邱冬阳 绘娴
摘 要：
以2021年10月15日至11月30日天猫商城个护美妆的消费者评论数据为样本，运用文本挖掘的方式研究“双十一”活动及活动前后的消费者满意度，并对比2020年同时期，研究“双十一”滿意度的演变可得出三个结论：（1）2021年“双十一”满意度评分为0.699 1，满意度相对较高，2021年“双十一”满意度的影响因素有：产品本身、“双十一”优惠活动、物流系统、虚假活动、售后服务；
（2）2021年“双十一”活动满意度低于同年“双十一”之前，并在“双十一”之后持续下降，影响满意度前后变动的因素有：“双十一”优惠活动的落差、客服人员不足、部分商品发货较慢；
（3）2020年“双十一”活动满意度为0.679 7，整体低于2021年，其中活动升级、物流进步使得满意度略有提升，但商品包装和直播间对满意度造成负面影响。
关键词：
“双十一”活动；
消费者满意度；
文本挖掘；
SnowNLP情感分析；
LDA主题模型
中图分类号：F723；
F42
文献标识码：A
文章编号：1673-8268（2023）02-0131-15
近年来，互联网生态开放以及电商行业的长期动能释放使得电商行业迅猛发展。据易观分析发布的数据显示，2021年第4季度，中国网络零售B2C市场交易规模为23 593.9亿元人民币，同比增长8.1%［1］。2009年11月，淘宝天猫商城举办网络促销活动，由此拉开了“双十一”购物狂欢节”（以下简称“双十一”）的序幕。历经12年的发展，2021年天猫“双十一”累计收益额高达5 403亿元，较2009年增长了10 805倍，近三年收益额平均增长率为39.93%［2］。
在“双十一”期间，消费者获得平台优惠券与商家打折双重折扣，低价促销成为了“双十一”的象征，各类红包、优惠券、商品价格优惠、加赠礼品等提高了消费者购买意愿，庞大的销量也促进了平台经济的繁荣发展。但近年来，“双十一”活动频频出现降价同时质量下降、价格明降暗升、活动内容虚假、物流崩溃、投诉困难等现象，冲击着消费者对商家和平台活动的信任，更反映出平台经济中存在数字治理欠缺、商品流通不够完善等问题，暗含系统性风险。消费者作为“双十一”活动的主要参与对象，对“双十一”活动是否满意各执己见，“双十一”活动使得消费者日常满意度指标出现波动。
在2021年“双十一”活动中，消费者的整体满意度究竟如何？“双十一”活动的满意度与活动前后的满意度到底如何波动？随着逐年活动的不断升级，满意度又是否有变化？笔者将针对这些问题展开论述。
一、文献综述
（一）“双十一”消费者满意度
对于消费者满意度的研究，国内外学者大多运用SCSB、ACSI、ECSI模型进行分析，模型变量主要是顾客期望、感知质量、顾客抱怨、顾客忠诚［3］，或是建立顾客满意度指标，将指标划分为功能、价格、服务、品质、产品包装等，然后依次作出评价4］。在研究过程中，研究方法分为问卷调查法和文本挖掘法。大多学者采用问卷调查法获取数据，发现影响消费者网购满意度最主要的因素是：购物网站服务质量、顾客自身对网站的期望、网络安全性、价格优势和产品质量保证［5-6］。2010年以后，逐渐开始运用文本挖掘研究消费者满意度，学者指出，传统问卷调查法受限于时空，文本挖掘是更高效快捷的研究满意度的方式［7］。在其他一些研究中表明，消费者满意度对消费意向呈正向影响，消费意向又能影响消费行为［8］，因此研究消费者满意度对促进消费有重要意义。
“双十一”活动交易额巨大，某种程度上也是中国经济的晴雨表，故应该对“双十一”活动进行理性分析和专业判断［9］。在“双十一”活动中，产品介绍、商品价格、卖家服务承诺及资质、网店装修、客户服务质量都可能影响消费者进行冲动消费［10］，对消费行为的自身感受形成了消费者满意度。截至2021年1月25日，CNKI中关于“双十一”满意度的文献共有13篇，研究内容包括搜索体验、网购现状、网购行为、物流配送等。对于研究方法，学者多采用问卷调查法，仅有1篇通过2013-2017年商家和物流的业绩数据进行分析。研究指出，五年中，2014年的“双十一”活动满意度最高，物流满意度除2015年外，其他年份满意度逐年上升［11］。学者采用问卷调查法对2016年至2020年“双十一”活动满意度进行研究时，分别对参与过“双十一”的消费者发放了120［12］、220［13］、250［14］、300［15］、400份问卷［16］。问卷调查研究结果显示，2015年大部分消费者持满意态度［13］。影响消费者满意度的因素为：网购保障、商品信息、售后服务、网购系统、网店形象［12］和“双十一”购物活动的设计特色、购物期间产品和服务的搜索难易程度、价格优势和购物娱乐性［15］。在“双十一”物流系统中，订单发货响应速度、商品包装完整性、商品配送准确度、配送人员业务能力、配送人员服务态度、物流跟踪信息查询、物流服务反馈及投诉渠道是影响满意度的重要因素［13］。
（二）满意度的文本挖掘与情感分析
文本挖掘是一科智能化技术，能够在海量的文本中提取有用的信息，一定程度上可揭示信息之间的关系。1995年，Ronen等首次提出了文本挖掘的概念［17］，并把数据挖掘技术运用到了非结构化数据中，随后又扩展到各个领域各个层次的研究中。国外近两年将文本挖掘运用到酒店满意度研究中，通过爬取酒店评论数据进行回归分析，探究影响消费者酒店满意度的因素［18］；
还将该技术运用到冷链研究中，将获取到的文本数据运用Bi-LSTM来量化情绪得分，该得分作为满意度分值，再运用LDA（latent dirichlet alloration）模型进行主题分析，通过分析得出满意度好中差的原因。结果表明，速度、价格、冷链运输、包装、质量、错误处理、服务人员和物流信息是影响满意度的重要因素［19］。国内文本挖掘技术的雏形最早出现在图书馆检索系统中［20］，这种方法大大提高了文本检索的速度。此后，学者尝试将文本挖掘技术运用在满意度研究中，其中情感分析是文本挖掘的一部分，利用SnowNLP平台可以计算出评论文本所包含的情感值，每条评论的情感值和满意度直接挂钩［21］。目前，文本挖掘和情感分析的研究对象有手机［22］、民宿［23］、家具产品［24］、生鲜产品［25］等。在文本挖掘过程中，具体技术包括：词频分析、关键词提取、ROSTCM6情感分析、TF-IDF（term frequency-inverse document frequency）算法、语义网络以及LDA模型。最终通过文本挖掘分别得出结论，在多种手机产品中，挖掘出不同手机型号的优势和劣势，便于消费者选择适合自己的手机［22］；
