0
隨著在線評論內(nèi)容的劇增，用戶的消費(fèi)體驗(yàn)變得可感可知，情感分析技術(shù)、文本挖掘技術(shù)的發(fā)展極大地提升了商家感知客戶需求并及時(shí)提供反饋的能力。
近日，在雷鋒網(wǎng) AI 研習(xí)社公開課上，北京郵電大學(xué)系統(tǒng)科學(xué)專業(yè)在讀博士張鎮(zhèn)平分享了其關(guān)于從在線評論中挖掘用戶需求的最新工作。公開課回放視頻網(wǎng)址：http://www.mooc.ai/open/course/558?=aitechtalkzhangzhenping
張鎮(zhèn)平：北京郵電大學(xué)系統(tǒng)科學(xué)專業(yè)在讀博士、上海對外經(jīng)貿(mào)大學(xué)和意大利巴勒莫大學(xué)聯(lián)合培養(yǎng)項(xiàng)目「基于建模的公共規(guī)劃、政策制定和管理」在讀博士，主要研究方向?yàn)橄到y(tǒng)動(dòng)力學(xué)及其應(yīng)用。其研究工作曾在 I&M、NetScix 會議、ISDC 會議等發(fā)表。
分享主題：基于在線評論的用戶需求感知
分享提綱：
1、研究背景和研究問題：激烈競爭市場中的用戶需求感知；
2、數(shù)據(jù)收集和預(yù)處理；
3、研究問題一：在線評論的有用性；
4、研究問題二：客戶需求建模及分析；
5、研究總結(jié)和展望；
雷鋒網(wǎng) AI 研習(xí)社將其分享內(nèi)容整理如下：
今天跟大家分享的是基于在線評論的用戶需求感知，這也是我們現(xiàn)在在做的一項(xiàng)工作，這篇文章發(fā)表在 Information & Management 上，大家有興趣的話可以去閱讀一下這篇文章。
我們的研究定位在手機(jī)市場，這一細(xì)分市場的競爭是非常激烈的。我們可以從下面表格中看到，手機(jī)市場從 2013 年的第四季度到 2014 年的第一季度就發(fā)生了顯著的變化，諾基亞、摩托羅拉等 2000 年的手機(jī)巨頭在這個(gè)表格上基本上消失了。那么如何在競爭激烈的市場中快速把握用戶需求就成了手機(jī)廠商競爭力的關(guān)鍵因素。
傳統(tǒng)的用戶需求調(diào)研方式主要是問卷調(diào)研，耗費(fèi)大量時(shí)間，而且對調(diào)研人員的要求非常高，涉及到的樣本量也很有限。我們考慮到近年來很多用戶產(chǎn)生內(nèi)容，消費(fèi)者在購買之后發(fā)表大量評論，從另一個(gè)維度（數(shù)據(jù)質(zhì)量）來說，這種在線評論相對于傳統(tǒng)調(diào)研方法來說，更具可依賴性。
我們研究的出發(fā)點(diǎn)是：現(xiàn)在用戶的消費(fèi)路徑是從購買到評論，這些內(nèi)容沉淀在網(wǎng)上，是否能夠?qū)Ξa(chǎn)品下一代的設(shè)計(jì)產(chǎn)生影響？傳統(tǒng)用戶需求有很多調(diào)研方法，如 1984 年這篇文章中涉及到的 KANO 模型，這些調(diào)研方法能否和在線評論數(shù)據(jù)做一個(gè)結(jié)合？
基于此，我們提出兩個(gè)研究問題：一是哪些評論對產(chǎn)品設(shè)計(jì)是有用的；二是我們?nèi)绾文軌驅(qū)⒂杏玫脑诰€評論和經(jīng)典的調(diào)研模型結(jié)合起來，來制定產(chǎn)品的優(yōu)化策略。
我們從三個(gè)方面做了研究綜述：第一個(gè)是評論的有用性分析；第二個(gè)是需求的調(diào)研；第三個(gè)跟本文比較相關(guān)，如何挖掘在線評論的內(nèi)容，包括情感分析、需求的排序、產(chǎn)品屬性的優(yōu)先級排列三個(gè)維度。
【關(guān)于研究綜述的講解，請回看視頻 00：03：35 處，http://www.mooc.ai/open/course/558?=aitechtalkzhangzhenping】
大量的在線評論是文本，而文本是非結(jié)構(gòu)化的內(nèi)容，如果需要建模，需要將其轉(zhuǎn)化為結(jié)構(gòu)化、可分析、量化的內(nèi)容。關(guān)于數(shù)據(jù)收集和預(yù)處理，我們先進(jìn)行調(diào)研、爬取、詞庫的構(gòu)建以及情感分析，然后將其轉(zhuǎn)化為結(jié)構(gòu)化的數(shù)據(jù)輸入到第二個(gè)和第三個(gè)模塊。
【關(guān)于數(shù)據(jù)收集和預(yù)處理的詳細(xì)講解，請回看視頻 00：05：35 處，http://www.mooc.ai/open/course/558?=aitechtalkzhangzhenping】
