作者：田忆孝（中南民族大学，20级商务大数据分析与应用实验班）
摘 要
近年来，随着移动短视频的快速兴起和人们对美好生活需要的追求，探店类美食抖音号迅猛发展。为了促进实现商家、主播、消费者的多赢，本项目将从消费者角度出发，以抖音“探店”视频为分析对象，选取代表性较强的视频，对其评论文本数据进行词云分析、NLP情感分析以及LDA主题模型建立，旨在分析消费者对“探店”视频的关注重点，从而为商家、博主提出针对性建议，实现三方共赢。
关键词：网红探店；情感分析；主题分析
1.研究概述
1.1研究背景
最早的探店形式在纸质媒体和电视媒体的时代就已经存在了。早期香港的电视台经常会拍摄一些美食探店节目，走进一家美食店吃吃喝喝、点评一番。后来，随着视频平台的发展和普及，越来越多的用户倾向于通过视频来获取信息和娱乐，探店类内容逐渐在微信公众号、抖音、小红书等平台上出现。在互联网短视频时代，探店类内容迎来了井喷式的发展。在众多的平台中，探店类内容在抖音平台上发展势头最强、最为蓬勃。[1]但是，“网络探店”的快速发展也犹如硬币的两面，既有积极的一面，也有消极的一面。由于探店行业缺乏规范，人员素质良莠不齐，导致乱象丛生，流量催生同质化、虚假宣传，催生出一系列灰色产业链，游走在犯罪的边缘。
1.2问题提出
探店视频内容的生产门槛极低，一个人、一部手机就能完成拍摄，后期剪辑亦颇简单，遑论各平台都有便捷工具相助，抖音有剪映，快手有快影；但其受众群体极为庞大，用户大多寄希望于博主通过探店辨别优劣，帮助他们去粗取精。低投入与高流量已导致供给端鱼龙混杂泥沙俱下，探店的含义逐渐从寻找好店变成了收钱推广。现在看，如何在收获流量的同时，逐步建立起强大的公信力，进而实现站内生态的健康持续发展、保证消费者权益，已是短视频平台和餐饮行业发展亟待解决的问题。
1.3研究方法
本项目将从消费者角度出发，以抖音“探店”视频为分析对象，选取代表性较强的3位博主，并选取其中5个视频，对其评论文本数据进行词云分析、NLP情感分析以及LDA主题模型建立，旨在分析消费者对“探店”视频的关注重点，从而为商家、博主提出针对性建议，实现三方共赢。
1.4技术路线
技术路线见图1.1。
2.消费者视角下的探店视频关注点分析
2.1 数据采集
本研究选取的5个视频分别来自抖音平台的“密子君”“米雪食记”和“真探唐仁杰”三位视频制作者，将5个视频按照播放量降序排列，其标题依次为“海鲜火锅无限甜品，多的吃不赢了”“全网夸的‘高级自助餐’，我被现场CPU？餐饮业的请看到最后”“广州比较有代表性的一家餐厅——陶陶居总店，老唐带您去探一探”“一期由压缩馍引发的河南随机探店”“以后可不敢随便吃‘馒头’了”，利用视频评论数据为数据集进行处理与分析。
利用python爬虫对5个视频评论数据进行爬取，按照播放量降序排列分别爬取了427、420、426、419、415条评论，共计2107条。
将爬取到的数据以Excel形式保存到本地，便于数据处理，爬取数据详情如下：
2.2 数据清洗
2.2.1 去除特殊符号
通过观察发现爬取的评论数据数据中包含表情与艾特好友等特殊符号，需要对其进行删除。本案例通过Excel工具对评论数据进行特殊词替换，去除表情（[*]）、换行符（\n）、艾特好友（@*），并通过python删除去除特殊符号后所出现的空行。
2.2.2 中文分词
本案例使用jieba库进行分词。jieba库是python中的第三方开源库，可以用于检索文本文档，并精准的进行中文分词。
为了准确地展现文本自身所涵盖与表达的概念意义，本案例通过设置停用词表与特殊词表对文本数据进行清洗，将特殊名词完整保留下来，并将无意义、重复出现或对本研究无价值的语句从文本中剔除。
