python爬小红书_基于文本分析和SEM模型的小红书用户粘性研究

基于文本分析和

SEM

模型的小红书用户粘性研究

文／曹增栋

罗迪维

杨炳新

王心贝

【摘

要】

摘要：本文利用

Python

软件爬取小红书用户评论的

27900

条数据，

通过

jieba

分词提取评论文本的高频特征词，并利用机器学习方法

LDA

主题建

模将高频词划分为

8

个主类目。然后构建结构方程模型研究小红书用户粘性形

成的动态机制。研究发现，

UGC

社区信息质量、动态性和平台运营通过功能体

验、满意和持续使用意愿的中介效应提高用户粘性。使用习惯、流体验、社交

体验都显著正向促进持续使用意愿，从而形成用户粘性。

【期刊名称】

《电子商务》

【年

(

卷

),

期】

2019(000)010

【总页数】

2

【关键词】

小红书；用户粘性；文本分析法；

LDA

主题建模；结构方程模型

【

文

献

来

源

】

https://www.zhangqiaokeyan.com/academic-journal-cn_e-business-

journal_thesis/0201274400498.html

引言

新兴信息技术的发展与互联网经济的繁荣推动了消费结构从生存型消费向享受

型、发展型消费转变，消费者不再处于价值创造的过程之外，而是通过在线参

与和内容生成成为平台的重要创新资源。各大电商平台也正在逐渐脱离传统电

商模式，向业态场景化、智能化和去中心化转变。顺应这一趋势，小红书以

“社区

+

内容

+

电商”新模式扩宽了电商增长渠道，使社会化营销成为企业推广

的前沿阵地。本文旨在研究小红书用户粘性的影响因素及影响机制，以期对跨

境电商发展运营虚拟社区提供一些思考。