基于微博评论的品牌负向情感分析与对策研究

基于微博评论的品牌负向情感分析与对策研究

进入21世纪以来,随着经济和科学技术的快速发展,新的产品和品牌层出不穷,产品同质化、同效化的现象越来越严重。在激烈的市场竞争环境下,产品之争逐渐转为品牌之争,使得品牌成为最热门的关键词之一。而品牌的独有魅力体现在其不仅能满足功能上的需要,更能带来情感上的体验。品牌情感的有效建立对规避产品同质化、形成品牌附加值、构建品牌核心价值以及提升品牌资产等方面起到关键作用,关系着企业是否能在激烈的市场竞争中脱颖而出。

当前针对品牌情感研究多基于调查问卷、访谈等主观形式开展,用户数据获取困难、时效性差,导致企业无法获得真正有价值的信息,这也正是制约品牌情感研究准确性的关键问题之一。近年来随着移动互联网技术的不断发展,以微博为代表的在线社交媒体逐渐成为人们互动和交流的主要载体,品牌官方微博也顺势成为品牌运营的重要战场,大量反映人们对该品牌产品、服务等方面的情感倾向性评论信息都包含其中。如何基于微博所获取的海量、实时且高效的用户评论信息,综合品牌情感研究领域成熟的理论成果,让品牌与微博实现商业创新与信息技术的深度结合,将对品牌情感的塑造和企业商业价值的提升带来极大的推动作用。此外,相对评论中的正向情感来说,负向情感的关注度高且易扩散和传播,需对其进行有效的管理和控制;同时,在表达负向情感时评论者的态度更诚实、其评论内容更准确和可靠。

可见针对负向品牌情感的研究具有更强的现实意义。有鉴于此,本文在综合传统品牌情感研究的基础上,以华为品牌为例,采用情感分析方法提出基于微博评论的品牌情感倾向性的文本数据挖掘方法,识别出正、负向品牌情感评论文本。并对负向品牌情感文本中蕴含的问题进行提取和分析,同时提出相应的对策和建议,以此实现对负向品牌情感的掌控和管理,适时合理地调整公司的品牌战略。本文的主要研究内容包括:第一,建立基于微博评论文本的

品牌情感分类模型。

首先利用网络爬虫技术,获取微博评论,并随机抽取7000个用户,对其评论时间、个人基本情况进行统计分析;其次,对初始获取的评论文本进行去重、除噪、分词等数据预处理工作,同时基于深度学习思想,在大规模的微博数据集基础上(约23万条评论文本)训练了文本特征表达的word2vec模型;最后,随机抽取15000条评论文本进行情感极性标注,作为训练集和测试集,分别利用机器学习中的支持向量机、随机森林、深度信念网络三个算法训练品牌情感二分类模型,通过十折交叉验证分类器结果,比较不同算法模型的准确率,选择500维度的随机森林作为最优维度、最优算法的情感分类模型。第二,基于所建立的分类器模型,对华为终端官方微博评论中用户的负向品牌情感进行实证研究。分析分类器处理后的负向品牌情感的评论文本,从产品类型、产品属性、服务及营销手段和消费者相关情感与动作表达四个方面对词频进行统计,分析负向情感文本比重以及文本中高频词比重的月度演化趋势,从产品、服务、品牌认可度三个方面进行问题挖掘和分析。第三,针对负向品牌情感存在的问题,从产品、服务、品牌认可度三个方面为品牌与消费者建立深厚的情感关系提出对策和建议,提供品牌情感研究的新途径和新渠道,有利于更好对公司战略进行调整,树立良好品牌形象,提升品牌核心竞争力。