在線評論的有用性其實(shí)已經(jīng)得到了相對比較充分的研究，由于網(wǎng)上的評論特別多，消費(fèi)者難以窮盡所有的評論，現(xiàn)有的研究主要是如何幫助消費(fèi)者找到最有用的評論，以幫助他們做購買決策，而我們這里的有用性是不一樣的。
我們的有用性的定義是，這些評論對于產(chǎn)品優(yōu)化帶來的作用是怎樣的。所以，我們是從商家或者說產(chǎn)品設(shè)計(jì)的角度來研究評論的有用性。由于這些值無法直接從網(wǎng)上得到，所以我們對這些評論做了一定的標(biāo)注。邀請產(chǎn)品設(shè)計(jì)師打分后，作為訓(xùn)練集訓(xùn)練有用性模型，再利用模型對在線評論進(jìn)行排序和篩選，得到有用評論輸入到下一個(gè)模塊。
【關(guān)于在線評論的有用性的具體講解，請回看視頻 00：10：31 處，http://www.mooc.ai/open/course/558?=aitechtalkzhangzhenping】
客戶需求建模及分析在實(shí)踐中采用的是比較傳統(tǒng)的方法，包括問卷調(diào)研、實(shí)驗(yàn)等等，現(xiàn)在計(jì)算機(jī)對評論進(jìn)行分析，更多地做單純的統(tǒng)計(jì)歸類，而比較少做效用方面的建模。
用戶需求建模我們看到圖片從右到左，分別是用戶效用的建模、用戶需求的分析，另外我們還做了兩個(gè)輔助性分析，一個(gè)是魯棒性分析，一個(gè)是性能分析，最后是做產(chǎn)品優(yōu)化策略的制定——結(jié)合了經(jīng)典的 KANO 模型做產(chǎn)品的屬性歸類。
【關(guān)于客戶需求建模、分析的具體講解，請回看視頻 00：17：55 處，http://www.mooc.ai/open/course/558?=aitechtalkzhangzhenping】
對于這項(xiàng)工作的總結(jié)，我們先看一下它是否回答了前面的兩個(gè)問題：
第一，如何篩選對產(chǎn)品設(shè)計(jì)有用的在線評論？
我們的結(jié)果是建立了一個(gè)指標(biāo)體系，能夠很好地篩選在線評論，幫助商家來處理大量的數(shù)據(jù)、隔離噪音，從而得到有用的產(chǎn)品反饋。
第二，我們?nèi)绾螜z測到用戶需求，制定有效地產(chǎn)品優(yōu)化策略？
我們結(jié)合已有的研究的權(quán)重計(jì)算和 KANO 模型，將原來嚴(yán)重依賴于問卷調(diào)研和實(shí)驗(yàn)的方法應(yīng)用到大數(shù)據(jù)當(dāng)中，可以幫助商家及時(shí)了解用戶的反饋，然后及時(shí)地對反饋制定優(yōu)化策略。
當(dāng)然我們的研究也存在一定的不足，比如：
第一，我們的工作只研究了電商網(wǎng)站上的在線評論，而有的用戶是不發(fā)表評論的，因此我們偏重了發(fā)表評論的用戶，研究數(shù)據(jù)具有一定的偏差性。此外，即使將這兩類用戶都考慮進(jìn)去了，那沒購買過這一產(chǎn)品的用戶是否也應(yīng)該考慮進(jìn)去呢？這就是數(shù)據(jù)本身存在的一個(gè)缺陷。而我們提出的建議，是通過傳統(tǒng)的問卷調(diào)研、實(shí)驗(yàn)分析來驗(yàn)證不同渠道得到的產(chǎn)品需求調(diào)研結(jié)果的一致性。
第二，我們用到的模型是比較通用的模型-客戶需求權(quán)重、客戶需求歸類，然而在客戶關(guān)系管理里面有很多其他有用的概念，比如產(chǎn)品的聲譽(yù)、客戶的滿意度，這些概念還沒有在研究中得到有效的測量。這也是以后研究的一個(gè)挑戰(zhàn)。
大家有興趣的話，可以到網(wǎng)上下載這篇文章：Qi, J., Zhang, Z., Jeon, S., & Zhou, Y. (2016). Mining customer requirements from online reviews: A product improvement perspective. Information & Management, 53(8), 951-963。如果大家有什么問題或者想跟我交流，可以通過 robert_zhangzhenping@foxmail.com 這個(gè)郵箱與我聯(lián)系。
以上就是本期嘉賓的全部分享內(nèi)容。更多公開課視頻請到雷鋒網(wǎng)(公眾號：雷鋒網(wǎng)) AI 研習(xí)社社區(qū)（https://club.leiphone.com/）觀看。關(guān)注微信公眾號：AI 研習(xí)社（okweiwu），可獲取最新公開課直播時(shí)間預(yù)告。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
