利用大数据技术优化在线评价系统

赵 楠，柯 雪，彭 韧

近年来，随着数字经济的发展，在线消费的规模与数量都呈现全球性的高速发展的态势。其中美国发展较早，在专业化方面处于领先水平；中国发展虽晚，但成长迅速消费规模庞大，相关数据显示，截至2019年6月，我国网购用户规模达6.39亿①。数据显示，92%的用户需要通过查看评价来做自己的购买决策②；而商家的产品更新与服务完善也离不开用户的评价，良好的评论又可促进销售的增长，因此不论从用户还是商家的角度看，在线消费评价都非常重要。用户评价都是通过在线消费评价系统发布的，现有的在线消费评价系统还存在许多认知、交互等用户体验问题，优化在线消费评价系统的用户体验对电商发展是现实的需求。而大数据技术已经被广泛用于优化用户阅读在线消费评论等方面，本文希望能够利用大数据技术优化在线消费评价系统的用户体验，在一定程度上提升用户的评价行为意愿。

1 大数据技术的应用

如今大数据已经在人类社会实践中展现出巨大的优势，其利用价值也超乎人们的想象。大数据技术目前活跃在五大应用领域：

1）通过大数据了解和定位网络用户。这是大数据目前最广为人知的应用领域，很多企业热衷于社交媒体数据、浏览器日志、文本挖掘数据等各类数据集，通过大数据技术创建预测模型，从而更全面地了解客户的价值取向、行为特征及个性偏好。

2）了解和优化业务流程。大数据技术已越来越多地被企业应用于优化业务流程，如供应链或配送路径优化；通过定位和识别系统来跟踪货物或运输车辆，并根据实时交通路况数据优化运输路线等。

3）提供个性化服务。大数据不仅适用于企业和政府，也适用于针对个人的服务，如从智能手表或智能手环等可穿戴设备采集的数据，均可被用于改良产品、改善服务，并使消费者从中获益。

4）改善医疗保健和公共卫生。如大数据分析的能力可以在几分钟内解码整个DNA 序列，这有助于我们找到新的治疗方法，更好地理解和预测疾病模式。

5）提高体育运动技能。如今大多数顶尖的体育赛事都采用了大数据分析技术。许多优秀的运动队也在训练之外跟踪运动员的营养和睡眠状况，以此来改善运动员的运动生理状况。

大数据的应用场景已经非常丰富，而将大数据技术应用于在线消费评价系统，为用户提供更优质的服务，将是本文需要展开研究的重要应用领域。

1.1 在线消费评价系统现状

在线消费评价通过在线信誉系统（OFS，On line Feedback System）发布。这是一种在网络环境下，通过收集、统计、发布用户历史行为反馈信息，激励陌生人之间的合作行为，促进网络信任的信誉管理机制（Resnick 等2000）。在电商领域，“在线信誉系统”即可被看作评价系统，于是本文中将“在线信誉系统”称作“在线消费评价系统”也更易于理解。

在线消费评价系统最早由eBay 提出并投入使用，目前的在线消费评价系统交互界面一般分为两个部分：评级模块、评论模块。其中评级模块一般分为3级制度，如eBay 评价系统中可选择更好的、更坏的或第一次交易；5级制度，如Amazon 评价系统中，用户可以按照1～5进行打分；评论模块包括图片提交、文字输入等。

1.2 大数据技术在电商中的应用现状

图1 商品评论展示界面

大数据技术对电子商务的影响是革命性的。有了大数据分析技术的支持，平台与商家可以很容易从海量的数据中分析出用户的需求，进而推出更符合消费者需求的产品或服务，这中间还能够进行针对性的调整和优化，这就是大数据赋予电子商务平台的新价值。大数据技术在电商平台中的应用已经非常广泛，一般在在线消费的评价展示界面中，已经利用大数据对用户提交的评论信息进行了聚类分析。通过展示商家的各维度评分，如“宝贝描述”“卖家服务“”物流服务“，并且在评论信息展示界面中，根据评论内容对评论进行了分类，如“有图（评论）”“视频”“追加”等等。图1为淘宝App 中某商品的评论展示界面。

可见在电商系统中，大数据的技术已经足够成熟。利用大数据技术来解决在线消费评价系统中存在的用户体验问题将不存在任何障碍。随着移动互联网技术的发展，电子商务在移动端发展迅猛，截至2019年6月，使用手机购物的用户规模达6.22亿①，通过手机进行网购的用户远远超过其它任何设备，因此本文将以移动端为例，从用户评价意愿的影响因素角度阐述现有的在线消费评价系统中存在的问题，并提供问题的解决或缓解的方法。

