| 联系我们 |
 |
合作经济与科技杂志社
地址：石家庄市建设南大街21号
邮编：050011
电话：0311-86049879 |
|
|
| 市场/贸易 |
| 基于消费者画像信息电商客户文字评价研究 |
| 第742期 作者：□文/罗 涛 李 松 冯炳纯 时间：2024/12/1 12:03:01 浏览：9次 |
［提要］ 分析电商客户的文字评价确定对电商有价值的客户，可以指导电商企业的客户关系维护。首先对文字评价信息的归类进行量化，对消费者画像的性别和出生年代值进行确定性转换；然后，分析文字评价价值与客户属性的相关关系。采用决策树和聚类分析方法，确定高评价价值客户群体和关键客户群体。以化妆品行业为实证，得出如下结论：“50后”和“00后”的男性客户具有较高的评价价值；“90后”的女性客户是关键的客户群体，主要不满意的因素是产品质量和价格因素。针对以上分析结论。提出建议：“50后”和“00后”的男性是化妆平电商的重要资源，电商需要采取维护、保留和培育措施；“90后”的女性客户是企业的产品专家，需要企业重点跟踪调查，了解客户需要，并不断改进产品质量和合理定价。评价价值定义以及采用消费者画像信息和文字评价价值的相关性分析是本文的创新之处，研究方法可以用于解决电商企业的客户关系管理问题。
关键词：客户价值；文字评价价值；电商客户
课题项目：广东建设职业技术学院重大课题项目：“网络购物的消费者行为研究”（项目编号：ZD2020-09）
中图分类号：F716 文献标识码：A
收录日期：2024年5月29日
引言
根据中国互联网信息中心发布第47次《中国互联网络发展状况统计报告》，中国的网购市场和线上消费比重在逐年提高。截至2020年12月，网民规模9.89亿，其中手机网民9.86亿，网络购物用户7.82亿，2020年互联网零售总额11.76亿元。国内除了淘宝、天猫、京东等大型电商平台外，覆盖人们日常生活全部需要的电商平台正在崛起，如拼多多、美团、兴盛优选等。网络购物几乎覆盖了家庭的所有需要，成为获取生活用品的最简单、直接、普遍的主要途径。人们改变了传统的消费方式和生活方式，也促使几乎所有的实体店都要采取线上线下相结合的营销模式。
传统线下销售的商业模式客户购买是通过广告、他人推荐、企业推广活动等渠道了解企业品牌和产品，电商客户更多的是通过查看其他客户的文字评价了解品牌、产品以及服务。因此，客户购买之后的文字评价对于其他客户的购买决策是有价值的。根据北京维恩咨询公司的研究发现，网上购物习惯文字评价的客户（即主动评价）占购物人口的总数的1/6。根据传统的客户关系管理理论，留下对产品和服务满意的文字评价起到帮助企业做广告的作用；留下不满意的文字评价会使其他客户放弃购买决策，企业更应该重视这部分客户不满意的因素，并根据客户的意见改进。因此，研究电商客户的文字评价对电商企业加强客户关系管理具有重要意义。
由于客户的个人资料属于电商平台信息，不能为其他研究机构使用，因此关于客户属性采取消费者画像技术分析获得信息。消费者画像是采用迭代算法对客户购物车中的商品和以往的购物记录分析，推断消费者的属性，如性别、年龄、是否已婚、是否有子女、家庭消费支出等。本文通过分析客户属性和其评价的关联性，挖掘具有较高评价价值的重要客户群体和给出较多内容消极评价的关键客户群体，并分析客户不满意的因素，以便指导电商企业找到关键客户群体，并制定营销策略。
一、理论基础
客户关系管理的核心思想是把客户作为企业的资源，不断挖掘客户的需要，并满足客户，以实现保留现有客户和争取新客户的目的，进而为企业带来不断增长的利润。随着电商市场竞争的加剧，商户不断整合，市场不断规范是未来发展的趋势。电商也会和实体店一样，重视客户关系管理。电商的客户不同于传统的线下实体店的客户，其购买行为不同，信息技术的支持使客户在平台上留下痕迹。电商需要从客户浏览、购买、关注、评价等信息中挖掘有价值的信息，并针对性地营销，从而可以降低营销成本，提高营销效率。
