丁平　王寶義　王寒寒

摘要：為科學(xué)合理地診斷識別并評價(jià)快遞服務(wù)缺陷，以百度貼吧在線評論為數(shù)據(jù)源，采用Python及潛在狄利克雷分配（latent Dirichlet allocation，LDA）主題模型等工具及方法，構(gòu)建數(shù)據(jù)獲取→情感分類→主題提取→缺陷評估的快遞服務(wù)缺陷識別模型，診斷識別順豐、郵政特快專遞服務(wù)、圓通、申通、中通、韻達(dá)、百世匯通7家快遞企業(yè)服務(wù)質(zhì)量的主要缺陷因素，提出改進(jìn)服務(wù)質(zhì)量的建議。研究結(jié)果表明：快遞服務(wù)質(zhì)量的影響因素主要包括總體印象、快遞時(shí)效、信息質(zhì)量、收費(fèi)服務(wù)、物品安全和服務(wù)過程等，從細(xì)分指標(biāo)分析可知快遞丟失短少、投訴處理、貨品完好性、信息更新及時(shí)性、聯(lián)系渠道、流通速度等是快遞服務(wù)缺陷的主要影響因素。為提升用戶滿意度，快遞企業(yè)需從快遞物品安全、快遞運(yùn)輸時(shí)效、信息更新速度、售后服務(wù)響應(yīng)等方面進(jìn)行質(zhì)量改進(jìn)。

關(guān)鍵詞：在線評論；情感分類；缺陷識別；LDA主題模型；快遞服務(wù)

中圖分類號：U695.2+14文獻(xiàn)標(biāo)志碼：A文章編號：1672-0032（2023）02-0057-10

引用格式：丁平，王寶義，王寒寒.快遞服務(wù)缺陷診斷識別與質(zhì)量改進(jìn)［J］.山東交通學(xué)院學(xué)報(bào)，2023，31（2）：57-66.

DING Ping，WANG Baoyi，WANG Hanhan. Defect diagnosis identification and quality improvement of express service［J］.Journal of Shandong Jiaotong University，2023，31（2）：57-66.

0 引言

近年來，隨著電子商務(wù)的發(fā)展，快遞業(yè)與人們生活聯(lián)系越來越密切。國家郵政局統(tǒng)計(jì)數(shù)據(jù)顯示：2021年全國快遞服務(wù)業(yè)務(wù)量累計(jì)完成1083億件，同比增長29.9%；業(yè)務(wù)收入累計(jì)10 332.3億元，同比增長17.5%[1]。但在快遞規(guī)模不斷增長的同時(shí)，出現(xiàn)了快件損毀、丟失短缺、延誤等一系列問題。消費(fèi)者在購物決策前通常會(huì)瀏覽相關(guān)評論了解產(chǎn)品或服務(wù)信息，在線評論集中體現(xiàn)了消費(fèi)者對該服務(wù)或產(chǎn)品的感知和體驗(yàn)，對消費(fèi)者的信息引導(dǎo)及決策作用日益凸顯[2]。從行業(yè)和企業(yè)視角來看，在線評論數(shù)據(jù)的挖掘也是企業(yè)發(fā)現(xiàn)服務(wù)質(zhì)量缺陷、消解輿情、樹立品牌美譽(yù)度、增強(qiáng)消費(fèi)黏性的重要手段。挖掘快遞在線評論數(shù)據(jù)，追溯問題產(chǎn)生的根源，對提升行業(yè)的整體服務(wù)質(zhì)量，提高用戶滿意度，增強(qiáng)企業(yè)競爭力具有重要意義。

目前對快遞服務(wù)質(zhì)量評價(jià)的研究主要聚焦于構(gòu)建快遞服務(wù)質(zhì)量評價(jià)模型及挖掘在線評論數(shù)據(jù)等。在構(gòu)建評價(jià)模型方面，主要依托快遞企業(yè)服務(wù)要素構(gòu)建服務(wù)質(zhì)量模型，但以顧客為導(dǎo)向的定量分析相對較少。解芳[3]在SERVQUAL量表基礎(chǔ)上構(gòu)建了包括快遞企業(yè)形象、快遞服務(wù)時(shí)效性、快遞服務(wù)柔性、快遞人員專業(yè)性和快遞失誤及時(shí)補(bǔ)救性5個(gè)維度的快遞服務(wù)質(zhì)量評價(jià)體系；郭姣姣[4]構(gòu)建了包含7個(gè)維度的評價(jià)模型，研究發(fā)現(xiàn)快遞服務(wù)質(zhì)量與顧客滿意度間存在正相關(guān)關(guān)系；賈果玲等[5]通過問卷數(shù)據(jù)評價(jià)西安市圓通快遞的服務(wù)質(zhì)量，研究發(fā)現(xiàn)快遞企業(yè)在投訴渠道、售后響應(yīng)、價(jià)格合理性、操作流程等方面需重點(diǎn)改善。在挖掘評論數(shù)據(jù)方面，源于互聯(lián)網(wǎng)時(shí)代用戶在線評論習(xí)慣的養(yǎng)成，在線評論已成為用戶表達(dá)需求及企業(yè)掌握用戶需求信息的重要渠道[6]，隨著平臺管理與數(shù)據(jù)監(jiān)測的不斷完善，在線評論的真實(shí)性與可靠性不斷提升，學(xué)者們依托文本挖掘評價(jià)也取得系列成果。王洪偉等[7]以SERVQUAL量表與物流服務(wù)質(zhì)量（logistic service quality，LSQ）量表為基礎(chǔ)，構(gòu)建基于情感分析的快遞業(yè)服務(wù)質(zhì)量評價(jià)體系，依托大眾點(diǎn)評順豐和申通2家快遞企業(yè)的顧客評論數(shù)據(jù)進(jìn)行實(shí)證研究；李康[8]通過在線評論數(shù)據(jù)識別影響消費(fèi)者快遞服務(wù)滿意度的因素，包括快遞時(shí)效、服務(wù)態(tài)度、電話服務(wù)、投訴處理、信息更新及收費(fèi)價(jià)格等；張夏恒等[9]研究發(fā)現(xiàn)，導(dǎo)致消費(fèi)者對快遞服務(wù)不滿的主要因素有時(shí)效性、價(jià)格合理性、服務(wù)優(yōu)質(zhì)性及應(yīng)用平臺功能性；劉潔[10]通過評價(jià)京東物流的服務(wù)質(zhì)量，發(fā)現(xiàn)京東物流需在派送速度、包裝完好性、快遞員規(guī)范性、價(jià)格水平等方面進(jìn)行改進(jìn)。

