基于在线评论的防晒类功能性服装消费需求研究

刘哲文 张立杰

摘要：

网络购物用户分享的对商品、服务的评价，能够为服装产品后续设计、生产与销售提供对策建议。文章使用在线评论文本挖掘方法，基于防晒类功能性服装产品相关的中文在线评论数据，采用K-means算法对消费者评价维度进行聚类。进一步地，筛选出四个品牌共八件产品的6 933条在线评论文本并计算维度关注度与维度满意度，从而获得服装消费需求反馈信息。结果表明：对于案例中的防晒类功能性服装产品而言，影响消费者关注度和满意度由强到弱的因素分别是产品品质、产品外观、服务质量。

关键词：

在线评论;文本挖掘;功能性服装;消费需求;聚类分析;满意度;防曬服装

中图分类号： TS941.1

文献标志码： A

文章编号： 10017003（2021）11004706

引用页码： 111109

DOI： 10.3969/j.issn.1001-7003.2021.11.009

Research on consumer demand of functional sun-protective clothingbased on online reviews

LIU Zhewen， ZHANG Lijie

（College of Textiles and Clothing， Xinjiang University， Urumqi 830046， China）

Abstract：

Online reviews on products and services shared by consumers when shopping online can provide strategies and suggestions for the follow-up design， production and sales of clothing products. This paper used K-means algorithm to conduct a cluster analysis of consumers evaluation dimensions based on online review data in Chinese about functional sun-protective clothing products through online review text mining method. Further， 6 933 online reviews on 8 products of 4 brands were screened， and the dimension attention and dimension satisfaction were calculated to obtain the feedback information on consumer demand for the clothing. The result of the study shows that the factors affecting consumers attention and satisfaction concerning functional sun-protective clothing products from strong to weak are product quality， product appearance and quality of service.

Key words：

online reviews; text mining; functional clothing; consumer demand; cluster analysis; satisfaction; sun-protective clothing

基金项目： 新疆维吾尔自治区自然科学基金项目（2021D01C053）;新疆维吾尔自治区高校科研计划项目（XJEDU2021S1001）

作者简介： 刘哲文（1996），女，硕士研究生，研究方向为服装设计与工程。通信作者：张立杰，教授，xjzlj@163.com。

随着消费者生活水平的提高和健康意识的增强，对防晒类功能性服装的需求随之增多[1]。然而，由于对功能性服装专业知识的相对薄弱，普通消费者在选购此类产品尤其是网络选购时，一般会参考先前消费者所发表的在线评论，以做出抉择。这种基于口碑的消费方式在网络零售时代已广泛存在，其中在线口碑除了能为消费者的购物决策提供重要参考依据[2]，也能为企业的产品研发和营销推广带来诸多启示[3]。

另一方面，网络购物平台中的在线评论内容，同样为消费者需求研究提供了数据基础[4]。消费者发表的评论内容通常为自身关注的某些特征，这些特征正体现了消费者的需求[5]。在此背景下，本文将运用文本挖掘的方法，对防晒类功能性服装产品在线评论进行挖掘，从消费者需求角度提取在线服装消费评价维度，确定消费者对不同产品特征的关注程度，以分析消费者对防晒类功能性服装产品的真实需求。基于所生成的消费者意见反馈，为后续同类产品的设计、生产及销售提供决策参考。

1 研究现状

1.1 服装产品消费者需求研究

针对服装产品消费者需求与偏好的研究早已有之。2006年，江影等[6]通过调查问卷采集信息，利用感性工学的方法研究了各类消费者对T恤衫外观形象与色彩的感性需求。研究从外观需求差异将消费群体划分为年轻派消费者、