电商客户文字评价是客户与客户之间交流的通道，也是电商企业了解客户需求的途径。文字评价分为积极评价和消极评价。积极的文字评价是客户对产品或购买服务过程的满意具体的描述；消极的文字评价是客户对购物不满意的具体方面的抱怨或者是期望。客户的购物决策存在选择盲目，从心理学角度看，“有些人的天生偏好趋近型方式实现目标”，即具有“趋近型动机”；而“有些人天生偏好规避型方式看待事物”，即具有“规避型动机”。在电商购物中，“趋近型动机”实现目标的客户关注的商品好评以及好评的文字内容，也会通过浏览平台上消费者之间的沟通回答自己的疑问；而“规避型动机”实现目标的客户看待事务，首先关注的是差评的数量和消极文字评价的内容，以规避风险。赵瑞涛（2011）在其论文中也阐述关键的差评会被显著关注。因此，电商需要重点关注留下较多内容的消极的文字评价信息的客户，即消极文字评价分值较高的客户群体，进一步分析消极的文字评价的内容，找出不满意的因素和问题并加以解决，从而降低客户不满意率，可以减少具有“规避性动机”类型的消费者购买的顾虑。
从客户关系管理的角度，电商客户对购物服务过程或者产品的积极文字评价，即为客户的口碑价值，“口碑价值是指满意的客户向他人宣传企业的产品或服务，从而吸引更多的新客户的加盟，而使企业销售增长、收益增长创造的价值”，“口碑价值的可信度最大，远远超过商业广告和公共宣传”。Pavlou和Dimoka（2006）研究信用评价体系时，引入了文字评论，模型的解释程度明显提高，充分说明了文字评价信息在购物的信任形成过程中具有重要作用。
客户是企业产品和服务的专家。电商客户的消极评价一方面会影响电商产品的销售，另一方面也反映了客户的需求，企业重视客户的需求，并不断改进产品和服务，有利于企业持续额利润增长。因此，消极的评价对企业具有建议价值。Pavlou和Dimoka（2006）将善意引入了信用的评价体系，研究者对文字评论内容进行分析，将文字评论分为五类：积极的善意评论、消极的善意评论、积极的可信度评论、消极的可信度评论、普通评论。得出结论：积极的善意评论和消极的善意评论对善意影响显著。客户的消极评价信息只是对产品和服务的不满意，对企业也是善意的反馈。为了研究客户文字信息评价两方面价值的综合，本文引入客户评价价值概念。
关于文字评价的研究，张荣（2021）研究了教师评教文字评价伪反馈技术，采用LDA主题模型对反馈评价的特征进行抽象建模，并对文字评价进行了量化研究。本文是对北京维恩公司采用神经网络技术算法的评价数据归类结果量化，直接对词类计分简单直接。电商客户的文字评价也存在“伪积极评价”。商家为了积累评价也会通过贿赂客户获得好评，如“客户留下十个字以上的评价就给一些返现”，这种“伪积极评价”的文字信息推广价值不高，评价信息归类提取之后，含有的类别词较少，不会出现高价值的得分情况，对客户群体分类和重点客户群判断影响不大。穆翠霞采用Python和Echarts的技术分析商品评价文本，笔者将借鉴用于研究关键客户群体的文本内容的词频分析。
二、研究设计
（一）研究思路与步骤
1、客户属性确定。根据前文分析，客户的属性影响文字评价价值总分。因此，采用相关分析法分析评价价值得分与客户属性（消费者画像信息）之间的相关关系。笔者选择了消费者画像数据中的性别和出生年代两个指标。
2、客户文字评价信息的价值度量。（1）文字评价信息的识别。具有相同含义的文字评价信息的表达方式可以有很多种，比如，“满意”就可以说成“很开心” “非常好” “很好”或者“好用”等。识别文字信息需要把不同表达方式的相同含义信息归为一种通用结构化的表达，即识别文字评价的含义，并进行归类。（2）文字评价价值的计算。文字评价信息包含的维度越多，越有口碑价值或对企业的建议价值，即客户评价价值越高。评价量化数据步骤：首先，根据评价自然语言的归类计分，每包含一个类词得一分，积极评价为正分数，消极评价为负分数，计算出每一条记录的积极评价和消极评价分数；其次，计算评价价值总分。根据前文分析，无论是积极评价还是消极评价，对于商家假设都是善意的，因此确定评价价值总分的计算方法为正分与负分绝对值之和。
3、基于客户价值的文字评价分析
首先，确定高价值重点客户群。选择性别、出生年代、评价价值总分三个指标，采用决策树方法对全部数据进行分类；客户的出生年代和性别与评价价值得分虽然强相关，但由于出生年代属于非连续数值，比如，5代表的是1990年到2000年之前10年出生的人口，6代表的是2000年以后出生的一代人；性别取值为0或1，这种非连续的类别变量，与评价价值总分步不存在线性相关关系。因此，笔者采用决策树方法。
其次，确定关键客户群。客户评价信息有三类：（1）文字评价信息有积极词汇，也有消极词汇；（2）文字评价全部是积极词汇；（3）文字评价全部是消极词汇。需要判断这三种类别属于哪类人群，即是男性还是女性，以及出生在哪个年代。选择性别、出生年代、积极评价（POS）得分和消极评价（NEG）得分四个指标全部数据聚类分析，找出关键客户全体。仍然选择以上4个指标，对给出消极评价的记录进行单独聚类分析，进一步确定关键客户全体。