快遞服務(wù)質(zhì)量評價(jià)研究還存在一些不足之處，主要表現(xiàn)在：研究數(shù)據(jù)主要以電商平臺的商品評論或問卷數(shù)據(jù)為依托，前者評論主要針對商品本身，對快遞服務(wù)因素提及較少，代表性不強(qiáng)，難以發(fā)現(xiàn)服務(wù)質(zhì)量缺陷，后者則易受調(diào)查數(shù)量、受訪群體等因素限制，問卷結(jié)果的準(zhǔn)確性及可靠性不足；部分學(xué)者嘗試基于在線評論進(jìn)行快遞服務(wù)質(zhì)量評價(jià)，但缺乏對在線評論進(jìn)行情感分類，無法挖掘負(fù)面評價(jià)的深層價(jià)值。本文結(jié)合網(wǎng)絡(luò)爬蟲與文本分析技術(shù)，以發(fā)布在網(wǎng)絡(luò)平臺上的快遞服務(wù)負(fù)面評論為數(shù)據(jù)樣本，綜合利用潛在狄利克雷分配（latent Dirichlet allocation，LDA）主題模型及細(xì)粒度情感分析方法等，診斷識別快遞服務(wù)缺陷，為快遞企業(yè)提升服務(wù)質(zhì)量提供參考。

1 模型構(gòu)建與研究方法

快遞企業(yè)通過在線評論可及時(shí)掌握輿情，針對性改善服務(wù)質(zhì)量，維護(hù)品牌形象。但在線評論量大、冗雜，難以直觀地為消費(fèi)者及快遞企業(yè)提供有用信息。為挖掘影響快遞服務(wù)質(zhì)量的主要因素尤其是缺陷因素，彌補(bǔ)主觀觀測的不足，本文提出一種基于在線評論的快遞服務(wù)缺陷識別模型，如圖1所示。

1.1 數(shù)據(jù)獲取

快遞服務(wù)質(zhì)量研究多以電商平臺的商品評論為樣本，但此商品評論存在大量虛假評論信息，真實(shí)性有待提高[11]。百度貼吧是以興趣主題聚合用戶的互動(dòng)平臺，截至2021年底，注冊用戶超過10億人，貼吧數(shù)量超過2000萬個(gè)。近年來，隨微博、短視頻等平臺的興起，貼吧客戶群體有所減少，但貼吧較微博等平臺在反應(yīng)快遞服務(wù)質(zhì)量方面仍具有以下優(yōu)勢：1）信息搜索便捷，百度貼吧依托共同話題與興趣將不同的用戶聚合（用戶屬性見表1），用戶根據(jù)關(guān)鍵詞可檢索感興趣的貼吧，不同快遞企業(yè)都有與企業(yè)名稱對應(yīng)的貼吧，如“順豐吧”“圓通吧”等；2）平臺開放性，用戶最后回復(fù)的帖子會(huì)被貼吧置頂，方便其他用戶及企業(yè)掌握最新信息，有些快遞熱門帖子的跟帖互動(dòng)量超過百條，通過對某問題的深度交流，可從不同層面反映消費(fèi)者對快遞服務(wù)質(zhì)量的情感因素。

以快遞企業(yè)的貼吧評論為研究數(shù)據(jù)，在數(shù)量及相關(guān)性方面均優(yōu)于商品評論。本文通過百度貼吧檢索我國主要快遞企業(yè)名稱，根據(jù)貼吧的用戶規(guī)模及帖子數(shù)進(jìn)行篩選，確定順豐、郵政特快專遞服務(wù)（express mail service，EMS）、圓通、申通、中通、韻達(dá)、百世匯通（百世匯通已改稱百世快遞，2022年3月被極兔快遞收購，但貼吧中依舊延續(xù)百世匯通的稱謂）7家快遞企業(yè)的貼吧為樣本數(shù)據(jù)來源。

為方便獲取消費(fèi)者對快遞服務(wù)的在線評論，本文在遵守合法使用網(wǎng)絡(luò)爬蟲基礎(chǔ)上采集快遞服務(wù)評論數(shù)據(jù)。為確保抓取評論數(shù)據(jù)的規(guī)范性，采用Python及Excel清洗獲取的文本數(shù)據(jù)，包括數(shù)據(jù)去重，空值刪除，數(shù)字、英文和符號過濾等操作，同時(shí)為保證評論內(nèi)容的豐富性，剔除文本長度小于5個(gè)漢字的樣本。

