——以京东生鲜为例

 贾梦媛  杨翠芬

 （北京信息科技大学经济管理学院，北京100192）

基金项目：本研究受北京市教委科研计划项目“北京高新技术企业创新质量提升路径和对策研究：基于微观动机视角”资助，项目编号：SM201811232001。

摘要：电商物流服务质量是提升消费者幸福感，促进经济增长的必要途径。将电商物流服务质量的研究拓展到京东生鲜领域，对2021年2月至2022年2月期间的京东生鲜物流在线评论数据进行整理与分析。研究发现：物流包裹完整性、服务便利性主题情感倾向均为消极，物流时效性，物流售后响应性主题情感倾向均为积极。其次，消费者对生鲜电商物流服务质量的情感态度也随时间变化而变化，物流服务便利性主题随着时间的推进，情感倾向由消极转为积极，其他主题均与前文一致。通过分析发现，京东生鲜物流目前还存在包裹破损、生鲜腐败、服务不够便利等问题。基于物流服务质量理论，从物流时效性、包裹完整性、服务便利性方面提出改进建议。

关键词：物流服务质量；京东生鲜；LDA主题模型；情感分析；在线评论 

  一、引言

随着数字化时代的到来，多种行业新形态不断涌现。电商平台作为现代服务业与数字化深度融合的产物之一，有利于畅通国内国际双循环，使得消费市场不断扩大。据《2022年中国生鲜电商行业分析报告》指出，2021年我国生鲜电商行业总交易额超4000亿，渗透率达到了10%左右。然而，在生鲜电商市场高速发展的同时，仍存在许多问题亟需解决。^[1]根据网络消费者纠纷调解平台显示，在受理用户维权案例中，发货问题、退款问题、商品质量问题是生鲜电商投诉的主要问题。物流服务作为电商平台与客户的之间重要的一环，物流服务水平的高低会直接影响消费者的购买欲望和忠诚度。^[2]因此，本文在已有文献的基础上，结合生鲜电商的特点，以京东生鲜在线评论数据作为数据源，基于LDA主题模型及情感分析探究京东生鲜电商物流服务质量存在的问题，进而提出有效建议。旨在提高生鲜物流服务质量，助力物流电商健康、高质量发展。以此促进物流与生鲜电商行业深度融合，不断促进国际国内双循环。

二、文献综述

目前，关于物流服务质量评价的相关研究较为丰富，主要可以分为两大类：一类是关于物流服务质量评价指标的研究；另一类则是关于物流服务质量评价方法的研究。已有文献关于物流服务质量评价指标的研究大多基于SERVQUAL模型展开，并采用多角度、多种方法设计了衡量物流服务质量的指标体系，但尚未形成统一标准。山红梅（2018）考虑到快递投诉的原因，将原有的SERVQUAL模型中增加以客户满意为视角的“便利性”、“安全性”指标，全面评估快递物流服务质量。^[3]易舒心（2020）在物流服务质量评价模型的基础上进行了优化创新，将原有的六个衡量指标进行修改、替换，得到五个新的评价指标，用于衡量跨境电商的物流服务质量。^[4]翟小可（2019）则充分运用SERVQUAL模型和LSQ模型，将评价指标优化为“服务便利性，服务可靠性，配送及时性，客户关怀性，服务经济性，安全保障性”使其可以用于衡量农村电商物流服务质量水平。^[5]

还有部分学者对物流服务质量评价方法进行研究，当前对物流服务质量评价的方法可以归纳为问卷调查法和文本分析法。李卉（2022）运用问卷调查法及层次分析法探究菜鸟网络的物流服务水平^[6]；傅志妍（2021）基于问卷调查法对物流服务顾客满意度进行探究，研究发现，感知服务质量和感知服务费用显著影响物流服务顾客满意度。^[7]问卷调查法一定程度上易于对指标进行量化，但是在获取数据方面，存在获取数据量较少、数据质量相对较差的劣势（王洪伟2017）。^[8]张夏恒（2021）则运用文本分析法对电商菜鸟网络物流服务质量进行研究^[9]；周欢（2021）同样也基于文本分析法对电商服务质量进行考察，发现配送时效是影响物流服务质量的因素之一。^[10]近年来，随着生鲜电商的迅速发展，学者们开始致力于对生鲜电商进行研究。时静华（2020）通过建立结构方程对生鲜电商进行研究，研究发现，每日优鲜平台配送质量对用户满意度有显著的正向影响^[11]；李文（2020）也持有相同的结论，发现生鲜农产品物流配送，产品质量，售后服务的提高均会提升消费者满意度^[12]；谢林杉（2016）则是针对生鲜电商末端配送进行考察，得出可靠性和服务保证性均会影响生鲜产品末端配送。^[13]

