基于语义的电商平台物流服务质量主题分析

张道海，杨 晨（江苏大学 管理学院，江苏 镇江 212013）

0 引言

自新冠疫情爆发以来，网络购物发展愈加迅猛。据第49 次《中国互联网络发展状况统计报告》显示，截至2021 年12 月，我国网民规模达10.32 亿，互联网普及率达73.0%。其中，网络支付用户规模达9.04 亿，较2020 年12 月增长4 929 万，占网民整体人数的87.6%[1]。与此同时，网络购物投诉占比也迅速增长，据“电数宝”数据显示，2021 全年，国内网购投诉占全部投诉52.55%，比例最高。电商平台物流作为网络购物环节中的重要部分，其服务质量的高低直接影响了消费者网络购物满意度。在线评论信息作为消费者购物体验的反馈，反映了其对网络购物的具体需求。通过电商平台物流服务在线评论信息，挖掘消费者的真实需求有助于电商平台完善物流服务质量，提高消费者满意度。

1 研究现状

物流服务在促进在线购买[2]和消费者满意度[3]方面发挥着关键作用，网络购物物流服务质量同时需要跟上电商环境的发展[4]。易祎晨等[5]基于SERVQUAL 模型确定了专业性、可靠性、响应性、便利性和安全性五个维度，为生鲜物流服务质量的评价与优化起到一定借鉴作用。Xiaomei Tao 等[6]基于李克特5 级量表和主成分分析法确立了5 维21 个指标的服务质量评价体系。翟小可等[7]运用AHP-模糊综合评价法建立农村电商物流服务质量评价模型，并进行实证研究。张宝友等[8]指出将客户“声音”转化为质量属性的文本挖掘方法是物流服务质量提升的重要方法之一。Wei Hong 等[9]通过卷积神经网络技术分析消费者满意度与生鲜电商物流服务的关系，结果证实便利性、沟通、可靠性和响应性对客户满意度有显著影响。Singh S P 等[10]通过情感分析与主题建模，验证电商物流服务质量与第三方物流服务提供商的运营和财务绩效呈正相关关系。

上述文献提供了重要的理论基础和方法论指导，但实际应用中结合当前新冠疫情背景进行电商平台物流服务质量提升的研究尚比较欠缺。因此，基于电商平台中受疫情影响较大的多种类别商品评论文本，进行特征提取、情感分析、主题挖掘与事件构建，研究消费者满意度机理，探寻电商平台物流服务质量提升，具有重要的现实意义。

2 研究框架

本文总体框架如图1 所示，基于特征挖掘方法构建电商平台物流服务词典，筛选物流服务评论文本；然后建立情感分析模型判断在线评论中隐含的消费者情绪，识别消费者情感；进一步基于LDA 挖掘消费者的需求主题，明确电商平台物流服务质量提升方向；最后基于语义方法还原主题事件，研究消费者满意度机理。

图1 研究总体框架

3 挖掘过程

3.1 电商平台物流服务特征提取

依据产品分类，从京东平台搜索评论数较多的50 家店铺，获取2020 年11 月10 日至2022 年3 月28 日商品在线评论74 000 条评论。将获取的评论文本进行去停用词等处理后进行分词，共获取词汇数据50 万条。对词汇进行词性分析，在特征提取中根据词性对名词和动词进行有监督的特征提取能得到较好效果[11]。对名词和动词进行词频统计，选取20 个高频词汇作为电商平台在线评论特征主题词，得到结果如表1 所示。

表1 在线评论特征主题词

在表1 中，20 个特征词汇词频（TF）、逆文档频率（IDF）、TF-IDF 排序结果基本一致，说明特征词均在文档中有足够重要性，且对评论的主题有较好的覆盖[12]，因此选取这20 个词汇作为电商平台用户评论特征主题词。通过Word2vec 将词汇转化为词向量，采用主成分分析法对特征指标进行降维，计算各主成分累计方差贡献率，结果如图2 所示。根据主成分累计方差贡献率，选取5 个主成分为最终降维结果，得到如图3 所示的特征词分布。

图2 主成分累计方差贡献率

图3 特征词分布

根据特征词分布图，构建如表2 所示的在线评论特征分类表，如类别2 所示，与物流服务强相关共有7 个特征词汇。

表2 在线评论特征分类表

依据物流服务特征词汇，使用Word2vec 获取与特征词相似度较高的词语构建电商平台物流服务词典，从在线评论中遍历含有词典词汇的评论，共获得21 620 条电商平台物流服务在线评论文本数据。

3.2 电商平台物流服务情感分析

从物流服务文本中随机选取5 000 条评论，对其情感极性进行人工标注。其中4 000 条评论文本作为训练集，1 000 条评论作为测试集进行情感分析效果评估。通过朴素贝叶斯、支持向量机与卷积神经网络模型分别在训练集上构建情感分类模型，在测试集上进行情感预测性能评估，从平均精度、Ⅰ型误差、Ⅱ性误差、F-Measure 四个指标评估预测模型，结果如表3 所示。

