基于情感分析的用戶痛點量化研究

王召義，薛晨杰，劉玉林

安徽商貿(mào)職業(yè)技術(shù)學(xué)院經(jīng)濟(jì)貿(mào)易系，安徽蕪湖，241002

痛點營銷是互聯(lián)網(wǎng)界非常熱的一個營銷術(shù)語?；ヂ?lián)網(wǎng)企業(yè)和借助互聯(lián)網(wǎng)的傳統(tǒng)企業(yè)都期盼找準(zhǔn)痛點，采取相應(yīng)的策略，給企業(yè)帶來巨大的市場回報或者高度的品牌黏度。所謂找痛點就是在發(fā)現(xiàn)消費(fèi)者需求的基礎(chǔ)上，滿足需求，以獲得青睞。要了解消費(fèi)者的需求，就要先了解消費(fèi)者，因為購物的主體是他們。找用戶痛點是一個長期觀察、分析、挖掘的過程，不可能一蹴而就?；诖耍瑸榱藥椭髽I(yè)準(zhǔn)確、便捷的發(fā)現(xiàn)痛點、應(yīng)用痛點，本文嘗試從用戶評論中挖掘有關(guān)因素，并借助情感分析方法，提出用戶痛點量化模型。

1 用戶痛點

在營銷學(xué)中，用戶痛點是指用戶在體驗產(chǎn)品或服務(wù)過程中原本的期望沒有得到滿足而造成的心理落差或不滿，這種不滿最終在用戶心智模式中形成負(fù)面情緒爆發(fā)，讓用戶感覺到痛［1］。這是目前被眾多學(xué)者所接受的概念描述之一，但不斷有研究者在此基礎(chǔ)上對用戶痛點的概念進(jìn)行補(bǔ)充和拓展。盧蒙從用戶體驗角度出發(fā)，把用戶在體驗過程中遇到的問題稱為痛點，即消費(fèi)者在使用產(chǎn)品或享受服務(wù)過程中因期望沒有得到滿足而造成的心理落差或不滿［2］。張亮以供需矛盾為切入點，強(qiáng)調(diào)用戶痛點就是用戶多樣化的需求，呼喚個性化、精確化的服務(wù)，傳統(tǒng)紙媒，難以滿足這樣的要求［3］。高星妍等認(rèn)為痛點指的是用戶使用后就無法跳脫的、極具黏性的點，比如微信的朋友圈，相對而言，痛點可能更偏重功能性需求一些［4］。

借鑒美國的行為科學(xué)家弗雷德里克·赫茨伯格（Fredrick Herzberg）提出來的雙因素激勵理論［5］，把用戶痛點歸納兩個方面：保健痛點和激勵痛點。保健痛點（Hygiene Customer Pain Points，HP）是指用戶的期望沒有得到滿足而造成的不滿或心理落差的痛點，表現(xiàn)為令用戶感到失望、抱怨，從而出現(xiàn)給予差評、投訴等行為，此刻，用戶的情緒是消極的、負(fù)面的，是隨著失望、抱怨程度增加而反向加強(qiáng)的。激勵痛點（Motivation Customer Pain Points，MP）是指已經(jīng)被產(chǎn)品或服務(wù)化解或弱化的痛點又或者是為了獲得滿足感而承受的痛點，表現(xiàn)為令用戶感到驚奇、愉快和滿足，從而出現(xiàn)網(wǎng)絡(luò)曬單、好評、炫耀等行為，此刻，用戶情緒是積極的、正面的，是隨著滿足程度增加而正向加強(qiáng)的。

