基于医疗健康类APP的用户满意度研究

2020-12-23范滢季星宏

软件 2020年10期

范滢季星宏

摘要：为了更好地服务用户、提高用户满意度，本文通过抓取应用宝医疗健康类APP的在线评论，进行情感倾向性分析以及词频统计，分析用户情感特征，并以此提炼出影响用户满意度的九大因素。在此基础上，借助李克特量表将文本量化，再运用四分图模型分析影响因素。研究结果表明，正面评论占大多数，得益于APP的便捷;用户对大部分因素表示满意，但相比之下服务质量、可优化性、价格的满意度较低。企業可以针对落于四分图不同区域的影响因素，做出相应的调整来提高用户满意度。

关键词：移动医疗;用户满意度;情感倾向性分析;词频统计;四分图模型

中图分类号： TP391 文献标识码： A DOI：10.3969/j.issn.1003-6970.2020.10.010

本文著录格式：范滢，季星宏. 基于医疗健康类APP的用户满意度研究[J]. 软件，2020，41（10）：3841

【Abstract】： In order to better serve users and improve their satisfaction， this paper analyzes the emotional propensity and word frequency statistics of the comments on the app of Application treasure for medical health care， gets the emotional characteristics of users， and extracts nine factors that affect user satisfaction. On this basis， the text is quantified with the help of Likert scale， and then the quadrifid graph model is utilized to analyze the influencing factors. The results show that positive comments account for the majority， thanks to the convenience of APP; users are satisfied with most of the factors， but they are less satisfied with service quality， optimization and price. Enterprises can make corresponding adjustments to the influencing factors in different areas of the quadrifid graph to improve user satisfaction.

【Key words】： Mobile health; User satisfaction; Analysis of emotional propensity; Word frequency statistics; Quadrifid graph model

0 引言

随着社会经济水平的提高，人们的消费逐渐健康化，对健康的需求日益增长。互联网时代的到来，手机等移动设备的出现为传统医疗数字化、移动化提供了必要条件。2018年BDR调研显示，29.8%用户身体出现不适时会选择移动APP在线问诊;2019年艾瑞咨询数据显示，这一数据已经增长至65.9%。2019年末新型冠状病毒肺炎疫情的爆发，使得用户对医疗健康类APP的需求急剧增加。阿里健康、平安好医生、好大夫在线、1药网等多个医疗健康类APP帮助用户及时进行医疗问诊、分诊分流、新冠肺炎与普通流感筛查等工作，缓解了线下医院的压力，并且减少了交叉感染风险。而用户对于医疗健康类APP认知度进一步加强，使用率也有很大的增长。

用户在使用医疗健康类APP后，以在线评论的方式发表对该APP所提供的各类服务的观点。用户评论具有潜在的重要价值，反映了其对该类APP所提供的各类服务的满意度。对于用户评论的分析，一部分学者往往对评论数据本身探究，对情感词、符号、语义等进行情感分析或有用性分析[1-5]，判断用户对该APP的态度;另一部分学者，则利用需求分析法来挖掘出用户的潜在需求[6-7]，再分析其对用户满意度的影响。四分图模型多数是基于问卷调查[8-10]，而问卷有效率较低，开放性的问题少，以至于难以获取到更深层的信息。

因此，本文通过爬取医疗健康类APP的用户评论，采用情感倾向性分析进行用户满意度挖掘，再利用四分图模型研究影响医疗健康类APP用户满意度的因素，从而提出优化医疗健康类APP的对策建议，进一步满足用户的健康需求，为广大用户提供更便利的服务。

1 数据采集及预处理

本文基于应用宝手机应用商城的医疗健康类APP，利用数据采集软件并利用Python爬取代码共同采集用户评论。本文采集的用户文本评论信息集中于2019年7月至2019年12月，最终爬取了26个医疗健康类APP，其中包括好大夫在线、1药网、掌上糖医、杭州健康通、平安健康等，获取了超过8000条的用户评论信息涵盖了综合服务、健康管理、健康理疗、健康资讯、医疗服务、在线问诊、便民服务等七个类别。

本文对获取的用户评论信息进行整理与分类。首先，对原始数据进行数据清洗，去除恶意差评以及毫无相关的评论;然后，把评论信息进行格式统一化操作，修正不当的表达方式并去除评论信息中非文字内容，例如表情包、无意义的符合等;最后，通过ROCTCM6软件对清洗后的评论数据进行分词以供进一步操作。

2 评论数据分析

用户评论信息包含了用户的情感倾向，所以在分析用户满意度之前，先要挖掘和分析出其主观信息[11]。由于ROSTCM6软件是基于情感词典，并定义了语法规则，能够很好地分析出文本的情绪内容。因此，本文借助ROSTCM6软件来对用户评论信息进行情感倾向性分析。

利用ROSTCM6软件的文本处理功能，得到有效信息数为5171条。再用其情感分析功能对用户评论信息进行情感值计算，根据情感值来判断用户评论信息的情感倾向。它将其划为积极情绪、中性情绪和消极情绪三大类[12]：情感值大于0分的为积极情绪，小于0分为消极情绪，等于0分为中性情绪。统计结果如图1所示，可以发现用户对医疗健康类APP的总体情感倾向为积极。其中，积极情绪占比最低的是健康资讯（57.14%）、医疗服务（64.74%）;占比最高的是健康管理（81.17%）、在线问诊（81.12%）。

