摘要：[目的/意义]本文旨在提出一种从大量在线商品评论数据中挖掘影响读者满意度的关键因素的方法,并深入探讨各个影响因素对消费者满意度的影响模式和影响程度,进而为图书出版企业、电商平台持续改善读者满意度提供理论基础。[方法/过程]一方面利用朴素贝叶斯分类器将读者的情感进行分类。另一方面对评价文本中的高频名词进行聚类,发现影响读者满意度的主要因素。在此基础上基于最大程度减少不确定性的原则对各个影响因素的影响模式和影响程度进行分析。[结果/结论]以京东人工智能类图书评论为例进行了实证研究,发现包括内容、价格在内的六个因素可以极大地反映出读者的满意度(83.2%)。因此对于图书类商品,可以通过对大量历史评论数据的学习,找出影响读者满意度的主要因素,据此设计出简化的读者评论框架,以增强读者参与评论的积极性,提高评论的质量。“图书内容”是影响读者满意度的最主要因素。当读者对图书内容表达出不同的情感时,其他因素对读者满意度的影响模式和程度是完全不同的。当读者对图书内容表示满意时,89.2%的总体评论是好评,其他因素的影响较小,价格是导致中评和差评的最主要因素;当读者认为图书内容一般时,评论趋向于中性,读者对服务和物流更为关注;当读者认为图书内容不令人满意时,影响读者满意的因素依次是包装、服务质量和价格。基于不同影响因素对读者满意度的影响模式和影响程度,图书出版企业和电商平台可以更加有针对性地对其加以改善,以提高读者满意度。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社