综上所述，已有文献为本研究提供了坚实的理论基础，但是大多数文献主要是以电商平台整体进行研究，并未针对细分品类进行探讨，可能导致提出的物流服务改善建议并不适配生鲜这一特殊品类。其次，现有关于电商物流服务质量的文献多采用问卷调查的方法来获取数据，这种方式存在获取数据量少，数据的可靠性差的弊端。而通过文本挖掘在线评论的方法获取数据，更能反映用户对电商物流服务质量的真实评价，数据较为客观、准确。目前，运用文本挖掘的方法，挖掘在线评论作为数据源对物流服务质量进行考察的文献相对较少。本文的边际贡献主要有以下两点：第一，以京东生鲜作为探究物流服务质量的切入点，通过大数据挖掘的方法获取京东生鲜在线评论数据作为数据源，可以更加真实的得到消费者对生鲜这一特殊品类的物流服务质量的反馈，从而更有针对性的发现问题和提出改进措施。第二，本文通过LDA主题模型划分生鲜电商物流服务质量主题，并基于情感分析结果得出京东生鲜物流服务质量可能存在的问题，进而提出建议。相较于SERVQUAL模型，LDA主题模型可以更加客观的划分生鲜电商物流主题，通过“LDA主题模型-主题情感分析”这一模式对生鲜电商物流服务质量的探究提供了一个新的方法。本文探究结果有助于提高生鲜电商物流服务质量，促进电商平台发展。

三、数据来源及研究方法

1.数据来源及数据预处理

本文使用的数据来自于京东生鲜在线评论数据。本文运用八爪鱼设置爬虫规则，共计抓取36167条京东生鲜在线评论数据，数据抓取的时间跨度为2021年2月1日至2023年2月1日。数据共获取京东生鲜5大品类，即新鲜水果、海产水产、精选肉类、冷饮冻食以及蔬菜蛋品。对于5大生鲜品类，本文选择对每个品类进行筛选，取销量数、评论数前5的商品进行数据挖掘工作，以确保数据的全面性。为保证数据的丰富度以及确保数据中含有物流相关内容，本文运用Gooseeker自动筛选以及人工手动相结合的方式进行筛选，筛选出包含物流相关词汇的评论数据共计18713条。

由于原始数据存在较多不规范的语句，无法直接进行分析。因此，本文利用Excel和Python等相关数据分析软件对采集到的物流评论数据进行数据预处理，包含剔除重复数据、剔除默认好评及评价、剔除评论字数少于5的评论、剔除不规则字符、表情、不规范语气词、去除表达矛盾及不明显的评论。最终，含有物流相关词汇的生鲜在线评论数据总计12279条。

表1 生鲜物流评论数据清洗情况表

2.研究方法

针对所抓取的京东生鲜在线评论数据，本文主要采用文本分析，LDA主题模型分析以及情感分析来探究生鲜物流服务质量。具体包括：1.文本分析，主要包括对文本进行预处理工作，包括获取关键词、构建词云图进行可视化分析；其次，通过文本数据构建出的网络语义图来获取每个词语之间的特征关联度，从而进一步明确消费者对于京东生鲜物流服务的关注点。2.LDA主题模型分析，通过LDA主题模型提取生鲜物流在线评论数据中的潜在主题，并将潜在主题定义为消费者所关注的物流相关维度。3.情感分析，通过对物流各个主题进行情感分析可以识别主题的情感倾向，再结合主题的评论数据，总结出生鲜物流服务质量存在的问题。

