基于LDA和语义网络的产品感知价值维度研究.pdf

第 44 卷 S1 期 包 装 工 程 2023 年 4 月 PACKAGING ENGINEERING 47 收稿日期：20221202 作者简介：楚东晓（1978），男，博士，副教授，主要研究方向为工业设计、感性工学、服务设计。通信作者：王雯露（1998），女，硕士生，主攻产品设计、服务设计、用户体验。基于 LDA 和语义网络的产品感知价值维度研究 楚东晓1,2，王雯露1，穆勤远1（1.武汉大学 城市设计学院，武汉 430072；2.武汉大学 数字城市研究中心，武汉 430072）摘要：目的目的 从在线评论中提取产品感知价值维度，创新产品开发与设计。方法方法 首先，采用爬虫技术从网络平台获取产品的在线评论数据，通过分词技术预处理后，利用 LDA 模型提取出在线评论文本数据的感知主题分类，并构建高频词的语义网络，最后分析得到产品感知价值的维度结构。结果结果 以智能手机的在线评论数据为对象进行了实验分析，得出智能手机感知价值的 4 个维度：功能维度、设计维度、交互维度和体验维度，并进一步提出产品开发设计的建议。结论结论 综合应用在线评论文本挖掘技术，解决感知价值维度传统研究方法样本量少、滞后性、针对性不足等问题，并以智能手机的在线评论为例，明晰互联网消费背景下的智能手机的感知价值维度，指导产品设计，帮助企业可持续发展，获取竞争优势。关键词：感知价值；产品设计；在线评论；文本挖掘；LDA 中图分类号：TB472 文献标识码：A 文章编号：1001-3563(2023)S1-0047-09 DOI：10.19554/ki.1001-3563.2023.S1.008 为产品创造感知价值被认为是企业可持续发展的必要前提，尤其是在如今激烈的市场竞争中，感知价值的构建被认为是获得竞争优势的关键来源1-3，是回购意图的最重要指标4-5。感知价值在产品和服务中扮演了许多行为结果的前因，在产品开发与设计过程中平衡考量产品的功能和感知维度，可以达到事半功倍的效果。用户感知价值维度的传统收集手段，如文献研究、问卷调查、用户访谈等基于调查分析的方法，具有较强的主观性，在数据规模、数据更新和收集效率方面存在局限性。在线评论作为口碑信息披露的重要形式，蕴藏着丰富的信息且充满价值6，突破了传统评价在时间和空间上的传播限制。大量的在线评论，为感知价值的研究提供了客观的资料来源。但是在线评论数据庞大、格式也并不规范，如何从丰富的在线评论中有效识别并分析用户的使用体验和感知价值，是一个值得深入研究、充满挑战和意义的课题。探索能够刺激消费者购买和使用的产品属性，分析吸引用户感知的价值维度，可以帮助企业更精准、更有效地听取用户声音，明确产品设计开发的未来方向，促进企业的可持续发展。本文尝试通过大数据文本挖掘，探索感知价值的维度。首先，通过分析在线评论的数据特点，进行数据采集和预处理；其次，利用 LDA 主题模型实现主题特征提取与分类，有效识别用户的感知价值影响因素，在此基础上构建高频关键词的语义网络，分析用户感知的互动过程；最后，以智能手机为例进行实证分析，得到在互联网消费背景下智能手机的感知价值维度，为智能手机设计开发提供有价值的信息。1 相关研究综述 1.1 感知价值 感知价值意味着消费者与产品的互动，其概念源于消费者行为理论。ZEITHAML（1988 年）利用焦点小组和深入访谈探索了消费者感知价格、感知质量和感知价值之间的关系，将感知价值定义为消费者基于接收和给予的感知而对产品或服务效用的综合评估7，感知价值被概念化为一维结构。然而，除价格和质量外感知价值还包括影响消费者的各种心理因素，单一的指标量表并不能充分表达感知价值的概念8。1991 年，SHETHNEWMAN 和 GROSS 提出了包括功能价值、社会价值、情感价值、认知价值、条件价值在内的消费价值五维模型9，每一个购买决策的背后都会受这 5 个价值维度中一个或多个的影响，消费者购买选择行为是多重消费价值的函数。