以消費者對產品特徵的偏好進行個人化評論排名(解決方案篇)
網路消費者評論(Online Consumer Review, OCR)平台提供廣大的消費者發表對產品服務的看法。但龐大數量的網路消費者評論也對消費者產生了困擾。縱使平台業者有提供各種排序方式,協助消費者更快速地找到自己所需的資訊。但不同消費者對產品功能有著不同的偏好,進而導致對訊息的需求產生差異。
智能自動化公司(Intelligent Automation Inc.)的阿努帕姆 戴許(Anupam Dash)等人,就在2021年的《國際電子商務期刊》(International Journal of Electronic Commerce)中,發表了一篇文章〈以消費者對產品特徵的偏好進行個人化評論排名〉(Personalized Ranking of Online Reviews Based on Consumer Preferences in Product Features)。就引入消費者對「產品特徵的個人化排名」(The Product-Feature Based Personalized Review Ranking, P2R2)機制,透過潛在類別迴歸模型(latent class regression model)對消費者進行分組,並根據每組消費者的相關性來對網路消費者評論進行排名。考量消費者偏好在產品特徵中的相似度,以分析消費者個人對產品特徵的偏好,來預測網路評論對其影響。同時,根據消費者之間的相似性來區分消費者的類別。
戴許等人的研究發現,P2R2所產生的個人化排名,比透過有用性投票排名更接近網路消費者的個人排序。研究對象認為P2R2排名較高的網路消費者評論,更能滿足其需求,並協助其收集到更多有興趣的產品特性資訊,而且比有用性投票排名的網路消費者評論,更符合需求與更滿意。以下是戴許等人的研究結果,如圖1所示:
P2R2框架可以在尋找相關目標產品訊息時,根據個人的偏好對網路消費者評論進行個人化排名,有助於其緩解資訊過載的問題。
- 消費者進行評論搜尋時,P2R2提供讓消費者指定對產品偏好的功能,能改善網路消費者評論平台的設計,以提高消費者的參與度與忠誠度。
- 製造商可透過P2R2所提供的資訊,辨識消費者對產品特性的認知,作為產品改良的建議。
整體來說,網路評論何其多,如何提高網路消費者評論的有效性,成為企業在網路上經營的顯學。未來,企業在進行網路消費者評論時,如能加入消費者對產品特性的偏好,將更能提高其參與度與忠誠度,進而提升企業經營的效益。
作者:陳苡任(台科大企管系博士)、羅凱揚(台科大企管系博士)
繪圖者:謝瑜倩
更多商普好文推薦
行動行銷組合—行動預測(Mobile Prediction)
行動行銷組合—行動預測(Mobile Prediction) 美國天普大學的博士童思良(Tong, Siliang)等人,於2020年1月在