在线上餐饮平台研究中，收集回头客在线评论进行分析，研究结果可使商家参考改善服务［23］；
在家具产品中，最终建立了家具消费者满意度模型，研究对改善消费者购物体验起到了积极的作用［24］；
在生鲜产品购物中，得到影响消费者在生鲜产品购物中满意度的因素，对于生鲜行业改进服务具有一定作用［23］。上述研究均表明，文本挖掘技术在网络评论中运用效果较好，很大程度上减少了工作量，能快速在海量信息中提取关键信息，时效性强，在众多领域中都能发挥出强大的作用。
（三）文献述评
1.梳理文献发现，问卷调查法研究“双十一”时效性滞后，往往在活动结束后一段时间才能发放调查，且整体工作量较大。在以往的研究中研究人员最多发放了400份問卷，所能触及到的消费者数量有限，有限的问卷数量所反映的问题也是有限的，不足以对问题进行全面分析。此外，由于问卷发出者的身份原因，填写问卷的人大部分为大学生，大学生以外的问卷发放数量和回收数量相对较少，这也会对研究结果造成影响。
2.“双十一”活动发展数十年间，活动内容形式在不断变化，学者在对“双十一”进行研究时，运用问卷法仅针对当年情况设计问题，未涉及“双十一”活动之前之后的对比，未体现出消费者满意度的变化过程，研究存在一定的缺陷。受研究人员对问卷问题设计的限制，研究结果未能全面反映消费者的全部感受。
3.文本挖掘是近年兴起的研究方式，通过对文本关键词的提取，能及时、精准、全面收集数据并深入客观地进行分析。在使用本文挖掘研究餐饮、手机、冰箱、生鲜产品等对象的满意度时，学者关注点集中于影响满意度的因素，没有明确指出满意程度。目前，尚未有学者运用该方式对“双十一”活动进行过研究。
（四）本文的边际贡献
1.以往对于“双十一”的研究大多采用问卷调查法，该方法研究结果受限于研究者的问卷设计，且时效性滞后。本文运用文本挖掘的方式，通过Python编写爬虫获取评论内容，再利用情感分析对评论内容进行满意程度评分和深入分析，能及时获取数据、全面挖掘消费者的真实感受并进行深入准确客观的分析，还能丰富文本挖掘的应用场景。
2.以往研究只针对当年的“双十一”活动期间，本文研究进一步将2021年“双十一”与活动前后进行对比，探究“双十一”活动之前和之后的消费者满意度是否受“双十一”活动的影响，受何种因素影响；
并将2021年“双十一”与2020年“双十一”对比，探究“双十一”活动近两年的满意度是否有变化。
3.在对满意度的研究中，学者大多针对整个“双十一”进行问卷调查分析，本文选取天猫个护美妆类产品进行文本挖掘，一定程度上缩小了研究范围，微观切入能使研究更细致、具体、深入。
二、理论基础与研究设计
（一）理论基础
1.消费者行为
在经济活动中，企业要想和消费者建立长期关系，就必须对消费者行为进行研究。消费者一切与消费过程相关的行为统称消费者行为，消费者行为与商品服务或交换是紧密联系在一起的。与传统的消费环境相比，在电子商务环境下，消费者面对的商品种类繁多，营销活动复杂，使得消费者行为趋于感性化［26］，这种感性化体现为消费者计划行为理论中的一部分。消费者的行为偏好主要包括三个方面，分别是行为态度、主观标准、控制行为，这三部分对消费者决策和购买行为有着重要影响。从另一个角度来说，消费者行为除了选择商品购买使用时的认知偏好、行为意愿、购买行为和自我控制能力，还有购买后产品服务的体验过程和在平台上信息反馈的过程，当然，
消费者在产品购买使用时的态度情绪和倾向也属于消费者行为的范畴［27］。
2.消费者满意度
消费者满意度是指消费者在购物之后所反映出来的情绪状态，是对产品或服务体验的主观评价，满意度的高低决定着消费者的购物黏性。消费行为发生时，商家对消费者所提供的产品与服务倾向于一个综合状态；
而对于消费者来说，满意度通常会被切分为多个方面，如产品、价格、售后等。线上购物中，这种划分体现在确认收货后，系统会提示消费者从产品、物流、服务等方面打分，因为每个方面对于不同消费者来说重要性各不相同，所以以往学者的研究形成了不同的评价消费者满意度的指标体系；
但无论何种指标系，最终都会得到一个满意度的综合得分，以此来体现消费感受。从心理学的角度，满意度被划分为：很满意、较满意、一般满意、较不满意和很不满意。本文参考Oliver的观点［28］，认为满意度是表示产品性能和服务与消费者期待之间差异的函数，是产品购买前的期望与购买过程中的服务和到手后的产品使用体验之间的差距感受，越趋近于期望，甚至超越期望，则表示消费者对购物的满意度越高，反之则趋近于不满意。
（二）研究内容设计
本文的研究内容设计分为三步，首先考虑研究平台和具体研究对象的选择，然后确定数据获取的时间范围，最终确定“双十一”购物过程中的研究节点。
1.研究对象选择
2021年，各电商平台“双十一”销售额分别为：天猫5 403亿，占比64.65%；
京东3 491亿，占比22.21%；
拼多多位列第三，占比小于6%。故本文选择天猫平台作为研究对象，能够体现出大部分消费者的情况。
根据中商经济研究院数据统计，2021年“双十一”期间，天猫销售额前十的行业排名为：家用电器、手机数码、服装、个护美妆、鞋包、家具建材、电脑办公、食品饮料、母婴玩具、运动户外。考虑到以下三点，本文选择个护美妆类产品作为主要研究对象。其一，个护美妆类产品促销活动贯穿“双十一”活动始终。它是第一波预售活动的主要组成部分，且持续参与其他阶段活动，而其他品类在第一波预售中较少出现，研究个护美妆类产品更能凸显出消费者对整个“双十一”的满意度。其二，个护美妆类产品销售额在“双十一”直播中碾压式领先。2021年“双十一”主流直播电商平台销售总额达737.56亿元，在头部主播中，个护美妆类产品占据直播销售额91.2%，占比突出。其三，在“双十一”期间关注度高。根据百度大数据显示，2021年“双十一”期间，个护美妆类的搜索指数同比上升46%，位列所有品类第一名。后文的研究数据、分析及结果均基于2020与2021年天猫“双十一”个护美妆类产品。
2.样本周期选择
本文样本周期为2021年10月15日至11月30日。10月20号至11月1日为“双十一”期间第一波预售，11月1日至3日为“双十一”期间第一波抢购；
