基于大数据地图的汽车服务满意度分析

方为 魏仁干 王粤

摘 要：本文通过爬虫软件抓取武汉市20余家典型的汽车服务店铺的互联网评价数据，运用ROST CM文本分析软件，采用CCSI模型对各店铺的用户体验满意度进行测度，并采用大数据地图进行可视化分析，为用户店铺选择以及汽车服务满意度提升提供参考。

关键词：用户满意度；汽车服务；数据分析；大数据地图

1 研究背景与意义

随着生活质量的提升，城市居民汽车保有量逐年呈递增趋势，而汽车市场的快速增长，使汽车用户对优质的汽车服务更具依赖性。但目前汽车服务行业也存在着诸多问题，比如服务态度差、维修质量不过关等。本文将通过抓取汽车服务互联网评价用于分析用户满意度并进行大数据地图可视化，为用户选择决策、汽车服务优化等问题提供依据。

2 国内外研究综述

根据Oliver的定义，满意度是指个体对服务或产品的整个体验过程的评价和情感反应［1］。用户满意度研究于1997年引入我国，众多学者开始创建中国用户满意度指标（CCSI）指数模型。研究方法逐渐从问卷、访谈等定性方法转向通过定量方法研究用户满意度构建用户体验评价指标体系［2］。郭海龙［3］等基于结构方程，利用SPSS15.0软件的统计计算功能，建立了顾客满意度测评的量化结构模型，得出结论证实企业形象和品牌效应是有效将客户“拉进”维修企业的手段之一。黄会明［4］等运用主成分分析法、聚类分析法分别对汽车维修服务质量进行定量和定性分析，得出结论发现汽车维修企业维修服务质量最主要的影响因素为维修质量和服务态度。

综上所述，已有的汽车服务企业用户满意度研究大多是构建用户体验评价指标体系，再分析调查问卷的数据给出满意度评价，通过分析网络用户评论和大数据可视化地图进行用户满意度评价的方法目前还较少。

3 构建汽车服务用户体验满意度评价指标体系

3.1 中国用户满意度指标指数模型（CCSI）

中国用户满意度指标指数模型是国内学者参照美国用户满意度模型的研究基础上，结合我国国情和市场发展状况不断实践完善所形成的，具有代表性的用户满意度指数模型，主要是在影响变量和流程作了改进，能更加适应国内企业发展研究［5］，为清晰识别满意度影响因素间的关系，去除了“顾客抱怨”，增加了“品牌形象”，有助于测量用户预期价值、感知质量、告知价值等之间的联系，如图1所示［6］。CCSI模型的创立也被广泛运用于许多行业研究。

图1 CCSI（中国顾客满意度指数）模型

3.2 汽车服务行业用户满意度评价指标的选择

本次研究采用的汽车服务行业用户满意度评价体系借鉴已有研究成果［7］。通过问卷调查法收集相关数据，把用户满意度的影响因子分为：服务输入、服务执行、服务输出。并通过因子分析法构建由3个一级指标、8个二级指标组成汽车服务行业用户满意度指标评价体系，为了合理、科学地确定各级指标权重，通过采用德尔菲法，进行权重确定，有效避免主观赋权引起的误差，汽车服务行业用户满意度评价体系及权重如表1所示：

3.3 可视化与大数据地图介绍

可视化是利用计算机图形学和图像处理技术，将数据转换成图形或图像在屏幕上显示出来，再进行交互处理的理论、方法和技术。

而大数据地图是可视化技术的一种表达形式，能直观地在空间地图上通过标记颜色深浅差异展示指标分布差异的可视化形式图形。

4 数据采集与分析

4.1 在线评论数据采集和处理

本文汽车服务用户评价数据来源是通过网络爬虫技术，采集武汉市汽车服务互联网用户评价数据，包含用户名称、评价次数、汽车服务站点地址以及用户评论文本内容。

将采集的数据导出至txt文件后，进行数据初步处理，庞大、冗长的数据量难以进行直接筛选，需进行数据清洗，剔除多余功能性、干扰性数据，并采取建立领域词典和停用词表方式进行预处理。本文通过ROST CM软件提取高频关键词，在通用词典的基础上，增加汽车服务领域分词，增加“汽车维修”“汽车服务”等停用词表，将汽车服务在线评论纯文本文件导入ROST CM软件对分析无意义的词进行剔除，最终共获得1665个关键词。

