林子璇  查迎春

（安徽大学商学院，安徽 合肥 230601）

摘要：以天猫预制菜产品的在线评论为研究对象，运用八爪鱼对在线评论进行爬取，并利用Python对评价数据进行情感倾向性分析以及LDA主题挖掘。研究结果表明，根据LDA主题模型得出，消费者评论主题由产品品质、商家服务、物流及包装及品牌口碑及知名度四部分组成。情感分析方面，好评中，消费者对于网购预制菜的产品总体较为满意，但缺乏高度满意情感倾向；差评方面，轻度消极情绪占比较高，高度消极情绪较少。

关键词：预制菜；在线评论；LDA主题挖掘；情感倾向性分析

随着互联网经济的发展，以及年轻一代“懒人经济”的兴起抑或年轻人消费习惯的变化，叠加上三年疫情的影响，预制菜凭借只需简单加热即可食用的优势，成为网络经济的消费热点，同时也吸引了不少研究者的关注。

关于预制菜的发展，白舒婕(2023)^[1]研究了农产品网络零售的新趋势，表示农产品上行能力持续增强，农产品电商创新发展，预制菜电商成为新热点，进入升级发展阶段；赵鑫(2023)^[2]通过发放问卷的方法获取数据，并通过因子分析法、二元Logistic回归模型实证分析消费者对于预制菜的购买意愿和影响因素，研究结果表明，消费者的性别、年龄、受教育程度、对预制菜的了解程度和产品保健因素和宣传因素对消费者的预制菜购买意愿有显著影响。

另外，不少研究者在文本分析方面，利用在线文本评论挖掘的方法研究网络消费者购买行为影响因素及满意度。杨铮等(2022)^[3]通过八爪鱼对在线评论进行爬取后，结合LDA主题聚类和词频统计分析方法提取消费者满意度因素，并通过情感分析和TF-IDF权重来测评消费者情感倾向性，分析消费者网购地理标志农产品满意度；徐萌等(2022)^[4]利用在线健康社群的评论文本，综合运用R语言、VOS Viewer，使用词频、词云和主题图谱分析方法挖掘患者关注重点，并使用和ROST CM软件对患者情感倾向进行计算从而进行患者满意度分析；雷聪等(2023)^[5]利用Python对京东商城在线评论进行爬取、情感分析以及LDA主题挖掘，分析消费者对临期食品的倾向性

目前针对消费者网购预制菜满意度的研究还较少，大多基于问卷调查展开^[2]，具有一定程度的主观性，数据量也较为有限，可靠性随着调查项目波动存在一定风险^[3]。相比于调查文件的研究方式，在线评论中蕴含着客户使用产品的真实体验、喜好及购买欲望，可以更好地对产品进行全方位、系统的精益化评估^[6]。因此本文采用在线评论文本挖掘的方式分析消费者网购预制菜的影响因素及情感倾向性，分析消费者网购预制菜过程中关注的重点，为卖家提供参考。

一、预制菜的发展与趋势分析

根据德勤对中国预制菜企业和市场的访谈^[7]，中国预制菜市场从2017年的3000亿元升至2021年的5500亿元，年复合增长率约为16.36%。2022年，中国预制菜市场增至6199亿元；艾媒咨询（iiMedia Research）研究数据显示^[8]，中国预制菜市场规模预计保持20%以上的增速；根据百度指数（图11），2020-2021年底，“预制菜”一词出现在百度相关新闻头条的频次处于较低水平，普遍在200次以下，2021年5月23日前后关注度有小幅度上涨，在2021年年末热度开始增长。

图1  2020-2023.5.29“预制菜”在百度的相关新闻头条频次（单位：次）

探迹大数据在2022年中国预制菜行业报告中提及^[9]，目前中国各个电商平台共有10137家预制菜相关网店。其中由于疫情爆发，2020Q1当季新增数量减少，但C端预制菜因疫情受到关注，网店数量开始爆发式增长，同时随着消费者对预制菜的接受程度的提升，预制菜在2021年春节期间爆火，相关网店注册量于2021Q2迎来激增（图），并且根据天猫数据显示，速食材在内的预制菜销售火爆，成交额同比增长约2倍^[2]。

