管理新知 | 張瑾:如何破解電商平台在用戶生成内容服務過程中的困境?

中國人民大學商學院 2021-11-24 浏覽量: 3277 [簡/繁]

張 瑾 副教授

· 管理科學與工程系 ·

如何破解電商平台在用戶生成内容服務過程中的困境?

電商平台是我國數字經濟發展的一種重要組成。在當前平台用戶增量放緩的背景下,如何為用戶提供更好服務并創造更多價值,成為提升平台用戶粘性的關鍵。在電商平台上,以在線商品評論形式呈現的用戶生成内容是一種重要的平台服務形式,這種服務能夠讓消費者在購買商品前了解到其他用戶的購買和使用經驗并進而優化購買決策。但是,平台上商品評論數量衆多,而消費者隻有有限的時間和耐心閱讀全部商品評論中的一小部分,這為平台提供用戶生成内容服務提出了挑戰。從以用戶為中心的角度出發,電商平台應怎樣應對挑戰提供更優質的用戶生成内容服務呢?

在電商平台上,現行用戶生成内容服務方法主要通過排序來将部分評論排在評論列表的頭部位置,例如考慮評論時間先後排序,評論有用性大小排序等。這些方法均忽略了對評論全集的内容反映,容易造成在某些情況下評論列表頭部呈現的是有偏評論内容,影響消費者做出客觀正确的購買決策。針對這一問題,中國人民大學商學院管理科學與工程系張瑾老師與其合作者開展研究并提出了一種考慮信息豐富性的在線商品評論提取方法,為電商平台提供了可行的用戶生成内容服務方案。相關研究成果發表在UTD 24期刊

研究表明:在線商品評論中,無論是大量消費者評論的商品特征(大衆特征),還是少量消費者評論的商品特征(小衆特征),均對消費者的購買決策産生影響。電商平台在提供相關用戶生成内容服務時,不能僅考慮大衆特征,忽視小衆特征。現行的無論是基于評論時間還是評論有用性的排序方法,往往忽略原始海量評論信息中的小衆特征,容易造成消費者做出不合理、不準确的購買決策。

更進一步,研究以信息熵為理論基礎,提出了一種同時考慮商品特征全面性和特征情感分布一緻性的在線商品評論子集提取框架,通過大量的真實數據實驗和專家用戶打分評估證明該框架相比于現有評論提取方法能夠為消費者提供更優質的信息服務,框架可以從不同角度幫助消費者全方位準确地了解群體意見,進而優化消費者的決策過程,提高決策效率。除電子商務領域外,研究提出的框架也可擴展到其他類型平台的信息服務,以及網絡輿情和公共政策分析等領域。

已發表論文:

Jin Zhang, Cong Wang, Guoqing Chen. (2021). A Review Selection Method for Finding an Informative Subset from Online Reviews.

(點擊閱讀原文,查看詳情)

編輯:葛格

* 文章為作者獨立觀點,不代表MBAChina立場。采編部郵箱:news@mbachina.com,歡迎交流與合作。

  • +1

  • +1

    收藏

備考交流


2022考研英語二備考群: 678595048

2022管理類聯考複試調劑②群: 814776983

2022海外碩士交流群: 895560072

2022年MBA/MEM/MPAcc聯考備考群: 769561411

免聯考調劑咨詢①群: 796631901

2022考研政治沖刺群: 863373153

海外碩士咨詢③群: 850595383

免聯考碩士入學咨詢群: 711046255

2022考研複試調劑交流群: 902176003

相關推薦