国潮兴起下消费者在线评论的主题分析研究

马玉洋 刘畅

摘 要：基于中国综合国力增强、经济快速发展、科技创新水平提升、国货品质提高、民众文化自信提高多重因素的影响，国货消费高速发展，其中国货护肤彩妆行业的表现尤为突出。本文基于淘宝和京东两大电商平台的文本评论数据，通过情感分析和主题分析提取评论主题词，了解消费者对国货护肤品牌的评价。结果显示：消费者对国货护肤品整体表现出积极正向的态度，重视购物体验、个体皮肤差异、店铺服务、皮肤问题和使用体验五个方面；负面评价主要集中在产品效果及购物体验两方面。同时，本文通过挖掘消费者对购买国货护肤品的需求重点，以期对国货品牌的产品及在电商平台的服务质量提供改进建议，以供参考。

关键词：国货护肤品；消费者评论；词云图；LDA主题模型；顾客满意度；国货消费；科技创新

本文索引：马玉洋，刘畅.<变量 2>[J].中国商论，2024（05）：-076.

中图分类号：F713；TP391.1 文献标识码：A 文章编号：2096-0298（2024）03（a）--04

近年来，国货消费高速发展，为了更好地发挥品牌引领作用、推动供给结构和需求结构升级，2016年国务院办公厅印发《关于发挥品牌引领作用推动供需结构升级的意见》，首次国家级正式倡导设立“中国品牌日”，强调积极推广知名的本土自主品牌，诉说中国品牌故事，提高自主品牌的知名度和影响力。“十四五”规划明确了建设一个充满活力的国内市场，吸引境外消费回流，着重从供给侧入手，打造一批高品质的本土自主品牌，倡导自主品牌消费，进一步提高消费者对国内新品牌的信心和认可度。

随着国货品牌产品技术的不断更新，产品质量不断提高，国内消费者的目光自然转向国货品牌。由于购物方式的多元化，不少经典国货品牌依托线上购物和直播带货形式重新焕发光彩。同时，在线评论为消费者提供购物参考，评论内容在一定程度上影响了消费者决策。郝媛媛等（2010）[1]认为，评论的正负情感倾向对有用性影响较大，主客观表达形式混杂度越高的评论，有用性越高。王平和代宝（2012）[2]认为，发评者的权威性和经验水平、评论文本的篇幅和内容及评论文本的主客观性显著影响评论的有用性，也将影响消费者决策。

情感分析是文本分析的重要组成部分，常应用于舆情分析和内容推荐等方面，大致分为三类：基于情感词典、传统机器学习和深度学习。陈珂等（2018）[3]提出基于多通道卷积神经网络的情感分析模型，提取更多的语义信息和学习更多的隐藏信息，更好地分析了中文微博中包含的情感。黄仁和张卫（2016）[4]提出了一种利用组合神经网络对商品属性进行聚类，并进行评论情感分析的方法，显著提高了商品评论分析的准确性。然而，基于文本分析的用户情感研究大多是关于消费者满意度影响因素的研究。张雪宇（2022）[5]以国货面膜的在线评论为例，构建护肤品领域情感词典，生成主题词汇矩阵，构建顾客满意度模型SCB-CSI，汇总品牌满意度值，对国产护肤品企业品牌运营提出建议。在国货消费市场的研究中，孙嘉（2021）[6]认为老国货经历出现、繁荣和衰落后逐渐开始转型升级，同时涌现了一批新国货品牌。当下的国货注重对中国文化元素的运用，且“Z世代”已成为国货和国潮的最大消费群体。王震（2023）[7]建议国货品牌抓住“国潮热”带来的机遇，结合自身文化特色进行创新发展，顺应市场发展趋势，发挥品牌的文化和商业价值。

在国货护肤品市场迅速发展的背景下，对于国货护肤品的在线评论研究相对不足。本文利用淘宝和京东两大电商平台的文本评论数据，从情感分析和主题分析两个角度研究消费者对国货护肤品牌的满意度。通过分词和词汇赋值，判断评论词的情感倾向，并使用词云图对评论数据进行情感分析。同时，运用LDA主题模型对电商平台中关于国货护肤品的评论进行主题分析，从消费者的实际购物体验中得出其满意程度，旨在了解消费者对国货护肤品的态度及评价，为品牌方提供相关建议，为消费者营造良好的购物体验。