图1 京东生鲜物流服务质量研究流程图

四、实证分析

1.京东生鲜物流词云图

在提取关键词之前，需要对评论数据中的文本进行分词处理。本文通过运用Python中的中文分词模块Jieba对评论数据进行分词处理，提取物流关键词及其词频。为了更加直观的看出消费者的关注点，本文提取了前60个，词频在50次以上的词语，构建了词云图并将关键词进行可视化处理，如图2所示。从词云图中可以看出，评论中的关键词有：新鲜、物流、包装、收到、满意、快递、发货等。该关键词体现消费者对物流的时效、包装的完整度以及商品的新鲜度较为关注。可视化图中也呈现了，如：好评、方便、很快、信赖、满意等较多的正面关键词，体现了消费者对京东生鲜物流服务的肯定。同时，该可视化图中也存在了较多的负面词汇，如：解冻、缓慢、不好，恶劣、处理不当等。这些词汇也说明了消费者在收到生鲜的同时对物流、包裹以及服务态度的不满。因此，找到京东生鲜物流服务质量存在的问题，进而提出改善建议，对提高消费者满意度，促进京东生鲜平台发展至关重要。

图2 京东生鲜物流词云图

2.京东生鲜物流共现网络分析

通过对京东生鲜物流高频词进行共现网络分析，可以直观的展示出生鲜物流服务潜在的问题。图3显示了由共现词频在50次以上的30个高频词语构成的共现网络分析图。在共现网络中，节点的度值决定了节点的大小，节点度值越大，节点的圆圈也越大。^[14]共现网络分析图可以明确的识别关键词的类别，有助于更精准定位消费者对京东生鲜物流关注的热点。从京东生鲜物流共现网络分析图中“快递”词汇连接了物流、速度、配送、小哥等词汇，可以看出，该类词汇更多关注物流运输方面的内容，尤其是对于物流时效性较为关注。“新鲜”词汇连接了包装、送货、满意、破损、解冻等词汇，该类词汇对商品新鲜度以及物流包装完整性关注度较高；“服务”词汇连接了客服、态度等词汇，说明该类词汇对物流客服人员服务态度相关内容较为关注；“小哥”词汇连接方便快捷、送货上门、速度等词汇，该类词汇表示消费者对于物流配送的便利性，是否送货上门等相关内容关注度较高。

图3 京东生鲜物流共现网络分析图

3.京东生鲜物流 LDA主题提取

（1）LDA主题模型

LDA主题模型（Latent Dirichlet Allocation）又称为隐含狄利克雷模型，是由David Blei等（2003）在狄利克雷过程的基础上提出的一种概率生成模型，其是一种无监督机器学习的方法，同时也是典型的词袋模型。^[15]LDA主题模型不考虑文档中词语的顺序，主要用于识别文档或者语料中隐含的主题，其模型结构见图1。目前，LDA主题模型被广泛应用于主题获取^[16][17]、主题演化^[18][19]等领域。

图4 LDA主题模型

其中，N为文档集的总长度，即测试集中所有出现的词；p(w)为每一个词在文档集中出现的概率。困惑度数值一般随着潜在主题的增加呈现递减的规律，困惑度数值越小，该主题模型生成能力越强。^[20]本文将京东生鲜物流在线评论数据放入模型中，进行困惑度计算。研究发现，所构成斜率最大的线的两个点分布在主题4和5之间。接着，本文运用LDAvis将这两个点的主题个数进行可视化处理。LDAvis是将LDA主题模型进行可视化处理，以动态、交互式的可视化图谱呈现核心技术主题，通过对图谱中不同名词组块的分布情况，可提炼出文档的核心主题。^[21]本文分别将LDA主题数调至4和5，分别形成如图5的可视化LDAvis图谱。可以发现，如图5右边是主题数为4的可视化LDAvis图谱，四个主题分布较为分散，说明四个主题均具有较强的主题聚类能力，即四个主题均是文档的核心技术主题。图5左边则是主题数为5的可视化LDAvis图谱，其中主题1与主题2的组块有部分重叠，说明两个组块的内容有较高的相似性，即主题个数为5不适合作为核心技术主题。因此，本文则拟选取4个潜在主题作为LDA主题个数。