11月4日至10日为“双十一”期间第二波预售，11月11日为“双十一”期间第二波抢购。预售阶段买家支付定金，卖家不发出商品，到抢购阶段买家支付尾款或买家直接抢购，卖家发出商品，商品通常1～6天送抵消费者手中。因此，选定“双十一”活动期间为11月1日至17日。又由于12月1日开启“双十二”，“双十一”之后的研究结束点就确定为11月30日。
基于上文所述，“双十一”期间粗略确定为两周，为实现研究数据的可比性，“双十一”活动前后也分别选定两周，最终确定为“双十一”之前、“双十一”期间、“双十一”之后三个阶段，其中10月15日至10月31日为“双十一”之前，11月1日至17日为“双十一”期间，11月18日至11月30日为“双十一”之后（见图1）。
此外，由于2020与2021的活动周期是一致的，本文还将2020数据作为对比进行分析。
3.研究购物节点选择
对于消费者来说，“双十一”的整个购物消费过程包括：活动获悉、商品筛选、加购下单、物流运输、确认收货和售后服务。消费者的评论发生在确认收货之后，部分存在问题的商品，消费者会在售后服务之后进行追评。虽然消费者不会对每一个消费环节进行评价，但会在评论中突出整个消费过程中满意和不满意的部分。因此，本文选择售后服务及之前的商品评论作为研究购物环节节点，该节点的评论包含了整个购物消费过程（见图2）。
（三）研究方法设计
1.评论数据的获取和处理
通过python编写爬虫程序，于2021年12月1日一次性爬取2021年10月15日至2021年11月30日天猫商城个护美妆类产品与2020年同时期消费者评论，评论内容客观地反映出消费者在天猫商城消费后的感受。但由于评论包含大量的表情符号、错别字、无价值且重复的信息，会严重影响后续的分析结果，因此对评论进行清洗、去重等预处理操作。为了方便后续的分析，再将评论进行分词处理，并对单词的词性进行标注。
2.情感分析
由于所爬取的评论未区分好评和差评，本文首先通过情感词库匹配法实现情感分类，并针对分类存在的偏差进行修正，然后根据分类结果计算评论词频。这既是为了粗略观察分类结果是否准确，又是初步分析引起好评差评的关键因素。最后使用SnowNLP计算出每条评论情感分值，并汇总计算出整体平均分，该分值即代表消费者的购物满意度。
3.主题挖掘
商品评论包含商品质量、物流等多个主题，单个词语可能适配多个主题，通过建立LDA主题模型，将具有高度关联的词语集合在一起，形成基于词汇的条件概率分布，挖掘出评论中更深层次的潜在语义，从而进一步分析满意度的各影响因素和影响因素的形成因子。
三、评论数据获取与预处理
评论数据获取与预处理是文本挖掘的基础，包括数据获取、清洁和分词处理。其目的是获取数据，并使数据由非结构化状态达到可进行计算机分析的结构化状态。
（一）评论数据获取与清洗
爬虫是一个自动下载网页的程序，它根据既定的抓取目标，有选择地访问万维网上的网页与相关链接，从而获取所需要的信息。本文采用聚焦主题网络爬虫，该方法根据爬行算法和设定的主题特征进行过滤，筛选出满足主题的统一资源定位符来抓取页面数据，下载满足规则的页面并储存起来。
本文爬取了2021年10月15日至11月30日，以及2020年同时期130个个护美妆类商品评论共309 516条，其中2021年“双十一”期间评论133 333条。各阶段评论数量如表1所示。
由表1清洗前数据可见，2020和2021的“双十一”期间评论都要明显多于“双十一”活动前后，评论数据直接证明了“双十一”期间销量剧增。“双十一”之后数量大于“双十一”之前，主要有两方面原因，一是“双十一”期间，部分消费者收货时间略晚，还有部分消费者在使用之后一段时间才做出评论；
二是消费者在“双十一”之前，考虑到“双十一”活动即将来临，所以将消费时间后移。2021年数据明显多于2020年，除销售量增加的原因外，还因为所获取的数据以2021年为标准，部分商品是2021年上架的新产品，2020年没有评论内容。2020年与2021年“双十一”期间每日评论数量图如图3所示。
由图3可见，2020与2021年“双十一”期间的每日评论数量。在“双十一”期間第一阶段，自活动开始评论数量逐步上升，2020年11月4日增速最大，2021年11月3日增速最大，其原因在于11月1日消费者付尾款后商家开始发货，约2～3天大量到货，到货后消费者才发表评论，2020年于11月6日达到峰值，2021年于11月4日达到峰值，然后缓慢下降，可见2021年消费者收货速度有了提升，平均早于2020年一至两天，大部分消费者在3号以后收到货物。在“双十一”期间第二阶段，2020年于11月11日达到峰值，此后评论数量相对平稳，2021年于11月11日评论数量也明显增加，并于15日达到峰值，“双十一”当天活动效应明显。活动第二阶段收货速度与第一阶段相似，再一次证明了2021年“双十一”期间物流速度较2020年有所提高。活动第一阶段的评论明显多于第二阶段，评论数量直观反映了“双十一”期间第一阶段销量大于第二阶段，更多消费者在第一阶段已经参加活动。
爬虫抓取的数据内容包括：评论内容、评论日期、购买产品明细、消费者名称。评论示例如表2所示。
在天猫商品评论系统中，平台为了防止消费者长期不评论，设置了自动评论功能，确认收货15天后不进行评论则系统自动触发默认评论，这类评论重复且无效；
另有一些评论包含数字、英文字母、表情符号、错别字等内容，这类信息难以进行识别分析。为了保证数据质量，确保研究结果不受影响，本文就爬取到的评论数据进行了去重，删除数字、英文、表情符号等，将非结构化数据转化为结构化数据。
由表1清洗后的数据可见，2021年“双十一”期间共删除46 931条无效评论，保留86 402条有效评论，评论数据留存率为64.8%，为所有阶段留存率最低值，原因可能是消费者注意力被“双十一”活动吸引，“双十一”之前购物消费者超时未评论，系统触发了自动评论。2020年与2021年平均留存率接近，仅仅相差0.3%，反映出近两年消费者评论习惯趋于一致。
（二）评论数据分词处理
商品评论一般使用完整的句子，而词是表达完整词意的最小范围，分词是文本信息处理中最基础的一个环节，将一个单词序列切分为单个单词，目的是让计算机能够准确识别和理解文本信息。反之，不准确的分词将严重降低计算机对文本信息的识别和理解。