自我表现型消费者、品味型消费者和个性化消费者，分析了四类消费群体对于T恤衫外观和具体色彩的偏好差异。陈甜等[7]采用来自国家绒毛用羊产业技术体系产业经济科研团队的问卷调查数据，分析了消费者对羊绒制品的需求偏好和满意程度。研究结果表明，羊绒制品的羊绒含量、舒适度、保暖性及价格是影响消费者决策的重要因素。吕佳等[8]提出了一种能够将离散设计元素与服装情绪感性信息相匹配的模型，该方法可以量化消费者对不同设计元素的偏好程度，最终筛选出能够积极影响特定消费行为的重要元素。Koo等[9]基于问卷调查方式研究了不同年龄层次的消费群体对能够防范蚊虫叮咬的功能性服装的需求偏好。姜婷婷等[10]基于感性工学理论研究了中老年女性选购春秋季外套时的感情需求与消费偏好，研究结果表明该消费群体需求偏好重要性程度从大到小依次是款式、面料、功能、色彩。

以上研究大多基于对包含访谈法及问卷法的询问调查法调查结果的分析，提取特定群体对特定类型服装产品的需求特征，并量化其对需求的偏好程度。传统询问调查法依靠模拟选择将消费意愿与实际产品相关联，通常难以避免调查规模小、样本覆盖面窄、研究成本高、反馈周期长等问题。

1.2 在线评论研究

相比于将消费者置于被动调研地位的访谈法与问卷调查法，在线评论数据源于真实用户的主动分享。得益于在线评论的产生途径，研究中消费人群与消费选择在一定程度上自动匹配起来。对在线评论的价值挖掘，实际包含了对消费者真实消费行为和购物体验主动评價两部分内容的研究。Bickart等[11]的研究表明用户倾向于用场景描述产品的需求，并从用户的角度对现有产品进行评价。这些描述和评价通常比使用访谈等传统方法获得的描述和评价更可信。

评论价值挖掘指对大量平台用户在线评论数据进行文本内容分析，以便政府或企业更好地理解用户的行为，并在此基础上做出决策。随着数据挖掘技术的迅速发展，评论文本非结构、不规范的问题逐渐被克服[12]。产品的在线评论价值挖掘的研究通常包含维度抽取和情感分析两部分内容。在现有研究方法与技术手段的基础上，许多学者展开了评论价值挖掘的相关研究。岳子静等[13]采用频繁项提取的方法抽取属性词，进而采用基于情感词典的属性及情感分析方法，研究了北京地区美团网用户对各个菜系及其属性的关注度与满意度。赵杨等[14]采用频繁项提取与机器学习相结合的方法，从在线评论语料中抽取了海淘App属性特征，并将其作为用户满意度维度，进而采用同属于机器学习的CNN-SVM（卷积神经网络-支持向量机）算法得到各维度的用户满意度评分。毕春光等[15]采用TextRank方法抽取了人参产品消费者关注度较高的评论特征关键词，再通过人工筛选和总结得出最终的评论维度。该研究进一步采用朴素贝叶斯算法构建了文本特征情感分类器，考察了消费者对于各个维度的情感倾向。

随着计算机技术的发展和更多研究者的加入，在线评论价值挖掘方法不断完善改进。然而，针对在线评论的价值挖掘研究主要集中在电子产品、在线服务等领域，该方法未被充分利用在对传统实体商品，尤其是产业链较长、收益率较低的生活必需品研究领域。基于此，针对服装评论的价值挖掘存在丰富的空间，研究结果有望助力服装企业向柔性化生产的发展与转型，具有典型的应用价值。

2 研究方法及数据来源

具体工作包括四个步骤：防晒类功能性服装产品消费者在线评论的收集与预处理、评论文本高频词汇的遴选、文本聚类、产品各评价维度关注度与满意度量化。研究框架如图1所示。2.1 产品评价维度提取方法