情緒是用戶把痛點充分表達(dá)出來的最簡單有效的手段。用戶表達(dá)情緒的方式有語言、行為、文字等。但在電子商務(wù)活動中，用戶大多是通過文字表達(dá)情緒的，例如淘寶的累計評價模塊、京東商城的商品評價模塊等。評價內(nèi)容往往包含了用戶滿意點和不滿意點，例如“衣服收到了，試穿了尺碼很合適，衣服面料手感也好，穿著舒適，下水后不縮水就掉點浮色，長度在長點就更好了”，其中尺碼、面料和不縮水是用戶滿意點，令用戶感到舒心、消費(fèi)體驗佳，即激勵痛點；掉色和長度就是不滿意點，沒有滿足用戶的期望，即保健痛點。這就給本文提供了解決問題的思路：通過分析用戶商品評論，判斷用戶情感傾向并量化痛點，情感強(qiáng)度越強(qiáng)烈，痛點值就越大，痛點值越大，越可能是商品關(guān)鍵點。

2 研究模型

由前文分析得知，解決問題的思路是以情感分析為基礎(chǔ)，所以構(gòu)建用戶痛點量化模型，應(yīng)從用戶情感傾向判斷入手，再結(jié)合情感詞典計算情感值。研究過程的關(guān)鍵處理環(huán)節(jié)有：數(shù)據(jù)采集、數(shù)據(jù)處理、指標(biāo)提取、情感分析和量化分析等。

2.1 數(shù)據(jù)采集

使用數(shù)據(jù)采集軟件或Python爬蟲程序，選擇電子商務(wù)平臺的商品評論模塊，抓取目標(biāo)商品的商品評論。采集的評論數(shù)據(jù)至少包括：商品名稱、評價內(nèi)容等。

2.2 數(shù)據(jù)處理

對采集到的數(shù)據(jù)進(jìn)行清洗，刪除無效語句。采用Python的結(jié)巴分詞，對評價內(nèi)容進(jìn)行分詞、詞性標(biāo)注、詞頻統(tǒng)計等預(yù)處理，為后續(xù)研究提供基礎(chǔ)。

2.3 指標(biāo)提取

用戶對某項特征指標(biāo)的關(guān)注表現(xiàn)為其在評論中對該產(chǎn)品某些功能或特征的提及或評價，某項特征指標(biāo)在評論中出現(xiàn)的次數(shù)越多，其成為用戶關(guān)注點可能性越大［6］。考慮到有一些常見的關(guān)鍵詞頻繁出現(xiàn)，但卻無任何意義，擬采用TF-IDF自動提取關(guān)鍵詞。然后，人工篩選這些關(guān)鍵詞，并結(jié)合詞性歸納出若干個指標(biāo)。每個指標(biāo)都包含多個關(guān)鍵詞。

2.4 情感分析

本文借鑒劉玉林、王召義等設(shè)計的一種新的情感分析方法［7］，具體步驟如下：

步驟1：構(gòu)建情感詞典，情感詞典包括正面情感詞語集合、負(fù)面情感詞語集合、否定詞集合和程度詞集合。情感詞典主要由基礎(chǔ)情感詞典和拓展情感詞典構(gòu)成。基礎(chǔ)情感詞典包括知網(wǎng)（Hownet）情感詞典和臺灣大學(xué)簡體中文情感極性詞典（NTSUSD）。把知網(wǎng)（Hownet）里面的正面評價詞語、正面情感詞語和ntusd的positive詞典消重之后組合在一起，成為基礎(chǔ)積極情感詞典。把知網(wǎng)的負(fù)面評價詞語、負(fù)面情感詞語和ntusd的negative詞典消重之后組合在一起，成為基礎(chǔ)消極情感詞典。而拓展情感詞典其實就是把基礎(chǔ)情感詞典通過同義詞詞典（哈工大同義詞詞林拓展版）找到情感詞的同義詞，這樣就拓展了基礎(chǔ)情感詞典。最后把兩個詞典與常見的否定詞集、程度詞集結(jié)合起來，形成了完整的情感詞典。

步驟2：對評論文本進(jìn)行預(yù)處理，對文本分段分句得到句子，通過標(biāo)點符號將句子劃分為句子單元，然后對句子單元中的文字進(jìn)行分詞，形成詞組。