1 评论数据与研究方法

1.1 数据采集

文本数据来自华熙生物旗下多个护肤品牌中销量较好的产品在网络购物平台的评论。该公司旗下有多个品牌，涵盖多个领域，本文仅选取功能性护肤中的品牌，鉴于部分品牌未在购物平台开设官方旗舰店，因此选取米蓓尔、肌活、润百颜、夸迪4个品牌中销量最多产品的在线评论作为研究对象，通过商品评论页面的源代码，提取文本数据。

评论中有一些乱码、颜文字等，需要对文本进行进一步的处理，去除重复的评论及空值后，最终得到处理过的数据共11516条评论，品类包括爽肤水和精华，功效主要覆盖保湿、控油和祛痘等。另外，进行中文分词，并删除无关的词和停用词等。

1.2 情感分析

情感分析是一种常见的自然语言处理（NLP）方法的应用，主要包括两种主流途径：基于词典的方法和基于机器学习算法的方法。基于词典的方法依赖事先构建的情感词典和规则，通过对文本进行拆解、关键词提取和情感值计算，最终以情感值为文本的情感倾向依据；基于机器学习算法的情感分析方法通过训练模型来识别情感，充分考虑文本中的情感詞汇、语气、上下文等多维信息，从而更准确地捕捉情感信息（见表1）。

1.3 LDA主题模型

LDA主题模型本质上是一种无监督学习的贝叶斯模型，包含文档（d）、主题（z）、词（w）三层结构，能够有效地对文本进行建模，该模型在文本数据挖掘和图像处理等领域被广泛应用。

模型具体文档生成步骤如下：

第一，以α为参数的狄利克雷分布生成文档主题分布θ；

第二，以θ为参数的多项分布，生成主题z；

第三，以β为参数的狄利克雷分布生成文档主题词分布φ；

第四，从主题词分布中采样生成单词w。

LDA的目标函数为：

LDA模型的参数估计使用Gibbs采样进行，其训练过程如下：

第一，为每篇文档中的每个词汇随机分配一个初始主题编号z；

第二，对文档中的每个词使用Gibbs采样公式更新其关联的主题；

第三，重复第二，直到模型中的每个主题分布和词分布都达到收敛状态；

第四，在收敛后，统计文档中的主题分布和词分布，生成LDA模型的分布矩阵。

GibbsSampling通过求解出主题分布和词分布的后验分布，从而成功解决主题分布和词分布两参数未知的问题，待求的doc-topic和topic-word两个矩阵便可通过Gibbs采样获得，本文采用LDA模型训练迭代收敛后获得主题词。

本文使用Gibbs采样算法训练LDA，选择合适的主题数K尤为重要。若选取主题数比潜在主题数小，主题将无法完整呈现；若选取主题数比潜在主题数大，将导致模型混乱。本文基于困惑度和主题一致性，对模型主题数K值进行确定。

困惑度的主要思想是，一个好的语言模型应给予测试集中的句子较高的概率值。当一个语言模型经过训练后，如果测试集中的句子都在模型的概率分布下具有较高的概率，那么就可以认为该模型在测试集上表现更佳。同时，困惑度值越小，文本的似然估计就越高，表示文本数据更符合模型的估计。主题一致性也是一种用于判断主题个数的有效方法，核心思想是通过评估主题之间的相关性和一致性来确定最佳的主题数量。一致性是指在主题内部，不同文档中的词汇在主题内的分布是否趋向一致，在相同主题下的词汇分布应有较高的相似性，而不同主题之间的词汇分布应有较低的相似性。