为了进一步地丰富用户的情感特征，结合ROSTCM6软件的分词和词频统计功能，过滤与用户情感信息无关的词语，得出积极情绪和消极情绪排名前20的特征词如表1所示。通过对图1与表1的综合分析可以发现：

（1）功能不完善是导致用户积极情绪低的重要原因

“麻烦、广告、功能、注册、运行、界面”有关功能性的特征词，在消极情绪的评论中出现的较多。这表明医疗健康类APP的功能优化程度直接影响用户的情感。“响应很慢”，“注册不了”，“广告乱七八糟”等评论，说明了功能不完善让本就急于求医的用户更加心烦意燥。比如健康资讯类的“母子健康手册”APP，目标人群为准妈妈，但是他们大部分反而会选择网上搜索相关知识。这正是因为功能的覆盖面有限，导致用户黏性低，使得企业不得不增加广告，减少维护APP的次数。因此，企业要注重功能性，在有针对性的基础上，增加新的辅助功能，能在最大限度上满足用户更多的需求。

（2）便捷性是产生积极情绪的重要原因

“方便”等特征词正说明了医疗健康类APP的存在意义。由于我国老龄化越来越严重，健康管理类APP能有效地监控中老年人的身体状况，及时发出预警，为其提供健康保障。让本就腿脚不便的用户，减少了日常排队就医和检查的时间，给予了极大的方便。同样地，在线问诊类APP除了提供一站式在线就医服务，也有预约挂号的功能。这不仅减少用户的排队时间，也在一定程度上缓解了线下医院就诊压力。

（3）服务质量对减少消极情绪起着补充作用

“敷衍、解答、糊弄”等有关服务质量的特征词更影响着用户的消极情绪，这是由于在用户使用过程中，服务是在潜意识上影响着用户的情感，并在给予评价时赋予自己的主观想法。而且“医生”的词频数最多，这表明企业不仅要与合作医院的医生“约法三章”，还要注重专业人员的客服服务。让企业随时获得用户的反馈，以此完善用户所关心的细节，增加用户黏性。

3 用户满意度分析

为了分析用户满意度，首先需要确认其影响因素。通过2.1的情感特征词，提取出用户满意度的影响因素。接着用李克特量表的方法将因素量化，得到各自的满意度打分。最后将因素在评论中出现的次数作为重要度，与满意度一起进行四分图模型分析。

3.1 提取影響因素

基于2.1的情感特征词，发现在评论信息中，影响用户满意度的因素主要集中在9个方面，即服务质量、用户信任感、便捷性、可靠性、可靠性、可优化性、价格、主要功能、APP的运行、用户使用感受[13]，如表2所示。

3.2 四分图模型分析

四分图模型经常用来对顾客满意度进行分析，该模型可以有效地对影响因素“对症下药”[14]。因此，为了进一步分析，本文选择四分图模型。

为了分析影响因素与用户满意度之间的关系，在确定因素后，首先要对每条评论进行量化。本文使用李克特量表方法，将满意度分为非常满意、比较满意、一般、不太满意、很不满意[11]。而上文在做情感分析时，ROSTCM6软件已将评论的情感值分为积极、中性、消极三种情感，以及积极和消极的强度还分为一般、中度、高度。因此，在表3中给出了用户评分、满意度、评论类型及强度之间的对应关系。

将每个评论对这9个影响因素进行满意度打分，若是评论中没有提及某个影响因素的话，就表示用户对该因素持中性情感，评分为3分。（如表4所示）

接着将各影响因素的满意度打分综合，即该影响因素的评分总和与评论数量的比值。而影响因素所含词汇的频次和作为重要度，得出每个影响因素的重要程度与满意程度。（如表5所示）

最后根据各影响因素的重要度和满意度得出四分图模型（如图2所示）。其中，纵轴表示各影响因素的重要程度，横轴表示用户对各影响影响因素的满意度。由于爬取的评论好评率较高，满意度也都较高，所以把4.5定为界点。

（1）优势区，即高重要性、高满意度。

主要功能和便捷性位于该区域，表明用户对医疗健康类APP的主要功能与便捷性等方面比较看重，且还是满意与认可的。由此可见，医疗健康类APP的主要功能、便捷性能否满足用户需求是用户下载并继续使用的重要前提条件。所以，主要功能不仅是用户所关注的，也是企业所注重的。企业应该努力培养和维持这些指标，以提高客户的满意度。例如，响应健康中国战略，增加针对中老年用户群体的健康管理服务和医疗服务功能。在注重功能开发上，又不能过于复杂。功能与便捷，实现两者的平衡。

