使用机器学习和自然语言处理来衡量消费者评论以获得产品属性洞察力

西方大学、纽约州立大学布法罗州立学院、辛辛那提大学和香港城市大学的研究人员在《营销杂志》上发表了一篇新论文，该论文提出了一种方法框架，供管理者从消费者评论中提取和监控与产品及其属性相关的信息.

了解具体的产品属性如何为消费者带来更高层次的利益可以使各种企业团队受益。具体或“工程属性”是指技术规格和产品特性。例如，在平板电脑的上下文中，此类属性包括RAM、CPU、重量和屏幕分辨率。了解这些较低级别属性的组合如何为消费者(例如硬件和连接性)形成更高级别的好处或“元属性”，可以为管理人员提供可操作的见解。销售团队需要了解推动消费者购买行为的更高层次的产品优势。产品设计团队必须与工程和制造部门沟通，以了解产品的技术规格与其感知优势之间的关系。

传统的调查方法可能很耗时，并且可能会在不同的抽样期间产生不一致的结果。因此，理论和实践之间仍然存在重大差距：如何直接从消费者的输入中发现工程属性和元属性之间的联系，从而为管理决策提供信息?

为了填补这一空白，研究团队设计了一种基于机器学习和自然语言处理的方法框架，以获得产品属性的嵌入式表示。具体而言，嵌入式表示使用消费者评论中围绕此类文本数据(即上下文信息)的词来描述(表示)文本数据，例如单个产品属性。该表示使用神经网络进行量化，神经网络能够根据消费者自己的描述方式(即上下文信息)对各种产品属性之间的相似程度进行数学测量，从而揭示消费者使用属性的相似性和差异性。

从这个嵌入的表示中，该模型然后识别反映抽象产品利益级别的产品属性的多级集群。“换句话说，”Wang说，“这种新方法通过算法从消费者撰写的评论中提取他们自己的话，以量化与单个产品属性相关的特定上下文。

然后，这可以根据上下文相似性将产品属性分组在一起，以发现可以影响消费者对产品的满意或不满意的更高级别的好处。”与这些元属性相关的情绪用于评估管理利益的对象，例如一个产品或品牌，然后可以更深入地检查哪些工程属性主要驱动与元属性相关的消费者情绪。

该研究做出了三个主要贡献。首先，它为管理者提供了一个方法框架，可以从消费者评论中提取和监控与产品及其属性相关的信息。正如他解释的那样，“因为我们的框架利用了围绕消费者评论中表达的产品属性的上下文，管理人员可以使用它来直接监控元属性如何在品牌内演变，并比较产品类别中的品牌，以告知他们与产品相关的决策。我们提供验证，证明我们的元属性层次结构充分接近消费者的潜在评论撰写行为。”二、研究延伸情感通过展示分层情感分析来分析消费者评论，该分析基于属性层次结构聚合与各个属性相关的情感分数。

从评论级别开始，可以向上汇总情绪分数，以产生对各种分析单元(例如SKU、产品系列和品牌)的见解。“使用分层情感分析，管理人员可以超越依赖评论评级，评论评级只描述产品的整体，不能认可特定的产品属性。我们证明这种灵活的情感分析方法可以根据消费者评论生成定制的仪表板和感知图这可以为管理决策提供信息，”库里说。

第三，该研究使用消费者对平板电脑的评论来提供该方法的实际演示。特别是，它分析了消费者对惠普和东芝的看法，以探讨这些品牌最终停止平板电脑产品线的潜在原因。Ryoo解释说：“使用我们的属性层次结构，我们评估了它们的元属性，然后深入到工程属性的级别，发现惠普平板电脑可用的应用程序数量有限以及东芝平板电脑的厚度和重量是主要驱动因素。消费者对产品的负面情绪。

然后我们分析了市场领先品牌三星和苹果的元属性，以探索他们成功的潜在驱动因素。”伯杰等人指出，“为了使数据有用，研究人员必须能够提取潜在的洞察力——以衡量、跟踪、理解并解释市场行为的原因和后果。”从这个意义上说，这种方法对于制定营销策略非常有用，因为它提供了对产品属性和消费者估值之间关系的宝贵见解。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！