价格促销对消费者满意度的影响——基于在线评论的情感分析

滕飞

(中国移动通信集团终端有限公司 北京 100053)

价格促销是一种具有代表性的销售促进策略，通过向消费者传递获利信息，临时改变消费者对产品的认知，从而促进消费者的购买行为。消费者满意度是消费者对所购商品或服务的主观评价，通常分为产品、价格、服务等多个方面。满意度的高低体现了消费者的品牌黏性，通过研究满意度能够了解消费者需求、发现企业存在的问题，从而有针对性地改善产品和服务。传统消费者满意度调研有问卷调查、消费者观察、神秘访客及设立留言投诉渠道等方法，数据可靠性受调研设计影响较大，而且容易受研究人员主观因素影响。随着电商购物的繁荣发展，消费者已经习惯于通过在线评论分享购物体验和获取商品信息，基于在线评论的文本挖掘已成为研究消费者行为的一种新兴方式，应用于电子产品、旅游、生鲜产品等多个领域的多个层面。张琰等(2018)通过文本分析研究手机类产品属性，挖掘不同手机型号的优势与劣势。也有学者进一步对电子产品在线评论进行研究，通过情感检索、情感分类和情感抽取，发现正向评论能够帮助消费者筛选出自己喜欢的产品。KIM Y等(2022)运用情感分析研究酒店满意度，并通过爬取评论数据进行回归分析，研究影响消费者对酒店满意程度的因素；汪秀洁(2019)将SnowNLP引入消费者满意度研究中，计算在线评论包含的情感值，将情感值与满意度挂钩；冯坤等(2021)通过LDA模型构建情感词典，进行主题分析，通过计算情感倾向得分判断消费者满意度。

传统的研究方法受到数据获取时间、获取数量等因素的限制，无法对价格的实时变动与满意度的实时变动进行深入研究，大数据文本挖掘方法的应用一定程度上解决了这一问题。本研究以智能手机产品为例，抓取一定时间内电商平台在线评论数据和历史价格数据，引入SnowNLP研究消费者在线评论的情感得分，将在线评论数据情感分值与消费者满意度关联，通过回归分析探索价格促销对消费者满意度的影响。

1 研究方案设计

1.1 研究对象

京东是中国主要电商平台之一，经营品类丰富，用户群体广泛，能够体现大部分消费者的情况。智能手机是京东品牌主要经营品类之一，2023年上半年，京东总收入为5309亿元，其中，智能手机上半年销售额达1026亿元，本文选择智能手机品类作为研究对象，具有一定代表性。智能手机产品的销售价格随平台活动节奏和产品自身活动节奏波动，为了更有效地研究价格促销对消费者满意度的影响，需持续采集一定时间段内的在线评论和商品价格作为基础数据。

1.2 研究方法设计

本研究分为四个步骤：第一步，在线评论数据的获取，使用Python编写爬虫程序，爬取5款不同品牌智能手机产品的京东商城在线评论数据，数据采集周期为2023年4—11月，将采集到的数据导出为CSV文件；第二步，数据处理，删除无意义的空白评论、默认好评、重复评论等，导入哈尔滨工业大学停用词库，使用jieba对评论文本进行分词，通过特征词权重绘制词云图；第三步，使用SnowNLP库计算每条评论数据的情感得分值，使用该分值量化消费者满意度；第四步，回归分析，使用SPSS软件研究价格促销与情感值之间的关系。

2 数据处理

2.1 数据获取

本文使用Python 3.10编写爬虫程序，采集京东商城5款不同品牌智能手机产品的消费者在线评论，采集周期为2023年4—11月，共获取在线评论样本数据4906条，采集字段包括商品明细、京东会员ID、评价星级、评论内容、评论时间、追评内容、追评时间等。再通过历史价格查询网站采集与评论时间对应的商品价格。采集到的评论数据示例如表1所示。

