管理新知 | 张瑾:如何破解电商平台在用户生成内容服务过程中的困境?

中国人民大学商学院 2021-11-24 浏览量: 2896 [简/繁]

张 瑾 副教授

· 管理科学与工程系 ·

如何破解电商平台在用户生成内容服务过程中的困境?

电商平台是我国数字经济发展的一种重要组成。在当前平台用户增量放缓的背景下,如何为用户提供更好服务并创造更多价值,成为提升平台用户粘性的关键。在电商平台上,以在线商品评论形式呈现的用户生成内容是一种重要的平台服务形式,这种服务能够让消费者在购买商品前了解到其他用户的购买和使用经验并进而优化购买决策。但是,平台上商品评论数量众多,而消费者只有有限的时间和耐心阅读全部商品评论中的一小部分,这为平台提供用户生成内容服务提出了挑战。从以用户为中心的角度出发,电商平台应怎样应对挑战提供更优质的用户生成内容服务呢?

在电商平台上,现行用户生成内容服务方法主要通过排序来将部分评论排在评论列表的头部位置,例如考虑评论时间先后排序,评论有用性大小排序等。这些方法均忽略了对评论全集的内容反映,容易造成在某些情况下评论列表头部呈现的是有偏评论内容,影响消费者做出客观正确的购买决策。针对这一问题,中国人民大学商学院管理科学与工程系张瑾老师与其合作者开展研究并提出了一种考虑信息丰富性的在线商品评论提取方法,为电商平台提供了可行的用户生成内容服务方案。相关研究成果发表在UTD 24期刊

研究表明:在线商品评论中,无论是大量消费者评论的商品特征(大众特征),还是少量消费者评论的商品特征(小众特征),均对消费者的购买决策产生影响。电商平台在提供相关用户生成内容服务时,不能仅考虑大众特征,忽视小众特征。现行的无论是基于评论时间还是评论有用性的排序方法,往往忽略原始海量评论信息中的小众特征,容易造成消费者做出不合理、不准确的购买决策。

更进一步,研究以信息熵为理论基础,提出了一种同时考虑商品特征全面性和特征情感分布一致性的在线商品评论子集提取框架,通过大量的真实数据实验和专家用户打分评估证明该框架相比于现有评论提取方法能够为消费者提供更优质的信息服务,框架可以从不同角度帮助消费者全方位准确地了解群体意见,进而优化消费者的决策过程,提高决策效率。除电子商务领域外,研究提出的框架也可扩展到其他类型平台的信息服务,以及网络舆情和公共政策分析等领域。

已发表论文:

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

(点击阅读原文,查看详情)

编辑:葛格

* 文章为作者独立观点,不代表MBAChina立场。采编部邮箱:news@mbachina.com,欢迎交流与合作。

  • +1

  • +1

    收藏

备考交流


2022考研英语二备考群: 678595048

2022管理类联考复试调剂②群: 814776983

2022海外硕士交流群: 895560072

2022年MBA/MEM/MPAcc联考备考群: 769561411

免联考调剂咨询①群: 796631901

2022考研政治冲刺群: 863373153

海外硕士咨询③群: 850595383

免联考硕士入学咨询群: 711046255

2022考研复试调剂交流群: 902176003

相关推荐

热门项目

上交大安泰MBA

上海海事大学

南昌大学

东北农业大学

华北电力大学经济与管理学院