最后，采纳Python技术分析关键客户的消极文字评价内容，找出客户不满意的关键因素。
（二）数据来源及处理。实证研究选取化妆品行业2021年1～6月的51，068条记录，数据来源北京维恩咨询有限公司对其网络获取原始数据的技术处理。数据如表1所示。（表1）
1、消费者初始画像数据说明及处理。表1中的性别和出生年代数据为咨询公司对消费者画像结果。由于咨询公司是通过互联网获得的非完整的客户资料，关于客户的年龄、性别等信息是通过客户的购物车的产品和以往的购物记录，采用贝叶斯模型计算获得，计算结果性别为男性的概率值；出生年代划分为“50后” “60后” “70后” “80后” “90后”和“00后”6个年龄组，也是概率表示。对咨询公司性别和出生年代画像数据进行如下处理：处理之后踢出性别和出生年代迭代不理想的数据之后剩余49，663条记录。
（1）男性属性的数据处理。男性概率超过55%判断为男性（取值1）；低于45%判断为女性（取值0）；男性概率在45%～55%之间的数据是迭代不理想数据，可能存在男性帮女性买或者女性帮男性买的情况，所以这部分记录去掉。
（2）出生年代的数据处理。出生年代段对应的6组“50后” “60后” “70后” “80后” “90后”和“00后”分别用1、2、3、4、5和6表示，取6个值概率最大的并超过40%所对应的出生年代为出生年代取值。如果概率分布各个年龄阶段的概率比较均衡，这说明迭代结果不理想，便去掉该记录。
2、文字评价归类数据说明及量化。文字归类信息来源于北京维恩咨询公司的文字评价知识库。咨询公司采用神经网络技术，通过人工识别评价信息，建立规则，生成知识库。据咨询公司反馈该知识库对文字评价信息的归类识别准确率在95%左右。
笔者对维恩咨询公司的评价归类数据进行如下量化处理：根据文字评价归类所包含的类别词的个数给分，每一个类别词得1分，积极的评价为正分，消极的评价为负分，最终评价价值总分为积极评价得分和消极评价得分的绝对值之和。
（三）研究方法。采用SPSS统计分析软件，对客户属性与评价价值的大样本数据进行相关分析，并采用决策树和聚类分析方法对客户进行分类。然后，采用Python软件对客户消极评价归类词做词频分析。
三、数据分析
（一）客户属性与评价价值相关分析。选择评价价值总分与出生年代和性别两个客户属性变量进行相关分析。参与相关分析的样本一共是49，663个，相关分析结果发现评价价值总分与性别和出生年代具有显著相关关系，如表2所示。（表2）
（二）基于评价价值的客户群分类。根据评价价值对客户进行分类，挖掘对商家有高评价价值的客户群。按性别、出生年代两个变量，对评价价值得分进行初步分类，结果如图1所示。从图1决策树可见，男性样本比例25.3%，平均评价价值分3.345；女性74.7%，平均评价价值分2.871。可见，男性评价价值分值高于女性。在男性客户中，节点8得分平均值最高，为3.87，为1950年到1960年出生的和2000年后出生的男性，占总样本量5.9%。其次是节点7，为“90后”和“70后”，平均得分3.434。从以上分类可见，评价价值最高的客户是“50后”和“00后”的男性客户群体。（图1）
（三）消极文字评价的客户分析
1、全部样本聚类分析。选择评价价值打分（积极POS）、评价价值打分（消极NEG）、性别、出生年代4个变量，采用K-均值聚类方法，采用4～9类进行多次聚类，尽管初始类中心性别有男性、女性，出生年代为1、4、5、6，最后聚类结果都聚在女性“90后”出生的客户群体，即决策树对应的节点5，占总消费群的28.2%。以6类聚类结果为例如表3所示。其中，积极评价得分最高的类中心24和15，对应样本量分为87和648，占总样本量不足2%。（表3）
