電商平臺汽車玻璃水產品評價文本數據分析應用

文/高夏薇（北京藍星清洗有限公司）

一、前言

根據中國汽車工業協會統計分析，2022 年3 月，中國品牌乘用車表現明顯好于整體市場，銷量環比和同比均呈快速增長趨勢，至2023 年1 月中國品牌乘用車市場占有率較2022 年同比提升5.6 個百分點。

玻璃水產品是傳統汽機油乘用車和新能源乘用車的日用必備消耗品之一，與汽車保有量高度相關。隨著國內乘用車市場保有量和銷售量的穩步上升，且玻璃水產品需求不僅局限于車的類型，也普遍用于新能源車和商用車，從這個方面來說玻璃水整體市場發展趨勢將持續向好。

汽車玻璃水是汽車擋風玻璃清洗劑的俗稱，屬于汽車日常使用中的易耗品。主要由去離子水、酒精、乙二醇、緩蝕劑及多種表面活性劑組成，能夠對汽車擋風玻璃起到清潔、防凍、防霧、防眩、潤滑等功效。

相對于柴機油汽車用品以線下消費為主，玻璃水產品則以乘用車消費群為主體，在線上渠道蓬勃發展。線上電商平臺積累了大量消費者電商評論數據，成為消費者的主要輿論場之一，并且對后續消費者購買決策產生持續影響。一方面，作為消費決策的重要指標，品牌銷售方如能積極地進行差評回復與應對，產品銷售商便可獲得更優于競爭對手的利潤優勢，如對差評消費者的差評敏感度過低，則會對品牌商和銷售商造成不利影響；另一方面，由于疫情中物流和用車生活場景的減少，電商利潤和銷量均處于低位，雖然后疫情時代，電商經濟呈現復蘇態勢，但消費者購買習慣已趨向更加保守、理性，沖動購買的概率下降；并且在從眾心理的驅使下，購買者會將電商評論作為消費決策的重要參考指標。為此，品牌商和渠道商對于差評的研究分析顯得尤為重要。從企業經營角度來說，銷量排頭的產品共性好評主詞也可以作為產品開發的重要參考維度。

二、理論概述

潛在狄利克雷分布是一種非監督機器學習技術，作為基于貝葉斯學習的話題模型，是潛在語義分析、概率潛在語義分析的擴展。在文本數據挖掘、圖像處理、生物信息處理等領域被廣泛應用。用來識別大規模文檔集或者語料庫中潛藏的主題分析。它在語料中挖掘一系列的詞袋，每個詞袋就是一組詞，這若干個詞在某個話題范圍內具有相近的語義聯系。該模型是一個生成式的三層貝葉斯模型，分別包含文檔、話題、詞三層結構。在該模型中，分析結果僅考慮文本的詞頻，不對詞語在文本中出現的先后順序及其約束關系做關聯。一個文本文件有多個話題組成，一個話題對應一個相關詞項集合，而狄利克雷分布描述了“文本文件-話題”層面的概率分析。

三、數據分析過程

（1）評價采集：本文對產品評價沒有采用傳統的用戶問卷、電話抽樣、隨機采訪等調查方式，而是通過“八爪魚”工具對京東平臺的評價內容進行批量采集形成語料庫。

首先，從相同規格汽車玻璃水中，選取銷量排名靠前且評價數均高于5000 條的玻璃水產品，共10 個SKU,可歸類為3 個不同的品牌，下文將產品品牌做匿名處理，分別用甲品牌、乙品牌、丙品牌來代表。然后使用八爪魚工具，通過上述選定的產品購買鏈接，各抓取2000 條評論信息并采集維度包括會員級別、評價星級、評價內容、評價時間、點贊數、評價關鍵詞等，保存成數據文件集合，形成語料庫。

需要說明的是，因消費者需要根據環境溫度來選擇不同冰點玻璃水產品進行使用，本文將玻璃水產品分為冬季型和夏季型兩類，為避免去除蟲膠、樹膠、油膜等特殊功效型產品的特性數據形成干擾數據，本次沒有將特殊功效產品列入統計樣本。