步驟3：對步驟2中得到的詞組進(jìn)行n-gram處理，利用n-gram中的2元語法對句子單元中的詞組組合形成2元詞組，結(jié)合情感詞典計算句子單元的情感基本值p。

步驟3.1：2元語法對句子單元中的詞組進(jìn)行組合，形成2元詞組，處以前面位置的稱為前位詞，處以后面位置的稱為后位詞。

步驟3.2：后位詞結(jié)合情感詞典中正面情感詞語集合和負(fù)面情感詞語集合進(jìn)行情感值p的計算判斷；前位詞結(jié)合否定詞集合判斷情感值p是否*（-1），前位詞結(jié)合程度詞集合判斷情感值p是否*（-1）；結(jié)果對于每個2元詞組均獲得一個情感值pi。

步驟3.3：將整個句子單元中2元詞組的情感值pi相加匯總后得到句子單元的基本值p。

步驟4：評論文本被切分為句子，句子又被切分為句子單元，故每個商品評論根據(jù)每個句子單元的情感基本值p，生成一個情感值p列表即p-list。

步驟5：根據(jù)p-list，找出對應(yīng)關(guān)鍵詞所在單元句的情感值。

2.5 量化分析

（1）構(gòu)建指標(biāo)詞集合

對用戶評論進(jìn)行指標(biāo)提取操作，構(gòu)建指標(biāo)詞集合K。

kij表示第i個指標(biāo)的第j個關(guān)鍵詞。

（2）構(gòu)建TF-IDF集合

針對每一個指標(biāo)詞，計算其TF-IDF值，即該詞在全文中的權(quán)重，得到TF-IDF集合W。

wij表示第i個指標(biāo)的第j個關(guān)鍵詞的TF-IDF值。

（3）計算情感值

計算每一個指標(biāo)詞所在單元句的情感值。情感值有三種情況：正數(shù)、負(fù)數(shù)和0，負(fù)數(shù)表示消極，0表示中性，正數(shù)表示積極。

設(shè)每個指標(biāo)詞，會出現(xiàn)在h個單元句內(nèi)，就有h個情感值。則指標(biāo)詞K所在單元句的情感值集合S，sh表示指標(biāo)詞K在第h個單元句的情感值。

S集合有這樣兩個子集：正數(shù)集合Splus、負(fù)數(shù)集合Sminus。

其中a＋b≤h。

分別取Splus和Sminus的算術(shù)平均值作為指標(biāo)詞最終情感值，計算公式如下：

（4）量化痛點

根據(jù)前文所述，指標(biāo)詞的痛點（P）包括兩個方面：已滿足痛點（SP）和未滿足痛點（UP）。

公式中出現(xiàn)的負(fù)號，是為了保證痛點值為正數(shù)。

照此計算每一個指標(biāo)詞的痛點值，得到痛點集合C。

cij表示第i個指標(biāo)的第j個關(guān)鍵詞的痛點值。

第i個指標(biāo)的痛點值為：

根據(jù)公式易知：用戶情感反應(yīng)越強(qiáng)烈，用戶痛點越高；痛點越高，該指標(biāo)越有可能成為商品的關(guān)鍵點。

3 實證研究

3.1 數(shù)據(jù)來源

京東是中國電子商務(wù)領(lǐng)域深受消費(fèi)者歡迎和具有影響力的電子商務(wù)網(wǎng)站之一，選擇京東的手機(jī)類商品的商品評價為實證研究的數(shù)據(jù)來源。同時，考慮到手機(jī)品牌影響力、手機(jī)發(fā)行時間、手機(jī)銷量以及商品評論數(shù)量等因素，選取華為手機(jī)（京東商品名稱：華為HUAWEIP10 Plus6 GB＋64 GB草木綠移動聯(lián)通電信4 G手機(jī)雙卡雙待）、小米手機(jī)（京東商品名稱：小米8全面屏游戲智能手機(jī)6 GB＋128 GB黑色全網(wǎng)通4 G雙卡雙待）、OPPO手機(jī)（京東商品名稱：OPPO A57 3 GB＋32 GB內(nèi)存版 玫瑰金色 全網(wǎng)通4 G手機(jī) 雙卡雙待）作為研究對象，采集商品評論數(shù)據(jù)。數(shù)據(jù)采集時間為2018年6月27日，采集華為、小米、OPPO手機(jī)評論數(shù)分別為：1 120、1 000、1 499條，內(nèi)容包括會員名稱、會員級別、評價星級、評價內(nèi)容、評價時間等11項。

