網(wǎng)購葡萄酒標(biāo)題特征提取與銷量影響因素分析

孫菀霞，謝均揚，任芮瑄，糾松濤，張才喜

（1. 上海交通大學(xué)農(nóng)業(yè)與生物學(xué)院，上海 200240；2. 上海交通大學(xué)電子信息與電氣工程學(xué)院，上海 200240）

隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，人們的日常購物方式由線下實體店拓展到線上網(wǎng)店，網(wǎng)絡(luò)購物正受到越來越多消費者的青睞。據(jù)國際葡萄酒及烈酒研究所（international wine and spirits research，IWSR）發(fā)布的《2019年全球酒水電商市場戰(zhàn)略報告》統(tǒng)計數(shù)據(jù)顯示，中國酒水電商市場居全球交易規(guī)模之首，并且2019—2024年間，全球核心市場的酒水營業(yè)額將以每年15%的速度增長，遠高于整個電商行業(yè)每年約1%的營業(yè)額增速[1]。然而受新型冠狀疫情影響，國內(nèi)市場進口葡萄酒與國產(chǎn)葡萄酒均受到較大沖擊[2]。2020年1—2月中國葡萄酒銷售收入為12.88億元，同比下降40.8%；利潤為0.5億元，同比下降58%[3]。此次疫情，使葡萄酒生產(chǎn)廠家和產(chǎn)品代理商認(rèn)識到傳統(tǒng)終端式銷售渠道的不足，開始重視線上渠道的銷售與自媒體的傳播[4]。在葡萄酒銷售渠道由線下銷售向電商轉(zhuǎn)型的調(diào)整階段，商品標(biāo)題所包含的產(chǎn)品信息不僅能夠吸引顧客、優(yōu)化購物體驗，而且能有利于促進銷售、樹立品牌形象[5-6]。因此，如何有效地利用現(xiàn)有網(wǎng)購數(shù)據(jù)，幫助商家擬定符合消費者偏好的葡萄酒商品標(biāo)題成為亟需解決的問題。

文本挖掘是指利用統(tǒng)計建模等手段進行文本解析并獲取高質(zhì)量信息的過程[7]。商品標(biāo)題是文本數(shù)據(jù)，屬于非結(jié)構(gòu)化數(shù)據(jù)。在文本挖掘技術(shù)盛行的熱潮下，國內(nèi)外很多學(xué)者對網(wǎng)購商品標(biāo)題進行多領(lǐng)域多角度的研究。包慧君等[5]對網(wǎng)絡(luò)零售土雞蛋的商品標(biāo)題設(shè)置進行分析與優(yōu)化，結(jié)果表明，商品標(biāo)題中核心詞較混亂，并且各種炒作的概念較多，易導(dǎo)致消費者選擇困難。李佳林[8]對女裝、女鞋、手機數(shù)碼和家電辦公4大類商品的標(biāo)題進行優(yōu)化。Wang等[9]提出一種基于在線評論的智能手機標(biāo)題優(yōu)化方法，可以有效反映消費者購物偏好。然而，針對網(wǎng)購葡萄酒標(biāo)題的研究鮮有報道。

因此，為了準(zhǔn)確、完整、簡潔地對網(wǎng)購葡萄酒進行特征描述，提出基于關(guān)聯(lián)規(guī)則的網(wǎng)購葡萄酒標(biāo)題分析與優(yōu)化方法。通過對不同銷量級別的商品標(biāo)題關(guān)鍵詞進行關(guān)聯(lián)度挖掘，為商家改進標(biāo)題提供理論參考。同時，為了進一步分析與商品銷量有關(guān)的影響因素，研究以銷量為目標(biāo)變量，以標(biāo)題所反映的商品屬性以及售價為自變量構(gòu)建隨機森林模型，以期幫助商家適時評估消費者偏好，調(diào)整供貨與銷售策略。

1 葡萄酒標(biāo)題文本特征分析

1.1 文本信息的采集與預(yù)處理

為了全面地獲取葡萄酒標(biāo)題、售價與銷量信息，研究利用Python語言開發(fā)的網(wǎng)絡(luò)信息抓取軟件以“葡萄酒”為關(guān)鍵字從“淘寶網(wǎng)”抓取300頁網(wǎng)頁數(shù)據(jù)，共獲取3023條商品信息。經(jīng)過數(shù)據(jù)清洗，剔除“白酒”“江小白”以及“雞尾酒”等與主題明顯無關(guān)的數(shù)據(jù)，剩余2970條有效信息作為分析數(shù)據(jù)。采用四分位數(shù)切割法，按照“銷量”將商品分為4個不同的等級，即“低銷量”“低中銷量”“中高銷量”和“高銷量”商品。在有效的商品數(shù)據(jù)中，銷量的最小值為0，最大值為5651，四分位數(shù)由低到高依次為10、27和87。