圖1 頭部主評好詞總數匯總樹狀圖

（2）數據處理：觀察抓取到的數據，篩除非相關產品評價、重復自動評價等無效評價，再通過詞頻和詞性進行分析，進而繪制詞云圖對頭部好評和差評語料庫進行情感和關聯度分析。將其中評價星級為一星和兩星的評價定義為差評，將4 星和5 星定義為好評。在大量的文檔中分析發現隱含的主題結構信息，并用可視化圖表將關鍵話題和語義表達出來。最終找出各品牌產品好評主詞和差評關鍵詞的共性和差異性，從而對企業優化產品和經營戰略給出指導。

（3）好評主詞數據分析（見表1）

表1 主評好詞匯總分

從圖2 樹狀圖中可以看出：冬季型產品的防凍性能是區別于夏季型的首要需求，而夏季型產品則在清潔度和易用性等用戶體驗上需求更多。

圖2 品牌甲關鍵詞關系圖

從表2 可以看出：品牌甲的獨有好評詞相對集中，且“高效快捷”屬性，共被標記53 次，占據總數的60%，表明其在綜合服務方面可能更盛一籌；品牌乙的好評詞相對分散，主要歸因于其SKU 較多，產品組合復雜，促銷手段多樣；品牌丙沒有好評主詞，某種程度上表明其在數據資產方面還沒有形成吸引消費者的特質。

表2 各品牌主評好詞獨特性分析

（4）差評數據分析。

針對10 款SKU 并從甲乙品牌中各選取一款銷量較高的冬季型玻璃水，篩選出差評數據，進行產品屬性主題分析，通過詞云工具構建兩產品的詞云關系圖：產品A 的差評價數為396次，產品B 的差評價數為151 次，樣本數均超過30 個，屬于大樣本數據。

從表3 的詞頻統計分析可以看到：京東平臺消費者對產品質量方面有最多的評論，其次是價格，也對物流、包裝和客服有較高的關注度和感知度。以上5 個方面對于產品銷量有著至關重要的影響。產品B 價格差評比率是產品A 的兩倍，其余主題指標差評比率，產品B 均低于產品A。另外，從京東購買鏈接中可以看到，產品A 的銷量明顯高于產品B，從一個側面可以分析得出，產品A 采取薄利多銷戰略，價格是電商平臺用戶購買決策的重要考量指標。

表3 主題匯總（次）及詞頻匯總(%)

結合圖2 和圖3 的詞云圖可以看出：在負面詞中，雖然產品A 的差評數是產品B 的兩倍以上，但關于防凍質量的評價均在60%左右，結冰抱怨同樣突出；在特征詞中，與玻璃水產品強相關的汽車零部件，如“擋風玻璃”和“雨刮片”頻繁出現，“凍住”“不干凈”等詞匯出現效率較高。

圖3 品牌乙關鍵詞關系圖

產品A 的“贈品”抱怨詞頻異常突出，相較產品B 無贈品差評。通過查看具體評價詞條，發現產品A 的“贈品”抱怨主要來自贈品發放不及時、數量不一致等原因，品牌甲需要在贈品促銷環節提升服務能力；而產品B很少贈品抱怨，表明其在“贈品”方面服務較為到位，品牌乙可適當加大贈品的多樣性和頻次，將關于贈品作為提升銷量的重要手段，與購物節前后價格折扣上下浮動相結合來拉動市場需求。

四、結語

本文通過抓取分析京東平臺玻璃水產品評論語料庫數據，得出產品精細化管理和注重用戶體驗是品牌吸引潛在消費者、促進復購的關鍵。首先，差評數會隨著銷量提升和促銷活動有一定程度增加并且差評率呈現下降趨勢，差評和好評的高頻詞能夠反映消費者關注的重點方向，為企業經營優化產品體驗提供風向標；其次，消費者購買決策時，除銷量排名是主要參考外，差評數據是重要參考，品牌方或者銷售方在電商平臺運營時應做好差評客戶的滿意度管理和客戶追蹤，將反饋問題作為產品重點優化方向；最后，獨有的主評好詞是消費者體驗產品過程中沉淀出的“獨一無二”品牌語言，企業要引起關注和加強維護力度從而增強產品競爭軟實力。