参照了学者对分词方法的研究［29］，本文选用jieba分词作为分词工具并对分词后的单个词语标注词性。首先将句子进行切分，再去除“呢”“吗”“嘛”“吧”等语气词，“你”“我”“他”“她”“它”等人称代词，“于是”“但是”等连词或转折词，以及“是”“的”等一系列停用词，最终使用汉语词法分析系统（institute of computing technology， chinese lexical system，ICTCLAS）的词性标注方法，对词性进行标注。
词云图将数据可视化，直观展示分析结果。在进行分词之后，本文通过TF-IDF提取文本特征，TF-IDF（term frequency-inverse document frequency）值越高，说明该词在文本中越重要。再使用WordCloud模块中的WordCloud绘制词云图，词云图字体的大小与词语的频率一一对应。根据分词统计，出现频率最高的词为：效果、送、不错、包装、“双十一”等，分词结果较符合预期，可以初步判断消费者比较关注这几个方面。“双十一”总词频表如表3所示，分词结果词云图如图4所示。
四、“双十一”评论情感分类
在爬取评论的过程中，由于淘宝商城的限制，未能自动区分评论是好评或差评，运用情感分析能够从文本中识别出观点，并分析其情感倾向性。本章将判断评论的情感倾向、计算情感值和影响情感倾向的高频词汇，为后文分析消费者的消费满意度原因奠定基础。
（一）匹配情感词
情感分析的第一步就是对每条评论通过情感词表匹配情感词，使计算机自动划分情感倾向。本文采用词典匹配法进行划分，所采用的词典是由知乎整理发布的“情感分析用词语集”，主要使用“中文正面评价”词表、“中文负面评价”词表、“中文正面情感”词表、“中文负面情感”词表。并将情感倾向一致的词表进行汇总合并，再给每一个正向情感词的初始权重赋值为1，负面情感词的初始权重赋值为-1，从而分类出正负情感。
为了更好地进行分析，本文将在词典中加入部分网购属性的词语，如在正向情感倾向词典中加入“好评”“满意”“五星”“喜欢”“太棒了”“超值”“性价比高”“很好”“很快”等，在负面情感倾向中加入“差评”“不喜欢”“慢”“失望”“不符”“差”“不理”等。
（二）修正情感方向
由于消费者会使用多重否定表达肯定，这可能会导致机器识别错误，使分类结果部分存在偏差。为了保证分析的准确性，现对已经匹配好的情感倾向进行修正。修正判断分为三步，如果情感词在句首，则直接判断情感方向；
如果情感词在第二个词，则判断第一个词是否为否定词，若存在否定词，则将情感判断修改为与原判断相反的方向；
如果情感词在第二个词之后，则判断前文的否定词个数，数量为奇数为负面情感，数量为偶数则为正面情感。本文主要使用了15个否定词，分别为不、没、无、非、否、莫、破、毋、未、错、慢、烂、否、休、坏。最后将修正过的评论计算情感得分，将评论分为好评和差评。
（三）评论情感分类结果
为了能直观地看出消费者好评与差评的原因，本文使用TF-IDF提取文本特征将评论分别制作词云图如图5、图6所示。消费者好评明显多于差评，如表4、表5表所示。
从图5、图6和表4、表5可知，本文的分词结果都较符合预期，好评差评关键词分词较准确，分词效果良好。
从好评词频表与好评词云图可以看出，“不错”“喜欢”“划算”出现频率最高，“不错”“喜欢”表明分词结果较为准确，排除情感表现词，引起消费者好评最主要的原因是“划算”，这与预期一致，“双十一”优惠活动所带来的价格划算是大多消费者好评的主要因素；
“效果”一词无明确指代，需要在后文进一步分析；
“送”“赠品”是当前“双十一”的主要活动特色，优惠活動主要通过赠品体现；
此外，在“双十一”活动中，消费者也较为重视商品包装。
从差评词频表和差评词云图可以看出，“客服”“过敏”“失望”是出现频率最高的三个词。“客服”行为是造成消费者差评的最主要因素，但无法明确是何种客服行为引发了消费者差评，后文将进一步分析；
“过敏”是消费者差评的第二大因素，造成过敏的原因或者因为消费者本身不适用，或者产品成分存在问题；
“包装”既出现在好评，也出现在差评，表明商品包装标准不一致，消费者对部分商品的包装并不满意；
“双十一”期间“送”的商品，消费者也并非全部满意，这部分商品质量、数量达不到消费者预期，也可能导致差评。
五、“双十一”消费者满意度与影响因素分析
（一）2021年“双十一”消费者满意度评分
为了更直观地看出消费者在“双十一”活动中的满意度到底如何，本文引入了SnowNLP情感分析［21］。SnowNLP是处理中文文本的python的第三方库，对购物类评论的分析准确率较高。使用python调用sentiment下的情感分类方法，在当前基准情感词典基础上，关注文本词语在不同情感类别中的强度值，计算出不同语境下的词语情感，进而得到文本情感值，得到的情感分值在0到1之间，分值大于0.5，说明情感较为积极，消费者偏向满意，分值越大则越满意，1则为完全满意；
反之，分值小于0.5，说明情感较为消极，消费者偏向于不满意，越接近0，情感越消极。
经过计算，2021年“双十一”期间清洗完成后的86 402条评论平均分值为0.699 1，高于0.5（见表6），可见消费者对于“双十一”的消费比较满意。与“双十一”前后的分值比较，“双十一”之前评分为0.753 3，“双十一”之后的评分为0.659 8，可见“双十一”期间消费者的满意度低于“双十一”之前，并在“双十一”之后持续降低。笔者经过研究后发现，情感评分持续降低是受“双十一”评论滞后的影响，而滞后的评论不满意度更高。
（二）2021“双十一”消费者满意度分析
LDA模型即潜在狄利克雷分配，是由Bei等人在2003年提出的生成式主题模型。这是一种无监督的学习技术，可用于识别大型文档集或语料库中的隐藏主题信息。每篇文档的每一个词都通过“一定的概率选择了某个主题，并从这个主题中以一定的概率选择了某个词语”。LDA模型包含文档（d）、主题（z），词（w）3层结构，能够对文本进行有效建模。通过主题模型，能够发现文本中词语使用的规律，把规律相似的文本联系到一起，并从中发现有效信息。例如，本文中“不错”“投诉”等无具体指代的词语，在评论中频繁出现，但无法确定“不错”和“投诉”的具体指代对象，而通过主题模型就可以将这些特征词与相应的情感词进行联系，进而对用户的情感倾向进行深入分析。