SWEENEY和 SOUTAR 开发出包含功能价值、情感价值、社会价值和经济价值 4 个维度的 PERVAL 感知价值模型10。48 包 装 工 程 2023 年 4 月 PARASURAMAN 基于产品或服务的生命周期视角，将感知价值划分为获取价值、交易价值、使用价值和赎回价值4。PETRICK（2002 年）开发了 SERVE-PREVAL 多维量表来衡量服务的感知价值，包含行为价格、交易价格、质量、情绪反应和声誉 4 个方面11。PERVAL 和 SERVE-PREVAL 量表是对产品或服务购买后的价值评估，而非整体价值感知。Snchez 从动态和时间轴的视角出发，记录购买前、购买中、使用中和使用后 4 个阶段，开发了 GLOVAL 多项目量表，功能价值、情感价值和社会价值是其中的 3 个基本价值维度12。AULIA 等将非服务产品的感知价值划分为 3 类：产品相关价值、社会相关价值和个人相关价值，每个价值维度下面需要衡量享乐价值和功能价值13。国内学者董大海等通过文献回顾和整合心理学态度模型、TAM 技术接受模型等界定了网络环境下的感知价值 3 个维度：结果性感知价值、程序性感知价值和情感性感知价值14。感知价值研究的单维和多维模型对理解感知价值概念提供了帮助，不同学者对感知价值概念化维度的研究见表 1。上述感知价值概念化维度的研究方法，是以研究者作为主动方、用户作为被动方来开展的，通过调查或访谈获得顾客感知价值的度量，大多基于定期管理的有限样本6，过于依赖专家知识，研究结果和结论偏向主观15，研究存在滞后性、不能实时动态更新。另一方面，感知价值是用户对产品属性、功能和使用后果的偏好感知和评估，以上关于感知价值维度的研究对象多为笼统的产品概念，缺乏对研究对象类型和特征的考量16。感知价值的维度研究需要应用量化分析技术，得出更可靠、更有针对性、有意义的结果。表 1 不同学者对感知价值概念化维度的研究 作者 年份 维度 领域 SHETH,NEWMAN,CROSS 1991 年 功能价值/社会价值/情感价值/认知价值/条件价值 消费价值理论 ZEITHAML 等人 1988 年 感知接受/感知给予 消费者行为 PARASURAMAN A 等人 2000 年 获取价值/交易价值/使用价值/赎回价值 产品服务 SWEENEY,SOUTAR 2001 年 功能价值/情感价值/社会价值/经济价值 消费者感知价值 PETRICK 2002 年 行为价格/交易价格/质量/情绪反应/声誉 服务 Snchez 2006 年 功能价值/情感价值/社会价值 旅游服务 董大海，杨毅 2008 年 结果性感知价值、程序性感知价值和情感性感知价值 网络营销 AULIA 等人 2016 年 产品相关价值/社会相关价值/个人相关价值 耐用产品 1.2 在线评论 在线评论构成了连接商品属性和用户体验的信息网络，从中挖掘有用信息备受关注。近年来，越来越多的研究检验了在线评论现象，主要方法包括：主题识别、情感分析、产品特征识别、语义网络等。GUO Y 等利用 LDA 主题模型识别出在线评论中酒店和顾客互动的 19 个维度，并通过感知映射确定影响酒店星级评定的关键维度17；S.SRINIVAS 等利用LDA 模型、情感分析等方法分析某大学的学生在线评论文本，得到学生对学校感知价值的影响因素，包括工作前景、师资、社交生活、运动等 12 个维度18；Y.JIAO 等利用情感分析从在线产品评论中抽取感性知识，并建立用户感知和产品属性之间关系的感性知识树，指导产品感性设计19；N.ZHANG 等利用 LDA模型提取在线评论的主题，与文献分析的感知价值维度进行匹配并作为各维度的衡量指标20。主题识别可以反映在线评论的主要维度，但无法反映文本内部隐含的语义关联和深层次结构关系21。在旅游研究和舆情主题发现领域，一些学者利用语义网络分析了文本内部的语义关系，探索研究对象的感知特征。