3.2 數(shù)據(jù)處理

原始商品評論數(shù)據(jù)中存在著不完整、有異常的數(shù)據(jù)，嚴(yán)重影響到數(shù)據(jù)挖掘建模的執(zhí)行效率，可能會導(dǎo)致挖掘結(jié)果的偏差。因此，借助python的“結(jié)巴”中文分詞包對商品評論內(nèi)容進(jìn)行過濾、分詞、詞性標(biāo)注和詞頻統(tǒng)計，并計算每一個關(guān)鍵詞的TF-IDF值。再從名詞、感嘆詞、形容詞中篩選出具有情感傾向的詞語，構(gòu)建華為、小米、OPPO手機(jī)產(chǎn)品情感詞集合。情感詞典包括正面情感詞語集合、負(fù)面情感詞語集合、否定詞集合和程度詞集合［8］。

3.3 指標(biāo)提取

分別選擇TF-IDF值排名前1 000的關(guān)鍵詞，在數(shù)據(jù)處理的基礎(chǔ)上，分別篩選出名詞和動詞。人工對這些名詞和動詞進(jìn)行篩選，排除非描述手機(jī)功能或特征的詞語，得到一個描述手機(jī)功能或特征的關(guān)鍵詞集合。人工再對這些關(guān)鍵詞進(jìn)行識別歸類，最后得到5個指標(biāo)類別：價格、性能、電池、外觀、拍照。具體歸類情況見表1、表2、表3。

表1 華為手機(jī)特征指標(biāo)分類表

表2 小米手機(jī)特征指標(biāo)分類表

表3 OPPO手機(jī)特征指標(biāo)分類表

3.4 痛點量化

采用2.4情感分析方法，計算商品評論單元句的情感值。按照2.5中的量化公式，計算3款手機(jī)5個指標(biāo)類的痛點量化值，詳見表4。

表4 3款手機(jī)的痛點值

3.5 結(jié)果分析

從表4分析每款手機(jī)各指標(biāo)類之間的聯(lián)系與區(qū)別，再橫向比較各款手機(jī)之間的聯(lián)系與區(qū)別。

（1）華為手機(jī)（P10 Plus）。價格指標(biāo)類痛點值最大（0.055 7），其它四類痛點值均比較小，說明價格是華為手機(jī)的關(guān)鍵點。再看價格指標(biāo)類的HP（0.157 3）和 MP（0.232 9）值，激勵痛點值較大，表明大部分價格痛點被弱化或化解，痛點已轉(zhuǎn)化為驚奇、愉悅等積極態(tài)度。但是，保健痛點依然大量存在，會強(qiáng)化消費(fèi)者的消極態(tài)度，出現(xiàn)差評、投訴等行為，痛點會更痛。

（2）小米手機(jī)（小米8）。價格指標(biāo)類痛點值最大（0.117 9），遠(yuǎn)大于其它四類值，且 HP值為0.311 1，MP值為0.160 3。表明雖然價格是其銷售關(guān)鍵點，但因保健痛點值占主要方面，故大部分價格痛點沒有被弱化或化解，即用戶認(rèn)為價格太高，不符合消費(fèi)需求。另外，華為手機(jī)與小米手機(jī)雖然都把價格作為銷售關(guān)鍵點，但兩者有本質(zhì)上的區(qū)別，華為價格被認(rèn)可，而小米手機(jī)價格認(rèn)可度不高。

