,消费需求,餐饮

约有 1 项与该关键词相关
2015年餐饮消费需求大数据研究方法

一、取和分析  本次研究的方法论是智能语义分析处理方法,简单来说,就是通过信息分类、聚类和情感判断来实现对语义的分析。  具体分析方法:爬虫技术-信息归类算法-情感判断算法  1、爬虫技术:  由于我们需要快速地把大众点评网上聚集着的大量评论抓取下来,因此,会采用网络爬虫技术来实现快速抓取。网络爬虫技术是一个自动下载网页的程序,它根据既定的抓取目标,有选择的访问网页与相关的链接,获取所需要的信息。  2、信息归类算法:  对于所抓取的信息,我们需要对其进一步梳理:因为原始评论一般都比较长且复杂,需要根据语义,对原始评论语句进行分类整理。信息归类算法是通过确定好的分析结构框架,对原始评论进行切分,再对切分好的语义单元进行归类。  3、情感判断算法:  对归类好的语句,我们还需要了解到其语义是正或负面,也因此,需要使用情感判断算法对具体语义单元进行判别。  情感判断(正面负面意见划分):是NRP学科里的一个领域。情感判断目的是判断一篇文章或一段话是正面或负面,此算法以统计学为主,结合数学、计算机、语言学和人工智能等领域的知识,通过对足够量(一般在几千万条)语句的学习,建立一个情感判断机制。  建立判断机制后,只要输入新特征(新的句子),此机制即可进行自行判断,把此句子进行切分,切分成为几个语句单元,与之前学习好的样本进行匹配:此机制会将语句单元变成一千万维的向量,与之前学习过的语句特征向量进行匹配。然后输出针对此句子匹配后的正负概率值,通过这个值的判断,就可以分出正面评价和负面评价。  备注:  1. 本次研究所抓取的数据源皆是从大众点评平台公开呈现的消费者原始评论,对于点评网根据内部算法所得出的结构化数据(如口味、服务、环境)的评分未抓取。  2. 本次研究所有的技术处理方式和分析模型的解释权均为零点餐e通所有  口味:菜品味道、 味道整体评价(XX菜品好吃)、 材料质量(新鲜的)、 感(清爽、嫩滑)、 浓淡度:入味程度(入味、不入味)、 清淡程度(重口味、清淡)、 味道感知程度(过辣、过甜)、 口味种类感知、 (酸甜、 酸辣、 甜、 辣、 香)、口味特性:口味正宗性、口味多样性(多样的、可选择多的)、口味特有性(创新的、奇怪的)、口味适合度(不适应的)、口味一致性(一直如此的)  服务:及时性(人手充足、响应速度)、主动性(贴心服务、招呼、加水)、专业性(推荐、准确性(不会记错单、上错菜)、店内其他服务行为(提供发票、捞鱼)  服务态度:热情度(表情、介绍)、礼貌度(脸色好看)、耐心度(没有不耐烦)  环境 :空间布置(大小、合理性)、硬件(餐具、桌椅、空调、WiFi)、干净度:装修(好看、时尚、有情调)、氛围:热闹度(安静、热闹)、情调感知度、舒适度、气味感知度  地理位置 :易接触性、显眼程度、偏僻程度、交通便利性:赠送(现金券、菜品)、打折、优惠、第三方活动:团购  上菜速度:速度感知、催促行为  等位:等待时长、等待频率、等待人数  性价比:价格感知:具体价格感知(菜品、客单价)、价格一致性:价格竞争性(与其他品牌相比)合理性:价值感知、分量感知、相对价值感知(与其他品牌相比)  行业整体:本报告所提及的“行业整体”均指本次研究所涉及品类(中式正餐、中式快餐、西式简餐和烤鱼)的总体情况,不能推及“整个餐饮行业”。  差评率计算公式:某维度的差评率=某维度差评评论人数/总评论人数* ;  差评率具体含义:差评率表示在某维度中,提出差评的人数比例是多少,反映出这个维度的总体表现情况。