1.2 情感分類

文本情感分類也稱傾向性分析，是指利用自然語言處理和文本挖掘等技術(shù)對帶有情感色彩的文本數(shù)據(jù)進(jìn)行分類的過程，如劃分為褒義、貶義或更細(xì)致的情感類別[12]。本文采用Python中的SnowNLP庫對百度貼吧在線評論進(jìn)行情感分類，提取快遞服務(wù)的負(fù)面評論。SnowNLP情感分類返回的結(jié)果是預(yù)測文本正面、負(fù)面評論的基礎(chǔ)，概率區(qū)間為[0，1]，越接近1，表示該文本越可能是正面評論；越接近0，表示該文本越可能是負(fù)面評論。

1.3 主題提取

LDA主題模型是3層貝葉斯概率模型，包含詞語、主題和文檔3層結(jié)構(gòu)，通過淺層的主題將詞語和文檔連接[13]。LDA主題模型常被用來挖掘文本的潛在主題，如新聞文本[14]和商品評論[15]等。LDA主題模型如圖2所示。由圖2可知，LDA主題模型的實(shí)現(xiàn)步驟為：1）先驗(yàn)分布參數(shù)α隨機(jī)生成文檔對應(yīng)主題的多項(xiàng)式分布θ，θ隨機(jī)生成主題Z；2）先驗(yàn)分布參數(shù)β隨機(jī)生成主題對應(yīng)詞語的多項(xiàng)式分布φ；3）綜合Z和φ生成詞語W；4）重復(fù)步驟1）2）3），生成包含N個(gè)詞語的文檔，最終生成K個(gè)主題下的M個(gè)文檔[16]。因LDA主題模型應(yīng)用廣泛，選擇LDA主題模型對快遞服務(wù)負(fù)面評論進(jìn)行主題提取，識別快遞服務(wù)質(zhì)量的影響因素。

困惑度是文檔所屬主題的不確定程度，是評價(jià)LDA主題模型提取效果的重要指標(biāo)，常用來確定最優(yōu)主題個(gè)數(shù)[17]。困惑度

式中：P（Wd）為文檔集d中詞語Wd出現(xiàn)的概率，Nd為第d個(gè)文檔中包含詞語個(gè)數(shù)[18]。

1.4 缺陷評估

為反映快遞服務(wù)質(zhì)量指標(biāo)的缺陷嚴(yán)重程度，采用細(xì)粒度情感分析方法分析快遞服務(wù)的用戶情感，通過情感詞典計(jì)算各指標(biāo)的情感強(qiáng)度。情感強(qiáng)度計(jì)算規(guī)則主要參考文獻(xiàn)[19]的研究，本文主要挖掘負(fù)面評論，在計(jì)算情感強(qiáng)度時(shí)只考慮負(fù)面情感詞與程度副詞，未將否定詞納入其中。采用快遞服務(wù)質(zhì)量指標(biāo)下所包含評論的平均情感得分反映該指標(biāo)的情感強(qiáng)度。指標(biāo)Xt的平均情感得分

式中：δ為程度副詞的權(quán)重，Sij為第i個(gè)情感詞在第j條評論中的情感得分（若評論中含有與情感詞典匹配的情感詞，則情感得分為1，否則為0），Nt為Xt的評論數(shù)，I為第j條評論包含的負(fù)面情感詞的個(gè)數(shù)。

整合知網(wǎng)Hownet情感詞典和臺灣大學(xué)NTUSD簡體中文詞典，去重后得到18 770個(gè)負(fù)面情感詞和評價(jià)詞，同時(shí)結(jié)合快遞服務(wù)的領(lǐng)域性及社交平臺的語言特性，本文收集整理了293個(gè)快遞服務(wù)領(lǐng)域的負(fù)面評價(jià)詞，部分評價(jià)詞，如“慢”“龜速”“蝸?！钡?，被視作現(xiàn)有情感詞典的補(bǔ)充。參考知網(wǎng)Hownet情感詞典中對程度詞等級的劃分及前人的研究，本文對已有的程度詞表進(jìn)行拓展并賦予相應(yīng)的權(quán)重[19]。在線評論中，用戶對某一商品或服務(wù)屬性提及次數(shù)越多，代表其用戶關(guān)注度越高[20]。以每個(gè)二級指標(biāo)下評論數(shù)與總評論數(shù)之比表示指標(biāo)的關(guān)注度，指標(biāo)Xt的關(guān)注度

式中Ns為總評論條數(shù)。

2 實(shí)證結(jié)果分析

2.1 數(shù)據(jù)獲取與統(tǒng)計(jì)分析

采集時(shí)間截至2021-12-31，共采集包含順豐吧、EMS吧、圓通吧、申通吧、中通吧、韻達(dá)吧、百世匯通吧的302 158條原始評論數(shù)據(jù)。采用Python和Excel清洗評論數(shù)據(jù)，得到有效評論233 309條，其中順豐46 813條、EMS 37 727條、圓通31 073條、中通30 814條、申通30 741條、韻達(dá)29 279條、百世匯通26 862條。

通過Python編程對評論數(shù)據(jù)進(jìn)行中文分詞、詞頻統(tǒng)計(jì)，詞頻排名前30位的詞匯如表2所示。由表2可知：“快遞”“垃圾”“公司”“投訴”等詞占比最高，反映消費(fèi)者負(fù)面情緒較高；“電話”“客服”“物流”“信息”等詞反映消費(fèi)者對信息更新及售后服務(wù)較關(guān)注；“小時(shí)”“時(shí)間”“速度”“沒動(dòng)”等詞反映消費(fèi)者對快遞時(shí)效性的關(guān)注度較高。