最后通过jieba对得到的文本数据进行分词处理。最后，对经过清洗的文本数据分别进行词频统计分析、NLP情感分析以及LDA主题模型建立。
2.3 基于词云分析的消费者关注点分析
2.3.1 词频统计
将清理后的评论进行分词处理，得到评论数据中词汇出现的频率，并根据词频由高到低的顺序进行排序，其中米雪食记_自助餐厅视频评论词频排序结果如图6所示。
2.3.2 词云图
词云图是信息可视化的表现之一，是由词汇组成类似云的彩色图形，用于展示大量文本数据。词云对各种文本中出现频率较高的关键词予以视觉上的突出，形成“关键词云层”或“关键词渲染”，从而过滤掉大量的文本信息，使浏览者只要一眼扫过文本就可以领略文本的主旨。
为了更直观的展现词频统计结果，本案例采用词云图的文本可视化技术分别对5个视频进行分析展示，如图2.7~图2.11所示。
由上述词云可视化结果可以看出：
①与视频主题相关：5个吃播视频讨论热度最大的评论都是与视频主要内容相关的词语，如“海鲜火锅”视频中讨论度最高的是“好吃”“海鲜”等内容，“自助餐厅”视频中讨论度最高的是“自助”“油鱼”“菌子”等内容，“陶陶居”视频中讨论度最高的是“广州”“陶陶居”“烧鹅”等内容。
②不同类型吃播视频评论讨论度稍有差别：“烧鸡店”、“南翔馒头店”、“海鲜火锅”吃播视频中，观众讨论集中在店家的食物、味道以及服务等话题；“陶陶居”“自助餐厅”视频中，观众讨论内容不仅有店家的内容，还会关注博主等内容。
从词云图中我们可以初步分析得到，观众的关注点主要集中在博主所探店的食物味道、价格、服务等方面，也有观众还会着重关注到博主的个人魅力等内容。
2.4 基于SnowNLP的消费者情感分析
自然语言处理（natural language processing,NLP）是人工智能领域的一个分支，主要是运用自然语言处理和理解人类的语言，能够快速高效地从不规则、海量的文本中挖掘出有意义的信息并分析情感倾向性。情感分析旨在探究表达者在传达语言信息时所隐含的情绪状态，对其意见或态度进行判断、评估，分析其中蕴含的正面、负面或中性情感。[2]
本案例使用SnowNLP库的情感分析模块进行情感分类。得到的正面情感结果以及负面情感结果有助于分析消费者对探店视频关注点。经过对情感数值sentiment的调试，最后确定了大于等于0.7的为正面情感结果，小于0.3的为负面情感结果，这样得出的结果较为符合我们预期。将正面情感词语与负面情感词语分别降序、升序排列，最终分类结果如图2.12、图2.13所示。
对选取的5个视频筛选出的正面情感词语与负面情感词语各自进行统计分析，并对总体情绪进行统计分析，结果如下：
从情感分类的结果中可以看出，5个视频的正面弹幕数量都是多于负面弹幕数量的。其中“烧鸡店”视频的正面评论词语数量占了近65%，说明该是比较受观众喜爱的；
针对不同视频的正面评论，所表达的内容是不相同的，主要包括：对店家的喜欢和对博主的支持；
①在分析的5个视频中，“自助餐厅”视频出现“宝藏”“良心”“好勇”等主要是对博主的夸赞；
②“烧鸡店”“南翔馒头店”“陶陶居店”“海鲜火锅店”提及较多的正面评论有“朴实”“美食”“喜欢”“好吃”等，主要是对食物和店家进行夸赞；
针对不同视频的负面评论，主要针对对店家的评价；
①在“自助餐厅”视频中出现“上当受骗”“冤大头”“避雷”等许多关于店家负面评价的词语，且在情绪对比图负面情绪占比也是5个视频中最高的，说明该博主所去店铺服务差，存在欺骗消费者行为；结合该视频词云图出现的“服务员”“油鱼”“鳌虾”“牡丹虾”“限量”等高频词可以推断出，对于牡丹虾、鳌虾等贵海鲜出现限量情况，而词云图中最高词频却是“油鱼”等人体难以消耗的食物，可见商家极有可能出现以便宜的油鱼冒充贵海鲜的现象；针对高频词“战士”做进一步分析发现，“战士”指抖音博主“吃不饱三战士”，该视频餐厅曾被“吃不饱三战士”所测评推荐，而在“吃不饱三战士”视频中出现的贵海鲜鳌虾、牡丹虾却没有在“自助餐厅”视频中出现，这也解释了视频下方为什么会出现“上当受骗”等负面情绪词语；