2 基于电商评论的情感分析

本文选用中国知网的情感词典，读入正负面的中文评价词和情感词。由于情感词典中的词汇一般是较为书面化的词汇，而在产品的评论中，顾客的表达较为口语化，因此需要对现有的情感词典加入针对目前应用场景的情感词。例如，较为口语化的评价词“好评”“太棒了”，以及常用的针对护肤品的评价词“控油”“保湿”等。同时，给分词后的词汇赋值，计算评论的情感得分，并去除情感得分为0的评论。

验证根据情感词典及情感词赋值的评论情感倾向分类效果，将情感分析后的评论情感倾向与原数据的消费者打分进行比较，绘制情感分析混淆矩阵，得出准确率为0.84，说明根据情感词典判断评论的情感倾向较为准确，可绘制词云图，并进行情感分析。正向情感评论的词云图如图1所示，负向情感评论的词云图如图2所示。

由图1可知，在正向评论中，有三类词汇是比较突出的。第一类是如“效果”“控油”“保湿”和“补水”等对护肤品的效果描述及对护肤品的评价，有“不错”“适合”“满意”“喜欢”等；第二类是针对购物体验的评价，包括“回购”“推荐”“实惠”“性价比”和“便宜”；第三类是关于店铺服务的评价，例如“活动”“包装”“客服”和“赠品”。由此可以看出，消费者主要针对产品效果进行评价，偏爱有针对性的护肤效果，例如达到保湿、控油等效果；其次是对产品的购物体验，会出现“推荐”“回购”等词汇。此外，还会对店铺的服务进行评价。因此，产品效果是消费者最为关注的问题，其次是价格，最后是店铺的服务。

图2比较突出的有两类词汇，第一类提及较多的是如“客服”“赠品”“物流”等对店铺服务的评价；第二类是针对护肤品效果的负面评价，如“没有”“干”“油腻”等。由此可以看出，消费者在对护肤品进行负面评价时，主要从店铺服务和护肤品效果进行评价，对于效果不好或带来不适体验的护肤品，会在评论中重点提及。另外，负面评价中提到最多的是关于客服的评价，因此在负面评价中，消费者最为关注的是产品的使用体验及店铺服务。

综合图1和图2可知：（1）消费者在购买护肤品时最为关注的是该护肤品的效果，且对不同肤质的消费者，同一产品会出现不同的感受。因此，品牌需要对产品线不仅做好不同效果的区分，还要做好对不同肤质的区分。（2）国货护肤品消费者关注产品的优惠活动及性价比。此外，店铺的服务态度和物流服务需要进一步提升。

3 基于电商评论的主题分析

本文采用综合困惑度和一致性的方法来确定研究的主题个数，对评论数据进行主题分析。根据困惑度和一致性，当主题数为5时，分类效果较好，最终确定使用5个主题进行分析。

LDA主題模型训练完毕后，根据概率提取生成的主题词和文档主题，将每个主题前15个高概率特征词进行整理，根据每个主题下概率较高的主题词判断主题内容，并识别和标识主题，归纳结果分为以下五类，如表2所示。

在主题1中，大多词汇和赠品、活动、价格、优惠、直播间有关，因此将主题1提炼为购物体验。主题1表示消费者在购物时，比较重视购物的附加服务，比如是否有赠品、价格是否优惠及是否有直播间活动等。在购物时，让消费者感受到物超所值，使其有良好的购物体验。同时，线上购物深刻地改变了人们的消费观念、消费模式及购物体验，同线下购物的不同是顾客不能真实地体验到产品。因此，品牌应不断改善消费者的购物体验，在做促销活动时，让消费者感受到品牌的诚意，契合消费者购物的情感需求；针对消费者不能体验产品的问题，提供试用样品，让消费者实现真实体验，不盲目购买，理性消费；在平时做到产品品质与价格匹配，物有所值，满足基本需求。

在主题2中，有关个人肤质、皮肤的词汇出现较多，因此可以将主题2提炼为个体皮肤差异。在评论数据中，消费者提及自己的肤质较多，乐于分享自己的使用体验，这也和现在电商平台的评价更加细分化有关。目前，购物评价增加了更有针对性的选项，比如在进行护肤品的评价时，平台会自动显示个人肤质、产品效果等选项，消费者可以根据自己的情况直接选择，这样的评价方法更加有参考性，可以给潜在消费者提供真实的使用经验。

