基于BP神经网络模型的用户问答对服装产品月销量影响.docx

    基于BP神经网络模型的用户问答对服装产品月销量影响    张炎亮 赵蓓Summary： 用户问答作为产品口碑的新型定性化体现，一经推出迅速成为各大电商平台的热点文章以网购平台中服装产品的用户问答为切入点，构建BP神经网络分析产品月销量的关键影响因素，对电商平台管理、店铺经营具有实践意义借助分析工具对用户问答数据内容进行挖掘，构建用户问答效价词典，并建立用户问答相关变量与产品月销量的BP神经网络模型进行实证分析神经网络仿真结果表明，各相关变量对月销量存在不同程度的影响，用户问答数量正向影响月销量，用户问答类型中的关键影响因素为属性型回答Key： 用户问答;评论;文本分析;情感分析;BP神經网络;产品月销量： TS941.1文献标志码： A： 1001-7003（2021）05-0070-06引用页码： 051111DOI： 10.3969/j.issn.1001-7003.2021.05.011（篇序）Abstract： As a new qualitative embodiment of product reputation， customers questions and answers（Q & As） has quickly become a hot spot on major e-commerce platforms once launched. This paper takes the customers Q & As in the online shopping platform as the entry point to build a BP neural network to discuss the key influence on the sales volume. By using the text analysis tools to mine the content of customers Q & As data， construct user Q & As valence dictionary， and establish the BP neural network model of cutomers Q & As related variables and monthly product sales for empirical analysis. The results of neural network simulation show that the relevant variables have different degrees of influence on the monthly sales volume， the number of user questions positively influences the monthly sales volume， and the key influencing factor of user questions type is attribute answers.Key words： customers Q & As; online reviews; text analysis; sentiment analysis; BP neural network; monthly sales of products随着互联网的普及和飞速发展，网络购物成为大众主流的消费方式。

传统网络购物过程中，消费者通常通过评论来预测和判断商品的质量与口碑[1-3]然而商品口碑包含多个方面，如品牌、店铺信誉等都对消费者的购买行为产生重要的影响[4]研究发现，口碑丰富能够更好迎合顾客需求的多样性，因此网络平台也推出了更多新的功能板块来完善客服体验[5]，如淘宝网在商品详情页所推出的“问大家”和京东商城的“问答”板块，通过用户问答（Customer Q & As）建立起一个用户直接传播口碑的平台[6]通过该板块，潜在消费者可以就产品感兴趣的方面向已购买产品的消费者发出提问，淘宝后台邀请买家进行回答，消费者根据买家回答再进行购买决策已有学者证明，用户问答作为新的口碑表现形式对消费者购买意愿存在重要影响[6-7]然而目前针对用户问答的研究主要集中在知识社区中的问答行为分析[8]，另一方面针对产品网络口碑的研究多集中在评论与追评上[9-10]，但对于电商情境下用户问答评论对产品销量影响的研究较少鉴于此，本文构建了网络用户问答数据神经网络模型，利用网络爬取的服饰类商品“问大家”板块评论数据训练神经网络，通过月销量的变化，分析研究用户问答评价对产品月销量的影响1 文献回顾与研究假设针对基于神经网络的月销量影响研究，本文从用户问答、评论内容类型与评论三个方面进行文献梳理，并建立各自的研究假设。

1.1 用户问答对于评论的研究，学者们普遍认为评论数量正向影响顾客购买意愿[9-11]而董京京等[12]认为顾客间的信息互动正向影响产品的促销，用户问答作为继评论后消费者另一重要信息来源，有效地搭建了一个顾客间进行信息互动的平台据研究统计，淘宝网每天有3 000万的消费者依靠问答信息进行消费决策，通过大数据匹配，超60%的问题可以在10 min内被买家回复[6]用户问答作为一种产品口碑新形式，越发深刻影响顾客的购买决策基于此，本文提出以下假设：H1：用户提问数量显著影响产品月销量H2：用户回答数量正向影响产品月销量1.2 属性型评论和体验型评论现有研究将评论划分为对产品本身特征评价的属性型评论和消费者对产品使用体验评价的体验型评论两种类型[13-14]Park等[14]认为属性型评论的客观逻辑性和说服力更强;而Huang等[15]认为主观的体验型评论对消费者的感知有用性具有正向影响，具有更高的信息价值根据此，可推断用户回答中的评论属性同样影响消费者购买行为，且由于服装作为体验型产品具有虚拟交易性和快销性[16]，在产品质量得到保证的情况下，涉及感受的主观体验型评论能帮助消费者更好地可视化产品[17]，在满足对消费者购买意愿影响更大。