1.2021年“双十一”期间消费者满意度影响因素
根据主题寻优发现，数据最优主题数为3个，以下是根据好评和差评所作出的相关统计，选取了每个主题发生概率最高的四个词（见表7）。
由表7可知，2021年“双十一”满意度的影响因素有：产品本身、“双十一”优惠活动、物流系统、出现的虚假活动、售后服务。
（1）产品本身提高了消费者满意度。据消费者评论反馈（满意Topic1），商品在吸收、使用效果、味道方面表现都不错，第五章“情感分类结果中”所提到的“效果”一词无明确指代，经LDA主题分析，主要是产品使用过程中的吸收效果。但也有一些消费者反映使用后效果不佳（不满意Topic2），出现长痘、过敏等情况，原因在于个护美妆产品因人而异，存在个别不适用。此外，回溯评论可以发现，有消费者反映部分产品质量与往次购买的不同，或是产品成分改变导致过敏等情况。总体来说，消费者对产品质量最为关注，虽有部分消费者不满，但整体较为满意。这与王旭等［12］的研究一致，该文也表示消费者在网购过程中，最关注的还是商品品质本身。
（2）“双十一”优惠活动提高了消费者满意度。2021年“双十一”天猫商家活动可与平台活动叠加，平台活动主要为商品预售打折、喵糖大作战、超级红包、88VIP大额券、跨店满减（每满199减25或每满200减30）。商家活动为部分商家设定消费者在活动开始的前一个小时下单打折、“双十一”专用优惠券、额外赠送小样等。赠品、小样是消费者在“双十一”活动中最直观的收获，划算是最直观的感受。其中，划算一词在好评中共出现了8 726次，根据主题模型满意Topic2发现，这是消费者对“双十一”活动感到满意的重要因素，其余活动感受并未与商品直接挂钩，尚未直接体现在评论中。总而言之，消费者对“双十一”活动中的赠品小样整体呈现出满意态度，这与马东杰等［30］的研究一致，该文表明“双十一”活动中的营销与促销能够影响消费者购买行为的发生。
（3）物流系统进步提升了消费者满意度。近年来电商行业发展迅速，同时带动了物流系统发展。物流运输的方式不断进步，包裹分拣由人工分拣逐步过渡到机器分拣，物流速度已经能基本满足消费者需求。2021年，“双十一”活动与物流服务又进一步融合，在预售阶段商家就发出货物，分散了“双十一”的物流压力，让选择第一波预售的消费者最快在支付尾款后一两日内就收到商品，消费者明显感觉到物流速度更快，这也是消费者满意的因素之一。但是，“快递”一词还出现在了不满意的Topic3中，根据主题模型分析，快递与包装、客服在同一主题，最大可能是消费者对商品的快递包装不满，说明消费者对当前物流系统整体较为满意，但仍有进步空间，这与潘雨相［13］研究不一致。2018年“双十一”物流系统消费者表现为不满意，进一步证实了上文所分析的物流系统速度的进步提高了消费者满意度。
（4）虚假活动降低了消费者满意度。“双十一”活动中，部分商品存在形式优惠、虚假活动的现象。直播间带货是近两年新起的销售方式，天猫平台商家出售商品的渠道目前包括店铺直接售卖、店铺直播间售卖、网红直播间合作售卖。不满意方面Topic1中挖掘出“直播间”“贵”，深入研究发现，通常三个售卖渠道的活动方案各不相同，渠道间的价格与宣传不符，具体表现为网红直播间宣传该商品是最低价，实际消费者可能通过另一渠道购买的价格更为优惠。现实中，如2021年“双十一”活动中的“欧莱雅”事件，消费者感觉受到活动欺骗，引起了轩然大波。同时，在不满意Topic1中的“直播间”“赠品”中体现出，直播间可能还存在赠品与宣传不符的情况，表现为数量不足。伴随直播间“口惠而实不至”的促销套路，看似“一折”“两折”的商品其实只是额外增加了部分小样，这一类实质与宣传不符的虚假活动是消费者不满意的因素之一，这与王璇［15］的研究一致。该文也表明“双十一”活动一直存在虚假活动，且严重影响了消费者满意度。
（5）售后服务降低了消费者满意度。商品一经售出，消费者自收到至正常使用，这期间若发生问题需要商家配合解决。在差评中“客服”一词出现了973次，为差评之最，“双十一”期间天猫平台整体日均有效投诉量14 163单，环比增长76%。通过挖掘不满意Topic3的主题词进一步分析，客服问题包括但不仅限于：发错货物、退换货物、物流不更新、未收到货物、错发漏发、使用后产生不适、更换收货地址、商品或包装破损等。商家一般会根据店铺规模配备售后人员，日常情况下，售后人员能及时解决售后问题。但“双十一”期间，客服人员远远不足以支撐消费者需求，长时间不处理消费者的售后问题，使得消费者满意度严重下降。为了改善这一状况，淘宝官方推出了AI机器人及时解决消费者问题。由于机器人智能化有限，很多问题未能识别，在消费者的反馈中，机器人不仅没能提高消费者满意度，反而使得消费者满意度大大降低。这与徐士莹等［31］的研究一致，在服务因素中，售后服务是影响“双十一”消费者满意度的关键因素。
2.2021“双十一”前后消费者满意度变动因素分析
（1）“双十一”优惠活动的落差降低了消费者满意度。“双十一”期间活动越来越多样，但与“双十一”之前相比，促销活动并未给消费者带来预期的优惠，实际与预期不相符。大量商品为体现更高的折扣，提高商品原价，使得消费者满意度有所下降。此外，消费者对活动的理解也有区别，所得到的优惠也各不相同，如今互联网高度发达，消费者之间很容易进行信息互换，不同消费者在消费同一件商品时的价差也容易造成消费者心理的落差，使得满意度低于“双十一”之前。
（2）客服人员不足降低了消费者满意度。极少的商家会因为“双十一”活动增加客服员工，但即使增加员工也是少量，难以满足“双十一”的需求。“双十一”之前，销量较低，无论售前还是售后，客服人员的配备都能满足消费者需求，能做到尽快回复。但是，“双十一”期间销量猛增，无论售前售后都会涌入大量的消费者，5号至11号既是第一阶段的售后，也是第二阶段的售前，客服人员未能及时回复、投诉问题未能及时处理，但消费者已习惯客服日常的服务水平，这大大降低了消费者满意度。
（3）部分商品发货较慢降低了消费者满意度。“双十一”之后的满意度低于“双十一”期间，主要是由于“双十一”之后的评论，大多是“双十一”购买商品的评论，而这些评论中，有一部分是由于商家发货速度慢导致消费者收货滞后，从而导致了评论滞后。商家备货不足，或是发货工作人员不够，都使得“双十一”后期发货乏力而使得满意度持续下降。