表1 在线评论数据示例

2.2 数据预处理

采集的原始在线评论数据中通常存在默认好评、重复评论及无意义的符号、数字、字母等，这些信息难以分析识别，会影响文本挖掘的准确性。为提高数据质量，本文对原始数据进行预处理，删除重复评论、默认好评及无意义的短评后，获得有效数据3512条。在线评论一般为完整句子，通常包含“啊”“呢”“嘛”“呀”等语气词，以及“的”“得”等无意义词汇或特殊符号等，这些字词被称作停用词，会干扰文本分析的准确性，为提高文本挖掘效率和结果质量，本文使用jieba分词，导入哈尔滨工业大学停用词表处理停用词，对评论数据进行分词，将分词后的文本写入数据文件process列。

使用IT-IDF计算分词数据的特征词权重，能够初步建立特征指标体系，对数据进行初步观察。根据计算结果绘制词云图如图1所示。由词云图可知，在线评论中消费者整体态度倾向于满意，认为“不错”“喜欢”“满意”，关注点集中在“屏幕”“速度”“外观”“拍照”“运行”“性价比”等方面。

图1 特征词词云图

2.3 情感分析

为了更直观地了解消费者满意度，笔者将消费者的情感倾向量化用于统计分析，本文使用Python的第三方SnowNLP库对在线评论进行情感分析，通过对在线评论中的每个分词进行情感得分赋值，综合计算出每条评论的情感得分值，将计算后的分值写入文件中sentiment列。SnowNLP情感得分的分值范围为0分到1分，通常分值小于0.5分表示在线评论表达的情感是偏负面的，分值大于0.5分表示在线评论的情感是偏积极的。

利用SPSS软件对数据进行描述性统计，清洗完成后的3512条评论平均情感得分为0.835，高于0.5，说明评论整体情感倾向是偏积极的，与对词云图的初步观察结论基本一致。消费者在京东平台购物后书写评论的同时，也会对产品和服务进行星级评价，如表2所示，随着评价星级降低，情感得分也相应降低，评价星级与情感得分具有一致性，可见情感得分能够一定程度上量化消费者满意度。

表2 各评价星级情感得分

通过情感得分可以看到，不同品牌的消费者均较为满意，但情感分值差异略大。根据采集到的数据中的商品信息抽取品牌信息进行汇总分析，得到各品牌(考虑对品牌影响，文中隐去具体品牌名称)情感得分。如表3所示，品牌5得分为0.552，低于平均情感得分，通过对品牌5在线评论的高频特征词进行观察发现，消费者的负面关键词集中在产品和服务两方面。在产品使用过程中，出现“发热”“卡顿”等问题，影响使用体验；在服务方面，消费者购买后商品出现大幅“降价”，品牌商家不能及时为消费者处理“价保”，导致消费者满意度下降。

表3 各品牌情感得分

2.4 回归分析

为研究价格促销对消费者满意度的影响，本文使用回归分析的方法研究自变量对因变量的影响。将消费者满意度(Customer Satisfaction，CS)作为因变量，情感得分作为消费者满意度的分值。考虑到研究商品的零售价存在差异，价格促销金额无法直接体现不同商品的促销幅度，使用价格折扣率(DR)作为自变量。价格折扣率计算公式为：

使用SPSS软件进行回归分析，得到线性回归分析结果。如表4所示，自变量解释的方差为4.8%(R2=0.048)，估计值的标准误差为0.309。自变量与因变量之间存在较低相关性，这是因为消费者满意度受到产品与服务的多个维度的因素影响，本文仅针对价格折扣率这一单一因素进行分析，能够解释的因变量的变化百分比有限。

表4 线性回归模型摘要

如表5所示，价格折扣率(DR， β= -0.220)在P＜0.001水平上显著，具有显著的统计学意义，因变量消费者满意度(CS)和自变量价格折扣率(DR)之间存在显著的线性回归关系。回归方程可表示为CS=0.911-0.006*DR。价格折扣率(DR)与消费者满意度(CS)呈负相关，表明价格折扣变化越大对消费者满意度的负面影响越大。根据对在线评论数据特征观察发现，在线评论具有滞后性，消费者在购买商品之后发现商品大幅降价，而且商家不能为其提供满意的价保服务或退货服务时，将影响消费者的消费体验，导致其满意度降低，从而留下负面评论内容。