2.2 情感分類分析

采用Python中的SnowNLP庫對預(yù)處理后的文本數(shù)據(jù)進(jìn)行情感分類，提取快遞服務(wù)負(fù)面評論數(shù)據(jù)。借鑒已有研究和經(jīng)驗(yàn)規(guī)律，以情感概率閾值劃分正面評論與負(fù)面評論，即情感概率p≥0.6時(shí)，標(biāo)記為正面評論，反之標(biāo)記為負(fù)面評論。隨機(jī)抽取300條評論繪制情感概率波動(dòng)曲線，如圖3所示。由圖3可知：快遞服務(wù)質(zhì)量評價(jià)中消費(fèi)者的負(fù)面情緒遠(yuǎn)大于正面情緒，且p在[0，0.4]的分布最密集，說明百度貼吧中消費(fèi)者對快遞服務(wù)的評價(jià)主要為負(fù)面評價(jià)。由SnowNLP庫對233 309條評論進(jìn)行情感傾向預(yù)測，同時(shí)過濾與快遞服務(wù)無關(guān)的評論，篩選得到129 510條快遞服務(wù)負(fù)面評論，分布情況如表3所示。

2.3 評論主題提取分析

將129 510條快遞服務(wù)負(fù)面評論進(jìn)行LDA主題建模，提取快遞服務(wù)負(fù)面評論數(shù)據(jù)主題[9]。采用Python中sklearn庫編程求解不同主題個(gè)數(shù)K下LDA主題模型的困惑度，結(jié)果如圖4所示。通常pe越小，表明該主題模型的生成能力越強(qiáng)[21]。由圖4可知：K=6、7時(shí)，pe較小，6或7可能為最佳的主題個(gè)數(shù)。為進(jìn)一步確定最佳主題個(gè)數(shù)，引入LDA模型中的可視化工具包LDAvis進(jìn)行分析[22]，通過對比K為6或7時(shí)的可視化LDAvis圖譜，K=6時(shí)的主題劃分效果更好，故選擇K=6進(jìn)行負(fù)面評論集的主題提取。

設(shè)置迭代次數(shù)為50，輸出每個(gè)主題對應(yīng)的關(guān)鍵詞，提取結(jié)果如表4所示。由表4可知：影響快遞服務(wù)質(zhì)量的6個(gè)主題分別為快遞時(shí)效、服務(wù)過程、物品安全、收費(fèi)服務(wù)、總體印象和信息質(zhì)量。

參考SERVQUAL模型的5個(gè)維度22個(gè)指標(biāo)[23]和LSQ模型的9個(gè)維度25個(gè)指標(biāo)[24-25]，同時(shí)考慮快遞服務(wù)流程，如時(shí)效性、價(jià)格、信息查詢、物品安全、售后服務(wù)過程等方面，結(jié)合表4，提出包含6個(gè)維度15個(gè)細(xì)化指標(biāo)的快遞服務(wù)質(zhì)量評價(jià)指標(biāo)體系[7]。

2.4 快遞服務(wù)缺陷程度評估分析

2.4.1 整體快遞服務(wù)缺陷程度評估

為評估快遞服務(wù)質(zhì)量各指標(biāo)的缺陷程度，采用基于情感詞典的情感分析方法計(jì)算評價(jià)指標(biāo)，將全部評論數(shù)據(jù)匯總，得到各評價(jià)指標(biāo)的負(fù)面情感及關(guān)注度的得分和排序，如表5所示。由表5可知：1）物品安全維度中丟失短少指標(biāo)的負(fù)面情感得分最高，貨品完好性指標(biāo)的負(fù)面情感得分也較高，說明用戶在使用快遞服務(wù)時(shí)對物品安全性的負(fù)面情緒較高，快遞物品能否安全、完好的送達(dá)是用戶關(guān)注的首要問題，因此需著重提升快遞物品的安全性；2）服務(wù)過程維度中投訴處理指標(biāo)的負(fù)面情感得分排在第2位，聯(lián)系渠道的負(fù)面情感得分也較高，快遞服務(wù)公司應(yīng)及時(shí)處理要用戶投訴，保證聯(lián)系渠道的暢通，方便用戶及時(shí)反饋；3）信息質(zhì)量維度中信息更新及時(shí)性指標(biāo)的負(fù)面情感得分較高，快遞企業(yè)應(yīng)注重用戶的信息化需求，提升用戶服務(wù)體驗(yàn)；4）快遞時(shí)效維度中流通速度與收寄速度指標(biāo)的負(fù)面情感得分較高，說明快遞運(yùn)輸?shù)臅r(shí)效性與快遞收寄服務(wù)也是用戶滿意度較低的因素。

用戶對快件丟失短少、貨品完好性、投訴處理、信息更新速度及快遞時(shí)效性等方面的負(fù)面情緒較高，因此，快遞企業(yè)應(yīng)從快遞物品的安全性、投訴處理與售后服務(wù)、物流信息的更新速度及運(yùn)輸?shù)臅r(shí)效性等方面提升服務(wù)質(zhì)量。