（三）对比2020年“双十一”消费者满意度变化
2020年“双十一”活动时间与2021年一致，活动内容既有传承又有改变突破。在“双十一”活动的发展过程中，随着平台、物流、商家、消费者等各方面的变化，“双十一”的满意度和影响因素也将相应发生变化。
1. 2020年与2021年“双十一”消费者满意度评分比较
通过SnowNLP情感分析对2020年、2021年同时期消费者评论进行情感打分，结果显示，2020年“双十一”活动各阶段评分分别为：“双十一”之前0.717 6、“双十一”期间0.679 7、“双十一”之后0.676 1。同年相比，评分持续降低。与2021年相比，前中期低于2021年评分，后期高于2021年（见表8）。
与2020年对比，发现消费者对于“双十一”的关注点大致相同，但其中各因素的影响程度存在细微的变化。2021年消费者满意度区别于2020年的原因主要有以下几点。
（1）“双十一”优惠活动优化，消费者对活动的满意度提高。对比两年的“双十一”活动，虽然活动周期一样，但活动内容确有细微的区别。在活动的优惠券方面，2020年“双十一”活动的优惠券主要为“满300减40”，而2021年优惠券主要为“满200减30”，2021年活动优惠力度更大，门槛价格更低，这使得更多消费者能享受“双十一”活动的优惠。多重优惠叠加更加明显，可同时使用满减、折上折、大额消费券、“双十一”红包等多重优惠。此外，还有一个很明显的区别，2020年的满意Topic3中，还出现了“价格”一词，而2021年“价格”则消失了，侧面反映“双十一”活动中，个护美妆类产品的价格优惠并不突出，活动主要依靠赠品小样支撑。
（2）物流速度优化，消费者对物流的满意度提高。近年来，物流系统的进步有目共睹，作为早期“双十一”争议最大的问题，平台、商家和物流方每年都尝试从多节点进行优化，2020年“双十一”物流缓慢的现象还较为明显，从评论中“慢”“号”等词语可以看出，而在2021年不满意Topic3中，“快递”问题只与“客服”“包装”挂钩，不再与物流速度相关。物流问题的主要矛盾，由“物流速度”問题转变为“客服”对“物流服务”处理不当的售后问题。另外，商家的发货速度提高，2020年“发货”出现在不满意因素中，而2021年这一情况已得到改善，可见大部分消费者对商家的“发货”速度已经改观。总体来说，从发货到物流速度的提升，使得“双十一”消费者的满意度也有了一定程度的提升。
（3）直播间活动虚假，消费者对直播间满意度较低。直播间带货近两年飞速发展，2021年已经成为影响满意度的关键因素，不仅有网络主播带货直播间，各大商家也相继推出了自己的直播间，直到2021年“双十一”，通过直播间购买商品已经成为了众多消费者的选择。与大众普遍认知的“直播间更优惠”印象不同，直播间在“双十一”活动中给消费者带来的负面影响大于正面，关键词出现在不满意Topic1中，直播间活动监管还存在很大的漏洞。
（4）商品包装变差，消费者对包装满意度降低。虽然2021年满意度整体高于2020年，但还是有部分因素阻碍了满意度的提升。在2020年的评论中，包装是消费者满意的因素，而在2021年的评论中则变成了不满意因素。部分商家为了凸显出活动力度，在同样成本的条件下，增加赠品，或是为了直接节约成本提高利润，降低了产品包装质量。根据不满意Topic3显示，商品包装不满意与快递有关，可以推测出，包装问题或是由于运输途中因包装较差导致了商品损坏造成的。包装问题使2021年“双十一”活动消费者满意度提升幅度有限。
六、结论与建议
（一）研究结论
本文采用文本挖掘技术，运用爬虫采取数据，经过数据清洗整理，再进行情感分析判断情感方向与满意度评分，最终通过LDA主题模型分析影响满意度的因素，得出以下结论。
1.经SnowNLP对消费者评论打分，2021年“双十一”满意度为0.699 1。影响2021年“双十一”消费者满意的原因有五个：其一，产品品质，包括功效、质地、气味等，好的品质使得大量消费者购买，甚至反复回购；
其二，价格优惠、赠品丰富多样所体现出的划算是“双十一”活动火爆、提升满意度的关键原因；
其三，物流服务，近年来物流系统不断升级，消费者对“双十一”物流速度越来越满意；
其四，出现虚假活动，“双十一”期间为了吸引更多消费者，商家与直播间均存在虚假销售问题；
其五，售后服务，包括售后工作人员处理不及时，未能完全处理问题，AI客服机器人难以满足消费者需求等。以上五点原因对消费者行为造成了不同程度的影响，前三点影响消费者做出消费决策，后两点影响消费者态度、情绪和倾向。
2.就2021年而言，“双十一”前评分为0.753 3，“双十一”之后的评分为0.659 8，“双十一”期间明显低于“双十一”之前，且“双十一”之后受“双十一”影响持续下降。影响2021“双十一”前后消费者满意度变动的原因有三：其一，“双十一”优惠活动的落差，包括“双十一”活动优惠力度没有达到预期，以及消费者之间优惠力度不同造成的心理落差；
其二，客服人员不足，“双十一”期间客服服务质量与回复速度远远低于“双十一”之前，导致顾客满意度下降；
其三，部分商品发货速度较慢，“双十一”后期部分商品备货不足或发货工作人员不足，影响了发货速度，消费者收货延迟，这使得“双十一”之后满意度持续下降。以上三个影响消费者行为发生改变的原因，体现出消费者的认知偏好、消费后体验会对消费者行为造成一定的影响。
3. 2020年“双十一”满意度为0.679 7，2020年至2021年满意度整体呈微弱上涨趋势，原因有以下四点：其一，活动不断完善提升了满意度；
其二，物流系统优化升级，物流速度加快；
其三，由于新型购物方式（直播间）新起，虚假活动现象突出，使得满意度提升有限；
其四，商品包装变差，不少消费者反映，“双十一”期间商品包装质感变差，且出现破损，影响了购物体验，降低了顾客满意度。活动、物流、包装和新型购物方式的出现对消费者满意度造成了影响，如若负面影响不加以改变，将在未来影响消费者的购物决策。
（二）对策建议
“双十一”活动发展至今已经十余年，平台和商家在这十余年间从各个方面作出了努力以提高消费者的满意度，提高销售量，但就目前的研究来看，“双十一”活动仍然存在诸多问题，本文就“双十一”存在的问题提出如下建议。
1.兼顾质量与包装，提升产品满意度