1.2 標(biāo)題的詞頻提取

詞頻是指某個詞在一個文檔中出現(xiàn)的頻數(shù)。文本中的高頻詞可以在一定程度上反映文本特征。研究基于R軟件jiebaR包中的混合模型（即隱式馬爾科夫模型與最大概率法的結(jié)合）對葡萄酒標(biāo)題進行分詞處理。在分詞過程中，去除空格、數(shù)字、字母和標(biāo)點符號。提取分詞后各銷量等級的標(biāo)題文本中詞頻大于50的高頻詞并集，進而分析不同銷量等級的標(biāo)題詞特征。

1.3 標(biāo)題詞的關(guān)聯(lián)分析

關(guān)聯(lián)規(guī)則是文本挖掘的一個重要研究方向，通常用以描述數(shù)據(jù)集中兩組不同對象之間存在的某種關(guān)聯(lián)關(guān)系[10-11]。利用Apriori算法挖掘4個不同銷量等級文本庫中的頻繁項集，通過設(shè)置支持度（support）為0.1且置信度（confidence）為0.8對高頻詞的關(guān)聯(lián)規(guī)則進行挖掘，進而比較文本標(biāo)題中高頻詞的關(guān)聯(lián)差異。此外，根據(jù)詞頻分析結(jié)果對“低銷量”和“高銷量”等級中詞頻差異較大的詞——“女士”進行關(guān)聯(lián)規(guī)則分析，實現(xiàn)對“低銷量”商品標(biāo)題信息的良好補充。為了篩選出較強的關(guān)聯(lián)規(guī)則，選取提升度（lift）大于3的關(guān)聯(lián)結(jié)果進行分析。

2 隨機森林分類模型構(gòu)建與驗證

2.1 特征向量提取

隨機森林是由多棵分類回歸樹（classification and regression tree，CART）構(gòu)成的組合分類模型，該方法不易出現(xiàn)過擬合，具有良好的準(zhǔn)確率和穩(wěn)定性[12]。以葡萄酒銷量作為隨機森林模型的目標(biāo)變量，同時根據(jù)jieba分詞結(jié)果對商品標(biāo)題進行特征提取，從而獲得特征向量（自變量）。用于隨機森林模型構(gòu)建的自變量包括以下標(biāo)題特征，即包裝方式（單支、兩支、禮盒、整箱、桶裝）、進口、國家、氣泡或起泡、波爾多、甜或半甜、正品、女士、赤霞珠、促銷或特價、白葡萄酒、莫斯卡托、贈送酒具13個維度。由于商品售價也是消費者考慮的主要因素之一，因此在標(biāo)題特征屬性的基礎(chǔ)上引入產(chǎn)品單價這一維度，從而將標(biāo)題特征數(shù)據(jù)和銷量數(shù)據(jù)進行集成，共同構(gòu)成隨機森林模型的樣本數(shù)據(jù)集。

2.2 隨機森林模型構(gòu)建和驗證

對“低銷量”和“高銷量”商品建立以銷量為目標(biāo)的隨機森林分類模型，通過R軟件將數(shù)據(jù)集隨機劃分為70%的訓(xùn)練集和30%的測試集，然后根據(jù)Random Forest 函數(shù)建立隨機森林模型，并獲得各自變量的相對重要性程度排序。重要性程度以平均準(zhǔn)確度下降程度（mean decrease in accuracy）和平均基尼指數(shù)下降程度（mean decrease in Gini index）進行評估，評價指標(biāo)的數(shù)值越大表示變量的重要性越大[13]。平均準(zhǔn)確度下降程度的含義為將一個變量的取值變?yōu)殡S機數(shù)時，隨機森林診斷準(zhǔn)確性的降低程度[14]。平均基尼指數(shù)下降程度是計算每個變量對分類樹每個節(jié)點上觀測值異質(zhì)性的影響，從而比較變量的重要性[15]。最后，根據(jù)靈敏度、特異度以及特征曲線下的面積（area under curve, AUC）評價模型的預(yù)測精度和泛化能力。