图5 可视化LDAvis图

本文依据困惑度及LDAvis图谱确定4个京东生鲜物流LDA主题，运用python计算出与主题拟合度较高的词汇形成最终的主题高频词。其中，表2列举每个主题下占比较高的前10个主题高频词。主题一的高频词为“物流”“快递”“速度”“发货”“送货”等与物流时效性相关词语；主题二的高频词为“包装”“质量”“收到”“干净”“外包装”等与物流包裹完整性相关词语；主题三为“方便”“送货上门”“服务”“快捷”“快速”等与物流服务便利性相关词语；主题四为“客服”“服务态度”“小哥”“态度”“处理”等与物流售后响应性相关词语。本文将高频词进行归纳整理，总结出以下主题：

主题一：物流时效性，即客户下单后，商品物流运输并配送给顾客的时间，也包含客户因商品质量等问题需要退换货的物流运输时间等。

主题二：物流包裹完整性，即消费者收到包裹后包装是否完整，是否存在破损漏气情况，货品数量是否准确，外形包装是否同购买时一致等。

主题三：物流服务便利性，即客户收取商品的方式是否便利，如送货员是否送货上门，是否可以按消费者时间安排进行送货，物流网点能否为客户提供便捷服务等。

主题四：物流售后的响应性，即商品发生问题时，物流企业是否能及时并有效的做出回应，包括退换货是否可以满足消费者、售后服务态度是否良好、处理售后问题是否有较高的专业度等。

表2  主题关键词及其权重

（3）物流主题热点演化分析

本文对前文的四个物流主题进行主题热度演化分析，如图6所示。可以看出物流时效性主题是热度最高的主题，该主题的热度值为0.389，说明对于其他主题而言，消费者最为关注的是物流的送达时间。物流服务便利性主题的热度排名第二，热度值为0.357，该主题热度较高，可能是因为随着物流服务水平的不断提升，消费者的需求也随之提高，使之提及的物流服务便利性话题增多，热度增加。物流包裹完整性排名第三，热度值为0.237，说明物流包裹的完好情况也是消费者关注的重点之一。这三大主题均与京东物流政策和资源投入的保障密不可分，在一定程度上提高了这些主题的热度。值得注意的是，物流售后响应性主题的热度并不高，这与最初的想法相违背。究其原因可能存在，其一，物流在线评论数据中凸显物流售后服务态度的数据较少；其二，京东的售后服务政策较好，消费者很少进行售后服务，随之也很少对售后服务态度进行评价。

图6 各主题热度情况

接下来，本文根据物流在线评论的发布时间，计算了各个主题的热度。在2021年到2023年各主题热度变化趋势，如图7所示。物流时效性、物流包裹完整性一直处于较为平稳状态，其中物流时效性主题的热度最高，说明物流时效性在各年都是消费者关注的重点。对于物流包裹完整性主题，因生鲜产品易腐败、变质、不易储存等特性，导致生鲜电商在物流服务过程对包装、时效等环节要求较高^[22]，使其也成为消费者评价的重点。对于物流服务便捷性主题，在2021年到2022年之间迎来小坡峰后又下降，这可能受到了疫情的影响，使得消费者在该时间点多次提及物流服务便利性相关词汇。对于物流售后响应性主题，虽然在2022年有小幅度上升，但依旧处于较低的平稳状态，反映出消费者较少关注售后响应性方面的问题。物流主题热点分析仅说明这四个主题是消费者所关注的，并且可以看出消费者对主题关注的次序。但主题热度分析并不能指出该主题的情感是消极或积极，因此，下文则运用情感分析方法测算各个主题的情感倾向。

图7 各主题热度随时间变化趋势

4.京东生鲜物流主题情感分析

（1）情感分析设计

    当前，对于情感分析方法的研究主要分为两种：基于机器学习的情感分析方法和基于语义词典的情感分析方法。基于语义词典的情感分析方法是先构造情感词词典或列表，借助该字典判断情感的倾向。^[23][24][25]郑淞尹（2022）通过构建方面词词典来研究博物馆数字化服务的用户体验^[26]；基于机器学习的情感分析，其方法通常是利用机器学习的各种分类方法来识别情感。周瑛（2022）利用SnowNLP类库探究京东各类产品的消费者偏好^[27]；庞庆华（2022）运用BiGRU-CNN情感分析模型对负面评论进行研究，发现企业根据负面评论进行改善有助于提高服务质量^[28]；田添星（2022）通过研究证实，对于在线评论进行情感分析有助于协助企业完善服务。^[29]

