Модель оценки удовлетворенности потребителей на основе онлайн-отзывов с помощью метода главных компонент

Актуальность исследования обусловлена высокой популярностью интернет-сервисов для публикации отзывов о товарах / услугах, их влиянием на поведение покупателей, а также необходимостью автоматизации обработки данных таких сервисов из-за большого количества представленной информации. Разработана модель оценки удовлетворенности потребителей на основе их отзывов, учитывающая оценку товара потребителем, определяющую характер отзыва (отрицательный, положительный, нейтральный), и оценку отзыва другими участниками. Интегральный показатель оценки удовлетворенности формируется на основе нормированных значений средней оценки потребителей и суммарных оценок положительных, нейтральных и отрицательных отзывов. При этом определение весовых коэффициентов, используемых в расчете интегрального показателя, выполнено с помощью метода главных компонент. В статье представлены результаты расчета интегрального показателя для шести моделей видеокарт. На основе разработанной модели реализована программа, позволяющая автоматизировать сбор данных с интернет-сайта и выполнить расчет интегрального показателя. Реализация программы выполнена с помощью языка программирования Java и среды разработки IntelliJ IDEA. Разработанная модель и программа могут быть использованы как потенциальными покупателями, принимающими решение о покупке товаров, так и предприятиями, осуществляющими продажу товаров и стремящимися получить обратную связь, улучшить ассортимент и качество обслуживания.

1. Грибанова Е.Б., Савицкий А.С. Разработка программы оценки времени размещения сообщения в онлайновой социальной сети ВКонтакте. Моделирование, оптимизация и информационные технологии. 2020. Доступно по: https://moitvivt.ru/ru/journal/article?id=724. DOI: 10.26102/2310-6018/2020.28.1.012 (дата обращения: 25.02.2021).

2. Ghose A., Ipeirotis P. Designing Ranking Systems for Consumer Re-views: The Impact of Review Subjectivity on Product Sales and Review Quality. Proceedings of the 16th annual workshop on information technology and systems. 2006:303-310.

3. Ho-Dac N.N., Carson S.J., Moore W.L. The Effects of Positive and Negative Online Customer Reviews: Do Brand Strength and Category Maturity Matter? Journal of Marketing. 2013:37-53.

4. Zhao H., Jiang L., Su C. To Defend or Not to Defend? How Re-sponses to Negative Customer Review Affect Prospective customers' Distrust and Purchase Intention. Journal of Interactive Marketing. 2020:45-64.

5. Zhao K., Stylianou A.C., Zheng Y. Sources and Impacts of Social Influence from Online Anonymous User Reviews. Information and Management. 2018:16-30.

6. Gafni R., Gola O.T. The Influence of Negative Consumer Reviews in Social Networks. Online Journal of Applied Knowledge Management. 2016:44-58.

7. Mohammadiani R.P., Mohammadi S., Malik Z. Understanding the relationship strengths in users' activities, review helpfulness and influence. Computers in Human Behavior. 2017:117–129.

8. Xing S., Liu F., Wang Q., Zhao X., Li T. A hierarchical attention model for rating prediction by leveraging user and product reviews. Neurocomputing. 2019:417–427.

9. Кендюхов А.В., Толкачёв Д.О. Использование метода главных компонент для оценки конкурентоспособности машиностроительных предприятий. Маркетинг і менеджмент інновацій. 2013:219–227.

10. Petroni A., Braglia M. Vendor Selection Using Principal Component Analysis. The Journal of Supply Chain Management. 2000:63–69.

11. Sarkodie S.A., Adom P.K. Determinants of energy consumption in Kenya: A NIPALS approach. Energy. 2018:696–705.