2 移动端在线消费评价系统的现存问题

用户参与在线消费评价的意愿受到很多因素的影响，新加坡著名学者Tong 等人通过研究发现，利益回报、认知成本和执行成本等因素影响用户参与在线消费评价系统，其中认知成本是指对自己的购物体验回忆以及整理为逻辑性文字的过程；执行成本与平台的评价系统的易用性相关，想要减少认知成本与执行成本需要提升用户使用在线消费评价系统的用户体验，使用户感知成本降低。具体表述是：将执行成本对应到在线消费评价系统中，是指评级模块的易用性与可用性等；将认知成本对应到在线消费评价系统中的评论模块，是指用户回忆自己的用户体验、对产品的感受，并将其梳理成文字并逐字逐句输入到评论提交框中的行为过程；而利益回报在不同平台有不同的形式，比如，金币、红包、免费服务等。

2.1 用户的认知成本过高

现有的在线消费评价系统中，用户在提交评论时不仅需要回忆对产品的感受与使用体验，还需要将这些内容转化为逻辑性的语句输入到系统中，过程中产生的认知成本非常大。根据用户分类的不同，用户使用在线消费评价系统时的行为也存在不同：部分用户表示提交评价只是为了清空购物App 中的“待评价”列表，这类用户在评论模块往往并不会输入高质量、有效的评论信息，只是应付了事；还有部分用户表示，在填写评论时，疲于去回忆产品的使用细节，特别是买了一段时间后的产品，往往只是三两句无实质内容的评论。这些现象都表明，评论提交模块已经对用户体验产生严重影响，甚至会因此导致用户不参与产品评论。

2.2 用户执行成本过高

上文中已提到的在线消费评价系统中存在的执行成本过高的问题，体现在在线消费评价系统的交互设计中尤其突出。电子商务网站如淘宝、天猫、京东等都提供在线评论的系统，现有的评价系统中评级模块常用的评级制度有3级制度：差评、中评、好评；5级制度：1～5分的打分制度。以淘宝App评价系统为例，图2中为不同商品、不同评级制度的评级图标设计。可以看出，淘宝App 中，评级模块中的图标设计有两种，分别是：1.花朵形状，花朵的生长状态分别表示差评、中评、好评；2.五角星形状，根据选择的五角星数量来做1～5分的评级，评级程度由“非常不好”到“非常好”。淘宝App 的评级图标设计中存在一些问题：中评与差评的花朵形态相同，这样的设计混淆了用户的情绪感知，降低了系统的易用性，增加了用户的执行成本。

图2 淘宝的两种商品评级图标

2.3 利益回报提示不清晰

图3 大众点评App的评价系统页面

现有的各个平台都对满足一定要求的评价给予一定奖励，在Tong 等人的研究中也发现，很多用户使用在线消费评价系统的动机与利益回报相关。但现有的评价系统中往往忽略了将“我们有对优质评价信息的奖励！”这一信息清晰直接的传达给用户，比如图1中的淘宝App 评价系统页面，其中并没有提示用户达到一定要求可以获得淘金币奖励。在这种情况下，用户可能会由于动机不足而不会产生评论的行为意愿。还有一些电商平台针对评论字数做要求，如：字数达到100即可获得100金币奖励，然而用户在输入评论的过程中并没有实时显示剩余需输入字数，示例见图3。

当用户完成某件事，肯定用户的行为并给他们奖励是非常重要的，可以使用户心情愉悦，提升用户体验。这些对于利益回报的糟糕交互设计可能会导致用户评论动机不足，而忽略了购物流程中的产品的评论这一步骤，导致商家获取不到用户体验信息，无法改进自己的产品与服务，而其他用户也会因为评论信息数量少而无法做出对相关产品购买的决策。

3 在线消费评价系统优化方法

3.1 降低认知成本——使用大数据技术建立评论标签

IBM 认为，大数据有5V 特点：Volume(大量)、Velocity(高速)、Variety(多样)、Value(价值)Veracity(真实性)，大数据在用户研究、用户画像、产品营运、产品设计等多方面都已得到广泛应用，其所产生的巨大效用也不容忽视。在电子商务领域，大数据技术目前已经在在线消费评价系统的评价展示页面、用户推荐、预测模型等中得到成熟的应用。然而，现有的评价系统往往是机械地将从评级到评论的所有任务都交给用户来完成，没有将大数据这类新型互联网技术应用其中。

为了降低用户输入评论时的认知成本，针对存在一定评价数量基础的产品，我们可以利用大数据技术建立方便用户提交真实评论的标签，用户只需要在选择评级后，根据自己的对产品使用的记忆，点击对应的文字评论关键词标签即可。如果标签并不能完整表达自己的情感与意见，用户可以选择“写评论”按钮，继续补充评论信息。

使用大数据技术建立产品评论标签应该分为两种情况：

1）产品已存在一定数量基础的评论信息。这种情况下，建立产品评论标签主要有3个步骤，流程图如图4。

图4 建立产品评论标签的步骤与流程

（1）产品在线评论信息的预处理。通过对用户已经提交的评论进行筛选，剔除与产品本身无关的信息，如物流评论、服务评论，再对与产品有关的评论信息进行数据分析，根据对现有的电商评论进行分析，这类信息主要包括两大类：一是广告评论：是指利用其它用户会查看评论为契机，而发出的对其他产品的广告信息，一般含有网页链接或店铺号等，如“你是我的优乐美”“想看好货来25464561”等。在分析后对这类信息做删除处理；二是虚假评论（灌水评论）：是指评论内容空洞，一味的重复，可能是为了满足商家的积分或好评返现的条件而发布的评论，如：“非常好，非常舒服，好好好好”“很舒服棒棒棒棒棒棒棒哒”等。在分析后对这类信息做删除处理。