A.F.Colladon 等将社交网络分析和语义分析应用于在线旅游论坛的文本，帮助预测游客的人数变量，并验证了该方法可以显著提高模型预测的性能22。王永明21和李萍23等国内学者利用词频分析、语义网络分析、情感挖掘等方法分析旅游地的互联网文本，获取游客的意向感知特征和结构。综上本研究将利用主题模型对在线评论进行主题识别，从中提取感知价值维度，克服传统研究方法中存在的可靠性不足、效率低、滞后性等局限，在此基础上构建关键词语义网络，分析在线评论短文本内部的语义关联、挖掘用户感知价值的互动过程，深入探索其生成机制。2 研究方案设计 2.1 研究对象 智能手机是典型的快速消费类电子产品，市场份额大、普及率高、产品特征清晰统一，电子商务平台汇集有大量的用户在线评论。本研究借助京东电商平台的用户评论，综合分析智能手机感知价值创造的影响因素，为智能消费类电子产品提供设计开发的方向和决策依据。2.2 研究方法 本研究使用 LDA 主题模型对在线评论进行主题第 44 卷 S1 期 楚东晓，等：基于 LDA 和语义网络的产品感知价值维度研究 49 特征提取。LDA 是由 BLEI 等人在 2003 年提出，又称三层贝叶斯概率模型，包含词、主题、文本 3 层结构，其基本思想是将文本表示为潜在主题的随机混合，运用概率方法对模型进行反向推导，寻找文本集的语义结构，挖掘出文本的主题24。LDA 主题模型结构见图 1，其中空心圆代表隐性变量，实心圆代表可观测的变量，有向边代表条件概率依赖，方框代表重复次数。具体训练过程如下。1）从参数为 的 Dirichlet 分布中取样生成当前文本 i 的主题分布 i。2）从主题分布的 i中取样生成文本 i 的第 j 个词的主题 zij。3）从参数为 的 Dirichlet 分布中取样生成主题zij下对应的词语分布 zij。4）从词语分布 zij的多项式分布中抽样获得词语 wij。图 1 LDA 主题模型结构 语义网络是由文本关键词及其共现关系形成的网络，由一组节点和一组连接节点的弧构成，其中节点表示事物、概念、属性、动作、状态等，弧表示节点间的语义联系21。本文采用 PMI（Pointwise Mutual Information25）算法计算短文本中词语的共现关系强度。在数据挖掘、机器学习、信息检索的相关文献中，经常会用到 PMI 来衡量两个事物之间的相关性，特别是在线评论的挖掘中，PMI 常被用作计算情感分析中极性词的极性强度26。PMI 的计算公式如下：1212212(,)(,)log()()p w wPMI w wp w p w 其中，1()p w表示1w词语在文本中独立出现的概率，2()p w表示词语2w在文本中独立出现的概率，12(,)p w w表示词语1w和词语2w同时出现的概率。当PMI0 时，两个词语相关，且 PMI 值越大，共现概率就越大；当 PMI=0 时，两词语无联系；当 PMI0时，两者互斥。2.3 研究思路 本研究中的在线评论数据挖掘方法由 4 部分组成：第 1 部分是明确目的、选取实验对象和构建原始语料库；第 2 部分是文本预处理，基于在线评论的特点，精细的预处理有助于提高数据分析的准确性；第3 部分为模型的核心部分，利用 LDA 主题模型对评论文本进行主题提取；第 4 部分是通过计算 PMI 建立高频词的语义网络，挖掘其内部的语义关联。研究框架见图 2。图 2 研究框架 3 数据处理与分析 3.1 数据采集 实验使用“八爪鱼采集器”爬取京东平台上销量和评论量前 20 的智能手机（共 26 款）的在线评论，形成初始在线评论共 26 000 条。去除系统默认评论、文本字数低于 10 的评论，得到实验语料库在线评论共 25 964 条。3.2 数据预处理 对于中文文本的分词处理，本文利用 python 语言环境下的 jieba 组件工具，对在线评论文本数据进行分词划分。在线评论存在个性化、语义结构不规范、同义不同形的表达特点，通过对评论内容的观察分析，构建包含智能手机专有名词和互联网习惯用语的自定义词典和同义词典合