第三章 研究方法
3.3 不一致性改善
其中，由於該評論並沒有偵測到針對 Resolution、Compression、及 GPS 等三個 面相的句子，故該評論對於這三個面相的值皆為“無(none)”。
我們首先以本研究所提出的 IIF(Inconsistent Identification)程式確認何則 評論需要填值，再決定填入面相之優先順序，最後藉由群組眾數(Group Majority) 法決定所填之值，並填入該值以改善不一致性。
3.3.1 填值偵測
填值偵測之目的在於判斷各則評論是否需要進行填值。而判斷的依據，在於 評論中的面相意見與評論總分是否不一致、以及具有意見的面相個數是否滿足至 少考量數目(Minimal Decision Number)。
在本研究中，我們依據 Amazon 的星等系統及 0 的情緒偵測技術分別取得一 則評論對於整體產品及各面相 1 分到 5 分的評分。我們設定，1~2 分為負面評價、
3 分為中立評價，4~5 分為正面評價。則，我們定義當一則評論的評價滿足下列 條件時，評論的面相評分足以支持產品總分：
1. 當整體產品的評價為正面時，至少需有一個面相的評價為正面。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
42
2. 當整體產品的評價為中立時，所有具有評價的面相皆為中立、或至少存在一 個面相的評價為正面及一個面相的評價為負面。
3. 當整體產品的評價為負面時，至少需有一個面相的評價為負面。
當一則評論無法滿足上述三個條件時，我們即判定該評論的面相評價無法支持該 評論對整體產品的評分，即存在有不一致的現象。
Sheena Iyengar(The art of choosing)提到，人在做選擇時，通常具有最 少考量因素。本研究假設，每位消費者進行購買決策時，存在有一個至少考量數 目(Minimal Decision Number) n。消費者至少會考慮 n 個面相，才會決定購買 某產品。亦即，一則評論裡，至少要有n 個面相具有意見。本研究將以情境分析，
透過模擬方式觀察在不同至少考量數目的設定下，消費者的偏好差異。
根據以上描述，本研究定義滿足下列任一情況的評論需要填值。
1. 不一致狀況：各面相的情緒分數無法支持總體分數。
2. 有意見的面相數目低於至少考量數目n (n = 1, 2, …. 10 )。
3.3.2 填入順序
在找出需要填值的評論後，本研究接著決定那些缺值的面相需要優先被填值。
由於消費者在發表評論前，多半已看過先前發表的評論。且過去已有研究指出，
在網路上分享商品評論的人(poster)會因為看過其它人已發表的意見，而影響其 對於商品的評價[Schlosser,2005]。根據 Shrihari and Srinivasan (2012)表 示，獨特性需求(uniqueness needs)對於評論內容具有明顯的影響。當消費者同 意所看過評論中某些面相的主流意見時，為了表現自己的獨特性，消費者在撰寫 評論時，可能省略該面相不提，僅提出與主流意見不同的看法。因此，本研究假
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
43
設，在一篇評論沒有提到的所有面相中，在該評論之前越被廣泛討論，越有可能 會因為評論人的獨特性需求而被省略不提。
根據上述假設，本研究定義填值順序如下：
1. 優先針對在該評論發表前，所有評論中最常被提到的面相進行填值(以頻率計 算)。
2. 若在該評論之前沒有其它評論，或所有該評論沒提到的面相、在之前的評論 也都沒有被提到，則：優先針對在所有評論中，最常被提到的面相進行填值。
3.3.3 填值方式 GM (Group Majority Value)
本研究使用 GM, Group Majority Value 決定所填入之值。本研究首先以整 體產品滿意度(5 分、4 分、3 分、2 分、1 分)將所有評論分為五個群組(Groups)。
表 6 為各世代相機、不同群組所包含的評論數目。正如上一小節所述，評論人 可能因為受到既有評論的影響，而隱藏與主流相同的意見，僅發表獨特意見以滿 足自己的獨特性需求。因此，本研究假設，當評論人對某特定面相存有未表達於 評論上的意見時，該意見最有可能與所在群組對該面相的主流意見相同。根據上 述假設，本研究針對目標面相的填值方法如下：
1. 填入該則評論發表之前的同群組評論中，目標面相評價的眾數
2. 若在該評論之前沒有其它同群組的評論，或所有之前發表的同群組評論在目 標面相上也都沒有發表意見，則：填入該評論之前發表的所有評論中，目標 面相評價的眾數。
3. 若在該評論之前沒有其它評論，或所有之前發表的評論在目標面相上也都沒 有發表意見，則：填入所有評論中，目標面相評價的眾數。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
44
若一則評論在經過填值後，依然存在有不一致的現象，或存在評價值的面相個數 依然低於至少考量數目n，則重覆 3.3.2 及 3.3.3 的步驟，直到上述需填值的狀 況被排除。
表 6 各族群各世代之評論數目