SnowNLP作为Python中的自然语言处理库，能很好的兼容中文文本^[30]。其通过朴素贝叶斯原理实现情感分析、文本分类等一系列文本操作。目前，SnowNLP库多用于对于商品评论数据进行情感分析。因此，本文则采用SnowNLP作为情感分析模型对不同主题计算情感得分，确定情感倾向。对于SnowNLP库，它的情感得分区间在[0,1]之间，以0.5作为分界，情感得分越接近1，其情感倾向越积极；情感得分越接近0，其情感倾向越消极。^[31]然而，通过研究表明，临界值为0.5的点作为情感分析的分类标准在很多情况下并不是最适宜的。^[32]因此，为了使分词的情感更加清晰，情感倾向更加明确，本研究进行了调整，以0.6作为中性界限，在区间[0.6,1]区间，其情感倾向为积极，在区间[0,0.6)区间，其情感倾向为消极。通过实验表明，该情感阈值划分有利于提高模型的应用准确率，并且可以有效的挖掘京东生鲜物流各个主题的情感倾向。

（2）主题的情感倾向

通过运用Python中的SnowNLP自然语言处理库对京东生鲜物流进行情感得分计算，得出京东生鲜物流情感得分为0.608，其略微大于0.6，由此可以看出，消费者对京东生鲜物流提供的服务质量整体处于比较满意的情感态度。接下来，本文对各个主题情感得分进行计算，由表3主题的情感得分可以看出，半数主题情感得分均低于整体情感得分，说明四个主题都是直接影响消费者体验感的重要因素。其中，物流时效性的情感得分较高，说明有多数消费者较为认同目前物流时效。然而情感得分最低的是物流包裹完整性，说明消费者对于包裹整体并不满意，存在收到后包装破损、商品漏气、外包装与发货前不符以及发货数量不准确等问题，导致了消费者对该主题持有消极态度。

表3  物流主题情感得分及情感倾向

接着，本文将时间因素纳入主题情感分析考量中，目的旨在考查不同时期，消费者对生鲜电商物流服务质量的情感态度是否存在差异。因此，针对不同年份的四个主题的情感倾向及情感得分进行测度，如表4所示。（1）随着时间的推移，2022年整体的情感得分为0.610，相较于2021年有稳步提升。（2）对于物流时效性主题而言，2021年与2022年情感倾向均是积极态度，并且情感得分也稍有提高，这得益于京东物流的“仓配一体化”的冷链配送体系。生鲜供货商先将生鲜产品存入京东生鲜仓库，再由京东生鲜仓库将生鲜运送到各个地区的分拣中心，从分拣中心将商品放入固定的京东配送站或自提点，最终以专业的配送员按距离将商品送到消费者手中。京东物流在分拣中心到消费者这个物流配送过程中，采用的“211限时达”“最后一公里”“极速达”“夜间配”等配送业务，使得物流配送服务为消费者带来了优质的消费体验。^[34][34]相较于其他物流配送企业，京东物流采用的冷链物流体系可以通过大数据、物联网、人工智能等关键技术来提高入库、配送效率，对配送时效性会更加严苛，保障生鲜产品的新鲜度。（3）与物流时效性主题情感趋势相同的是物流售后响应性主题，其可以在两年内都持有积极的情感倾向，主要得益于京东物流售后采用7*24小时不间断的服务，以优质的服务来获取消费者的满足感。（4）对于物流包裹完整性主题，虽然情感得分有一些稳步增长，但总体依然是消极的情感倾向，说明在包裹完整性方面仍然存在较大改进的空间。这可能是因为，其一，人为因素。快递包裹在装卸搬运作业中暴力操作，存在暴力分拣、装车，包裹随意摆放、踩踏、脚踢等情况，导致包裹变形破裂。其二，包装因素。可能存在货物出库后未按照要求进行包装，导致生鲜产品漏液漏气。例如，未进行单独包装，在封箱口出未封严实等。其三，运输环境因素。运输过程中会受到路面状况，天气状况等影响，若天气过热时，货车货舱内会相对过热，导致生鲜产品冰袋无作用，从而导致生鲜产品腐败。（5）对于物流服务便利性主题则有所不同，在2021年其情感得分小于0.6持有消极态度，而2022年总体却持有积极态度。究其原因，可能是新冠疫情有所好转，逐步恢复了物流上门服务。其次，京东物流在疫情期间，因订单量急剧增加，其调度全国的快递员前往支援，使得京东物流依旧保持较高的物流上门服务率，为客户提供便捷服务。