从表3 可知，基于CNN 的情感分析模型拥有最优的平均精度、Ⅱ型误差和F 值，因此采用CNN 对物流服务评论文本进行情感分析，得到结果如表4 所示。

表3 情感分析预测性能评估

表4 情感分析结果

3.3 电商平台物流服务主题获取

分别从正面情感与负面情感两个角度对评论文本进行LDA 主题建模，根据计算主题一致性得分[13]，确定最优主题数目，结果如图4 所示。

图4 正负主题一致性

根据图4 计算结果，确定正面主题数目8 个，负面主题数目7 个。对主题内容构建主题分布图，如图5 所示。序号代表主题编号，圆圈大小代表主题特征的显著水平，圆圈间隔代表不同主题间距离。

图5 主题分布图

由图5 知：在正面主题中，主题5 与主题8 的距离过近，重合度过高，合并为一个主题；主题7 的特征不显著，作为噪声进行删除。负面主题中，主题4 与主题5 合并为一个主题，主题7 特征不显著，同样作为噪声删除。最终确定6 个正面主题，5 个负面主题为最终分类结果。根据LDA 主题内主题词所表达的含义，对主题进行命名，结果如表5 所示。

表5 LDA 主题模型

对表5 进行分析，“商品状态”主题内主题词涉及商品本身质量问题，与物流服务质量无关。“顾客情感”主题包括消费者对于物流服务好坏的情感反馈，可以归类入“服务态度”主题。最终确定电商平台物流服务主要包括“电商平台”、“物流时效”、“物流包装”、“服务态度”四个主题。

3.4 满意度机理研究

根据物流服务主题评论，如图6 所示流程构建事件模型，对主题下关键词进行遍历筛选获取主题评论内容，通过还原评论事件主题研究消费者电商平台物流服务的满意度机理。

图6 语义分析流程

句法分析主要任务是确定句法结构，以及句子中的词汇之间的依存关系。利用哈工大LTP 平台构建SVO 三元组，还原主题中隐含的事件主题。本文共获取正面事件三元组15 254 条，负面事件三元组3 295 条，通过同义词转换选取出现频率较高的事件，对正面主题与负面主题两个方面构建如表6 与表7 所示的高频事件表。

表6 正面主题高频事件

表7 负面主题高频事件

依据正面高频事件表，对主题事件分析如下：

（1）在电商平台方面，平台的企业形象、保障措施、责任态度以及消费者以往的良好购物体验，对平台的选择意愿有积极的影响。消费者更愿意选择平台自营物流服务。

（2）在物流时效方面，消费者注重于运输与发货速度，且对于空运这一运输方式有着足够的好感与信任。在新冠疫情或节假日等特殊环境下保证时效性的举措使得消费者满意度提高。

（3）在物流包装方面，消费者关注包装的完整度、整洁度和保护性能三个方面，即完好、干净且对商品能够起到保护作用的包装给消费者带来较高的购物体验。

（4）在服务态度方面，快递小哥与平台客服对消费者的帮助行为与耐心热情的服务态度对消费者情绪具有积极的作用。

依据负面高频事件表，对主题事件分析如下：

（1）在电商平台方面，电商平台对消费者的“杀熟”操作降低消费者购物体验，电商平台对消费者不可靠承诺与责任推卸影响消费者对于平台的满意度。

（2）在物流包装方面，包装的密封性、完整性、环保性、材质与气味等问题都会影响消费者的购物体验。消费者对于物流包装环保、安全、保质关注度高。

（3）在时效性方面，运输时间和发货时间长是消费者负面评论中提及最主要的问题。其中，若电商平台未对物流时效做出有效预估或与消费者存在物流时效承诺而未履行，将带来消费者负面情绪。

（4）在服务态度方面，电商平台物流或商家的诚信问题或对于消费者敷衍或恶劣的态度会导致消费者负面情绪的产生，导致消费者满意度下降。

4 结论与不足

本文使用TF-IDF 结合PCA 主成分分析对物流服务特征进行提取，接着基于卷积神经网络进行物流服务的情感分析，然后基于LDA 进行主题建模，最后通过SVO 三元组还原事件主题，进行影响因素机理分析。结果表明，消费者网购满意度与“电商平台”、“物流时效”、“物流包装”、“服务态度”四个方面密切相关，平台的企业形象、保障措施、服务承诺等直接影响消费者对平台的选择意愿，发货和运输速度、包装的安全、服务态度等直接影响消费者情绪。

本文选取了京东物流平台下受新冠疫情影响较大的生鲜产品、农副产品和农产品三类商品进行分析，在未来的研究中，应充分考虑多平台更多品类商品进行研究，使得研究结果更加准确有效。同时，文本挖掘过程中仍存在部分无法筛除的噪音，如机器人评论与无法进行语义分析的网络用语等，这些因素会影响分析的结果，有待进一步优化改进。