基于PZB理论的在线餐饮商家服务质量提升研究

2020-11-28王和勇曾德杭

中国管理信息化 2020年19期

王和勇曾德杭

[摘要] 随着电子商务行业的发展，近年来在线商家数量不断增长，在线商家服务领域不断拓宽，线上线下结合的商业形式成为主流。而在线评论成为沟通消费者和商家的重要桥梁。消费者通过在线评论直观地表达自己对产品或服务的观点和评价，使在线评论成为在线商家提升服务质量的重要依据。为提升在线商家服务质量，文章以消费者对餐饮业在线商家服务质量的在线评论为例进行挖掘分析，运用LDA（Latent Dirichlet Allocation）模型对在线评论数据进行处理，挖掘出消费者对在线商家服务质量的关注点，并利用服务质量差距模型（the Gap Model of Service Quality，又称PZB模型），从缩短“顾客期望与感知差距”的四个维度，提出了在线商家服务质量提升的建议。

[关键词] 在线评论;服务质量;LDA模型;PZB模型

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2020. 19. 070

[中图分类号] F713.6 [文献标识码] A [文章编号] 1673 - 0194（2020）19- 0165- 08

0 引言

近年来，互联网技术不断发展，线上与线下相互结合的商业模式成为企业和商家发展的主流。人们将原本线下进行的商业活动，慢慢地与线上活动相结合。这种商业模式的发展给人们带来许多便利，形成了在线商家与消费者双赢的局面。在线商家和消费者通過在线评论的方式进行信息交换，一方面为帮助商家提高服务质量提供参考，另一方面为消费者间进行交流提供渠道。但是随着线上活动的日趋频繁，在线商家对于在线评论的处理随着在线评论的增多变得十分困难，在线商家面临着无法有效分析大量评论信息的窘境。这使得以在线评论为基础谋取提高服务质量的方法变得十分困难。

其实，国内研究人员已经就如何提升在线服务质量进行了相关研究。施国洪等[1]通过专家访谈和问卷调查的方式从感知有用性、感知易用性、感知便利性、感知愉悦性等角度构建了“移动图书馆服务质量影响因素模型”，分析了上述各个维度之间的关系以及他们对移动图书馆服务质量的影响，从而得出改进移动图书馆服务质量的建议。丁娟[2]细化和改进了基础的WebQual模型得到旅行社网站服务质量综合评价模型T-WebQual，并运用该评估模型对我国部分旅行社进行评估，发现我国旅行社中在线服务质量存在的问题。李婧宁等[3]针对在线旅游服务业态中存在的模式单一、服务水平有待提高等问题进行分析，围绕易用性、安全性、响应性、履行性、内容和信息、在线满意度和在线忠诚度等因素通过问卷调查，构建了旅游平台服务质量评价体系。

从上述在线服务质量提升的研究可以看出，在线服务质量研究方法采用专家访谈、问卷调查及其模型改进等，这些研究方法存在着行业特殊性和主观性。随着在线商家和消费者数量的逐渐增大，此研究方法在海量在线评论面前具有一定片面性。

在线评论可以帮助消费者获取到关于产品或服务的信息。随着商业模式的不断发展，在线评论也逐渐成为商家了解消费者需求，消费者反馈意见的重要渠道。因此在线评论的相关研究成为了在线服务质量提升的重要方向之一。肖轶楠等[4]通过对酒店在线点评进行语义分析，将宾客的感知服务质量分为整体服务评价、前厅服务评价、客房服务评价和餐饮服务评价四个部分，并以酒店整体服务、前厅整体服务等十二个二级指标进一步分析酒店管理的服务质量。王洪伟等[5]从在线评论的情感分析入手，选取两家快递公司的评论信息进行分析，结合SERVQAL量表，围绕企业整体、价格、时效性等维度建立了快递服务质量评价体系。由丽萍等[6]从在线评论的语义分析入手，从语义分析中得出服务质量测量的数据来源，之后应用TOPSIS模型（Technique for Order Preference by Similarity to an Ideal Solution）以酒店总体、地理位置、客房总体、客房施舍等维度建立了酒店服务评价体系。为了更好地理解在线评论对于消费者决策的影响，李宗伟[7]构建了在线评论影响消费者购买决策的模型，指出店铺属性、商品品质、在线评论是影响消费者的重要因素，平台属性与商品品类在购买决策中会起到调节作用。Palese， B等[8]利用在线评论结合主题模型和线性回归，分析出SERVQUAL模型中消费者评估服务质量的各个因素的影响力强度相对关系。