然而，即使在物流时效性、物流售后响应性方面消费者的态度是积极的，但仍有部分消费者对其有不满评论，例如“物流太慢，导致里面好多绵了”、“售后服务态度差。不是钱的事主要是给添堵。”等。在物流包裹完整性方面，消费者指出包裹气密性差，收到包裹存在破损，漏气导致商品腐败变质等问题。如评论“果冻橙味道本身不错，但收到货的时候，外包装破损非常非常严重，箱子都烂了”、“包装破损严重，保温箱子底部损坏严重，全部用胶带纸缠绕，冰袋不起作用，致使产品全部解冻”。消费者对于物流服务便利性主题，主要的负面反馈在于不按约定时间送货、没有上门服务等问题，其中，部分网友评论“不按预计时间送货，晚上送来，没通知到位。没注意，已经全部解冻”、“京东自营店买的为的就是送货上门，居然不送货上门，差评”等。对于这些物流评论实例分析与总结，可以发现物流服务质量存在的问题，进而提出改进措施。

表4 2021-2022年不同主题情感得分及情感倾向

五、结论与建议

随着数字化时代的到来，人们的消费习惯也趋于在线化，物流服务的重要性日益凸显。^[35]明确生鲜物流服务质量问题，进而提供合理的对策建议，有助于提高物流业服务水平、提升物流服务质量，促进双循环新发展格局^[36]。本文以京东生鲜为例，统计并分析了京东生鲜五大品类两年内的消费者在线评论数据，通过LDA主题模型划分了四个物流服务主题，即物流时效性，物流包裹完整性、物流服务便利性和物流售后响应性，并对其进行情感分析，得出了最终物流服务质量存在的问题。本文得到了以下两个结论：第一，对于整体的生鲜物流服务质量而言，其持有积极的情感倾向，说明消费者对于生鲜物流整体服务质量是较为满意的。在物流时效性方面，消费者较为满意，产生了积极的情感态度，但仍有部分消费者反馈物流过慢，配送后变质等问题。究其原因，可能是“211时速达”、“夜间配”等业务并未普及到所有地区，引发部分地区无法按时配送的情况；对于物流服务便利性主题，该主题评分较低，存在未按约定时间送货、信息不对称、不送货上门等问题。第二，随着时间变化，消费者对生鲜电商物流服务质量的情感态度也在发生变化。本文对不同年份下的主题分别进行情感倾向和情感得分的研究。研究发现，对于物流时效性及物流售后响应性主题，其情感倾向都为积极的态度，说明京东采用专业的物流售后团队，以快速的处理问题的能力使得消费者对售后服务较为满意。值得注意的是，物流服务便利性在前后两年情感倾向存在不一致的情感态度，由消极转为积极的情感态度。究其原因，可能是京东在2022年疫情期间采取的物流战略得到消费者的认可。基于以上结论，本文提出以下建议。

1.完善冷链物流服务网络，保证生鲜产品质量

应不断完善各个地区冷链物流服务网络建设。京东物流主要依托七大物流仓储中心，再由七大仓储中心运送到各地区配送网点。在整个配送过程中则会存在生鲜品类变质，破损等情况发生。因此，应不断完善冷链物流服务网络建设，开辟更多物流网络线路以满足生鲜运输的需要。其次，因生鲜品类对温度、品相要求颇高，应尽可能增加生鲜专送物流车辆来保证生鲜品类的质量，并在运输过程中确保设备的稳定性，以免出现因设备问题影响生鲜产品质量。