对于评论效价的分析，郑丽娟等[18]认为一个商品评论的情感本体由特征观点对和观点次情感组成，构建情感本体可以有效地判断用户对产品的态度蔡庆平等[19]通过建立基于Word2Vec和CNN的细粒度情感分析模型，实现产品特征聚类，研判了用户对产品特征的关注度和满意度因此，对于用户问答的类型与效价分析是研究服装产品销量时的一项重要工作，由此提出以下假设：H3a：正面体验型回答比正面属性型回答对月销量产生更积极影响H3b：负面属性型回答比负面体验型回答对月销量产生更消极影响1.3 评论评论的数量通常是产品流行程度的一种体现，更是网络口碑的体现，能够减少消费者在购买时承担风险的不舒服感[20]产品的评论有正面和负面之分，即评论效价有学者认为，负面评价所产生的负面影响大于正面评价所带来的积极影响，即“负面偏差”效应[21]国内外研究普遍认为评论的效价正向影响购买意愿[9，22]然而，曹裕等[23]针对休闲食品评论效价分析发现，由于食品的特殊性，判断往往取决于消费者的口味和文化习惯等，进而认为评论效价对食品购买决策无显著影响尹春丽等[24]通过评论数据挖掘，细化了评论中的不同产品特征对消费者满意度的影响。

更有学者探讨了评论与用户问答的交互影响，严建援等[6]认为用户问答与评论的内容产生矛盾时，用户问答会对消费者产品态度产生削弱效果综上可见，评论的数量和正负对服装产品的月销量存在重要的影响，基于服装产品的特殊性，本文提出如下假设：H4：评论数量显著影响产品月销量H5：负面评论比例对用户问答影响月销量的调节作用显著通过对现有文献的梳理可以发现，对于网络口碑的研究主要以评论研究为主，探究评论不同相关变量对消费者购买意愿及产品销量的影响，而用户问答作为产品口碑新型定性化体现，其对产品销量影响的研究仍为空白本文选择产品月销量为因变量，通过网络爬虫提取用户问答相关变量，利用神经网络研究各变量间的非线性关系，以期达到帮助电商平台调整管理策略，增加产品销量的目的2 研究设计2.1 数据收集与处理本文选取服装行业，因其具有店铺多元化和产品多样性的特点，以此为案例进行分析具有代表性和推广性考虑到服装产品的季节性和女性服装的多样性，针对秋季女装，本文于2020年8月16日从淘宝客户端选择83家知名度较高的原创女装店铺销量前三的秋季产品248件，产品类型包括外套、上衣、下装，爬取了产品详情中“问大家”板块的问题39 520条，回答113 248条。

样本店铺秋季女装产品提问数量及回答数量用SPSS19.0做描述性统计，结果如表1所示2.2 用户问答类型效价分析2.2.1 商品提问类型分析利用NLPIR-ICTCLAS汉语分词系统对商品提问进行Key提取，该分词软件主要采用交叉信息熵的方法来进行Key提取，且可以通过交叉熵值自动计算词汇权重并按权重进行排序对提取到的数据进行清洗，剔除无意义词语后得到服装产品提问的Key，选取分词软件计算所得权重为前10的文本进行展示，结果如表2所示由表2可以发现，用户更加关注的是自己身高体重对应的衣服尺码，通过统计该类型提问共有13 220条，约占总数的33%，且该类型提问往往是消费者已有购买倾向，为了更好地购买到合适尺码而提出，故不再将其归入影响购买意愿的因素中对于剩下的26 300条用户提问，为明确其属性型和体验型的构成，邀请两名研究助理先熟悉消费者对属性型评论和体验型评论的界定，然后完成对用户问答类型的判断工作通过分析整合判断结果，本文发现在用户问答中，属性型问答略高于体验型问答，数量为12 624条，约占总数的48%，体验型问答数量为8 679条，约占总数的33%，另有3%的问答同时包含体验内容和属性内容，还有16%问答涉及其他问题的解答。

2.2.2 商品回答效价分析用户问答文本效价分析即通过对带有商品特征、个人感情色彩的消费者评论进行分词、归纳和情感词分析，来判断已购消费者对产品的态度由于用户问答是采用“提问+回答”的形式，且没有具体的评论效价分类，因此针对两种类型的用户问答进行情感分析来判断二者的评论效价本文构建面向服装产品用户问答的情感本体，进而判断用户问答效价步骤如下：1）特征观点对提取通过NLP-ICTCLAS系统对商品提问进行分词和标注，提取可表示商品特征的动词、名词、副词及形容词对于提取出的商品特征词进行词频统计，选择高频词语利用Chameleon算法进行聚类，得出關于商品特征观点对，并将提取出的商品特征对记为Aj，代表商品的第j个特征2）商品回答效价词典的构建商品问答效价有正负之分，对于在商品提问中所提取出的商品特征预定义评论效价，然后从商品特征对应的回答中提取的情感观点词与预定义的属性评论效价参照词比对，依据同义词合并的规则，确定提取的情感词归属效价，进而建立商品问答效价词典并按问答类型进行分类，再计算属性型问答与体验型问答正负比例具体构建过程：3）用户问答效价数量统计基于用户问答效价词典的识别结果，分别统计正面属性型问答、负面属性型问答、正面体验型问答及负面体验型问答的数量，预期通过不同类型用户问答效价的数量分析对月销量的影响。

2.3 变量描述及统计分析消费者会综合考虑产品的详情介绍、评论、用户问答及店铺评价等信息来做出购买决策，而消费者的购买决策会直接影响产品的销量因此，本文选取的自变量分为用户问答相关变量、评论相关变量与店铺评价相关变量其中，店铺评价相关变量中的店铺动态评分取近6个月来消费者对店铺产品描述相符情况的评分，高于同行业水平取正，低于同行业。