②在“南翔馒头店”视频中出现“坑人”“吃不起”等词语，可以推断出该店存在食物价格过高现象；
③在“海鲜火锅店”“陶陶居店”视频中出现“很脏”“不干不净”“鲍鱼”等词语，说明该店的食品卫生处理存在一定问题；
④“烧鸡店”视频有很多观众提到“耍流氓”等形容博主的词语，而通过情景分析发现用户评论该博主耍流氓并不是传统意义上的“耍流氓”，因而不存在负面情感，导致结果存在偏差；
⑤在所有视频中均出现“店不差”“酱牛肉”等不属于负面情绪范畴的词语，却被归于负面词语，也导致分析结果存在偏差。
2.5 基于LDA主题模型的研究
LDA主题模型是一种利用自然语言和机器学习技术，基于python语言，通过分析非结构化文本数据中的词语信息对一系列文档中的主题进行抽象和聚类，从而实现文本分类的统计模型。
LDA主题模型能够自动将文本语料库编码为一组实质性意义的类别，这些类别称为主题。LDA主题模型能够将若干个文档自动编码分类为一定数理的主题，每个主题下会对应多个特征词语，这极大地减少了人为负担和误差。通过分析这些主题，可以做到对大量文章进行关键信息提取，从而进一步分析其中的联系，具体应用有语义分析、文档分类/聚类、文章摘要、社区挖掘等等。
2.5.1 困惑度与一致性
困惑度指的是在文本分析中，训练出来的模型识别某些文档包含哪些主题具有不确定性。因此数值越低，不确定性就越小，则最后的聚类结果就越好。一致性是另一种主要的最优主题数目选择的模型，它是衡量主题质量最有效的方法，也是估计主题数目的重要技术之一。计算主题数1~15的困惑度和一致性并绘图，见下图2.16，根据困惑度与一致性可以确定最佳主题数为4。
2.5.2 构建LDA主题模型并生成主题分布
基于LDA主题分析结果，我们对所有视频评论进行合并，并将生成的LDA主题分析结果分成四个主题，如图17：
通过LDA主题确立，我们可以分析出消费者用户对于探店视频的主要关注点为四个主题：分别是餐厅食物价格、餐厅食材、餐厅口味以及餐厅服务；
①餐厅食物价格：主题高频词包括“价格”“实惠”等，用户主要关注探店餐厅的价格情况；
②餐厅食材：主题高频词包括“限量”“食材”，用户主要关注探店餐厅的食材用量、食材处理等问题；
③餐厅口味：主题高频词包括“美食”“口味”“味道”，用户主要关注探店餐厅的口味；
④餐厅服务：主题高频词包括“服务员”“服务”，用户主要关注探店餐厅的服务态度。
3.研究结论与发展意义
3.1 研究结论
3.1.1 表里不一，诱骗消费者消费
在资本、商家、媒介技术和网民的共同建构之下，网红打卡文化迅速流行。为了招揽更多顾客，成功打造一家网红店成为许多商家的理想目标，但是由于部分商家操之过急，致使各种消费乱象屡见不鲜。我们通过词云图分析发现部分商家提供的食物中出现以次充好的现象，通过网络虚假宣传诱骗大量客户前来消费，区别对待博主与普通消费者，博主测评食物可能与普通消费者完全不同。
3.1.2 打造品牌形象，吸引客户流量
对青年群体而言，网红打卡消费行为是一种精致生活的体现，在社交平台晒打卡照可以获得他人称赞，帮助自己融入圈层，打造懂生活、讲情调、有品位的个人形象.然而，精致生活的维持离不开一定的经济基础，尚处于学校或刚步入职场的大部分青年生活并不宽裕，在房租水电、车贷房贷等开销支出的压力下，消费者更喜欢追求低消费高质量生活。对于探店餐厅而言，打造餐厅独特的亮点，才能对客户有足够的吸引力。
3.1.3 跟随博主脚步，种草宝藏店铺