2.4.2 不同快遞企業(yè)快遞服務(wù)缺陷程度對比

為比較不同快遞企業(yè)在各評價(jià)指標(biāo)上的差異性，將快遞服務(wù)評論數(shù)據(jù)按不同企業(yè)進(jìn)行劃分，分別計(jì)算各快遞企業(yè)在不同快遞服務(wù)質(zhì)量評價(jià)指標(biāo)下的負(fù)面情感得分，結(jié)果如表6所示。

由表6可知：7家快遞企業(yè)快遞服務(wù)質(zhì)量評價(jià)指標(biāo)的負(fù)面情感得分變化趨勢一致，順豐和EMS在各評價(jià)指標(biāo)下的總體用戶負(fù)面情緒低于其他快遞企業(yè)，韻達(dá)和圓通的用戶負(fù)面情緒總體較高。順豐和EMS屬于直營模型，其服務(wù)水準(zhǔn)普遍高于其他加盟制的快遞企業(yè)，因此用戶對順豐和EMS在各指標(biāo)的評價(jià)優(yōu)于其他快遞企業(yè)。以計(jì)算得到的負(fù)面情感得分[0，2.0]為基準(zhǔn)，進(jìn)一步對快遞企業(yè)服務(wù)缺陷等級進(jìn)行分類分析。

1）快遞服務(wù)嚴(yán)重缺陷。嚴(yán)重缺陷的負(fù)面情感得分為（1.5～2.0]，用戶對該快遞服務(wù)的評價(jià)最差，待改進(jìn)優(yōu)先度最高，是快遞企業(yè)需著重改善的服務(wù)指標(biāo)。在丟失短少指標(biāo)下，順豐、EMS、申通、中通4家快遞企業(yè)均表現(xiàn)為嚴(yán)重缺陷，說明用戶在使用快遞服務(wù)過程中首要關(guān)注物品安全性。根據(jù)國家郵政局的用戶申訴統(tǒng)計(jì)數(shù)據(jù)，2021年快遞企業(yè)用戶針對快遞丟失短少、快遞損毀的投訴量分別為83 636、70 782件，排在總投訴量前2位，說明快遞物品的安全性是用戶最關(guān)心的問題；在投訴處理指標(biāo)下，韻達(dá)、圓通與百世匯通的負(fù)面情感得分高于其他快遞企業(yè)，因此要更加注重用戶快遞服務(wù)的投訴處理，及時(shí)有效地解決用戶投訴問題，提高用戶滿意度。

2）快遞服務(wù)重度缺陷。重度缺陷的負(fù)面情感得分為（1.0～1.5]，用戶對該快遞服務(wù)的評價(jià)較差，待改進(jìn)優(yōu)先度較高，是快遞企業(yè)需重點(diǎn)改善的服務(wù)指標(biāo)。在信息更新及時(shí)性指標(biāo)下，順豐、圓通、中通、韻達(dá)、百世匯通均表現(xiàn)為重度缺陷，圓通、韻達(dá)排在前2位，負(fù)面情感得分分別為1.124 5、1.091 1，快遞企業(yè)要提升自身的數(shù)字化和智能化水平，及時(shí)更新升級軟硬件設(shè)施，確保用戶在第一時(shí)間獲取快遞軌跡信息；在流通速度指標(biāo)下，圓通、中通、韻達(dá)、百世匯通均表現(xiàn)為重度缺陷，快遞企業(yè)應(yīng)提升快遞的速度、效率與安全性，提升自身核心競爭力。

3）快遞服務(wù)中度缺陷。中度缺陷的負(fù)面情感得分為（0.8～1.0]，用戶對該快遞服務(wù)的負(fù)面情緒處于中等水平，待改進(jìn)優(yōu)先度適中，快遞企業(yè)不能忽視該類服務(wù)指標(biāo)的改進(jìn)。在價(jià)格水平指標(biāo)下，申通、中通、韻達(dá)、百世匯通均表現(xiàn)為中度缺陷，順豐、EMS表現(xiàn)較好?？爝f企業(yè)在做好提升服務(wù)質(zhì)量的同時(shí)，也要制定合理的收費(fèi)標(biāo)準(zhǔn)，為用戶提供更具性價(jià)比的快遞服務(wù)。

4）快遞服務(wù)輕度及輕微缺陷。輕度及輕微缺陷的負(fù)面情感得分為[0～0.5]及（0.5～0.8]，用戶的負(fù)面情緒不高，待改進(jìn)優(yōu)先度較低，快遞企業(yè)可酌情對該類服務(wù)指標(biāo)改進(jìn)。順豐和EMS的輕度及輕微缺陷指標(biāo)數(shù)較多，其他快遞企業(yè)較少。

各快遞企業(yè)服務(wù)質(zhì)量不同缺陷等級的劃分結(jié)果如表7所示。

將缺陷等級賦值并與指標(biāo)數(shù)相乘可得到各企業(yè)快遞服務(wù)缺陷綜合得分。由表7可知：按各快遞企業(yè)的快遞服務(wù)缺陷綜合得分從小到大排序?yàn)镋MS、順豐、申通、中通、百世匯通、圓通、韻達(dá)。EMS與順豐的快遞服務(wù)質(zhì)量優(yōu)于其他快遞企業(yè)，而百世匯通、圓通、韻達(dá)等加盟模式的快遞企業(yè)表現(xiàn)較差，需著重改進(jìn)服務(wù)質(zhì)量，提升顧客滿意度。

3 服務(wù)質(zhì)量改進(jìn)建議

為提升快遞業(yè)服務(wù)質(zhì)量水平，對識別診斷的快遞服務(wù)中物品安全、運(yùn)輸時(shí)效、信息更新、售后服務(wù)響應(yīng)4個(gè)方面的突出服務(wù)缺陷，提出改進(jìn)建議。