5 分 4 分 3 分 2 分 1 分 Sx210 178 90 41 32 24 Sx230 226 109 41 35 29 Sx260 416 119 51 18 26
3.4 重要面相彙整
取得改善不一致性之完整資料後，我們使用本研究所提出之 GPA Matrix (Group- Product Aspects Matrix) 輔以迴歸與決策樹分析，找到重要面相。最 後 彙 整 三 個 世 代 之 重 要 面 相 ， 以 本 研 究 所 提 出 之 MPA Matrix ( Multi-Generations Product Aspects Matrix) 觀察消費者重視之面相的改變 軌跡。本章節將詳細說明上述本研究在重要面相彙整步驟所使用的分析方法。
3.4.1 GPA Matrix
本研究以 GPA Matrix 整理在不同的整體產品評分下，各產品面相被評價為 正向、負向、以及中立的比例，如表 7 所示。表 7 為一未經過填值的原始資料，
故在表格的最左上角以「Raw」表示。若 GPA Matrix 所分析的為經過填值的資料，
則會依至少考量數目n 的值，以 D1，D2，等符號表示。在表 7 中，橫軸為整體產 品的滿意度(1 分、2 分…5 分)，縱軸分別為各面相之負向(N)、中立(M)、正向 (P)，以及各面相的頻率(Frequency)。表格中一個欄位的值代表在橫軸整體產品
‧
A6 Battery(N)
2(50%) 1(33%) 1(25%) 3(21%) 8(19%)
A6 Battery (M)
1(25%) 2(66%) 2(50%) 1(7%) 7(17%)
A6 Battery (P)
‧
A13 Picture(N)
11(57%) 20(74%) 9(27%) 17(25%) 10(7%)
A13 Picture (M)
0(0%) 2(7%) 6(18%) 4(5%) 6(4%)
A13 Picture (P)
8(42%) 5(18%) 18(54%) 46(68%) 111(87%)
A13 Frequency 19(79%) 27(84%) 33(80%) 67(74%) 127(71%)
3.4.2 迴歸與決策樹分析
除了 GPA Matrix 外，本研究同時使用迴歸與決策樹(Decision Tree)，分析 填值過後之資料。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
47
來整理、分析資料中屬性與類別之間的關係。在本研究中，我們以各面相的評價 為屬性、產品整體評分為類別，訓練決策樹。不同於一般決策樹，由於評論人對 於特定面相不發表意見可能具有特殊意涵。因此在本研究中，每個決策樹的內結 點固定分裂為三個分支。以圖 17 中的內結點為例，該內結點以變焦面相(Zoom) 的評價做為分裂屬性，且以 3.5 分做為分裂點。該結點所分裂出的前兩個分支分 別代表變焦面相的評價為{1、2、3}分，及{4、5}分的評論，而最後一個以虛線 呈現的分支則代表沒有對變焦發表意見的評論。
圖 17 決策樹分支
此外，由表 7 的資料可觀察出，不管是那個世代，整體商品總分的分布都 很不帄均，整體商品評分為 5 分、4 分的評論遠多於 2 分、1 分者。此類別分布 不帄均的情況，將導致決策樹傾向將一則評論分類為高分類別。然而，在實際應 用中，低分的評論卻反而可能是廠商更需要重視的。因此，在本研究中，我們採 用考量分類成本的決策樹(Cost-Sensitive Decision Tree)，並設定越稀有的類 別(即低分評論)被分類錯誤的成本越高，以讓決策樹更傾向分辨低分的評論。
3.4.3 MPA Matrix
本研究以多世代產品面相矩陣 MPA Matrix (Multi-Generations Product Aspects Matrix) 彙整由 GPA Matirx、迴歸分析、決策樹分析後，取得的三個 世代相機之重要面相，填入本研究提出之 MPA Matrix 中。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
48
在表 8MPA Matrix 中，橫軸為正向面相、負向面相、次要負向面相。可檢 視各世代之主要與次要面相。並輔以產品資料，協助分析不同世代產品發展的軌 跡。
表 8 MPA Matrix
MPA 主要正向面相 主要負向面相 次要負向面相 SX210 A3(Zoom),
A13(Picture)
A3(Zoom), A10(Flash)
A5(Brust) A7(Focus)
SX230
A3(Zoom), A5(Brust), A13(Picture)
A6(Battery),
A10(Flash) None
SX260
A3(Zoom), A5(Brust), A13(Picture)
None A10(Flash)
‧
最大解析度 4320x3240 4000x3000 4000x2248動畫解像度
體積 106x59x32mm 106x59x32mm 106x61x32mm
GPS 定位 無 有 有
SX210 於 2010 年 8 月在 Amazon 上市開賣，除了高達 1410 萬的有效像素外，
光學變焦也從上個世代的 12 倍增加到 14 倍，等效焦長為 28mm 至 392mm，也是