本文利用由Python语言编写的爬虫程序，采集了在线购物平台零售防晒类功能性服装产品链接下公开的消费者评论信息。爬虫技术能够模拟访问请求，依据规则快速抓取指定网页中目标信息并下载。考虑到商家可能在同一商品链接中更新在售产品，采集开始前在网页中选择评论的按评论时间由近及远显示模式，同时下载消费者在线评论的评论时间与评论文本对应，确保获得的评论信息来自当季在售防晒类服装产品。随后，合并评论信息，并对采集到的评论文本开展分词与去停用词处理。构造词汇到向量的映射，是计算机处理自然语言的基础。本文将在线评论数据作为语料，通过Word2vec连续词袋模型训练词向量，并将评价维度表征词汇对应词向量作为输入，使用K-means算法进行文本聚类。将备选词汇分为K簇，然后对分为K簇的评价维度备选词进行简单概括，可得防晒类功能性服装产品具体评价维度。

2.2 消费需求分析方法

本文对消费者需求的分析，建立在维度关注度与维度满意度研究基础上。对产品各个维度的关注程度体现了消费者的需求所在，结合各维度满意度可以了解已有产品满足消费群体需求的情况，进而获取产品设计、生产与销售的改进方向。

消费者对于产品的整体情感倾向是其对各个产品维度的关注程度与满意程度综合感知的结果，消费者对自身更关注的产品评价维度的情感更能影响其对产品的整体评价。虽然不同消费个体对于防晒类功能性服装产品各个维度的重视程度不尽相同，但从群体上看，具有一定的规律。维度情感极性对整体情感的影响与两方面因素相关：维度在全体评论中被提及的概率，以及维度的维度情感与评论整体情感的一致性[16]。本文依据上述两点来计算防晒类功能性服装产品消费者对各个维度的关注度值。此外，研究选用维度情感积极率来衡量消费者对于各个维度满意程度。维度情感积极率越高，说明消费群体对维度的满意程度越高。

维度关注度值的计算如下式所示：

式中：wx为维度ax的权重值，ri代表第i条评论语料，nR为评论集的元素数量，A为评论维度数量，在实际计算过程中一阶维度数量为3、二阶维度数量11。siax代表ri在维度ax上的情感，si代表评论ri的整体情感。sat（ax）为维度ax的情感积极率。在标注过程中，负面、中性、正面的情感倾向分别被标注数值1、3、5。siax为5，即表明ri在维度ax上的情感积极。

3 操作过程

3.1 数据选择与评价维度提取

本文以天猫商城2020年7—10月在线零售的防晒服产品为研究对象，筛选出32件有效评论数量大于1 000条的产品，其中包含骆驼、迪卡侬、探路者、南极人、优衣库等品牌防晒产品。利用爬虫程序抓取产品评论信息，经初步筛选保留在线评论数据54 057条。对该部分评论文本做分词及去停用词处理后，以中文词汇作为基本单位计算Tf-idf值。截取Tf-idf值高位词群作为表征评价维度的备选词，并用增补停用词表的方式筛除其中明显与服装产品评价维度无关的词汇，最终得到320个评价维度表征词汇及其Tf-idf值排名。

利用54 057条评论数据训练Word2vec连续词袋模型，建立中文词汇到向量的映射。将320个备选词对应词向量作为K-means算法的输入，在轮廓系数极值点附近多次聚类，对比聚类结果。在K=3时，3簇评价维度表征词汇明显对应防晒类功能性服装产品的品质、外观和服务质量三大评价维度，聚类效果如图2所示，其中三角形实心散点部分对应产品品质维度，方形空心散点部分对应产品外观维度，圆形空心散点部分对应服务质量维度。

通过观察每簇表征词汇，可以依据服装产品性质对“产品品质”与“产品外观”两簇表征词汇做进一步细分。“合身度”“面料与缝纫质量”“性价比”“热湿舒适性”及“社会反馈”属于一般类服装产品共有的品质评价维度，“防晒性能”则是防晒服这一功能性服装产品特有的评价维度。产品外观细分出“整体造型”“颜色”“款式”三个二级维度。参考Mckinney等[17]在2016年提出的在线正装租赁消费评价模型，“服务质量”维度又可以分为“传统服务质量”与“在线消费特有服务质量”。各个评价维度及其对应的表征词汇如表1所示。