产品质量是销售的核心，就2021年而言，“效果”一词在评论中出现了17 548次，可见消费者的重视程度，故商家应加强研发投入，尽量使用优质原料，提升产品品质。同时，商家应注重产品包装，应兼顾质量与美观，尤其是快递运输的最外层包装，发货前应认真检查产品密封性，降低包装破损率，在合理控制成本的同时提高包装精美度，这能一定程度上提高消费者满意度，促使消费者在购物时做出更积极的购物决策。
2.完善物流系统，强化售后满意度
商家应做到根据出货能力设置销量，严格控制发货时间，物流运输途中要重视货物安全问题，降低包裹运输破损率，规范运输监管，减少包裹丢失，也要及时更新物流信息，维护良好的物流运输系统。商家还应重视售后服务，黑猫投诉数据显示，“双十一”期间美妆服饰行业有效投诉超5.4万件，环比增幅达3 858%。应增加售后服务人员并对其进行培训管理，尽量做到一对一及时解决消费者问题，服务期间不变更服务人员，对有问题的消费者安排工作人员进行回访，对售后人员进行满意度评分并纳入个人业绩考核，确保解决售后问题，形成良好的销售闭环。良好的售后服务可以使消费者在做出消费评价时更倾向于正面评价，这也将间接影响到新的消费者行为。
3.维护商家诚信度，增加消费者黏性
近年来，未按宣传实行优惠折扣、采取先涨价再打折等手段、直播间各类“口惠而实不至”的促销手段等被消费者识破，严重损伤了商家信誉，信誉度的降低使得消费者的行为意愿也随之降低。因此，维持良好的信誉度至关重要，商家应该斟酌制定活动细则，认真落实宣传内容，减少消费套路，以此增加用户黏性，提高消费者对商家的满意度，进而增强消费者的行为意愿。
4.提倡真实评论，完善评价体系
在评论清洗过程中，共139 543条评论被剔除。重复评论、无关评论、受商家影响修改评论均会对研究結果造成影响。应创建评论保护机制，系统识别并抵制重复刷评论、恶意评论、恶意修改评论，鼓励消费者及时真实评论。
当前，各电商平台缺少针对活动的评价体系，仅有消费者对商品的评论机制，评论内容虽包含消费者从获悉活动到售后服务的整个过程，但很难直观体现购物流程前期的感受。应建立整个活动的阶段评价机制，包括活动发布宣传、商品筛选、加购下单、物流运输和售后服务。这有利于平台及商家准确掌握消费者对活动的细节感知，进而有的放矢地完善活动链条，也有利于学者在进行研究时深入分析，提出更有效的建议。
5.公开数据信息，推动“双十一”发展
对于“双十一”活动，无论是天猫官方还是京东官方，都鲜少公布“双十一”活动相关数据。为了构建良好的市场环境，电商官方可适当公开部分数据，如退货率、投诉率、回购率、活动期间新用户增长率、预售尾款支付率和消费者评论具体打分情况等，这些数据有利于研究人员深入探究“双十一”活动，从而提出更有针对性、更有效的建议，以此推动双十活动不断发展。
6.简化活动程序，提高活动监管
越来越繁琐的活动程序劝退了大量消费者，目前部分活动只有青年人能理解并参与其中。据调查，18～45岁占总消费人口的77%，而年长或年龄较小的消费者参与度较低。淘宝官方在策划时应注意消费者的年龄跨度，适当减少活动程序，并在“双十一”时增加活动内容宣传。另外，“双十一”周期过长，预售到付尾款长达10天，消费者情绪被过度消磨，可适当缩短预售时间以刺激消费者购物。
在“双十一”期间，全网相关““双十一”电商平台投诉”的信息量超150万条，“欧莱雅”虚假活动单日微博阅读量近16亿，造成的影响非常恶劣。应加大监管力度，严惩商家虚假宣传、虚假发货、先涨价再降价以及淘宝直播间问题，严格落实“保价”措施，进一步完善“双十一”活动细则，规范商家行为，确保“双十一”活动真实有效。
7.突显活动特色，寻求新的突破
低价促销是“双十一”的最大法宝，但随着日常促销活动的增加和直播间的出现，商品频繁的低价销售打破了原有的价格体系，消费者开始对低价促销脱敏。淘宝官方应利用巨大聚集流量的优势，及时寻找新的突破口，形成新的“双十一”亮点，吸引新的外部流量，丰富活动形式与内容，不断创新。
（三）研究不足与展望
首先，本文在对“双十一”活动满意度的研究中，仅针对2020年与2021年天猫“双十一”个护美妆类产品，后续研究可考虑扩大研究平台范围，对比研究京东与拼多多，品类范围亦可扩大；
其次，“双十一”活动还在延续，研究的时间范围也可继续推进；
再次，本文的研究没有针对个别消费者进行个案追踪分析，在后续的研究中，可以考虑对个案进行追踪研究，控制研究对象这一变量，探究同一个消费者在“双十一”活动演变中的满意度变化，以及引起变化的原因；
最后，本文从消费者评论视角观察消费者满意度，也可尝试发掘新的切入视角进行研究。这些对于规范“双十一”活动、提高消费者的满意度、进而拉动消费和内需都具有重要意义。
在文本挖掘中，本文采用jieba分词，由于消费者部分用词较新，计算机不能直接识别，导致词语断定存在误差，如“双十一”被误认为“双十”，应进一步完善分词方法，提高词性分辨率，使研究结果更为精确。在后续研究中，可对情感分类使用明确区分情感方向的评论集进行机器训练，形成专门针对消费者评论的库，在此基础上再进行研究，将大大提高情感分析的准确性。在使用LDA模型进行分析时，文章主要针对高频词，但其中还存在大量的低频特征词和情感词，在进行主题分类时，这些词语很难被提取出来，可以尝试在其中加入语义约束，深入挖掘这部分信息并加入到主题研究中，增加词语间的主题聚合度。
参考文献：
［1］ 2021年第4季度中國网络零售B2C市场交易规模达23593.9亿元，平台新策略为商家留出机会［EB/OL］.（2022-02-18）［2022-07-15］.https：//www.shangyexinzhi.com/article/4602337.html.
［2］ 庄郑悦，吴静.稳健增长折射消费活力 天猫双11交易额5403亿元！［N］.杭州日报，2021-11-12（14）.
［3］ 罗正清，方志刚.常用客户满意度研究模型及其优缺点分析［J］.贵州财经学院学报，2002（6）：14-17.
［4］ 林元雄.顾客满意度测评体系初探［J］.商业经济与管理，2002（2）：21-23.
［5］ 苏红梅，王畅，高苗，等.基于ACSI模型的有机乳制品顾客满意度研究［J］.内蒙古工业大学学报（自然科学版），2021（4）：308-314.
［6］ 查金祥，王立生.网络购物顾客满意度影响因素的实证研究［J］.管理科学，2006（1）：50-58.