（2）产品在线评论信息的提取与标签构建。对预处理后的评论信息按照3级评级进行分类，然后对不同类别的评论信息进行关键词提取，合并意思相近或相同的评论标签，对剩下的关键词进行词频统计，在每个分类中选取词频较高的5～10个关键词作为分类下的标签云，尽量保证关键词描述产品的不同属性，如：外观、尺码、材质、性价比、舒适度、总体感觉等等。

（3）评论标签的迭代。随着时代的发展，产品相关评论信息的增多，维度的多元化，大数据处理系统需要随时关注用户提交评论内容，对用户的最新评论内容进行大数据处理，根据处理结果及时更新评论标签，达到最大化减少用户评论的输入文字的负担，减少认知成本，并以此提高用户体验。

当评论标签构建完成后，即可投入评价系统中使用，界面案例如图5。

图5 在线消费评价系统评论标签化界面

2）产品已有评论信息数量不足或不存在评论信息。这种情况下，建立产品标签需要时间累积用户的评论信息，为了方便标签构建时，评论信息的筛选与处理，可以在评论模块为用户提供评论维度来规范和引导评论内容，使用户提交优质的评论。如用户对一款评论较少或无评论的拖鞋产品评价时，评论模块提供：“产品功能”“商品品质”“外观材质”的维度给用户，用户可以按照维度对产品做出评价，并且添加“其他”标签，以免出现用户思维局限的情况，具体案例如图6。在这样的情况下，经过一定的时间积累，当产品已拥有一定量的评论信息后，可以按照情况一进行评论标签的构建。

图6 已存在评价较少或无评论时的评论提交界面

3.2 降低执行成本——评级模块交互设计优化

在同一个平台的评价系统应该尽量保证统一的评级制度，以提升系统的易用性，提升用户对系统的熟悉度，增强用户黏性。纵观现有的评价系统评级制度，5级制度的评分模式本来就是一种模棱两可的评价方式，4分与5分对于提交评价的用户来说可能相差并不多，而商家却可能因此失去一个好评（很多商家认为4分也不算好评），无法探知用户真正的喜好，相反，3级制度的简单评价方式某种程度上能更直观地反映用户满意度。

在在线消费评价系统中，设计在评级图标设计过程中需要理解用户的情感状态，表现出设计师对用户的体贴入微(thoughtfulness)，提升在线消费评价系统的用户体验。印度尼西亚著名学者Setyohadi DB 等人通过研究发现，圆形可以促使人产生积极情绪，评级模块的图标设计可以采用圆脸形象，通过不同的表情特征来分别表示差评、中评与好评，因此对在线消费评价系统中评级模块的图标设计建议如图7，通过圆形人脸的表情来直接与用户的情感相连接，不需要过多的阅读文字便可理解设计师的意愿，同时圆形促进用户产生积极情绪。这样的图标设计能够增强系统的易用性，减轻用户的执行成本。

图7 人脸表情的图标设计

3.3 及时的利益回报信息提示

为了使用户在收到产品的第一时间就能够获取到提供评价能够获得的利益回报，促进用户的评论行为意愿，根据用户的电商购物流程，以淘宝App为例，在产品确认收货后，产品相关订单即被转移到“待评价”页面中，我们可以在用户确认收货后的页面中，通过按钮引导用户参与评价，并且可以将评价所能获得的利益回报清晰直接地展现给用户，如“点这里直接去评价，获得100金币哦！”，在用户进入评价系统中后，根据用户的操作行为及时提示用户能够获得利益回报的相关要求，如字数、步骤等。这样的实时利益回报提醒，可大大提升用户的评价意愿。

4 总结和展望

笔者提出将大数据处理技术应用到在线消费评价系统的人机交互界面设计中，在以合理应用技术为基础的同时优化交互设计。从用户的角度出发，考虑用户提交评价过程中的执行成本与认知成本，并结合利益回报这个参与在线评价的动机之一，对在线消费评价系统的评级模块与评论模块提出优化设计方法和策略。利用大数据可视化展现的直观便利性，简化了用户的操作，增强了在线评价的意愿。

在高科技技术飞速发展的时代下，电子商务的发展也越来越好，并且随着5G 时代到来，未来可以将大数据的更多技术，如云计算、机器学习、预测模型、数据挖掘等等技术应用到电子商务中去，让电子商务评价不仅仅在电商平台上被聚集、分类，还可以展开对整个互联网中对产品、商家、服务的信息的搜索与处理，为用户及商家带来更加有价值的评价信息。

注释

①数据来源：《第44次中国互联网络发展状况统计报告（2019年8月）》。

②数据来源：https://econsultancy.com。