3.2 数据筛选

对消费者反馈展开情感分析，探究消费者群体对于防晒类功能性服装产品各个评价维度的需求与偏好情况，从前期建立的评论语料库中选取四个品牌共八件案例产品。被选中的四个品牌均享有较高的知名度，每个品牌旗下热销防晒类功能性服装产品不唯一且同品牌产品间区分点不同。共提取总量为6 933条文本构成的在线评论子集R，对子集元素进行人工标注。在实际操作过程中，将负面、中性、正面的整体评论情感倾向分别标注数值1、3、5，维度情感标注同理，未提及维度不予标注。每条链接提供的标注评论在800～1 000条，单条评论字数20以上，评论内容至少包含一个评价维度。八条链接所销售的防晒类服装产品基本信息如表2所示。

4 消费需求分析

依据案例产品在线评论的情感倾向标注结果，得出每件产品各二级维度的情感积极率情况，如表3所示。

对各产品情感倾向标注的结果进行汇总计算，得到各评价维度的关注度与满意度情况，如表4所示。

分析表3、表4中数据，可以得到以下结论：

1） 防晒类功能性服装产品评价维度关注度从高到低依次是“产品品质”“产品外观”“服务质量”，关注度值分别为0.726 0、0.198 3、0.075 7，这表明与“产品品质”相关的特征对于产品整体情感倾向影响最大。“产品品质”中二级维度关注值排名前列的“面料与缝纫质量”“热湿舒适性”“合身度”都属于一般类服装产品共有的品质评价维度，这表明消费者最关注的防晒类功能性服装产品维度没有超出一般服装产品品质的考察范围。

消费者对于关注度排名前列的二级维度满意度排名靠后，低于“社会反馈”“防晒性能”与“性价比”维度。这一情况的出现分析认为与在线消费形式有关，即消费者可以通过浏览产品页面中紫外线防护系数和同类价格等信息，对“防晒性能”与“性价比”情况形成较为准确的购前预期，以至购后满意度较高。但尺码表及面料成分等信息不足以让普通消费者在接触产品前对其面料质感与穿着舒适性做出足够准确的判断。

消费者对于防晒类功能性服装产品的“社会反馈”维度关注度最低，而满意度在二级维度中排名最高，其维度情感积极率为93.73%，分析认为与消费者考虑个人隐私的评价习惯有关。“直播间”一词也出现在了“社会反馈”维度表征词表中，这种新型营销手段对消费者购买决策有相当大的影响。直播间消费作为一种将社会个体影响放大的消费形式，在利用个人影响力宣传营销商品之余也在相当大的程度上满足了消费者对产品的“社会反馈”需求。

2） 产品外观方面，消费者对于“颜色”维度的关注度最高，但满意度并不理想，其维度情感积极率仅为56.23%。究其原因，通过在线消费获得的防晒类功能性服装产品实物颜色，与消费者基于网页信息产生的预期存在较大差距。“款式”维度满意度远低于“整体造型”与“颜色”维度，这表明消费者对款式设计需求没有得到充分满足。从评论内容来看，购后评价中关于服装款式的内容主要集中在细部设计。常见的防晒服细部设计大多为了辅助或增强抗紫外线功效，例如加宽帽檐、套指袖口、拉链式面罩、露发设计、一体收纳等。然而未经充分打磨的新颖设计，由于不符人体工学原理在实际穿着过程中给消费者带来困扰：例如设计不当的加宽帽檐在实际使用中遮擋视线，为在户外行动的穿着者带来危险;某些产品为增强脸部防护功能添加的拉链式面罩，但由于设计失当，带来舒适性问题。

3） “服务质量”及相关二级维度情感积极率均低于60%，关注度较高的“在线服务特有服务质量”满意度排名最低，情感积极率仅为55.71%。显然，防晒类功能性服装产品消费者对于在线交易过程中服务质量的需求未能得到满足。