［7］ 何愉，卫陈泉，陆钰华.基于深度神经网络与主题模型的文本情感分析——以上海迪斯尼景区游客满意度调查为例［J］.统计科学与实践，2016（12）：17-21.
［8］ 王娟.网络消费行为影响因素实证研究［J］.商业经济研究，2015（34）：58-59.
［9］ 邱冬阳，熊德章.打望经济热点［M］.北京：经济科学出版社，2017：195-196.
［10］熊高强.冲动性网络购物消费者购买意愿影响因素研究［J］.商业经济研究，2017（11）：35-38.
［11］原智超，朱家明，汪彤，等.“双十一”消费者满意度综合评价及运作对策研究［J］.高师理科学刊，2019（8）：17-21.
［12］王旭，杨福军.“双十一”期间网购顾客满意度研究［J］.云南财经大学学报，2017（3）：147-161.
［13］潘雨相.“双十一”背景下网购物流服务顾客满意度分析［J］.价值工程，2018（22）：76-78.
［14］张彦桐，王蕾，陈奕彤，等.大学生“双十一”网购行为与预测分析［J］.中国传媒大学学报（自然科学版），2020（4）：57-61.
［15］王璇.基于搜索体验和购物体验的“双十一”购物活动消费者满意度研究［J］.苏州科技学院学报（社会科学版），2016（3）：41-47.
［16］朱语葶，周江，计祥，等.“双十一”网络购物节大学生群体购物行为影响因素研究［J］.电子商务，2017（8）：92-94.
［17］FELDMAN R， DAGAN I. KDT-Knowledge Discovery in Textual Database［C］//USAMA F，RAMASAMY U. Proceedings of the First Annual Conference on Knowledge Discovery and Data Mining.California：AAAI Press，1995：112-117.
［18］KIM Y，KIM H. The Impact of Hotel Customer Experience on Customer Satisfaction Through Online Reviews［J］. Sustainability，2022 （2）：848.
［19］LIM M K， LI Y， SONG X Y. Exploring Customer Satisfaction in Cold Chain Logistics Using a Text Mining Approach［J］. Industrial Management & Data Systems，2021（12）：2426-2449.
［20］王勤池，乔建行.数字化图书馆检索系统的现状与发展［J］.情报科学，1998（6）：571-574.
［21］汪秀洁.基于情感分析的消费者满意度研究［D］.哈尔滨：哈尔滨工程大学，2019：40-43.
［22］张琰，朱燕翔，郑桂玲.基于网购评论文本挖掘的手机类产品属性评价研究［J］.现代商贸工业，2018（22）：49-51.
［23］李薇，杨东山.基于回头客在线评论的餐饮消费满意度影响因素分析［J］.重庆邮电大学学报（社会科学版），2021（2）：125-134.
［24］王木子.基于在线评论的家具产品消费者满意度研究［D］.南京：南京林业大学，2021：68-71.
［25］李林凤，孙菁，刘杨.生鲜电商顾客网络评价数据的文本挖掘研究［J］.现代商业，2021（27）：18-22.
［26］赵欣.电子商务环境下的消费者行为研究［J］.商业文化，2021（31）：41-42.
［27］SHEN X H.基于平台评论的跨境电商消费者行为研究——以奶粉为例［D］.杭州：浙江大学，2022：19-22.
［28］OLIVER R L. A Cognitive Model of the Antecedents and Consequences of Satisfaction Decisions［J］. Journal of Marketing Research，1980（4）：460-469.
［29］刘利婷.关于商品评论的情感分析方法研究［D］.苏州：苏州大学，2020：37-40.
［30］马东杰，雷国铨，许小桦，等.基于“双十一”消费者网购行为影响因素实证分析——以茶叶为例［J］.农村经济与科技，2019（9）：120-124.
［31］徐士瑩，杨加猛.大学生“双十一”期间网络购物意愿的影响因素分析［J］.经济研究导刊，2018（32）：160-162.
Research on Consumer Satisfaction of Double Eleven OnlineShopping Event：
Text Mining of Personal Care and CosmeticProducts Based on Tmall
QIU Dongyang， HUI Xian
（School of Economics and Finance， Chongqing University of Technology， Chongqing 400054， China）
Abstract：
Based on the data of consumer evaluations on personal care and cosmetic products of Tmall from October 15 to November 30， 2021， this paper utilizes text mining method to study the consumer satisfaction， and makes a comparison with consumer satisfaction in the same period in 2020， to study the evolution of satisfaction on Double Eleven. The following conclusions are drawn. First， the satisfaction evaluation in 2021 Double Eleven is 0.699 1， which is relatively high. The influencing factors may include products， promotional activities， logistics system， false advertising， and after-sales service. Second， the satisfaction degree of Double Eleven in 2021 is lower than that before the event and continues to decline after the event. Here are some reasons that may cause the change of satisfaction：
the discrepancy between promotional activities of Double Eleven， the shortage of customer service， and the slowdown in delivery. Third， the activity satisfaction in 2020 is 0.679 7， which is lower than that in 2021. Activity upgrading and logistics progress make satisfaction slightly higher， while commodity packaging and live streaming have negative impacts on satisfaction.
Keywords：
Double Eleven online shopping event; consumer satisfaction; text mining; SnowNLP emotion analysis; LDA topic model
（编辑：段明琰）
收稿日期：2022-09-15
基金项目：国家自然科学基金项目：供应商B2B品牌双元导向的权变选择机制及差别绩效效应研究（71702017）；
重庆理工大学联合项目：基于文本挖掘的“双十一”活动满意度演化研究（CLGYCX 20203140）
作者简介：
邱冬阳，教授，博士，硕士生导师，主要从事国际金融、国内金融、消费经济研究，E-mail：1069221960@qq.com;
绘娴，硕士研究生，主要从事金融资产评估研究，E-mail：947140728@qq.com。
猜你喜欢消费者文本满意度多感谢，生活满意度高工会博览(2023年3期)2023-04-0616城市公共服务满意度排行小康(2021年7期)2021-03-15消费者网上购物六注意今日农业(2020年20期)2020-12-15浅谈如何提升脱贫攻坚满意度活力(2019年19期)2020-01-06在808DA上文本显示的改善制造技术与机床(2019年10期)2019-10-26明天村里调查满意度杂文月刊(2019年15期)2019-09-26基于doc2vec和TF-IDF的相似文本识别电子制作(2018年18期)2018-11-14知识付费消费者瞭望东方周刊(2017年34期)2017-09-13悄悄偷走消费者的创意发明与创新(2016年16期)2016-08-21悄悄偷走消费者的创意发明与创新(2016年21期)2016-05-17