在主题3中，出现了多个物流有关的词汇及部分与品牌、性价比、服务态度有关的词汇，将主题3提炼为店铺服务。好的品牌可以吸引更多的消费者，同时店铺服务是与消费者直接相关的，店铺客服的服务态度、发货及物流的速度是购物体验的重要部分，品牌不仅需要做好产品，还要重视旗下店铺的服务，在物流方面做好监督和管理，出现物流问题及时帮助解决；加快仓库管理和发货速度。

在主题4中，皮肤问题的词汇较多，比如痘痘、闭口等，主题4可提炼为皮肤问题。在本文的数据中，有两个品牌中的护肤品功能性和针对性较强，更针对痘痘等皮肤问题，因此评论中较多提及了皮肤问题，消费者根据自己的皮肤问题选择针对性的产品。一方面，品牌要做好产品；另一方面，需要为消费者做好科普宣传，让消费者更理性地选择适合自己的产品。

在主题5中，出现了有关产品使用体验的词汇，例如滋润、水润、肤感及换季等，还有小部分其他类型的词汇，如屏障、玻尿酸等，可以理解为与产品带给消费者的体验，将主题5命名为使用体验。同时，根据屏障和玻尿酸等词汇，反映出消费者越来越理性地对待护肤，了解护肤品的成分及皮肤屏障等概念，购买适合自己的产品。另外，消费者在护肤时的体验会影响其评价，注重护肤品的肤感，提升消费者在护肤时的感受及体验。

4 结语

综上所述，消费者对于购买国货品牌护肤品的评论主要集中在以下五个主题：购物体验、个体皮肤差异、店铺服务、皮肤问题和使用体验。目前，消费者对国货护肤品总体上表现为满意，但是在一些方面仍存在不足。国货消费市场的迅速增长导致消费者更理性且注重综合价值，不仅关注产品本身，还强调整个购买过程中的服务和消费体验。质量保障、售后服务等问题值得品牌关注，需要提高消费者购物满意度和忠诚度，认同品牌价值，扩大消费。

本文根据研究结论，对国货护肤品牌提出以下几点建议：（1）注重产品效果，拒绝虚假、夸大宣传，适当营销；（2）注重提升产品技术，提高自主研发能力，加大研发投入力度，掌握核心技术；满足顾客更多样化的需求；（3）注重提升对消费者的售前和售后服务，包括对客服的培训、增加客服数量、加强物流服务，使消费者及时收到完好的包裹；对于售后问题，处理时应站在消费者的角度，照顾消费者的情绪，认真谨慎处理；（4）加大对护肤理念的宣传力度，对消费者起到引导作用，鼓励理性消费、选择适合自己的产品等；不要盲目为消费者推荐产品，必要时可以推荐皮肤问题较为严重的消费者就医；（5）打造性价比高的品牌，稳定产品价格，不盲目涨价，在没有技术提升或推出新产品的情况下盲目涨价，只会降低消费者的回购意愿，长此以往不利于品牌发展。

参考文献

郝媛媛，叶强，李一军. 基于影评数據的在线评论有用性影响因素研究[J]. 管理科学学报， 2010， 13（8）： 78-88， 96.

王平，代宝. 消费者在线评论有用性影响因素实证研究[J].统计与决策， 2012（2）： 118-120.

陈珂，梁斌，柯文德，等. 基于多通道卷积神经网络的中文微博情感分析[J]. 计算机研究与发展， 2018， 55（5）： 945-957.

黄仁，张卫.基于word2vec的互联网商品评论情感倾向研究[J]. 计算机科学， 2016， 43（S1）： 387-389.

张雪宇.基于文本情感分析的护肤品品牌顾客满意度建模分析[D]. 上海： 东华大学， 2022

孙嘉.老国货—新国货—国潮，是商品也是文化[J].美术观察， 2021（2）： 26-28.

王震.国潮兴起下老字号品牌的发展战略[J].中国商论， 2023 （13）： 60-62.