2、消极文字评价样本聚类分析。在前面的49，663个样本中，有5，366个样本评价信息有消极的评价词汇，占总样本量将近10%。这些客户也不是完全的不满意，多数客户评价词汇中也有对产品或者服务满意的积极的词汇。选择评价价值打分（积极POS）、评价价值打分（消极NEG）、性别、出生年代等变量采用K-均值聚类方法对上述5，366个样本进行聚类分析。我们尝试采用4～10种分类，最终结果都聚焦在“90后”出生的女性。表4给出6类聚类分析结果，第2类评价均值中心是积极的评价1分，消极的评价-1分，共有3，399个样本，不属于有价值评价客户。表4中其他5列可以归为四类：第一类，积极评价分值高，消极评级分值低，属于高价值客户。见表4中的第1类和第4类，第1列积极评价中心在10分，消极在-1分，样本量为252个；第3类积极评价中心16分，消极在-1分，样本量为90个，两类客户都属于很负责任的客户，给出的评价可信度高，这是对商家有高评价价值的客户。第二类，积极评价分很低，消极评价分很高，属于挑剔的客户。见表4第3类客户积极的评价1分，消极的评价-9分，总样本量53个，这部分客户占总样本量很低，但是，对“规避性动机”的客户购买决策影响显著，商家需要重点关注。第三类，中等不满的客户。客户积极评价在0分，消极在-3分，样本量为619个，这是中等不满意的消费者，商家需要重点关注。第四类，中等满意消费者。见表4第6列，积极评价得分4分，消极评价得分-1分，属于非重点关注客户。（表4）
（四）消极文字评价词频分析。对含有消极评价的5，366条记录进行词频分析，分析结果如表5所示。整体不满意词汇包含在1，706条记录中。关于不满意的方面做累计频率分析，根据ABC分类的原理，累计频率接近80%的为A类因素，具体包括质感、价格、保湿、气味、包装、低敏、物流、控油等几个方面，这几个因素包括三个方面的内容：产品、价格和物流。关于产品的是质感、保湿、气味、低敏、控油、包装等因素。B类因素为累计频率接近90%的因素，具体包括美白、赠品和客户。从以上分析，客户不满意的评价主要是关于产品本身的品质和价格方面。（表5）
四、结论及建议
客户的文字评价信息包含客户对电商产品和服务的满意、不满意以及期望改进的方面。积极的文字评价信息具有帮助电商平台推广产品的口碑价值；消极的文字信息可以作为电商企业改进产品和服务的方向。因此，无论是积极的还是消极的文字评价，深入挖掘出有价值的客户，对企业客户维护、保持和增加新客户都是有价值的。
本文从客户作为电商资产的角度，运用客户关系管理思想，提出了研究平台文字评价信息的价值思路，并对化妆品行业进行了实证研究。笔者在对北京维恩咨询有限公司提供的化妆品行业2021年上半年的消费者画像数据进行清洗之后，运用统计方法进行深入挖掘，得出如下结论：发现占样本25.3%的男性消费者的文字评价价值高于女性，评价价值最高的客户是“50后”和“00后”的男性客户群体；女性客户群体占总样本的74.7%，是化妆品行业销售的重要的利润来源；留下比较多的不满意文字评价客户群体集中在“90后”出生的女性客户，这是企业的重点客户群体，也是企业关键的客户群。
对此提出如下建议：第一，建议源电商对“50后”和“00后”出生的男性客户群体加强客户关系管理，采取必要的客户保留和培育措施，避免客户流失。虽然男性客户不是化妆品行业主要的利润来源，但是他们是具有较高的口碑价值。第二，建议电商生产企业和销售企业对“90后”女性客户的需要进一步做市场调研，细分市场，了解她们对化妆品产品品质和价格需要的诉求，以改善企业产品品质，合理定价。不断满足客户需要，减少不满意的信息评价。价格和品质本身就是矛盾的，提高品质，必然提高价格，企业需要对这方面进行深入研究，确定合理品质和价格。
本文根据客户评价价值的客户群分类，以及消极评价的词频分析忽略了产品品牌维度，因为增加产品品种或品牌维度的深入分析是咨询服务行业的工作，本文只是在电商客户文字评价分析的思路和方法上做了学术探讨，该方法可也供电商平台使用。
（作者单位：广东建设职业技术学院经济管理学院）
主要参考文献：
［1］周欣悦.消费者行为学［M］.北京：机械工业出版社，2019.
［2］赵瑞涛.网上交易中卖家信誉对销售量影响的实证研究［D］.长春：吉林大学，2011.
［3］苏朝晖.客户关系管理（第5版）［M］.北京：清华大学出版社，2021.
［4］Pavlo，P.A.，Dimoka，A.The nature and role of feedback text comments in online market-places：Implications for trust building，price premiums，and seller differentiation［J］.Information System Research，2006.17（04）.
|
|
|
|
