基于企业网络舆情的客户满意度分析及管理方法
发布时间:2021-09-19 05:27
社交网络平台的迅速发展,促使网络舆情成为企业获取商业情报、扩大竞争优势的重要信息来源。本文针对网络舆情环境下的企业客户关系管理问题展开研究。通过构建企业客户推动式信息反馈模型,描述了企业客户、网络用户与企业网络舆情间的联系,并依据信息反馈模型,提出变尺度聚类算法。该算法将传统聚类方法的求解过程由单一尺度分析扩展到多尺度分析,克服了实际数据聚类应用过程中的聚类结果特征不显著问题。本文选取新浪微博作为数据源,利用企业网络舆情数据集和企业客户数据集进行数据分析实验。实验结果表明,企业可以通过获取与其主营业务相关的网络舆情信息,实现客户满意度预测;同时,变尺度聚类算法结果能够为企业进一步制定销售战略和销售战术提供决策支持。
【文章来源】:运筹与管理. 2020,29(07)北大核心CSSCICSCD
【文章页数】:8 页
【部分图文】:
企业客户推动式信息反馈模型
根据上述要求,确立本研究的技术路线(图2)。首先,构建网络用户舆情敏感性指数来实现舆情检验工作,从而得到初始网络用户。其次,提出变尺度聚类算法,通过广度尺度变换,完成关键网络用户识别;通过深度尺度变换,完成用户—客户关系建立。最后,针对不同客户群体(类)的客户满意度预测结果匹配最佳销售战略,并结合客户群体的特征制定销售战术。(具体研究方法见第3节)3 变尺度聚类理论及方法
在问题求解理论中,尺度通常是以概念的形式存在于人的知识体系中[25]。由于概念间本身具有联系,本研究将概念(尺度)间的扩展联系引入聚类分析方法中,提出概念空间模型(图3)。概念空间由概念链和值空间两部分构成,概念空间的层次结构具有特征:①低层级概念偏序于高层级概念,即CHi?CH(i+1)(i∈N);②每一个概念都可决定同层级的值空间取值;即Vij∈CHi(j∈N+ );③同层级的值空间取值遵循该概念链的偏序关系,即CHi?CHk→Vij?Vkj(j∈N+)。
【参考文献】:
期刊论文
[1]在线评论情感分析研究综述[J]. 谢法举,刘臣,唐莉. 软件导刊. 2018(02)
[2]中文文本情感分析方法研究[J]. 徐小龙. 电脑知识与技术. 2018(02)
[3]新媒体环境下的网络舆情特征量及行为规律研究——基于信息生态理论[J]. 赵丹,王晰巍,李师萌,张柳. 情报学报. 2017(12)
[4]基于二分网络的网络用户评论情感分析[J]. 卢伟聪,徐健. 情报理论与实践. 2018(02)
[5]基于直觉模糊推理的网络舆情监测预警评估方法研究[J]. 张艳丰,李贺,彭丽徽. 情报杂志. 2017(06)
[6]企业网络舆情传播的系统动力学仿真研究——基于传播主体特性[J]. 林芹,郭东强. 情报科学. 2017(04)
[7]我国网络舆情热点话题发现研究综述[J]. 游丹丹,陈福集. 现代情报. 2017(03)
[8]基于网络舆情的企业财务危机动态预警[J]. 段珊珊,朱建明. 北京邮电大学学报(社会科学版). 2016(06)
[9]我国网络舆情预测研究综述[J]. 游丹丹,陈福集. 情报科学. 2016(12)
[10]用于微博情感分析的一种情感语义增强的深度学习模型[J]. 何炎祥,孙松涛,牛菲菲,李飞. 计算机学报. 2017(04)
博士论文
[1]移动社交网络用户对联系人产品推荐信息反应意向影响因素研究[D]. 董颖.吉林大学 2017
本文编号:3401108
【文章来源】:运筹与管理. 2020,29(07)北大核心CSSCICSCD
【文章页数】:8 页
【部分图文】:
企业客户推动式信息反馈模型
根据上述要求,确立本研究的技术路线(图2)。首先,构建网络用户舆情敏感性指数来实现舆情检验工作,从而得到初始网络用户。其次,提出变尺度聚类算法,通过广度尺度变换,完成关键网络用户识别;通过深度尺度变换,完成用户—客户关系建立。最后,针对不同客户群体(类)的客户满意度预测结果匹配最佳销售战略,并结合客户群体的特征制定销售战术。(具体研究方法见第3节)3 变尺度聚类理论及方法
在问题求解理论中,尺度通常是以概念的形式存在于人的知识体系中[25]。由于概念间本身具有联系,本研究将概念(尺度)间的扩展联系引入聚类分析方法中,提出概念空间模型(图3)。概念空间由概念链和值空间两部分构成,概念空间的层次结构具有特征:①低层级概念偏序于高层级概念,即CHi?CH(i+1)(i∈N);②每一个概念都可决定同层级的值空间取值;即Vij∈CHi(j∈N+ );③同层级的值空间取值遵循该概念链的偏序关系,即CHi?CHk→Vij?Vkj(j∈N+)。
【参考文献】:
期刊论文
[1]在线评论情感分析研究综述[J]. 谢法举,刘臣,唐莉. 软件导刊. 2018(02)
[2]中文文本情感分析方法研究[J]. 徐小龙. 电脑知识与技术. 2018(02)
[3]新媒体环境下的网络舆情特征量及行为规律研究——基于信息生态理论[J]. 赵丹,王晰巍,李师萌,张柳. 情报学报. 2017(12)
[4]基于二分网络的网络用户评论情感分析[J]. 卢伟聪,徐健. 情报理论与实践. 2018(02)
[5]基于直觉模糊推理的网络舆情监测预警评估方法研究[J]. 张艳丰,李贺,彭丽徽. 情报杂志. 2017(06)
[6]企业网络舆情传播的系统动力学仿真研究——基于传播主体特性[J]. 林芹,郭东强. 情报科学. 2017(04)
[7]我国网络舆情热点话题发现研究综述[J]. 游丹丹,陈福集. 现代情报. 2017(03)
[8]基于网络舆情的企业财务危机动态预警[J]. 段珊珊,朱建明. 北京邮电大学学报(社会科学版). 2016(06)
[9]我国网络舆情预测研究综述[J]. 游丹丹,陈福集. 情报科学. 2016(12)
[10]用于微博情感分析的一种情感语义增强的深度学习模型[J]. 何炎祥,孙松涛,牛菲菲,李飞. 计算机学报. 2017(04)
博士论文
[1]移动社交网络用户对联系人产品推荐信息反应意向影响因素研究[D]. 董颖.吉林大学 2017
本文编号:3401108
本文链接:https://www.wllwen.com/xinwenchuanbolunwen/3401108.html