基于數(shù)據(jù)挖掘的手機(jī)客戶網(wǎng)絡(luò)評論的研究.pdf

1、隨著移動互聯(lián)網(wǎng)時代的發(fā)展，越來越多的客戶熱衷于在網(wǎng)絡(luò)平臺中發(fā)表和分享關(guān)于購買產(chǎn)品的評價，從而海量的關(guān)于客戶的各種屬性和網(wǎng)絡(luò)評論數(shù)據(jù)存儲在了網(wǎng)絡(luò)平臺中，而企業(yè)要想提升經(jīng)營效益和自身競爭力，就必須要從中挖掘出有用的商業(yè)信息。本文利用數(shù)據(jù)挖掘的方法對手機(jī)客戶網(wǎng)絡(luò)評論進(jìn)行了研究，主要研究工作及相關(guān)的結(jié)論有如下四個方面:
　　第一，基于Gooseeker軟件的網(wǎng)絡(luò)爬蟲技術(shù)研究了華為手機(jī)官網(wǎng)上手機(jī)客戶評論的URL抓取規(guī)則和評論數(shù)據(jù)采集規(guī)則，采

2、集了所選取網(wǎng)站上約2千條評論并以XML格式存儲，再用Swift、Excel軟件對原始數(shù)據(jù)集進(jìn)行去除噪聲評論的預(yù)處理，最后得到1473條，近6萬字的網(wǎng)絡(luò)評論作為樣本數(shù)據(jù)集。
　　第二，基于可視化技術(shù)和LDA主題模型，利用R和ROST CM6等軟件，進(jìn)行了評論文本的特征分析。其中可視化分析主要從詞云和網(wǎng)絡(luò)語義兩個方面進(jìn)行，得到詞頻均較高的詞以及客戶對產(chǎn)品的優(yōu)點與不足的評價等相關(guān)信息，如外觀好看、商品發(fā)貨很快、物流速度很快，但存在電池易

3、發(fā)熱，不耐使用、續(xù)航能力差等方面的不足?；贚DA主題模型的特征分析，得到客戶關(guān)注的前8個主題為“做工、手感、耳機(jī)、設(shè)計、體驗、存儲、電池、包裝”，通過分月份的LDA主題模型分析結(jié)果，得到客戶評論的主題詞隨著時間的變化而改變。
　　第三，采用基于情感詞典的方法進(jìn)行了情感值分析，利用Python語言編程，計算出每條評論的情感值。進(jìn)而判斷客戶評論的情感傾向，并通過描述統(tǒng)計分析，得知有21.1％的客戶的評論情感值大于正面評論的情感均值，

4、與80/20原則一致，即20％的忠實客戶往往能夠給企業(yè)提供80％的利潤。進(jìn)一步，在LDA主題模型分析得到的評論所關(guān)注的熱點屬性和可視化分析的詞頻統(tǒng)計的基礎(chǔ)上，對客戶所關(guān)注的各個屬性的情感傾向進(jìn)行了分析，得到客戶負(fù)面反饋比例最高的主題是配件(25.41％)，此外，在服務(wù)和系統(tǒng)上的負(fù)面反饋比例也比較高，分別達(dá)到了23.44％、19.70％。
　　第四，為了對客戶進(jìn)行高價值到低價值的區(qū)間分隔，結(jié)合所采集數(shù)據(jù)的情況，首先采用客戶級別、評分

5、等級、積極情感值、消極情感值、積極情感方差、消極情感方差這6個變量作為客戶特征細(xì)分的指標(biāo)，采用Two-Step聚類算法，將客戶分為關(guān)鍵客戶、主要客戶、普通客戶、小客戶這4個類別，并得到高價值客戶占比為18.3％，大致反映了Pareto定律（2-8定律）。然后，在客戶細(xì)分的基礎(chǔ)上，建立了有序多分類Logistic回歸預(yù)測模型，所建模型對客戶類型的預(yù)測準(zhǔn)確度為97.62％，表明了所建立模型的預(yù)測效果較好，可以用來對新樣本進(jìn)行客戶類型的預(yù)測。