一：在线客户评论的衍生属性
在线客户评论（OCR）对客户购买意愿的影响最近在学术界和商界都受到了广泛关注。现如今技术已经完全允许在线自由发布关于任何产品或服务的评论和意见，这种类型的客户评估会对客户的购买决策产生重大影响。然而，以前的研究主要集中在OCR的虚拟属性（如体积和价格）对消费者意图的影响，而对于理解衍生属性的影响却受到了有限的关注。Felbermayr A. amp; Nanopoulos A率先研究OCR的感知衍生属性对客户信任和意图的影响。这项研究开发了一个 - 感知派生属性（PDA） - 模型，是基于计划行为理论（TPB）中的感知控制与技术接受模型（TAM）的融合，以研究OCR对客户购买意愿的影响。其研究共收到489份来自amazon.com用户的调查回复。该研究的结果表明，客户对电子供应商的信任以及他们在线购物的意图受到感知有用性，感知易用性和感知享受OCR的显着影响。此外，源自OCR的控制感显著影响客户意图并显著影响客户对电子供应商的信任，特别是对于在购买之前经常检查OCR的客户。显然，OCR的这些属性与购物环境的发展有关，因此可能影响销售
二：在线客户评论的情感特征
在线客户评论经常表达感情，这可以使营销人员分析在线评论的文本内容，目的是了解情绪的作用以及它们如何影响其他客户。在Elwalda A. amp; Luuml; K. amp; Ali M的研究中，提出了一种从在线评论中提取情感内容的方法，以便衡量不同产品类别中各种情感维度的重要性。该方法使用情感词典来提取情感词，同时它还建立了一个分类模型，以基于评论的质量来衡量情感维度的重要性。评估质量是根据在线客户评论的有用性来衡量的，这些评论由其他客户通过其有用性评级来感知和评估。这种方法允许识别表征定性评论的情绪维度。该研究中的实证评估表明，信任，快乐和预期是最具决定性的情绪维度，尽管也可以检测到产品类别之间的实质差异。此外，该文章还比较了两种截然不同的情感词典。一个词汇由人群资助，包含大量词汇，而另一个词汇则更集中，更小，因为它是由专家创造的。实验的实证研究结果表明，人群资助的解决方案在分类精度方面优于其较小的对应解决方案。这项研究的主要含义是，它为营销人员用于分析在线评论的广泛现有工具添加了情感视角。该文章的贡献是：i）第一个分析情绪在在线客户评论中的角色的人; ii）展示如何在没有外部帮助的情况下开发此类大数据模型; iii）展示如何解释所创建模型的结果; iv）在创建模型时显示哪个字典更喜欢
涉及到具体操作，郭锐基于LDA主题模型进行电商客户评论情感分析，文章从文本挖掘的具体流程出发，其研究首先通过python采集京东商城手环类产品评论文本预料数据，得到将近20万条用户评文本。然后对文本预料进行数据预处理。在特征选取部分，主要去要TF-IDF值作为特征选择的方式，计算每个词的TF-IDF值，将其和设定的阀值进行比较，低于阀值得过滤掉，最后剩下的作为特征项，得到的特征项所对应的权重值就是其TF-IDF值。到语义分析阶段，主要是将用户评论种出现频率最多的词语找出来，然后分析这些词语的含义以及关系，从而得出消费者对此产品的态度与情感。LDA主题模型分析，主要是使用了python中的Gensim包，把评论中的词语分为词包，然后分配生成词典，建立语料库，把文本转化为稀疏向量，指定主题数量，进行LDA模型的学习和训练，最终形成多个正负主题，最终能够得出商品的好评到底好在哪些地方，而商品的差评又到底差在哪些地方。对于营销人员而言，这些结果可以作为平台上客户体验管理改进及客户评论激励措施的重要参考。
而李实，叶强等为探究中文客户评论中产品特征以及情感特征的挖掘，以帮助生产商和服务商改进产品，改善服务，提高竞争力，提出基于Apriori算法的非监督型产品特征挖掘算法，结合监督型情感分析技术，实现了对于评论中产品特征及相关情感特征的信息挖掘。实证研究方面，该文章采用几种从互联网上下载的真实产品语料，对该方法进行了数据实验，实验结果初步验证了此方法的有效性。
三：能够传播体验的客户评论发表意愿的影响因素
许焜,卢慧敏以新兴的电子商务购物模式为问题背景，从浏览评论的潜在客户的视角，在对现有研究的基础上，结合消费者在线评论的特点，提出了影响潜在客户对企业反馈评论的感知可信度的模型。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