2.设立实时监控系统，保证物流服务链透明化

应设立监测系统并在包装贴有生鲜标识。因生鲜商品的特殊性，其包装损坏可能会导致腐败变质。但是在整个物流服务链中，可能存在源头厂商包装时，气密性，包裹完整性就无法得以保证。因此，应设立监测系统来保证生鲜包裹在整个物流链的完整性。由源头厂商对生鲜商品进行预冷，分装，包装等一系列标准化处理后由物流公司取到包裹并贴上生鲜产品标识，该过程应由生鲜电商进行实时录像监控以及定期抽检。其次，在仓储中心收到货品后，再配送到各个网点的过程也应纳入实时监控系统中，仓储中心、网点收到货品后应给予拍照上传到监控平台，做到整个物流服务链透明化，防止消费者收到生鲜包裹后存在包裹破损等现象。

3.建立信息共享机制，确保商品信息及时推送

应尽快建立互联互通的信息共享机制。信息共享有助于提高消费者对物流的信任，是促进物流服务质量提升的关键因素。在配送环节中，存在商品放到驿站、家门口没有及时提醒消费者，导致生鲜食品腐败等信息不对称的问题。应建立信息共享平台，实时监控配送员是否完成配送服务并报送平台。快递员应将商品放到指定地点后进行拍照并自动上传到京东物流微信小程序中，由微信小程序进行自动推送告知消费者配送完成情况，以便消费者能及时领取生鲜快递。

4.完善用户反馈机制，提高消费者购物体验

应继续不断完善用户反馈机制。对于有退换货需求的消费者，售后人员应充分了解消费者退换货原因，并将其原因上报，不断完善物流服务系统。其次，应提高退换货流程的便利性，减少繁琐的手续以及等待时间，加强客服的服务水平，监控客服的服务态度。将客服的会话予以保存并定时抽检，保证客服的服务质量，对不达标的客服予以淘汰。以便售后服务人员可以以优质的服务来提升消费者的购物体验，营造健康、满意的生鲜电商物流发展环境。

参考文献：

[1]Miao Y.Model for evaluating the E-commerce logistics service quality with hesitant fuzzy uncertain linguistic information[J].Journal of Intelligent&Fuzzy Systems,2017,32(6):4023-4029.

[2]石国强,王勇,夏德建,赵燕飞.考虑物流服务的情况下在线零售商运营模式选择研究[J].管理学报,2021,18(2):270-278.

[3]山红梅,周宇,石京.基于云模型的快递业物流服务质量评估[J].统计与决策,2018,34(12):39-42.

[4]易舒心.跨境电商物流服务质量对顾客重复购买意向影响实证研究[J].商业经济研究,2020(17):85-88.

[5]翟小可,吴祈宗.基于AHP-模糊综合评价的农村电商物流服务质量评价研究[J].数学的实践与认识,2019,49(5):121-127.

[6]李卉,李航敏.基于AHP-FCE模型的末端物流服务质量评价[J].商业经济研究,2022(20):110-113.

[7]傅志妍,刘柯良,黄勇,陈坚.基于CCSI的物流配送服务顾客满意度测评模型[J].重庆交通大学学报(自然科学版),2021,40(10):146-153.

[8]王洪伟,宋媛,杜战其,郑丽娟,华瑾,张艺伟.基于在线评论情感分析的快递服务质量评价[J].北京工业大学学报,2017,43(3):402-412.

[9]张夏恒,肖林.基于消费者在线评论数据的快递物流服务质量评价研究[J/OL].重庆工商大学学报(社会科学版):1-19[2023-03-22].

[10]周欢,秦天琦.基于在线评论情感分析与LDA的物流服务质量影响因素研究[J].重庆工商大学学报(社会科学版),2021,38(6):27-38.

[11]时静华,陈 岩.生鲜电商平台“每日优鲜”消费者满意度的影响因素研究[J].中国林业经济,2020(2):54-56+64.

[12]李文,宋慧琪,潘雅翔,罗卿卿,马永强.O2O模式下生鲜农产品消费者满意度测评与提升实证分析[J].中国农业资源与区划,2020,41(1):129-137.