1）合理利用新包裝技術(shù)，保障快遞物品安全。制約快遞服務(wù)質(zhì)量的主要因素是物品安全性，其中快遞丟失短少是用戶評價(jià)中最為嚴(yán)重的服務(wù)缺陷?？爝f企業(yè)應(yīng)提升員工的操作規(guī)范意識，杜絕暴力分揀、裝卸貨等現(xiàn)象，減少快遞物品在分揀、裝卸等環(huán)節(jié)中的損耗；還應(yīng)改善快遞包裝質(zhì)量，通過添加更穩(wěn)定的填充物或采用更先進(jìn)的包裝材料，如柔性包裝材料，在快遞運(yùn)輸或存儲(chǔ)過程中發(fā)生碰撞或擠壓時(shí)，可有效保障物品安全。

2）優(yōu)化快遞運(yùn)輸策略，提升快遞運(yùn)輸時(shí)效。時(shí)效性是快遞服務(wù)最基本的要求，也是快遞服務(wù)的核心價(jià)值之一[26]?？爝f企業(yè)可從3方面提升運(yùn)輸時(shí)效：1）拓展快遞運(yùn)輸網(wǎng)絡(luò)，擴(kuò)大公路、鐵路、航空及自有干線運(yùn)輸工具的規(guī)模，整合現(xiàn)有運(yùn)輸資源，提升快遞運(yùn)力；2）優(yōu)化快遞運(yùn)輸中間環(huán)節(jié)，通過引入智能化的分揀、搬運(yùn)設(shè)備，縮短各運(yùn)輸環(huán)節(jié)間的銜接時(shí)間，提升快遞中轉(zhuǎn)的作業(yè)效率；3）增加快遞末端配送網(wǎng)點(diǎn)密度，合理規(guī)劃配送路線，提升快遞配送效率。

3）實(shí)時(shí)更新快遞物流信息，確保用戶第一時(shí)間掌握快遞狀態(tài)?？爝f信息的實(shí)時(shí)更新離不開軟硬件的支持，因此快遞企業(yè)要加強(qiáng)信息化建設(shè)，消除信息盲區(qū)。加盟制快遞企業(yè)要加強(qiáng)對末端網(wǎng)絡(luò)的信息化管理，規(guī)避末端的信息化“孤島”。

4）提升售后服務(wù)響應(yīng)速度，及時(shí)處理用戶投訴。快遞退換貨及損失賠償問題是快遞服務(wù)中最重要的售后問題，快遞企業(yè)應(yīng)在此服務(wù)關(guān)鍵節(jié)點(diǎn)上占據(jù)主動(dòng)，及時(shí)合理的處理用戶提出的退換貨請求或其他訴求，盡最大努力降低用戶的負(fù)面情緒，提高用戶的滿意度及忠誠度，維護(hù)品牌形象，規(guī)避社群負(fù)面?zhèn)鞑?，增?qiáng)品牌美譽(yù)度和口碑效應(yīng)。

4 結(jié)束語

以7家快遞企業(yè)的百度貼吧評論數(shù)據(jù)為研究樣本，通過Python中的SnowNLP庫提取快遞服務(wù)負(fù)面評論，采用LDA主題模型診斷識別快遞服務(wù)質(zhì)量的影響因素，運(yùn)用情感分析方法計(jì)算各因素的用戶負(fù)面情感得分，比較不同快遞企業(yè)服務(wù)缺陷等級。研究結(jié)果表明：快遞丟失短少、投訴處理、貨品完好性、信息更新及時(shí)性等因素制約快遞服務(wù)質(zhì)量；不同的快遞企業(yè)服務(wù)缺陷既與行業(yè)普遍存在問題一致，又具有自己的獨(dú)特特點(diǎn)。順豐與EMS作為快遞直營模式，其用戶評價(jià)優(yōu)于加盟模式的快遞企業(yè)。本文分析有助于快遞企業(yè)通過用戶在線評論識別自身服務(wù)缺陷和不足，在快遞服務(wù)中采取相應(yīng)措施，提升快遞服務(wù)質(zhì)量。在后續(xù)研究中，可考慮從多個(gè)社交平臺獲取快遞服務(wù)在線評論數(shù)據(jù)，更全面地識別與分析快遞服務(wù)缺陷；可通過獲取不同時(shí)段的評論數(shù)據(jù)進(jìn)行縱向挖掘比較，促進(jìn)快遞服務(wù)質(zhì)量的動(dòng)態(tài)評估，制定針對性的改進(jìn)策略；強(qiáng)化對負(fù)面評價(jià)程度較強(qiáng)詞條的針對性分析，挖掘此類評價(jià)的背后原因，指導(dǎo)企業(yè)采取針對性措施提升服務(wù)質(zhì)量，規(guī)避嚴(yán)重負(fù)面評價(jià)影響。

參考文獻(xiàn)：

[1] 中華人民共和國國家郵政局.國家郵政局公布2021年郵政行業(yè)運(yùn)行情況[EB/OL].（2022-01-14）[2022-10-14].http：//www.spb.gov.cn/gjyzj/c100276/202201/74c80cf2fd7b44c3aa5d6facb464bcb8.shtml.

[2] 張艷輝，李宗偉.在線評論有用性的影響因素研究：基于產(chǎn)品類型的調(diào)節(jié)效應(yīng)[J].管理評論，2016，28（10）：123-132.