图2  全量网店数量增量

从发展趋势看，预制菜越来越具有高度产业化的特点，同时受到国家政策的大力支持，是解决我国农村产品低端化销售的重要抓手，也是解决传统生鲜电商发展难以持续的新手段。由于传统农产品以及生鲜产品销售的大多是未经深度加工的以及非标准化产品，导致客单价过低、产品在运输过程中货损过大、产品容易腐烂变质、消费者难以了解农产品的质量等问题，使得我国农产品和生鲜产品的网络销售一直存在顽疾，也是导致我国农产品电商和生鲜电商虽然被市场看好，但仍未发展成熟的重要原因。预制菜的发展可能会成为解决这一顽疾的重要手段。2021年8月，在《农业农村部关于加快农业全产业链培育发展的指导意见》中，中国将大力发展以预制菜为代表的新型餐饮业，大力发展“原料基地+中央厨房+物流配送”、“中央厨房+餐厅”等新型餐饮服务模式，并对其进行了深入研究。地方政府也响应中央的号召针对当地预制菜产业制定出相应方针政策。

为了研究和更好的促进预制菜的发展，本文利用天猫平台的用户评论，进行收集和预处理后，利用词频分析、LDA主题挖掘等，进行评论的情感分析，从而找出影响消费者满意度的相关因素，从而有针对性的提出发展建议和对策。

二、研究方法和思路

本文的研究框架和思路如图所示，具体步骤如下：

步骤1：数据采集。通过天猫电商平台，以“预制菜”为关键词进行产品评论采集。利用八爪鱼进行自动更换产品、抓取评论，最后存储到数据库。

步骤2：数据预处理。将抓取到的数据导出，在Excel中对无用词直接进行替换删除，后再利用Python进行评论去重及去除非中文字符。使用“jieba”分词对评论数据进行分词操作，去除停用词。

步骤3：词频分析。将处理好的规范性数据利用Python统计词频并绘制词云图。

步骤4：LDA主题挖掘。基于相似度自适应最优LDA模型选择方法来确定主题数并进行主题挖掘分析，得出潜在主题。

步骤5：情感分析。计算每条评论的情感值，按照分值将评论区分为三个档次，并对好、差评进一步细分。

图3  本文的研究框架和思路导图

三、基于天猫店铺的预制菜在线评论数据收集和分析

1.基于天猫店铺的预制菜在线评论数据采集

天猫目前是我国最大的综合性电商平台之一，至今天猫平台月活用户高达9.39亿，用户分布广泛。2023年5月按照销量从高到低选取120家店铺利用八爪鱼采集器进行预制菜产品评论数据的采集。为了保证信息的时效性，每件商品爬取评论时间一年前的评论，共爬取6595条在线评论数据，采集到的数据包括商品名、月销量、评论时间、评论人及评论内容，如图所示。通过以上方法爬取了如咸萝卜、梅菜扣肉、牛蛙、水煮鱼等天猫商品的在线评论数据。

图4  天猫店预制菜的在线评论数据样例

   2.预制菜在线评论数据去重及数据清洗

由于未经过处理的数据存在较多噪音，例如电商平台在用户超过规定时间内没有做出评价时，系统会自动为客户发表默认好评，此类数据显然没有任何分析价值。所以要对获得的文本进行预处理，包括去除无用评论、重复评论等处理方式。并且经过爬取的在线评论数据往往夹杂着数字、字母、表情及标点符号，这些数据对于分析过程没有实质性帮助。另外，在线文本数据主要围绕着预制菜本身进行评价，但随着外婆菜等一些地方名菜纷纷加入预制菜行列，在选取高销量商品中外婆菜等名词占据了较大的比例，导致“预制菜”“外婆菜”“梅菜”“扣肉”等类型的词出现的频数很大，但该类词对于分析目的没有任何帮助，因此可以对其进行删除。

本文先利用Excel对无用词直接进行替换删除，后再利用Python针对评论去重及去除非中文字符，最终获得6249条经过处理后的数据。

3.预制菜在线评论的词频分析与词云图

高频词是指文档中经常出现的词，基于在线评论中的高频词即为消费者较为重视的因素，一定程度上反映了消费者对于产品某些特征或服务的关注程度。

由于中文词不能使用空格进行区分，因此在进行词频分析之前需要进行分词处理，利用Python中“jieba”包进行中文分词，保证分词的准确性。停用词是在一些自然语言处理中被过滤掉的常见的词语，可以使得在信息检索中节省存储空间和提高搜索效率。本文汇集四大主流停词中文库：哈工大停用词表、百度停用词表、中文停用词表（中国人民大学）及四川大学机器职能实验室停用词，利用该停词表集合进行去除全局停用词，最终获得想要的分词结果，最终利用Collections库进行词频统计，并选取出现次数前40的高频词，如表1所示。

表1  预制菜在线评论词频统计前40名