原文鏈接：http://tecdat.cn/?p=2175

?研究人員對(duì)各大電商平臺(tái)海量用戶的評(píng)價(jià)數(shù)據(jù)進(jìn)行分析，得出智能門鎖剁手攻略。

1

語(yǔ)義透鏡

顧客滿意度和關(guān)注點(diǎn)

我們對(duì)于評(píng)價(jià)數(shù)據(jù)進(jìn)行LDA建模，就是從語(yǔ)料庫(kù)中挖掘出不同主題并進(jìn)行分析，換言之，LDA提供了一種較為方便地量化研究主題的機(jī)器學(xué)習(xí)方法。

我們使用最大似然估計(jì)進(jìn)行最優(yōu)化主題個(gè)數(shù)的選取。當(dāng)主題個(gè)數(shù)定為20的時(shí)候，似然估計(jì)數(shù)最大，即留言板數(shù)據(jù)分為20個(gè)主題的可能性比較大。將模型生成的20個(gè)主題中的高頻詞取出。

圖表1

?

根據(jù)各個(gè)主題的高頻關(guān)鍵詞，大概可以將顧客關(guān)注點(diǎn)分成5個(gè)部分：商家品牌、價(jià)格質(zhì)量、客服師傅、使用便捷性和包裝物流。從上圖，我們發(fā)現(xiàn)用戶關(guān)注的點(diǎn)主要集中在客服對(duì)商品問(wèn)題的耐心解答，師傅對(duì)門鎖安裝的指導(dǎo)以及包裝和物流上。

我們也發(fā)現(xiàn)不少顧客的評(píng)論反映出智能門鎖的便捷性(e.g.不用帶鑰匙)和先進(jìn)(e.g.指紋識(shí)別度高)。同時(shí)我們沒(méi)有發(fā)現(xiàn)安全性相關(guān)的高頻詞匯。

2

顧客抱怨

質(zhì)量、客服服務(wù)和物流

接下來(lái)，我們對(duì)不同價(jià)格和主題的顧客抱怨率進(jìn)行比較。

圖表2

?

從價(jià)格方面我們發(fā)現(xiàn)價(jià)格低于2000的智能門鎖購(gòu)買量最多，同時(shí)抱怨率也較高，根據(jù)關(guān)注點(diǎn)來(lái)看，顧客抱怨點(diǎn)主要集中在商品質(zhì)量和客服的耐心程度。購(gòu)買量位于第二的價(jià)格是高于4000的區(qū)間，整體抱怨率最低。購(gòu)買量位于第三的是2000-3000區(qū)間，該區(qū)間顧客抱怨點(diǎn)主要集中在商家品牌與物流。最后是3000-4000區(qū)間，該區(qū)間顧客抱怨點(diǎn)主要集中在價(jià)格質(zhì)量與物流。同時(shí)反映出顧客對(duì)智能門鎖價(jià)格有較高心理預(yù)期，主要抱怨點(diǎn)在質(zhì)量、客服服務(wù)和物流上。

3

自營(yíng)非自營(yíng)

價(jià)格和滿意度

圖表3

?

從左圖可以看出自營(yíng)和非自營(yíng)商品在顧客滿意度上相差不大，非自營(yíng)商品的滿意度要略高于自營(yíng)商品。同時(shí)可以看到大于4000區(qū)間的顧客滿意度最高，且都是非自營(yíng)商品。

從右圖中，我們可以看到滿意度關(guān)于價(jià)格的回歸預(yù)測(cè)結(jié)果。圖中紅線表示的是自營(yíng)商品，在3000以下的區(qū)間，價(jià)格越高，滿意度反而下降，高于3000的區(qū)間中，價(jià)格越高，滿意度越高。在非自營(yíng)商品中，3000以下的價(jià)格區(qū)間中，價(jià)格和滿意度關(guān)系不明顯，高于3000的價(jià)格區(qū)間中，價(jià)格越高，滿意度越高。

從前文中，我們發(fā)現(xiàn)價(jià)格低于3000的商品抱怨率最低的點(diǎn)在于便捷和使用高效，因此給人的感覺(jué)性價(jià)高，滿意度較高，而價(jià)格接近3000時(shí)，顧客對(duì)客服、物流、質(zhì)量等預(yù)期更高，因此容易成為抱怨的重災(zāi)區(qū)。當(dāng)價(jià)格接近和高于4000時(shí)，商品的品牌、質(zhì)量往往又得到保證，因此滿意度又上升。

?

?

最受歡迎的見(jiàn)解

1.探析大數(shù)據(jù)期刊文章研究熱點(diǎn)

2.618網(wǎng)購(gòu)數(shù)據(jù)盤點(diǎn)-剁手族在關(guān)注什么

3.r語(yǔ)言文本挖掘tf-idf主題建模，情感分析n-gram建模研究

4.python主題建?？梢暬痩da和t-sne交互式可視化

5.r語(yǔ)言文本挖掘nasa數(shù)據(jù)網(wǎng)絡(luò)分析，tf-idf和主題建模

6.python主題lda建模和t-sne可視化

7.r語(yǔ)言中對(duì)文本數(shù)據(jù)進(jìn)行主題模型topic-modeling分析

8.r語(yǔ)言對(duì)nasa元數(shù)據(jù)進(jìn)行文本挖掘的主題建模分析

9.python爬蟲進(jìn)行web抓取lda主題語(yǔ)義數(shù)據(jù)分析

?