ZHANG Yanhui， LI Zongwei. Analysis of the factors that influence online reviews helpfulness： based on the regulating effect of product type[J].Management Review，2016，28（10）：123-132.

[3] 解芳.快遞服務(wù)質(zhì)量與顧客再次購買意愿關(guān)系實(shí)證研究：基于顧客信任的中介作用[J].財(cái)經(jīng)理論與實(shí)踐，2016，37（3）：123-127.

XIE Fang. Empirical research on the relations between online shopping customer perceived service quality and customer repurchase intention[J].The Theory and Practice of Finance and Economics，2016，37（3）：123-127.

[4] 郭姣姣.網(wǎng)購快遞服務(wù)質(zhì)量對顧客滿意度影響研究[D].蘭州：蘭州交通大學(xué)，2020.

GUO Jiaojiao. The research on the influence of the service quality of online shopping express delivery on customer satisfaction[D].Lanzhou：Lanzhou Jiaotong University，2020.

[5] 賈果玲，王建偉.基于SERVQUAL-IPA模型的西安市圓通快遞服務(wù)質(zhì)量評價(jià)[J].鐵道運(yùn)輸與經(jīng)濟(jì)，2019，41（10）：57-63.

JIA Guoling， WANG Jianwei. An evaluation of delivery service quality of Xi′an YTO express based on SERVQUAL-IPA model[J].Railway Transport and Economy. 2019，41（10）：57-63.

[6] 趙宇晴，阮平南，劉曉燕，等.基于在線評論的用戶滿意度評價(jià)研究[J].管理評論，2020，32（3）：179-189.

ZHAO Yuqing， RUAN Pingnan， LIU Xiaoyan， et al. Study on user satisfaction evaluation based on online comment[J].Management Review， 2020，32（3）：179-189.

[7] 王洪偉，宋媛，杜戰(zhàn)其，等.基于在線評論情感分析的快遞服務(wù)質(zhì)量評價(jià)[J].北京工業(yè)大學(xué)學(xué)報(bào)，2017，43（3）：402-412.

WANG Hongwei， SONG Yuan， DU Zhanqi， et al. Evaluation of service quality for express industry through sentiment analysis of online reviews[J].Journal of Beijing University of Technology， 2017，43（3）：402-412.

[8] 李康.基于文本挖掘的快遞服務(wù)業(yè)顧客滿意度研究[D].合肥：合肥工業(yè)大學(xué)，2020.

LI Kang. Research on customer satisfaction of express service industry based on text mining[D].Hefei：Hefei University of Technology，2020.

[9] 張夏恒，肖林.基于消費(fèi)者在線評論數(shù)據(jù)的快遞物流服務(wù)質(zhì)量評價(jià)研究[J/OL].重慶工商大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）：[2022-10-14].http：//kns.cnki.net/kcms/detail/50.1154.C.20211119.0938.002.html.

ZHANG Xiaheng， XIAO Lin. Research on evaluation of express logistics service quality based on consumer online comment data[J/OL].Journal of Chongqing Technology and Business University（Social Science Edition）.[2022-10-14].http：//kns.cnki.net/kcms/detail/50.1154.C.20211119.0938.002.html.

[10] 劉潔.基于在線評論的物流服務(wù)質(zhì)量評價(jià)研究：以京東生鮮評論為例[D].南京：南京航空航天大學(xué)，2019.

LIU Jie. Research on evaluation of logistics service quality based on online review：Jingdong fresh review as an example[D].Nanjing：Nanjing University of Aeronautics and Astronautics，2019.

[11] 孟美任，丁晟春.虛假商品評論信息發(fā)布者行為動(dòng)機(jī)分析[J].情報(bào)科學(xué)，2013，31（10）：100-104.

MENG Meiren， DING Shengchun. Motivation and behavior of the fraud reviews′ publishers[J].Information Science， 2013，31（10）：100-104.

[12] 趙妍妍，秦兵，劉挺.文本情感分析[J].軟件學(xué)報(bào)，2010，21（8）：1834-1848.

ZHAO Yanyan ， QIN Bing， LIU Ting. Sentiment analysis[J].Journal of Software，2010，21（8）：1834-1848.

[13] 阮光冊，夏磊.面向詞權(quán)重的主題識別應(yīng)用研究[J].情報(bào)理論與實(shí)踐，2019，42（12）：144-149.

RUAN Guangshan， XIA Lei. Research of topic recognition based on term weighting[J].Information Studies： Theory & Application， 2019，42（12）：144-149.

[14] 王樹義，廖樺濤，吳查科.基于情感分類的競爭企業(yè)新聞文本主題挖掘[J].數(shù)據(jù)分析與知識發(fā)現(xiàn)，2018（3）：70-78.

WANG Shuyi， LIAO Huatao， WU Chake. Mining news on competitors with sentiment classification[J].Data Analysis and Knowledge Discovery，2018（3）：70-78.

[15] 王雪，董慶興，張斌.面向在線評論的用戶需求分析框架與實(shí)證研究：基于KANO模型[J].情報(bào)理論與實(shí)踐，2022，45（2）：160-167.

WANG Xue， DONG Qingxing， ZHANG Bin. Analytical framework and empirical study of user needs for online reviews based on KANO model[J].Information Studies： Theory & Application， 2022，45（2）：160-167.

[16] 張明慧，王紅玲，周國棟.基于LDA主題特征的自動(dòng)文摘方法[J].計(jì)算機(jī)應(yīng)用與軟件，2011，28（10）：20-22.

