论文部分内容阅读
现今,网络购物依托互联网的发展已成为社会普遍现象。网络零售顾客逐年增加,网络零售额占全国社会消费品零售总额的比重不断攀升。网络零售平台上充斥着大量的产品评价数据,这些数据直接反应了顾客满意。近年来对数据资源的利用效率影响着企业的发展。顾客满意决定着未来网络零售市场的发展和网络零售平台的完善。因此从大数据视角研究顾客满意不仅对不同类型的企业提高顾客满意度和竞争力具有实践价值,而且具有数据挖掘意义。本文基于顾客满意度测评理论,利用结构方程模型,结合顾客评价,构建了包含品牌形象、顾客期望、网络零售平台、感知质量、感知价值、顾客满意、顾客抱怨和顾客忠诚的顾客满意度测评模型。针对不同类型的网络零售平台选取京东、苏宁易购和天猫代表B2C平台,淘宝网代表C2C平台。利用python网络爬虫采集了苹果、华为、三星、小米和OPPO这5个品牌共142种具体智能数码类产品的评价数据,其中共有186656条有用评价。然后利用基于词典分词、实体匹配和文本情感分析的方法将采集到的文本数据量化成符合构建的结构方程模型形式的数值型数据。利用Amos将B2C和C2C平台的数据分别代入初始构建的结构方程模型,修正并进行模型适配度检验。最终得到了适用于产品评价的CSI模型。通过对模型参数的估计以及路径系数的分析,得出不同类型平台顾客满意度的主要影响因素和二者的异同点。结合研究结果,利用4C理论从顾客需求、沟通、便利性和购买成本四个视角,针对B2C和C2C两类网络零售平台分别提出提高顾客满意度的对策。