综上所述，未来的设计与生产中，在兼顾防晒性能的同时，需主要保证服装产品基础功能。以“合身度”为例，观察评论子集中不同品牌产品各维度情感积极率情况可以发现，与其他运动连帽式产品相比，D品牌产品提供尺码较少，消费者“合身度”满意度较低。针对此问题，类似服装产品的生产销售方可以考虑通过扩大尺码范围并对其精细划分，提高消费者合身度体验。

在定价策略方面，B品牌将同款防晒服产品通过颜色区分，接受度较高的颜色比接受度较低的颜色防晒服定价高;C品牌两款款式相近的防晒服以面料紫外线防护系数为主要区分标准，紫外线防护系数较高的款式价格较紫外线防护系数较低的款式定价高。在明确价格档次划分的情况下，消费者对于自身购得产品，尤其是第二档价格的产品的“性价比”满意度较其他品牌产品高出许多。对此，生产销售方应当通过制定合适的定价策略，突出产品功能优势或价格优势。

在产品外观方面，色彩选择较少的D品牌防晒服产品“颜色”维度情感积极率明显低于其他产品。因此，若要提高消费者线上购得适合自身的产品颜色的概率，需要从丰富色彩设计并降低产品色彩展示与产品实物间的色差等方面着手。就款式设计而言，生产销售方应当对防晒类功能性服装的细部设计多加打磨，防止出现本意加强防晒性能的设计却影响正常穿戴的情况。

在服务质量方面，研究中多数品牌不同产品的“传统服务”情感积极率相近，分析认为是因为同品牌产品由同一批在线服务人员为消费者解答问题、推荐产品。相应地，生产销售方可以通过培训在线导购人员、合理安排促销活动等途径提升消费者对服务质量的评价。

5 结 语

本文通过挖掘防晒类功能性服装产品在线评论提取了消費者评价维度，遴选案例产品分析了其维度关注度与满意度，在此基础上分析了消费者需求，得知影响消费者关注度和满意度由强到弱的因素分别是产品品质、产品外观、服务质量。就产品品质而言，消费者关注度由强到弱的产品维度分别是面料与缝纫质量、热湿舒适性、合身度、防晒性能、性价比及社会反馈，其中消费者满意度最高是社会反馈维度，最低为合身度维度。

此外，本文还针对该类产品的生产与销售提出了相应建议，以期能够为从业者开发满足不同群体需求的产品提供依据。但另一方面，目前基于部分数据和案例产品的消费者需求研究，还不足以完全阐明防晒类功能性服装消费者需求的全部特征。因此，在接下来的研究中，有必要以现有或扩充数据为训练样本，结合机器学习的方法提升在线评论数据处理速率，而不同在线零售营销策略对服装产品销量和消费者购后反馈的影响机制同样值得进一步探究。

参考文献：

[1]陈和春， 耿琴玉， 李何玥， 等. 铕有机配合物在夏季防晒衣面料上的应用研究[J]. 上海纺织科技， 2019， 47（7）： 29-31.

CHEN Hechun， GENG Qinyu， LI Heyue， et al. Application of europium organic ligand complex on sunscreen fabric[J]. Shanghai Textile Science & Technology， 2017， 47（7）： 29-31.

[2]CHEVALIER J A， MAYZLIN D. The effect of word of mouth on sales： Online book reviews[J]. Journal of Marketing Research， 2006， 43（3）： 345-354.

[3]王芳， 叶作亮， 卢美丽. 基于在线口碑的消费预测模型与实证研究[J]. 消费经济， 2017， 33（2）： 38-44.

WANG Fang， YE Zuoliang， LU Meili. A sales forecasting model and empirical research based on online word of mouth[J]. Consumer Economics， 2017， 33（2）： 38-44.

[4]沈超， 王安宁， 方钊， 等. 基于在线评论数据的产品需求趋势挖掘[J]. 中国管理科学， 2021， 29（5）： 211-220.

SHEN Chao， WANG Anning， FANG Zhao， et al. Trend mining of product requirements from online reviews[J]. Chinese Journal of Management Science， 2021， 29（5）： 211-220.