ZHANG Minghui， WANG Hongling， ZHOU Guodong. An automatic summarization approach based on LDA topic feature[J].Computer Applications and Software，2011，28（10）：20-22.

[17] BLEI D M， NG A Y， JORDAN M I. Latent dirichlet allocation[J].Journal of Machine Learning Research， 2003，3：993-1022.

[18] 李棟，李爽，范宇鵬.基于線上評論的區(qū)域消費(fèi)環(huán)境放心度與空間特征研究[J].統(tǒng)計(jì)與信息論壇，2021，36（4）：118-128.

LI Dong， LI Shuang， FAN Yupeng. Research on the confidence degree and spatial characteristics if regional consumption environment based on online reviews[J].Journal of Statistics and Information，2021，36（4）：118-128.

[19] 張公讓，鮑超，王曉玉，等.基于評論數(shù)據(jù)的文本語義挖掘與情感分析[J].情報(bào)科學(xué)，2021，39（5）：53-61.

ZHANG Gongrang， BAO Chao， WANG Xiaoyu， et al. Sentiment analysis and text data mining based on reviewing data[J].Information Science，2021，39（5）：53-61.

[20] 吳東勝，王忠群，蔣勝，等.基于評論的商品改進(jìn)需求獲取方法研究[J].長江大學(xué)學(xué)報(bào)（自然科學(xué)版），2017，14（5）：44-48.

WU Dongsheng， WANG Zhongqun， JIANG Sheng ，et al. Method for obtaining review-oriented product improved requirements[J].Journal of Yangtze University（Natural Science Edition），2017，14（5）：44-48.

[21] DU Y J， YI Y T， LI X Y， et al. Extracting and tracking hot topics of micro-blogs based on improved latent Dirichlet allocation[J].Engineering Applications of Artificial Intelligence：the International Journal of Intelligent Real-Time Automation，2020，87：103279.

[22] 劉自強(qiáng)，許海云，岳麗欣，等.基于Chunk-LDAvis的核心技術(shù)主題識別方法研究[J].圖書情報(bào)工作，2019，63（9）：73-84.

LIU Ziqiang， XU Haiyun， YUE Lixin， et al. Research on core technology topic identification based on Chunk-LDAvis[J].Library and Information Service，2019，63（9）：73-84.

[23] PARASURAMAN A V， ZEITHAML V A， BERRY L L. SERVQUAL： a multiple-item scale for measuring consumer perceptions of service quality[J].Journal of Retailing，1988，64（1）：12-40.

[24] MENTZER J T， FLINT D J， KENT J L. Developing a logistics service quality scale[J].Journal of Business Logistics，1999，20（1）：9-32.

[25] 孫軍華，蘇強(qiáng)，霍佳震.中國快遞服務(wù)質(zhì)量體系的構(gòu)建與模糊綜合評價(jià)[J].工業(yè)工程與管理，2010，15（4）：112-116.

SUN Junhua， SU Qiang， HUO Jiazhen. The construction and fuzzy comprehensive evaluation of the Chinese express service quality system[J].Industrial Engineering and Management，2010，15（4）：112-116.

[26] 董芝芳.基于共同配送的城市快遞各等級網(wǎng)點(diǎn)布局研究[D].大連：大連理工大學(xué)，2017.

DONG Zhifang. Research on the layout of city express nodes based on joint distribution[D].Dalian：Dalian University of Technology，2017.

Defect diagnosis identification and quality improvement of

express service

DING Ping1， WANG Baoyi1，2， WANG Hanhan1

1. School of Transportation and Logistics Engineering，Shandong Jiaotong University，Jinan 250357，China；

2. Shandong Key Laboratory of Smart Transportation（preparation），Jinan 250357，China

Abstract：In order to diagnose， identify and evaluate the defects of express service both scientifically and reasonably， Python and latent Dirichlet allocation （LDA） subject model， coupled with the online review by searching Baidu Tieba are adopted. The express service defect identification model focus on its process which is from data acquisition to emotional classification to subject extraction and to defect evaluation. This model is introduced to diagnose and identify the main defect factors in the service quality of seven express enterprises， namely SF Express， Express Mail Service （EMS）， YTO， STO， ZTO， Yunda and Best Express， then some suggestions are given to improve the quality of express service. The research results show that the factors affecting the quality of express service mainly include the overall impression， express efficiency， information quality， fee collection， goods safety and service process， etc. From the analysis of subdivided indicators， it can be seen that the main factors affecting the service defects are parcel loss， complaint feedback， integrity of goods， update of real time information ， contact channels and delivery speed. In order to improve customer satisfaction， express enterprises should improve the quality of express goods in the aspects of safety， delivery time， information update speed， after sale service and so on.

Keywords：online review; sentiment classification; defect identification; LDA subject model; express service

（責(zé)任編輯：郭守真）

收稿日期：2022-10-18

基金項(xiàng)目：山東交通學(xué)院研究生科技創(chuàng)新項(xiàng)目（2022YK038）

第一作者簡介：丁平（1996—），男，山東五蓮人，碩士研究生，主要研究方向?yàn)榻煌ㄟ\(yùn)輸規(guī)劃與管理，E-mail：1007082770@qq.com。

*通信作者簡介：王寶義（1981—），男，山東高密人，副教授，管理學(xué)博士，主要研究方向?yàn)榱魍ń?jīng)濟(jì)與管理，E-mail：barrywby@126.com。