（2）修补区，即高重要性、低满意度。

虽然没有影响因素落在该区域，并不是表明企业没有需要改进、重点修补的地方。例如医疗健康类APP功能有限，往往只能满足用户的一部分健康，而非全部。同时，医疗健康类APP与线下实体医院存在的对接不一致要求可能会给用户带来不必要的麻烦。这恰恰说明我国移动医疗市场发展进程还处于初级阶段，需要政府出台相关的配套政策对于医疗健康类APP进行指导与管理，并进一步加强线上应用与线下实体医院的关联度，企业也可以通过借鉴国外成熟医药诊疗体系，与中国国情，自身的特点相结合，多方面发展，不断完善，挖掘新功能，加强政府、企业、医院三方联系，服务广大用户。

（3）机会区，即低重要性、低满意度。

服务质量、价格、可优化性位于该区域。表明用户对这三方面并不满意，但仅是用户目前并不太在意。其中，服务质量接近机会区与维持区的交界线，说明用户对当前医疗健康类APP服务质量的满意度在提升，可见企业正在逐渐重视服务质量在医疗健康APP的重要度。对企业而言，正由于服务质量直接对满意度产生主观影响，用户的态度往往决定着企业的兴衰成败。企业对用户提供的优质服务会得到用户群体的信赖有效促进良性循环，为企业持续为用户提供优质医疗服务作保障。

（4）维持区，即低重要度、高满意度

可靠性、用户信任感、APP的运行、用户使用感受位于该区域。它们的重要程度相对不高，属于次要优势。随着移动医疗市场不断发展，APP之间竞争会增加，可靠性和用户信任感的重要性会逐渐突出，因为用户往往会在众多APP之间选择更专业、更有背景、更值得信赖的那一个。而APP的运行是否流畅、稳定，也是靠其背后的技术支持是否强大。这也直接影响到APP的界面、操作，以及用户的使用感受。因此，如果从企业资源的有效分配考虑，可以先从该部分做起。

综上所述，用户评判一个医疗健康类APP的好坏，往往是通过主要功能和便捷性这两个因素来决定的。如果它的功能没有满足用户的需求，它的便捷性也没有达到用户的期望，那么用户的评价就是不满意。对用户而言，如何便捷地实现切身所需才是最为重要的。随着医疗健康类APP市场的进一步发展，位于下半区的这些影响因素将不容小视。因此，企业应当及时从用户反馈中得到改进，并紧密结合自身优势，寻求医疗健康类APP的正确定位。

4 结论

随着移动医疗市场的竞争不断加大，用户的满意度对企业起着至关重要。因此，综合以上研究结果，本文提出以下建议：

（1）开发特色功能，满足用户需求。在现有功能的基础上，根据用户不同的需求，结合自身的目标人群，开发出有针对性的功能。例如，慢性病健康管理APP则需要配套的健康设备来对用户进行时时刻刻地监控，而不能让用户自行上传健康状况。由于其目标人群绝大部分是老年人，那么若监测到异常点则不能仅仅是跳出消息框来提醒用户，而是发出提示声音、振动，甚至是告知该用户的联系人。

（2）树立品牌形象，培养忠实用户。我国对医疗健康类APP的用户认可度低，则需要企业加大宣传力度，与政府、医院进行合作，渗透到我们日常生活中去，吸引潜在用户并维系忠诚度，扩大应用影响力。

（3）规范服务模式，保证服务质量。医疗健康类APP属于远程医疗服务的一种，建立企业与医院责任连坐制，通过双方出面协商并在线上与线下信息对接的基础上，一旦出现医疗纠纷，由双方通过分析事故原因解决问题。

（4）完善法律法规，加强安全监管。目前，还没有出台相关法律法规对医疗健康类APP进行监管整顿，这导致用户的权益无法得到保障。因此，完善法律法规是刻不容缓的。法律法规要加强对APP的监管，对不服从规定的应用进行下架处理或者处罚，让用户的整个使用过程都有法可依。

参考文献

[1]冉猛，姜瑛. APP软件的用户评论模式分析方法[J]. 计算机科学， 2017（11）： 187-192.

[2]汪祖柱，谢悦芸. 在线评论视角下App服务的用户满意度分析[J]. 成都工业学院学报， 2017（4）： 27-32.

[3]姜巍，张莉，戴翼，等. 面向用户需求获取的在线评论有用性分析[J]. 计算机学报， 2013（1）： 119-131.

[4]李红柳，王兴元. 在线用户评论对顾客价值创造的影响研究——基于对消费者价格决策的考量[J]. 价格理论与实践， 2018（1）： 150-153.

[5]赵杨，李齐齐，陈雨涵，等. 基于在线评论情感分析的海淘APP用户满意度研究[J]. 数据分析与知识发现， 2018， 2（11）： 19-27

[6]王靖君，邢花. 基于Kano模型的互联网医疗用户满意度影响因素研究[J]. 上海医药， 2018， 39（17）： 51-55.

[7]耿晓利，陈淋. 基于情感分析与LDA模型的在线用户满意度影响因素研究[J]. 微型电脑应用， 2019， 35（6）： 38-41.

[8]周会玲，刘恬玥，王佳佳，等. 基于四分图模型的顾客网购满意度测评[J]. 中國物流与采购， 2019（24）： 123.