3 結(jié)果與分析

3.1 詞頻統(tǒng)計

對4個銷量等級中詞頻大于50的標(biāo)題詞取并集，分析標(biāo)題詞之間的共性與差異。由圖1 A可見，“葡萄酒”“紅酒”“干紅”和“進口”4個詞的出現(xiàn)頻數(shù)最高，是標(biāo)題中的核心詞。與低銷量產(chǎn)品的標(biāo)題相比，高銷量產(chǎn)品標(biāo)題中“起泡”和“支裝”出現(xiàn)的頻數(shù)較高，而“紅葡萄酒”和“赤霞珠”出現(xiàn)的頻數(shù)較低。由圖1 B可見，隨著銷量的增加，“包郵”“澳洲”和“智利”出現(xiàn)的頻數(shù)逐漸降低，但“波爾多”“西班牙”和“意大利”出現(xiàn)的頻數(shù)有所升高。對于詞頻介于50～100的標(biāo)題詞而言，高銷量葡萄酒中“氣泡”“甜酒”“甜型”以及“女士”的出現(xiàn)頻數(shù)明顯增多，表明以女性為銷售對象可能是提高產(chǎn)品銷量的有效方式之一。與低銷量葡萄酒標(biāo)題中詞頻差異較大的‘莫斯卡托’葡萄經(jīng)常用于釀造口感甘甜、香氣芬芳的起泡酒和微泡酒，此類酒深受女士們歡迎[16-17]。因此，建議銷售商推出以女性為消費對象的葡萄酒。

據(jù)Vinexpo與IWSR聯(lián)合發(fā)布的《全球葡萄酒市場現(xiàn)狀和未來趨勢預(yù)測報告》顯示，全球葡萄酒市場將呈現(xiàn)精品化趨勢，并且起泡酒的增長速率優(yōu)于靜止酒[18]。預(yù)計2022年，全球起泡酒銷量有望達到2.81億箱，價值約329億美元[19]。在起泡酒為全球葡萄酒市場帶來活力的契機，我國也要適當(dāng)提高起泡酒的市場占比。

“買一箱送一箱”在高銷量的產(chǎn)品中出現(xiàn)頻率較高，因此一定的促銷活動可以刺激銷量提升。然而，研究數(shù)據(jù)顯示，與70、80后相比，90后群體線上購酒時對促銷并不敏感，80后群體是最精打細(xì)算、貨比三家的群體[20]。因此，銷售商應(yīng)針對不同的消費群體，制定個性化的商品標(biāo)題，增強與買家搜索的匹配度，使產(chǎn)品搜索結(jié)果靠前，通過增加商品曝光率和點擊率以提高產(chǎn)品銷量。

3.2 關(guān)聯(lián)規(guī)則分析

對4個銷量等級中的高頻詞分別進行關(guān)聯(lián)規(guī)則分析發(fā)現(xiàn)，低銷量的商品標(biāo)題中不存在有效的關(guān)聯(lián)規(guī)則，高銷量產(chǎn)品中的商品標(biāo)題關(guān)聯(lián)規(guī)則最多，說明低銷量產(chǎn)品中標(biāo)題設(shè)置混亂，而高銷量產(chǎn)品的標(biāo)題詞有一定關(guān)聯(lián)規(guī)律（圖2）?！暗椭袖N量”的商品標(biāo)題只產(chǎn)生一條關(guān)聯(lián)規(guī)則，即標(biāo)題詞中若出現(xiàn)“波爾多”，則很有可能會同時出現(xiàn)“法國”，并且在“中高銷量”和“高銷量”級別的產(chǎn)品中同樣存在該關(guān)聯(lián)規(guī)則。進一步分析發(fā)現(xiàn)，對“高銷量”產(chǎn)品而言，“波爾多、干紅、紅酒、進口、葡萄酒”的所有子集中，若包含“波爾多”，則同時包含“法國”。然而，“中高銷量”產(chǎn)品缺失了“高銷量”中的部分關(guān)聯(lián)規(guī)則。因此，建議標(biāo)題中若出現(xiàn)“波爾多”時，同時標(biāo)注“法國”。

圖2 不同銷量級別中提升度大于3的高頻詞關(guān)聯(lián)規(guī)則Figure 2 Text association rules for high-frequency words based on lift more than 3

