基于细粒度观点挖掘和Kano模型的用户满意度分析研究

作     者：曾祥俊 叶晓庆 刘盾 ZENG Xiang-jun;YE Xiao-qing;LIU Dun

作者机构：西南交通大学经济管理学院四川成都610031 西南交通大学计算机与人工智能学院四川成都611756 

基　　金：国家自然科学基金(62276217,61876157) 四川省杰出青年科学基金(2022JDJQ0034) 重庆市计算智能重点实验室项目(2020FF03) 西南交通大学杨华学者A类计划(201806) 

出 版 物：《计算机工程与科学》 (Computer Engineering & Science)

年 卷 期：2023年第45卷第4期

页      码：701-710页

摘      要：在线评论在客户关系管理、产品营销等方面发挥着重要作用,有效利用在线评论来分析用户满意度,对企业改善其服务和产品至关重要。传统的满意度分析方法的变量设计往往依赖专家建议,较少考虑正负属性的不对称影响。为解决这些问题,利用文本细粒度观点挖掘技术,对用户在线评论进行特征挖掘,构建产品服务质量分数,并采用PRCA技术对服务属性的正负影响进行量化,将服务属性投射为Kano属性分类,然后分析不同粒度下不同品牌的客户满意度特点,并给出不同品牌的属性优先顺序。最后,从咖啡评论数据中挖掘出5个关键属性。实验结果表明,不同属性对满意度影响具有不对称效应,且不同粒度下的顾客满意度影响因素具有不同的特点,并给出了相应的精细化企业管理策略。

主 题 词：在线评论 细粒度观点挖掘 Kano模型 满意度分析 奖惩对比分析 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

D　O　I：10.3969/j.issn.1007-130X.2023.04.017

馆 藏 号：203121851...