博主在视频中分享的身边美食等，是当下很多年轻人向往的生活状态或梦想清单。用户能够在博主的视频中看到自己追求的生活，获得短暂的心理满足，这也是短视频博主吸引用户的重要原因。用户在抖音平台观看探店视频最关注的是真实，营造良好的博主形象，获得粉丝信任。
3.1.4 探店乱象丛生，滋生灰色地带
正处于“红利期”的探店经济，也催生了“云探店”等灰色产业链——博主只需拼接、剪辑现有素材，不到店即可上架商家餐饮团购链接，销售后实现分佣；由于探店行业缺乏规范，人员素质良莠不齐，流量和利润驱动下，以“好处”换“好评”，反之则“不好吃”“不推荐”；博主在探店某商家时，仅因为个人原因得罪博主，存在黑心恶评现象；如此略带“绑架”意味的探店行为已屡见不鲜。
3.2 发展建议
3.2.1 关注商品质量及品质，打造消费者口碑基石
在如今的消费市场中，越来越多的消费者认为质量和口味是选择消费的重要因素。以餐厅为例，这种转变引发的结果是，许多跟随网红“探店”消费的消费者都在首先关注食物本身口感和味道。因此，餐厅在提供美食的同时，应该注重食物的质量、口味、新鲜度，为消费者提供持久的印象。
3.2.2 注重服务细节和态度，促进消费者沉浸体验
如何提高顾客的满意度？除了食品质量外，体验服务是另一个重要的做法。在提供服务时，餐厅应该注重服务过程中细节和态度，提供优质的服务体验。网红“探店”的过程应注意消费者体验，通过真实视频让消费者感知服务态度，若消费者表达不满，餐厅也应该认真对待此问题并改进服务。
3.2.3 网络效应传播虽强大，网红“探店”诚信亦勿缺
探店网红是一个被广大群体关注的网络圈子，具有强大的推广能力。相关店铺借助市场中这种探店的强大力量，通过与探店网红配合，在宣传和热度上能获得更多的关注度。但是诚信才是长久之道，百年店铺所需。因此，网红真实反映“探店”结果不仅是对消费者负责，更是为店铺的可持续发展助力。
3.2.3 忠于消费者需求口碑，缔造长久的发展之道
基于网红“探店”的热潮，店铺应该热衷于了解解消费者的需求和口碑反馈。通过社交媒体和口碑网站，收集消费者反馈，并根据反馈结果进行适度的改进或修正。正向评价能够引导更多的消费者，而负面评价则会对餐厅的口碑产生不利影响，因此店铺应该积极把它作为一种动力，提升自身口碑质量，为长久发展打下基础。
参考文献：
[1] 青晓彤.抖音探店类短视频走红原因及发展分析[J].新媒体研究,2022,8(08):82-85+97.DOI:10.16604/j.cnki.issn2096-0360.2022.08.006.
[2] 王雨婷.美食探店类短视频对东北地域形象塑造的影响分析[J].吉林省教育学院学报,2022,38(09):178-182.DOI:10.16083/j.cnki.1671-1580.2022.09.042.
注：本项目为2022-23-2学期《商务智能》结课报告。
引用格式：田忆孝，网红达人探店如何实现多赢—基于消费者角度出发，公众号《用数说》，2023.04
更多请阅读
- 大数据挖掘与智能技术
- 商务智能课程教学实践及创新
- 拼图项目式教学设计及其在商务智能课程中的实践
- 能动性学习教学方法探索与实践--《商务智能》授课记录与总结（2020）
- 大数据时代的数据驱动与理论驱动结合的研究生《商务智能》结课作业的相关资料
- 遵循OBE工程教育理念的教学实践与思考-以《最新数据库管理系统》课程为例
- 《商务智能》课程学生作业
- 《商务智能》教师教学日记
- 《商务智能》教师教学总结
- 中南民大21-22-2学期《商务智能》教学总结
荐书（本课程的教材）
《大数据分析与挖掘实用案例教程》正式出版
《商务智能》获批湖北省一流课程
《大数据分析与挖掘》课程上线
（https://www.xueyinonline.com/detail/225725832）