可知,消费者最容易感到不满的地方为产品质量,比如电池、屏幕等,认为电池容量与预期不符、屏幕上有划痕等。同时也有部分消费者认为京东的物流速度不如预期,发货速度很慢;而且野有部分消费者对客服不满意,尤其是售后服务与退后服务。以及部分消费者认为在京东苹果自营店网购的购物体验不如线下实体店。表4-4消极情感集的LDA主题模型主题1主题2主题3主题4主题5关键词权重关键词权重关键词权重关键词权重关键词权重质量0.031差评0.026差劲0.016物流0.021屏幕0.008客服0.019质量0.024自营0.009发货0.014电池0.013不好0.025售后0.019垃圾0.013服务0.013特别0.006感觉0.012商品0.011破损0.008很慢0.022劣质0.0074.3.3综合积极情感集与消极情感集的LDA主题模型结果与分析通过满意度模型分析,可以得出结论:网购苹果手机的消费者满意度影响因素与如下11个关键词关系密切:容量、外观、品牌、屏幕、整体感受、性价比、包装、物流、发货速度、在线客服、售后服务。这11个元素可以进一步提炼概括,将其划分为四个大类别:1)产品质量类别:容量、外观、品牌、屏幕、整体感受2)价格类别:性价比3)包装物流:包装、物流、发货速度4)客户服务:在线客服、售后服务其中让用户感到满意的因素有容量、外观、品牌、屏幕、整体感受、性价比、包装、物流、发货速度。造成用户不满的因素有容量、外观、屏幕、整体感受、发货速度、在线客服、售后服务等,结果如表所示。(表格中1表示该因素属于满意因素/不满意因素)表4-1网购苹果手机的消费者满意度影响因素所属类别影响因素满意因素不满意因素产品质量容量11外观11品牌1屏幕11整体感受11价格性价比1包装物流包装1物流1发货速度11客户服务在线客服1售后服务14.4本章小结本章首先通过手动标记积极评价与消极评价分出测试集与训练集,之后训练朴素贝叶斯分类器,并进行测试,最终构建了符合要求的情感分类器;其次介绍了LDA主题建模和LDA主题模型原理;再次,对分类好的评价进行关键词提取与分析,提取了对应的主题关键词,并对关键词进行了分析;最后,综合了积极情感集与消极情感集的LDA主题模型分析结果,构建出满意度模型得出分析结论。第五章结论与展望5.1结论本文通过利用电商平台的海量消费者购物数据和商品评价信息,基于文本挖掘、情感分析等方法,以苹果手机为研究载体,对影响消费者满意度的因素进行研究与探索,从而构建出一个可靠、有效、准确的满意度模型对商品进行预测。课题主要开展了对应研究工作。研究和研究文本挖掘的研究方法和数据处理方法,结合国内外研究现状和研究目标,确定研究的总体思路和框架。也就是说,基于PythonWeb爬虫,我们从京东苹果自己的商店中获得了苹果手机的评论数据。在数据清理的基础上,我们完成了基于机器分割和字典分割的高密度关键字的存储。在此基础上,我们完成了相应的文本分类和数据分析,得出了用户的研究结论,最后,测试了文本挖掘方式下用户研究方法的可行性。。经过文本挖掘和关键词分析得到的语料,先使用朴素贝叶斯分类器进行训练,再用LDA主题模型得到情感评价集,构建满意度模型,通过模型可以得出结论:网购苹果手机的消费者满意度影响因素有容量、外观、品牌、屏幕、整体感受、性价比、包装、物流、发货速度、在线客服、售后服务等11个因素,其中让消费者感到满意的积极因素有容量、外观、品牌、屏幕、整体感受、性价比、包装、物流、发货速度。让消费者感到不满的消极因素有容量、外观、屏幕、整体感受、发货速度、在线客服、售后服务等。综上建议商家首先要保证产品质量,保证货源手机不出现电池容量不足、手机外部出现损伤等问题。其次加快发货速度,并在业界物流速度风评较好的京东物流的基础上保证买家的收货体验,让买家能尽快收货。商家们还需要提供与实体店相比更具性价比的货物,多进行优惠活动,让买家有更充足的理由选择网购手机。此外,同样重要的还有在线客服提供的服务。售后服务比起售前咨询更为重要,研究显示售后服务、退货是造成用户不满意的主要因素之一,京东平台需要重视售后服务,并为用户提供合理的退货服务。此外还需要考虑发货、物流速度,最好提前和商家沟通,让商家保证提供完整的售后服务。