总结上述文献可以发现以下两个方面的问题：其一，大多数文献针对某一行业的在线商家进行笼统的分析，没有结合在线商家自身的优劣等信息对在线商家进行细分和研究;其二，没有利用服务质量差距模型对在线评论和服务质量提升进行研究，服务质量差距模型作为研究服务质量改进问题的重要概念性框架对在线服务质量提升具有很强的指导意义。

文章以此为突破点对在线评论数据进行分析，研究如何提升在线商家服务质量。选取“大众点评”中餐饮业的评论数据，将在线商家按照“好”“中”“坏”进行分类。通过对在线评论文本数据的挖掘，针对不同层次的在线商家以及其在线评论内容进行主题挖掘，试图找到在消费者视角下不同类型在线商家的不同特征，并根据这些特征及关系结合PZB模型中“管理感知差距”“质量标准差距”“服务传递差距”和“营销宣传差距”四个维度，提出餐饮业在线商家服务质量提升的建议。

1 研究方法

1.1 PZB模型

服务质量差距模型是由A.Parasuraman 、Valarie A Zeithamal 和 L. Berry 等人提出的，也被叫做PZB 模型。该模型被广泛地应用于服务质量改进领域。模型认为顾客期望和顾客感知存在差距，并且这些差距决定了顾客对产品或服务的认知。模型中的“顾客期望和感知差距”是由服务提供者的一系列内部决策和活动决定，并且由服务提供过程中的管理层感知差距、质量标准差距、服务传递差距和营销宣传差距共同决定。其中各项差距的内涵[9]如表1所示。

PZB 模型的各项差距中，前四项差距为具体的质量差距维度，而“顾客期望与感知差距”则是由上述四项差距共同决定。

服务质量差距模型现已被广泛地应用于许多领域，例如现代远程教育公共服务体系学习中心[10]、图书馆[11]、公立医院[12]和会展活动[13]等。PZB模型作为服务质量提升的分析工具，被许多学者与SERVQUAL量表结合使用，用于发现服务环节中可能出现的问题。本文结合了PZB模型对服务活动分析的科学性，并将其与文本分析相结合，以文本分析提供信息基础，以PZB模型提供分析思路进行在线商家的服务质量改进。

1.2 LDA主题词提取

LDA是一种无监督的学习模型，能够通过文档语义，发现文档中的隐含主题。其核心思想是将文档抽象地表示成主题的概率分布，主题又构造成词汇的概率分布，进而将文档和词汇进行链接。

如图1所示，Di，j表示某一篇文档，α表示文档-主题的先验分布参数，β表示主题词语的先验分布参数，θ表示文档Di，j的主题多项式概率分布，φz表示第z个主题的词汇多项式概率分布，ZDi，j，r表示文档Di，j的第r个词的主题，WDi，j，r表示文档Di，f的第r个词，K表示文档中词语个数，V表示主题数目。LDA模型思路为：

（1）对于每一篇文档Di，j，根据θm～Dir（？鄣）生成文档Di，j关于主题的多项式分布参数θm;

（2）对于每一个主题z，根据φz～Dir（β）生成主题z关于语料库中词语的多项式分布参数φz;

（3）对于每个文档Di，j中的第r个词语WDi，j，r：

①根据多项式分布ZDi，j，r～Muli（θm），抽样得到词汇WDi，j，r所属的主题ZDi，j，r;

②根据多项式分布Wi，j，r～Muli（φz），抽样得到具体的主题词Wi，j，r。

经过以上步骤，得到每个文档的多个LDA主题词{Wi，j，1，Wi，j，2，Wi，j，3，…，Wi，j，r，…，Wi，j，e}。

LDA模型作为一种成熟的无监督的文本学习模型，因为其对文本主题词发现的无监督性和科学性现已被广泛地应用于文本挖掘领域，而以LDA模型衍生的研究也被研究者们广泛认可。近些年以LDA为基础的研究内容可以分为两个方向：一是对LDA模型自身的改进;二是将基础LDA模型与特定应用相结合。模型改进方面，包括模型增加词序信息的LDA-WO模型[14]、模型增加哈希标签的EM-LDA模型[15]以及增加权重等因素的可扩展LDA模型[16]等，各种模型改进方法针对其不同的应用领域在不同方面都会有好的表现。

