為了更準確、更高效的對車型進行評價,幫助企業(yè)了解自身優(yōu)劣勢,因此本文對傳統(tǒng)的調研問卷進行優(yōu)化。首先本文采用正則表達式利用常見的標點符號對近一年來總結的文本數據進行斷句、篩選出包含情感和態(tài)度的語句、對篩選后的語句根據汽車行業(yè)指標進行分詞;然后利用詞性標注方法對句子進行詞性分析,得到句子的詞性結構;其次再利用主成分分析法(PCA)對得到的詞性結構中選擇貢獻度占比率最高的一組,利用此時的詞性結構優(yōu)化當前的問卷方法,從而可以更準確、更高效的對車型進行評價,幫助企業(yè)了解自身優(yōu)劣勢,實現精準營銷。
【部分圖文】：

原問卷以及調整后的問卷

通過文本對問卷的優(yōu)化設計可以更準確、更高效的對車型進行評價，例如在以往的車型調研的問卷中，由于涉及的指標項較多，往往導致問卷超過上千題目，用戶需要作答長達兩個小時。這期間就會造成用戶失去耐心，選擇比較中性的結果快速完成問卷。還有一種情況，用戶對于拿不準的結果往往也會選擇中性的結果進行應對，導致無法達成我們的調研目的，問卷答題卡的結果如下圖5所示，同時會產生大量的無效樣本，無效樣本數量的比例如下圖6所示。為了降低無效樣本對統(tǒng)計結果的影響，往往通過擴大調研樣本量，再剔除無效樣本的方式，保證有足夠的有效樣本用于統(tǒng)計分析。這樣一來大大增加了執(zhí)行的成本，同時也影響調研的質量。

而這些直接的問法都可以從其他用戶平日的汽車點評中提取出來，如下圖7所示。用戶對于外觀常通過好看不好看，耐不耐看作為評價標準，那么相應的“外觀品質設計”可拆解成是不是好看，是不是耐看來進行甄別評價，由此可見優(yōu)化后的問卷既可以使消費者容易理解，又大大減少了無效樣本。
【相似文獻】

相關期刊論文 前6條

1 余淑秀;李雪濤;;基于PCA法的汽車產業(yè)集群效率評價模型研究——以中部地區(qū)為例[J];科協(xié)論壇(下半月);2012年04期

2 王秀麗;;基于PCA的汽車4S店商業(yè)模式創(chuàng)新研究[J];湖北汽車工業(yè)學院學報;2018年03期

3 王沛;陳勁杰;;基于PCA主成分分析和K-means算法的汽車行駛工況數據量化研究[J];軟件工程;2020年03期

4 劉志強;張碩輝;汪澎;;基于PCA與BP神經網絡的制動行為模型[J];重慶理工大學學報(自然科學);2015年01期

5 葉永偉;劉志浩;黃利群;;基于PCA的汽車涂裝線設備信號特征提取[J];儀器儀表學報;2011年10期

6 王絲絲;張敬磊;王曉原;孫一帆;陳慈;馬春杰;;基于PCA與自適應BP算法的侵犯性駕駛行為識別[J];數學的實踐與認識;2018年13期

相關碩士學位論文 前1條

1 劉志浩;基于PCA和SVM的汽車涂裝線機電設備智能診斷[D];浙江工業(yè)大學;2012年

本文編號：2865169