本文将在线评论中获取到的1665个关键词，按照评论次数量由大到小，选取排名前100的关键词，根据汽车服务行业用户满意度评价体系二级指标，对排名前100的高频关键词进行分类。

4.2 用户满意度评分

选取评论次数排名前十的汽车服务店铺的用户评论文本內容，通过分类后的高频关键词挑选出对应的评论文本，将每家店铺每个指标相关评论放置在不同的txt文件中，运用ROST CM软件中的情感分析功能计算出每家店铺每个指标相关的评论的积极情绪占比，根据汽车服务行业用户满意度评价体系及权重计算出各个汽车服务店铺的满意度评分。

如表2中所示，通过ROST CM软件中的情感分析功能计算出每家店铺每个指标相关的评论的积极情绪占比得分，统计出排名前十的汽车店铺，且各项满意度得分普遍集中在6～9分的区间段内。而排名靠前的店铺在维修质量和服务态度上评分，明显优于其他汽车店铺。这也间接说明顾客对于汽车店铺的维修质量水平和工作人员的服务态度这两方面尤为看重，可作为汽车店铺提升自身顾客满意度水平的改进方向。

4.3 用户满意度评分大数据地图可视化分析

以武汉市汽车服务店铺互联网评论为例，本文基于线上汽车服务满意度指标对武汉市多家汽车服务店铺进行满意度评分，并运用大数据地图技术进行可视化成像：颜色标记区域为互联网得分排名靠前的汽车服务店铺位置，主要集中在武汉市武昌区、硚口区、江汉区交通主干道两边以及路口交汇处附近。而这些位置大多汇聚在城市核心地段，其周边商圈经济繁荣、道路交通便利、生活设施齐全、人口数量密集，旅游休闲场所围绕。在其地理环境及周边优良设施条件的影响下，具有得天独厚的营商环境。通过大数据地图颜色观察，颜色越深的地方，就是用户互联网评分高、满意度高的汽车服务店铺，颜色越浅表示用户评分较低，满意度相应也较低。而大多排名靠前的公司又来自天猫等知名连锁企业，相较于其他排名较低的汽车服务店铺，其外在具有良好的品牌形象，内在则拥有规范的团队管理制度和专业的技术培训，在服务态度、维修质量水平、维修性价比、保修增值服务、售后回访等方面做得更为出色，易受顾客所青睐。

因此，基于大数据地图的汽车服务满意度可视化内容，一方面能直观为武汉市用户在选择汽车服务高满意度店铺上提供了有效的参考依据；另一方面可为即将进入汽车服务领域店铺选址以及如何提高汽车服务管理水平提出有关建议。

由于本文抓取采集信息对象偏少，爬取的线上评价内容也只是反映部分顾客对店家的满意度评价，不能代表所有顧客的满意度倾向，同时对于汽车店铺与附近商圈环境之间关联影响还存在着一些信息尚待挖掘。

参考文献：

［1］Richard L.Oliver.A Cognitive Model of the Antecedents and Consequences of Satisfaction Decisions［J］.Journal of Marketing Research，1980，17（4）：460469.

［2］涂敏.基于在线评论聚类的用户满意度研究［D］.吉林大学，2020.

［3］郭海龙，潘伟荣，刘越琪.汽车维修企业顾客满意度测评结构模型研究［J］.山东交通学院学报，2009，17（04）：914.

［4］黄会明，倪勇.汽车维修服务质量的评价研究［J］.温州职业技术学院学报，2010，10（02）：5356.

［5］王龙庆.基于CCSI模型构建用户满意度评价指标体系研究［J］.绿色科技，2021，23（04）：272274.

［6］吴误言.基于CCSI模糊评价法的旅游演艺产品满意度实证研究［D］.桂林理工大学，2021.

［7］简浩钧.广州市汽车维修行业用户满意度调查研究［J］.汽车实用技术，2015（04）：129130.

［8］任治，魏丹，陈学文，等.汽车4S店维修服务绩效评价研究［J］.辽宁工业大学学报（自然科学版），2016，36（04）：265268.

［9］王正迅.浅析大数据时代下用户在线行为的商业利用价值［J］.现代商业，2016（15）：2627.

［10］王瑜.浅谈商圈分析对连锁零售企业选址的重要性［J］.中国商论，2017（02）：5354.

作者简介：方为（1992— ），男，回族，湖北十堰人，非全日制研究生，初级经济师，研究方向：市场营销、大数据。