[论文解读] A Core of E-Commerce Customer Experience based on Conversational Data using Network Text Methodology

Andry Alamsyah, Nurlisa Laksmiani+1 more|arXiv (Cornell University)|Feb 18, 2021

Information Retrieval and Data Mining被引用 4

一句话总结

本文提出了一种网络文本方法，通过分析印度尼西亚社交媒体上的对话数据，提取电子商务客户体验的核心主题。通过将词语共现建模为网络，该方法以高效率识别出关键客户关切和服务质量指标，为印度尼西亚数字经济体中的电商平台和政策制定者提供可操作的洞察。

ABSTRACT

E-commerce provides an efficient and effective way to exchange goods between sellers and customers. E-commerce has been a popular method for doing business, because of its simplicity of having commerce activity transparently available, including customer voice and opinion about their own experience. Those experiences can be a great benefit to understand customer experience comprehensively, both for sellers and future customers. This paper applies to e-commerces and customers in Indonesia. Many Indonesian customers expressed their voice to open social network services such as Twitter and Facebook, where a large proportion of data is in the form of conversational data. By understanding customer behavior through open social network service, we can have descriptions about the e-commerce services level in Indonesia. Thus, it is related to the government's effort to improve the Indonesian digital economy ecosystem. A method for finding core topics in large-scale internet unstructured text data is needed, where the method should be fast but sufficiently accurate. Processing large-scale data is not a straightforward job, it often needs special skills of people and complex software and hardware computer system. We propose a fast methodology of text mining methods based on frequently appeared words and their word association to form network text methodology. This method is adapted from Social Network Analysis by the model relationships between words instead of actors.

研究动机与目标

• 使用来自社交媒体的非结构化对话数据，识别印度尼西亚电子商务客户体验的核心维度。
• 解决高效且准确处理来自Twitter和Facebook等平台的大规模非结构化文本数据的挑战。
• 开发一种快速、可扩展的文本挖掘方法，利用词频和共现模式进行客户体验分析。
• 通过提供关于服务质量和客户情绪的数据驱动洞察，支持电商平台和政府举措。
• 将社交网络分析原则应用于词语关系而非人类参与者，从而从文本数据中提取主题。

提出的方法

• 该方法将对话式电子商务数据转换为词语共现网络，其中词语为节点，其共现关系构成边。
• 通过识别高频词语作为潜在主题指标，并分析其关联模式以揭示主题聚类。
• 使用句子中的词语邻接关系构建网络结构，边的权重反映共现频率。
• 文本预处理包括分词、停用词去除和词形还原，以在构建网络前标准化术语。
• 采用改进的社交网络分析（SNA）方法检测中心词语和社区，代表核心主题。
• 该方法设计注重计算效率，可在无需复杂基础设施的情况下快速分析大规模非结构化数据。

实验结果

研究问题

• RQ1 印度尼西亚电子商务客户在社交媒体平台上的对话反馈中，主导主题是什么？
• RQ2 如何对非结构化文本数据中的词语共现模式进行建模，以提取有意义的客户体验维度？
• RQ3 与传统方法相比，基于网络的文本方法在多大程度上能提供快速且准确的电子商务服务质量洞察？
• RQ4 哪些具体的客户关切在对话数据中出现频率最高且关联性最强？
• RQ5 该方法如何通过揭示公众客户反馈中的可操作洞察，支持国家数字经济发展举措？

主要发现

• 网络文本方法成功从印度尼西亚社交媒体平台的对话数据中识别出一组核心客户体验主题。
• 高频词语如“配送”、“客户服务”、“产品质量”和“退换政策”在词语网络中成为中心节点，表明其为关键关切点。
• 该方法检测到与物流、产品准确性及卖家响应速度相关的主题聚类，反映出电子商务服务中的关键痛点。
• 该方法表现出计算效率，可在无需专用硬件或软件的情况下快速分析大规模非结构化数据。
• 研究结果为电商平台提供了可操作的洞察，并与政府提升印度尼西亚数字经济生态系统的工作保持一致。
• 本研究通过建模词语关系，验证了社交网络分析在文本数据中的适应性，为传统NLP技术提供了一种可扩展的替代方案。