相比于模型改进，关于LDA模型的研究更多则是通过基础LDA模型的应用，对不同研究内容的分析和优化，例如应用LDA模型优化推荐算法[17]、应用LDA模型对企业微博主题传播效果进行分析[18]等。文章也将从应用角度出发，将LDA模型应用于在线商家服务质量改进中，结合商家的评论信息分析出消费者关注的在线商家服务质量的主题，以此作为信息基础进行研究。

2 研究设计

利用在线评论中隐藏的信息作为在线商家服务质量提升的基础，挖掘不同类型在线商家的不同特征及其关系，结合PZB模型，提出针对不同类型在线商家的服务质量提升建议。研究技术路线如图2所示。

技术路线分为三个部分，分别是在线评论采集和数据预处理、LDA处理以及PZB模型分析。

（1）在线评论采集和数据预处理部分包括对在线评论文本数据的采集、数据的分类整理、在线评论文本分词以及去除停用词。

关于数据采集，采集的数据来源于“大众点评”用户评论的文本数据，根据“大众点评”中好评率的排序对在线商家进行分类，分为“好店铺”“中店铺”和“差店铺”;并对同类型店铺的在线评论内容按照“好评”“中评”和“差评”（分类依据大众点评中评论星级）进行分类。数据分类结果如图3所示。

其中Si表示第i（1

Di，j={C，Ci，j，2，Ci，j，3，…，Ci，j，h，…，Ci，j，x}，1

Ci，j，h为店铺Si的j类评论的第h条评论，总共x条评论。在此分类基础上对Ci，j，h进行分词，并去除分词结果中无用的停用词，得到Di，j转变为词语集合，如式②所示：

Di，j={W，WDi，j，2，WDi，j，3，…，WDi，j，f，…，WDi，j，k}，1

其中，Di，j包含k个词语，表示店铺Si的j类评论的所有评论数据的分词结果，WDi，j，f为其中的第f个词语。

（2）LDA处理部分主要是LDA主题词提取以及对LDA主题词的统计分析。把每个商家Si的每种评论j的评论数据Di，j作为一个文档集，分别生成LDA主题词，如式③所示：

LDAi，j=LDA（Di，j），1

生成的LDA主题结果如图4所示。

其中LDAi，j表示店铺Si对应的在线评论j经过LDA处理后得到的LDA主题词，j取不同值代表不同类型在线评论。LDAi，j如式④所示：

LDAi，j={w，w，j，2，wi，j，3，…，wi，j，r，…，wi，j，e}④

wi，j，r表示店铺i所对应的语料j（“好评”“中评”“差评”）所提取的第r个主题词，主题词共e個，且e≤k。

在得到LDA主题词后，对不同类型在线评论进行主题词的词频统计，通过LDA主题词的统计特性进行分析，得出餐饮业在线商家服务质量中存在的问题，并得出餐饮业商家服务质量改进的阶段性结论。

（3）PZB模型分析部分，首先借助PZB模型对餐饮业在线商家服务质量中出现的问题进行总结分析，并分别从PZB模型的四个角度出发，分析在线商家服务过程中存在的问题，并以此提出建议。

3 实证结果与分析

3.1 数据

数据来源是“大众点评”中餐饮业评论数据，共采集评论页8 620页，依据大众点评好评率进行排序，在线商家数量分布如表2所示。

3.2 LDA结果展示

应用上述数据针对每个店铺的每种评论都生成一个LDA主题，具体展示如表3所示。文章通过对表中同一店铺不同类型评论中主题词的区别得出消费者关注的侧重点，以及通过不同类型店铺的同种类型评论的对比，分析出不同类型店铺之间存在的差别，并以此作为服务质量改进的基础。

