基于细粒度观点挖掘和Kano模型的用户满意度分析研究

来源：计算机工程与科学杂志2023年第4期北京时间：

作者：曾祥俊, 叶晓庆, 刘盾

单位：1.西南交通大学经济管理学院,四川 成都 610031;2.西南交通大学计算机与人工智能学院,四川 成都 611756

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。

关键词：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,

基金资助：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)