[13]谢林杉,韩曙光.线上消费者生鲜产品末端配送满意度影响因素研究[J].浙江理工大学学报(社会科学版),2016,36(6):537-541.

[14]徐红,张斯婷,李凌方.基于LDA模型与共词分析法的农村阅读推广主题发现与热点分析[J].情报科学,2022,40(10):67-73.

[15]Blei D M, Ng A Y, Jordan M I. Latent Dirichlet allocation[J].Journal of Machine Learning Research,2003(3):993-1022.

[16]叶艳,吴鹏,周 知,黄 炜,张莉曼.基于LDA-BiLSTM模型的在线医疗服务质量识别研究[J].情报理论与实践,2022,45(8):178-183+168.

[17]林伟振,刘洪伟,陈燕君,温展明,易闽琦.基于在线评论的顾客满意度研究——以健康监测穿戴产品为例[J/OL].数据分析与知识发现:1-15[2023-03-22].

[18]曹树金,岳文玉.突发公共卫生事件微博舆情主题挖掘与演化分析[J].信息资源管理学报,2020,10(6):28-37.

[19]黄勃,陈欢,方志军,王明胜,刘文竹.基于微博的COVID-19热点话题分析[J].武汉大学学报(理学版),2020,66(5):425-432.

[20]Du YJ,Yi YT,Li XY,etal.Extracting and tracking hot topics of micro-blogs based on improved latent dirichlet allocation[J].Engineering Applications of Artificial Intelligence,2020,87(1):1-13.

[21]刘自强,许海云,岳丽欣,方 曙.基于Chunk-LDAvis的核心技术主题识别方法研究[J].图书情报工作,2019,63(9):73-84.

[22]易祎晨,史言信.疫情常态化下生鲜电商物流服务质量提升研究[J].江西财经大学学报,2022(1):65-75.

[23]Lucini Filipe R,Tonetto Leandro M,Fogliatto Flavio S,Anzanello Michel J.Text mining approach to explore dimensions of airline customer satisfaction using online customer reviews[J].Journal of Air Transport Management,2022,93(c):10.

[24]赵文宇,徐 健.不同网络平台用户情感表达特征对比分析[J].情报理论与实践,2020,43(1):163-168+149.

[25]Nie R-X,Tian X-P,Wang J-Q,et al.Hotel selection driven by online textual reviews:Applying a semantic partitioned sentiment dictionary and evidence theory[J].Internati-onal Journal of Hospitality Management,2020,88:102495

[26]郑淞尹,王 萍,丁 恒,谈国新.基于方面级情感分析的博物馆数字化服务用户体验研究[J].情报科学,2022,40(04):171-178.

[27]周瑛,张晓宇,虞小芳.基于产品评论挖掘的消费者偏好分析[J].情报科学,2022,40(01):58-65.

[28]庞庆华,董显蔚,周 斌,付 眸.基于情感分析与TextRank的负面在线评论关键词抽取[J].情报科学,2022,40(5):111-117.

[29]田添星.评论情感分析增强的深度推荐模型[J].计算机应用与软件,2022,39(8):258-264.

[30]王胜源,何江林.电商直播消费者购买满意度研究——基于弹幕文本分析和计量模型的证据[J].情报探索,2022(8):18-26.

[31]陈玉婵,刘威.基于情感分析的学生评教文本观点抽取与聚类[J].计算机应用,2020,40(S1):113-117.

[32]任勉,甘刚.基于双向LSTM模型的文本情感分类[J].计算机工程与设计,2018,39(7):2064-2068.

[33]田雪莹.京东物流配送模式优劣势及对策分析[J].管理现代化,2017,37(6):92-96.

[34]都继萌,王艳丽,高 磊.基于“最后一公里”的B2C电商物流管理模式探讨——以京东商城为例[J].商业经济研究,2016(20):95-97.

[35]王慧颖,许哲毓.生态系统视角下第四方物流平台商业模式创新框架研究——以传化物流为例[J].科技促进发展,2020,16(12):1612-1621.

[36]王卉.合作关系、物流服务水平与电商企业供应链整合关系探讨[J].商业经济研究,2022(15):92-96.