3.3 LDA结果分析

本节从单个店铺主题词分析和不同类型店铺主题词统计对比两个角度进行深入分析。从微观的单个店铺解析出消费者的关注主题和具体问题，从宏观的不同类型店铺主题词统计对比中解析出不同类型店铺特点和差异性。

3.3.1 单个店铺主题词分析

以表3中差店铺中编号为的店铺为Sq+1分析对象，对比不同类型评论的LDA主题词结果，提取消费者关注要点进行分析如下。

所有类型评论的LDA主题词中，都出现了“儿童”或者“小朋友”，在经过确认后，该餐厅是一家拥有儿童游乐场所的儿童主题餐厅。

由主题词内容可知，消费者主要关注该店铺的三大主题：食物、环境和其他。关于主题词的主题方面总结如表4所示。

从表3中可以看出，店铺的好、中、差评都有对餐厅环境和餐厅食物的LDA主题词。结合评论内容，食物份量和味道方面，中评、差评中的意见更为突出，味道并不合乎部分人的胃口并且分量也在一定程度上达不到要求。环境方面，餐厅整体环境较好，但是在店铺差评中提到卫生环境的问题和许多关于游乐设备的意见，例如关于游乐空间、游乐设施量和设施质量等方面的意见，表现出所宣传的“儿童主题”没有与消费者期望相吻合的现象。

总结消费者对该商家的关注点，包括以下几方面：首先是食物方面的问题，包括食物份量和食物味道两个因素;其次是环境方面的问题，包括环境卫生和游乐设施两个因素;第三则是宣传方面的问题，指对店内游乐设施的宣传造成消费者期望过高的问题。

3.3.2 不同类型店铺主题词统计对比

对不同类型店铺的不同类型评论主题词进行词频统计，选取九类评论词频较高的前20个词，以“词：词频”形式展示，如表5所示。

从表5的词频统计结果可以看出，作为餐饮企业的在线评论，所有类型店铺的所有类型评论，“味道”都排在第一位，显示出消费者对餐厅首要考虑的因素仍然是食物的味道。

除去描述食品的词（例如“芝士”“三文鱼”等）后，余下的大部分会围绕餐厅的环境、服务等方面。

“环境”词频大部分徘徊在第3到第7名（如表6所示），表明环境是大多数消费者会考虑的问题。在不同评论对比之下，不论店铺类型，好评中“环境”的频次高于中评，中评中“环境”的频次又高于差评，从侧面可以体现出“环境”提升能够很好地促使消费者给出更好的评论。

如表7，8所示，在差评中“服务”和“服务员”被提及的次数要多于中评和好评，表现出消费者往往更倾向于在差评中反应关于“服务”及“服务员”的观点。或者说在服务方面，消费者对于负面观点的表达比正面观点的表达更为积极。服务方面出现的问题更能促使消费者给出较差的评论。由此可见，在相同情况下，服务的好坏对于消费者的评价十分重要，在服务没有到达一定要求的情况下，消费者更容易给出不好的评论。

从“服务”和“环境”词频排序的前后顺序分析，在“差”“中”店铺类型的评论中，差评“服务”的位置排在“环境”前面，中评和好评里“环境”的频次更高;而在“好”类型店铺的所有评论中“服务”的词频总是不少于“环境”。即对于中等或者相对较差的店铺，其服务的质量并没有达到顾客的期望，以至于不能地在好评和中评中被提及的足够多，也反映了对于这两种店铺食物的味道和环境固然重要，但是服务和服务员质量提升将是减少顾客期望差距的重要因素。

针对表5中词语“位置”的统计结果如表9所示。

从词语的出现情况可以看出，在被认为没那么好的店铺（“中店铺”“差店铺”）中往往会出现“位置”这个词，其中“差店铺”更加明显。对于餐饮企业，“位置”往往被认为有两层含义：一是餐厅的地理位置，二是餐厅内消费者的用餐位置。从管理改进的角度分析，一方面是对商家店铺选址问题的优化;另一方面则是对店铺内部环境的优化。商家选址应尽可能地选择便于消费者寻找的地方或者在表述餐厅位置的信息上尽可能准确，而餐厅内部环境部分应将用餐位置尽可能科学地设计。