[5]赵宇晴， 阮平南， 刘晓燕， 等. 基于在线评论的用户满意度评价研究[J]. 管理评论， 2020， 32（3）： 179-189.

ZHAO Yuqing， RUAN Pingnan， LIU Xiaoyan， et al. Study on user satisfaction evaluation based on online comment[J]. Management Review， 2020， 32（3）： 179-189.

[6]江影， 刘国联. 消费者对T恤衫形象的感性需求调研分析[J]. 纺织学报， 2006， 27（2）： 98-100.

JIANG Ying， LIU Guolian. Study on consumers perceptual demand for the image of T-shirt[J]. Journal of Textile Research， 2006， 27（2）： 98-100.

[7]陈甜， 肖海峰. 我国羊绒制品消费偏好与满意度分析[J]. 毛纺科技， 2014， 42（7）： 51-55.

CHEN Tian， XIAO Haifeng. Analysis of preference and satisfaction of cashmere products in China[J]. Wool Textile Journal， 2014， 42（7）： 51-55.

[8]吕佳， 陈东生. 基于聚类算法的服装感性数据挖掘方法[J]. 纺织学报， 2014， 35（5）： 108-112.

L Jia， CHEN Dongsheng. Fashion perceptual data mining based on clustering algorithm[J]. Journal of Textile Research， 2014， 35（5）： 108-112.

[9]KOO S H. Understanding consumer preferences on mosquito-bite protective clothing[J]. International Journal of Clothing Science and Technology， 2018， 30（2）： 222-234.

[10]姜婷婷， 徐亚平. 中老年女性对春秋季外套的感性认知与消费偏好[J]. 毛纺科技， 2018， 46（4）： 27-30.

JIANG Tingting， XU Yaping. Kansei cognitive and consumption preference of elderly womens coats[J]. Wool Textile Journal， 2018， 46（4）： 27-30.

[11]BICKART B， SCHINDLER M. Internet forums as influential sources of consumer information[J]. Journal of Interactive Marketing， 2001， 15（3）： 31-40.

[12]PANG B， LEE L. Opinion mining and sentiment analysis[J]. Foundations & Trends in Information Retrieval， 2008， 2（1）： 1-135.

[13]岳子静， 章成志， 周清清. 利用在线评论挖掘用户饮食偏好： 以北京地区为例[J]. 图书馆论壇， 2017， 37（3）： 108-115.

YUE Zijing， ZHANG Chengzhi， ZHOU Qingqing. Mining user diet preference with online reviews： A case study of Beijing city[J]. Library Tribune， 2017， 37（3）： 108-115.

[14]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]. 现代图书情报技术， 2018， 2（11）： 19-27.

ZHAO Yang， LI Qiqi， CHEN Yuhan， et al.Research on user satisfaction of overseas shopping applications based on online comment sentiment analysis[J]. Data Analysis and Knowledge Discovery， 2018， 2（11）： 19-27.

[15]毕春光， 袁帅， 皇可， 等. 基于人参购买评论的多项特征情感倾向性分析研究[J]. 东北农业科学， 2020， 45（3）： 92-96.

BI Chunguang， YUAN Shuai， HUANG Ke， et al. A multi-feature analysis of emotional tendency based on ginseng purchase reviews[J]. Journal of Northeast Agricultural Sciences， 2020， 45（3）： 92-96.

[16]赵志滨， 刘欢， 姚兰， 等. 中文产品评论的维度挖掘及情感分析技术研究[J]. 计算机科学与探索， 2018， 12（3）： 341-349.

ZHAO Zhibin， LIU Huan， YAO Lan， et al.Research on dimension mining and sentiment analysis for chinese product comments[J]. Journal of Frontiers of Computer Science and Technology， 2018， 12（3）： 341-349.

[17]MCKINNEY E， SHIN E. Exploring criteria consumers use in evaluating their online formal wear rental experience： A content analysis of online reviews[J]. Clothing & Textiles Research Journal， 2016， 34（4）： 272-286.