通過對低銷量和高銷量產(chǎn)品中詞頻差異較大的標(biāo)題詞——“女士”，進行關(guān)聯(lián)規(guī)則分析，發(fā)現(xiàn)低銷量的商品標(biāo)題不存在有效的關(guān)聯(lián)規(guī)則，低中銷量僅有1條關(guān)聯(lián)規(guī)則，中高銷量產(chǎn)生7條關(guān)聯(lián)規(guī)則，高銷量則達到11條關(guān)聯(lián)規(guī)則（圖3）。在“中高銷量”的標(biāo)題中產(chǎn)生包含與“整箱”和“莫斯卡托”相關(guān)的關(guān)聯(lián)規(guī)則，而在其它兩組銷量等級中沒有此類關(guān)聯(lián)規(guī)則。在“高銷量”的標(biāo)題中，關(guān)聯(lián)規(guī)則多與“甜型”“甜酒”“氣泡”以及“起泡”有關(guān)。

圖3 商品標(biāo)題中與“女士”相關(guān)的關(guān)聯(lián)規(guī)則Figure 3 Text association rules related to female

《2019中國酒類消費行為白皮書》指出，女性消費群體正在崛起，并且女性對葡萄酒的甜度喜好程度要高于男性[21-22]。因此，建議增加甜酒和起泡酒的產(chǎn)品類型，并且在標(biāo)題詞中與“女士”相關(guān)聯(lián)。

3.3 基于隨機森林模型的銷量影響因素分析

通過將隨機森林模型的預(yù)測結(jié)果與實際結(jié)果進行比對，發(fā)現(xiàn)模型的靈敏度和特異度分別為74.5%和79.9%，AUC為0.772，表明模型具有較好的評估性能。根據(jù)平均準(zhǔn)確度下降程度和平均基尼指數(shù)下降程度對變量的重要性進行排序，在銷量的判別模型中，重要性排序前5位的變量分別是商品單價、產(chǎn)地、包裝方式、是否屬于甜型、是否為進口酒（圖4）。其中，商品價格是消費者考慮的最主要影響因素。

圖4 分別根據(jù)平均準(zhǔn)確度下降程度（A）和平均基尼指數(shù)下降程度（B）對變量的重要性排序Figure 4 The importance of variables according to the mean decrease in accuracy (A) and mean decrease in Gini index (B)

4 討論與結(jié)論

基于文本關(guān)聯(lián)的網(wǎng)購葡萄酒標(biāo)題特征提取以及基于隨機森林模型的葡萄酒銷量影響因素分析。根據(jù)低銷量、低中銷量、中高銷量和高銷量的詞頻特征，提出要增強以女性為消費群體的建議。此外，根據(jù)文本關(guān)聯(lián)分析發(fā)現(xiàn)，低銷量商品標(biāo)題詞存在雜亂無序的現(xiàn)象，但是高銷量商品標(biāo)題詞的關(guān)聯(lián)性強，建議低銷量商品加強標(biāo)題詞的關(guān)聯(lián)性，有針對性地進行商品特征描述。同時，本研究表明，隨機森林模型可以較好地對低銷量和高銷量產(chǎn)品進行區(qū)分。商品特征的重要性排序結(jié)果可以為商家設(shè)定商品標(biāo)題提供有價值的參考。因為售價是影響銷量的最主要因素，因此低價位已成為我國電商平臺暢銷葡萄酒的共同特征[23]。除售價外，葡萄酒產(chǎn)地也是影響銷量的關(guān)鍵因素之一。Vinexpo調(diào)查顯示，女性在選擇葡萄酒時主要關(guān)注的因素依次是：售價、葡萄品種和原產(chǎn)國[24]。疫情之下國內(nèi)消費者的民族情懷上升，對提高國產(chǎn)葡萄酒的品牌自信有很大幫助。若借助本次進口酒受阻的時機，創(chuàng)造出更適合國內(nèi)消費的優(yōu)質(zhì)葡萄酒，將為未來國產(chǎn)葡萄酒崛起提供契機。

由于主要針對商品標(biāo)題的文本特征進行銷量分析，尚未涉及商品人氣指數(shù)、商品評價、賣家信譽以及服務(wù)質(zhì)量等因素，因此在以后的銷量影響因素綜合分析中，應(yīng)納入更多的自變量，以期進一步提高模型評估的準(zhǔn)確性。