（3）OPPO手機(jī)（OPPO A57）。拍照指標(biāo)類痛點值最大（0.079 0），且保健痛點值（0.267 1）和激勵痛點值（0.286 1）基本相當(dāng)，說明OPPO手機(jī)吸引用戶的關(guān)鍵點是拍照，但做的還不夠好，還有很大的發(fā)展空間。

（4）橫向比較。通過圖1的雷達(dá)圖，可以直觀的看到：價格指標(biāo)類和性能指標(biāo)類中，小米手機(jī)最“痛”，且“遠(yuǎn)”大于其它手機(jī)，這與小米的產(chǎn)品概念“為發(fā)燒而生”相吻合的；在電池指標(biāo)類中，三種手機(jī)“痛”的程度差不多，再一次證明了“手機(jī)技術(shù)發(fā)展的再快，電池始終是軟肋”；外觀指標(biāo)類中，小米手機(jī)和OPPO手機(jī)最“痛”，這兩款手機(jī)的外觀設(shè)計更符合年輕人的“高顏值”需求；在拍照指標(biāo)類中，OPPO手機(jī)最“痛”，OPPO手機(jī)更適合喜歡拍照的消費(fèi)者。

圖1 痛點雷達(dá)圖

3.6 有效性驗證

為了驗證痛點量化值的大小能否體現(xiàn)商品的關(guān)鍵點，以當(dāng)前最受歡迎的拍照指標(biāo)類為例進(jìn)行有效性驗證。表5是摘抄3款手機(jī)拍照指標(biāo)類的宣傳廣告語以及品牌理念。

從以上宣傳資料就可以發(fā)現(xiàn)OPPO把拍照功能作為一個核心賣點來宣傳的，且秉承“為自拍和顏值而生”的理念，專注于手機(jī)拍照領(lǐng)域的技術(shù)創(chuàng)新，開創(chuàng)了手機(jī)自拍美顏時代，而年輕人最喜歡的手機(jī)就是拍照手機(jī)，恰恰OPPO最擅長做拍照手機(jī)，迎合了青年消費(fèi)者喜好，特別是女性消費(fèi)者；小米同樣把拍照功能作為一個非常重要的賣點來宣傳，以此吸引年輕消費(fèi)者，但強(qiáng)調(diào)的是“發(fā)燒”即價格低、性能高；華為在宣傳賣點時，僅有一句話“后置雙攝像頭，萊卡前置鏡頭”，略顯單薄，再看攝像頭的像素，都比小米、OPPO低很多。這與計算出來的拍照指標(biāo)類痛點值大小排序相一致。其它方面也可以采用此類方法進(jìn)行有效性驗證，不再贅述。

表5 手機(jī)廣告語

綜上所述，以情感分析為基礎(chǔ)，構(gòu)建的痛點量化模型，識別出了華為、小米、OPPO的產(chǎn)品關(guān)鍵點，并計算出保健痛點和激勵痛點，得到的結(jié)果與實際情況相吻合。

4 結(jié) 語

找準(zhǔn)用戶痛點可以幫助企業(yè)改良產(chǎn)品提供決策依據(jù)，也為制定更完善的營銷策略提供了支持。本文在已有的用戶痛點理論基礎(chǔ)上，提出用戶痛點應(yīng)包括保健痛點和激勵痛點兩個方面的內(nèi)容，并以情感分析為基礎(chǔ)，構(gòu)建用戶痛點量化模型。為驗證模型的有效性，以京東的3款手機(jī)產(chǎn)品的商品評論數(shù)據(jù)為數(shù)據(jù)源，分別計算機(jī)出各款手機(jī)指標(biāo)類的痛點值，并進(jìn)行了有效性驗證，結(jié)果表明該模型具有一定的實用性和有效性。但是研究過程仍然存在一些不足：一是商品評論負(fù)面信息量少，正面信息量多，對實驗結(jié)果有何影響，需要進(jìn)一步論證；二是僅用手機(jī)商品進(jìn)行了模型驗證，有待進(jìn)一步驗證其它類型產(chǎn)品，以進(jìn)一步確定模型的適用性和效果。