由结论可得出,本文通过利用京东苹果自营店中苹果手机的评论数据,运用网络爬虫、文本挖掘、关键词提取等方法,通过基于朴素贝叶斯分类器与LDA主题模型构建的满意度模型,可以比较好地通过挖掘网购平台评论数据来进行消费者满意度因素分析,并给予买家和卖家在网购中一定的指导作用以及积极的促进作用。5.2本文研究的不足与展望在有限的时间和资源内,由于作者的水平有限,在完成后发现了很多的不足之处,这些不足之处大致可以总结为两点,希冀能在未来加以改进:1)样本量比较小,且样本种类比较少。作者仅仅选取了京东商城的网购苹果手机评论数据,仅一种手机对于数据分析还是过于少了。从而样本分布的均匀程度不足,最终消极情感评价集的样本数量远小于积极情感评价集的样本数量。这给作者的启示是,如果有足够的资源与实践,可以采集多家网购平台,如天猫、苏宁易购、拼多多等的相同型号苹果手机评论数据,从而使分析结果更加全面可靠。2)通过文本挖掘获取的评论数目较少,使得能够用于训练的语料数量不够,导致分类器的性能不足,也说明情感分类器的性能仍有提升空间。由于时间和水平限制,作者仅通过人工标注语料,最终训练集的语料数目仅800条。这给作者的启示是,应当训练更多的语料,使情感分类器的性能提高至一个可靠的水平。这次毕业设计的经历也将指导作者在未来的工作与学习中进一步学习文本挖掘与满意度模型相关知识,提高自己的算法知识与编程水平,争取在实践中能够将自己所学知识与技术灵活有效的运用。参考文献杨经,林世平.基于SVM的文本词句情感分析[J].计算机应用与软件,2011,28(9):225-228.陆文星,王燕飞.中文文本情感分析研究综述[D].,2012.梁燕.顾客满意度研究述评[J].北京工商大學學報(社會科學版),2007,22(2):75-80.张新安,田澎,张列平.顾客满意度测评模型[D].,2002.殷荣伍.美国顾客满意度指数述评[J].世界标准化与质量管理,2000,1.刘文霞.C2C模式网络购物顾客满意度影响因素的实证分析[D].东北财经大学,2010.南剑飞,熊志坚.论顾客满意度评价体系的构建[J].世界标准化与质量管理,2002,6:23225.ChurchillJrGA,SurprenantC.Aninvestigationintothedeterminantsofcustomersatisfaction[J].Journalofmarketingresearch,1982,19(4):491-504.BorleS,DholakiaUM,SinghSS,etal.Theimpactofsurveyparticipationonsubsequentcustomerbehavior:Anempiricalinvestigation[J].MarketingScience,2007,26(5):711-726.ArmstrongRW,SengTB.Corporate‐customersatisfactioninthebankingindustryofSingapore[J].InternationalJournalofBankMarketing,2000.马银戌,何明涛.基于SEM模型的农村网购满意度调查研究——以石家庄市为例[J].收藏,2015,20.毛潇远.网购生鲜农产品的满意度影响因素实证分析[D].成都信息工程大学,2019.史晓丹,贾红艳,孙得友,等.基于淘宝网的顾客网购满意度调查研究[J].标准科学,2013.ChristopherRoach.ProgrammingPython[J].MacTechmagazine,2005,3(3):46-53.揭春雨,刘源,梁南元.论汉语自动分词方法[J].中文信息学报,1989,3(1):3-11.吴胜远.一种汉语分词方法[D].,1996.孙茂松,左正平,邹嘉彦.高频最大交集型歧义切分字段在汉语自动分词中的作用[J].中文信息学报,1999,13(1):28-35.陈桂林,王永成,韩客松,等.一种改进的快速分词算法

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论