表5中“新鲜”的词频统计结果如表10所示。

从表5中发现，“好店铺”和“中店铺”三种评论类型的“新鲜”词频与“差店铺”明显不同，说明好的餐饮业店铺（“好”“中”店铺对比“差”店铺）会让消费者更容易体验到食物的新鲜程度，进而得到好的评论。

3.4 结论总结及管理改进

综合LDA主题词分析，运用PZB模型将餐饮业商家可能存在的问题进行总结，如表11所示。

管理层感知差距是由于管理层难以捕捉消费者的需求而产生的差距，例如文中提到的线下店选址问题和店内环境布局问题等。出现这些问题的关键在于管理层感知消费者需求的不足，即管理者不能很好地了解到顾客的真实想法，解决这一问题的措施是一方面制定完善的反馈机制，另一方面是对线下店進行科学的设计。

质量标准差距在许多在线商家眼中是最容易被忽略的，例如文中提到的关于餐饮业主营业务（口味）不符合消费者期望的现象，服务质量（食物新鲜程度）不符合消费者预想以及相对应的环境问题。减少该部分地差距应该从三部分入手，首先，针对主营业务水平的标准设定时应该尽可能充分地进行市场调研，确定一个满足大多数消费者的主营业务服务水平;其次，对于服务质量标准应尽可能详细地制定标准内容，例如针对服务行业，在服务时间的确定上也许应该将“尽快”“马上”等字眼替换成“××分钟内”等;针对环境质量的标准差距则应该保持“调整不断，定期升级”的原则，维持环境质量的稳定和提升。

服务传递差距的产生大多处在服务环节中服务人员（员工）的质量上，表现为服务员服务水平有限、服务能力和态度不够好。针对服务人员（员工）的问题应该采取系统的服务人员培训，让其严格按照服务标准执行服务环节，并积极反馈意见。只有这样才能不断缩小服务传递差距。

营销宣传差距的出现在于在线商家主动和被动两个层面。一方面是在线商家想吸引顾客，所以将一些过时或者虚假的信息留在网络上;另一方面是在线商家被动地对信息更新不及时导致的营销宣传差距。无论在服务方面还是在环境方面，宣传营销差距给消费者带来的落差是存在的，会给消费者带来负面的情绪。针对服务方面应该明确服务水平，让消费者知道确切的服务内容，不至于给消费者巨大的反差，杜绝恶性营销。针对环境等其他方面应该及时更新信息，积极维护信息的及时性和有效性。

4 结语

文章以餐饮业为例，对在线评论应用LDA模型提取主题词，并在主题词的基础上进行分析和统计，发现在线商家服务质量中存在的问题，并以服务质量差距模型中的四个角度对其进行归纳，并以此提出相应的服务质量方面的改进措施。

在文本处理以及分析阶段对在线评论进行了挖掘分析，发现了在线评论中蕴含着可以利用的隐藏信息。为众多的电子商务商家提供了一个分析在线评论的方法，为其处理在线评论并进行信息挖掘提供参考。

主要参考文献

[1]施国洪，周洁，赵庆.基于自服务技术的移动图书馆服务质量影响因素模型研究[J].情报资料工作，2016（4）：80-85.

[2]丁娟.基于WebQual体系的旅行社在线服务质量评估研究[J].旅游科学，2014，28（6）：51-61.

[3]李婧宁，武邦涛.在线旅游平台服务质量评价及其提升策略研究[J].上海管理科学，2017，39（1）：42-48.

[4]肖轶楠，李江敏.基于在线点评的高端度假酒店宾客感知服务质量研究——以悦榕庄酒店为例[J].价值工程，2016，35（3）：192-193.

[5]王洪伟，宋媛，杜战其，等.基于在线评论情感分析的快递服务质量评价[J].北京工业大学学报，2017，43（3）：402-412.

[6]由丽萍，白旭云.基于在线评论情感语义分析和TOPSIS法的酒店服务质量测量[J].情报科学，2017，35（10）：13-17.

[7]李宗伟.在线评论影响消费者购买决策的模型构建研究[J].创新，2013，7（5）：55-58.

[8]Palese，B，Usai，A.The Relative Importance of Service Quality Dimensions in E-commerce Experiences[J]. Journal Citation Reports，2018，40（6）：132-140.