表5 线性回归分析结果

3 结论与对策

3.1 研究结论

本文运用Python爬虫程序采集在线评论数据和价格数据，对原始数据进行清洗整理后使用jieba进行分词，再使用SnowNLP库计算情感得分，将在线评论消费者满意度进行量化，最后使用SPSS软件进行回归分析确定消费者满意度与价格折扣率之间的关系。

使用SnowNLP库对消费者在线评论进行情感值评分，得出整体消费者满意度为0.835，说明消费者的整体满意度相对较高。将满意度分值与评价星级进行比对，发现两者具有一致性。本研究中不同品牌消费者满意度存在差异，通过观察情感得分较低品牌的评论高频词，可以发现负面评论主要涉及两个方面，一是产品使用过程中，消费者遇到了“发热”“卡顿”等问题；二是在售后服务方面，消费者购买后商品“降价”，但品牌商家未能及时为消费者处理“价保”。

为了确定自变量对因变量的解释百分比，本文将消费者满意度(CS)作为因变量，将价格折扣率(DR)作为自变量。通过回归分析，得出自变量对因变量的解释百分比为4.8%。回归方程为CS=0.911-0.006DR。价格折扣率(DR)与消费者满意度(CS)呈负相关，这意味着当价格折扣变动越大时，对消费者满意度的负面影响也越大。在线评论具有滞后性，消费者在收到产品后的一段时间内均可对商品进行评价，当消费者购买商品后发现所购商品的价格促销幅度增大，而商家不能及时为其提供满意的价保服务或退货服务，将影响消费者的购买体验，导致消费者的满意度下降。

3.2 对策建议

3.2.1 优化促销活动，寻求新的营销突破口

价格促销向消费者传达立即购买能够获得的收益，促使消费者在时限要求内做出购买决策，是有效的销售促销手段。随着电商蓬勃发展，以及直播带货等新兴模式的出现，线上促销活动越来越频繁，频繁的价格促销打破了商品原有的价格体系，给消费者造成了商品价格虚高的印象，影响消费者对商品的整体评价。商家应优化价格促销的频次和活动流程，丰富活动形式和内容，并使用创新的方法聚集流量，为商品营销寻找突破口。

3.2.2 提升售后服务，完善价格促销相关的价保政策

商家应关注价格促销细则，尤其是大促前(618、双十一等)购买商品的价保政策，避免出现消费者刚签收就降价，还无法及时获取价保服务的情况。针对促销期间销量增加，商家应制定标准的促销相关问题解答模板，通过自助咨询和自助申请价保的方式辅助售后服务人员解决消费者售后问题；对自助服务无法解决的售后问题，商家应做到一对一及时解决消费者问题，并对有问题的消费者进行回访，将消费者满意度纳入售后服务人员绩效考核。通过妥善的价保政策和及时的售后服务提升消费者满意度，使消费者做出积极的消费评价。

3.2.3 提升产品品质，从消费者的使用体验出发

产品品质是影响消费者满意度的关键因素。在线评论中的高频词“屏幕”“速度”“外观”“拍照”，负面评论中的“发热”“卡顿”都是围绕产品本身及使用体验等方面展开的，足见消费者对产品品质本身的重视。商家应从消费者的使用体验出发，注重提高自身产品硬实力，强化消费者对产品品牌本身的信赖感，从而提升消费者满意度，促使其做出更加积极的购买评价。

4 结语

本文对价格促销与消费者满意度关系的研究，仅针对京东平台部分智能手机品牌展开，后续研究中可考虑扩大采集数据范围、增加研究品类和研究平台，以及通过延长数据采集周期来增加数据样本量。本文通过量化消费者在线评论情感值研究消费者满意度受价格促销活动的影响，后续可继续挖掘在线评论中蕴含的丰富信息，多角度多维度对消费者满意度进行深入研究，不断丰富研究成果。