Negative reviews on e-commerce platforms, mainly in the form of texts, are posted by online consumers to express complaints about unsatisfactory experiences, providing a proxy of big data for sellers to consider improvements. However, the exact knowledge that lies beyond the negative reviewing still remains unknown. Aimed at a systemic understanding of how online consumers post negative reviews, using 1, 450, 000 negative reviews from JD.com, the largest B2C platform in China, the behavioral patterns from temporal, perceptional and emotional perspectives are comprehensively explored in the present study. Massive consumers behind these reviews across four sectors in the most recent 10 years are further split into five levels to reveal group discriminations at a fine resolution. Circadian rhythms of negative reviewing after making purchases were found, and the periodic intervals suggest stable habits in online consumption and that consumers tend to negatively review at the same hour of the purchase. Consumers from lower levels express more intensive negative feelings, especially on product pricing and seller attitudes, while those from upper levels demonstrate a stronger momentum of negative emotion. The value of negative reviews from higher-level consumers is thus unexpectedly highlighted because of less emotionalization and less biased narration, while the longer-lasting characteristic of these consumers' negative responses also stresses the need for more attention from sellers. Our results shed light on implementing distinguished proactive strategies in different buyer groups to help mitigate the negative impact due to negative reviews.


翻译:网上消费者对电子商务平台的负面评论,主要是文本形式的负面评论,由在线消费者公布,以表达对不满意经验的不满,为卖方提供大数据的代理,以考虑改进;然而,除了负面审查之外的确切知识仍然不为人所知;旨在系统了解网上消费者如何利用中国最大的B2C平台JD.com的1,450,000次负面评论,从时间、感知和情感角度对时间、感知和情感方面的行为模式进行全面探讨;最近10年来,在四个部门进行这些审查的大规模消费者,又被进一步分为五级,以很好的方式揭示群体歧视;在采购后发现负面审查的节奏,定期显示网上消费有稳定的习惯,消费者往往在购买的同一时间进行负面审查;低级消费者表示更强烈的负面感觉,特别是产品定价和卖方态度,而上层消费者则表现出更强烈的消极情绪势头;因此,更高级别消费者的负面审查的价值被意外地分为五级,因为情绪不那么情绪化和偏向性分析,因此发现有更偏颇的反向性审查的节律节律,同时,我们更需要更明确地分析买方的反性审查,更强烈地减少买方的反面的反面审查。

0
下载
关闭预览

相关内容

LESS 是一个开源的样式语言,受到 Sass 的影响。严格来说,LESS 是一个嵌套的元语言,符合语法规范的 CSS 语句也是符合规范的 Less 代码。
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
lightgbm algorithm case of kaggle(上)
R语言中文社区
8+阅读 · 2018年3月20日
【推荐】自然语言处理(NLP)指南
机器学习研究会
35+阅读 · 2017年11月17日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
【推荐】图像分类必读开创性论文汇总
机器学习研究会
14+阅读 · 2017年8月15日
Arxiv
20+阅读 · 2020年6月8日
Arxiv
15+阅读 · 2018年6月23日
VIP会员
相关资讯
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
lightgbm algorithm case of kaggle(上)
R语言中文社区
8+阅读 · 2018年3月20日
【推荐】自然语言处理(NLP)指南
机器学习研究会
35+阅读 · 2017年11月17日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
【推荐】图像分类必读开创性论文汇总
机器学习研究会
14+阅读 · 2017年8月15日
Top
微信扫码咨询专知VIP会员