非木质林产品作为重要的森林资源，其经济、社会和生态价值是潜在的、巨大的^[1]。可食用类非木质林产品作为其重要组成部分越来越受到人们的关注^[2]，我国可食用非木质林产品占世界总产量的75%^[1]，市场前景广阔。随着“互联网+”模式的发展，坚果、水果、食用菌等可食用非木质林产品也借助互联网突破了传统的销售领域。但电商平台产品竞争激烈，可食用类非木质林产品如何在电商平台获取竞争优势，获得更高的消费者满意度有一定的研究意义。

在线评论是用户基于个人的消费体验在电商平台发布的产品或服务信息，也是消费者做出消费决策之前重要的信息来源，对商家获取消费者的购物体验、提高消费者满意度同样有重要意义。因此，越来越多的消费者满意度研究关注对在线评论的挖掘。为了探究电商平台可食用非木质林产品消费者满意度的影响因素，笔者基于感知价值理论构建消费者满意度影响因素模型，通过对在线评论的挖掘获取模型数据并进行深入分析，为可食用非木质林产品经营企业提出建议。

一.   文献综述

一   可食用非木质林产品研究现状

联合国粮食及农业组织（Food and Agriculture Organization of the United Nations，简称FAO）把非木质林产品定义为：以森林环境为依托的可以更新的产品，并将其划分为可食用产品、非食用动物产品、药用植物产品、纤维产品、植物中的提取物、其他产品共6类^[3]。可食用类非木质林产品作为非木质林产品的重要组成部分，越来越受到人们的关注^[2]。学者对可食用非木质林产品的研究主要从开发利用现状、产业结构和产业发展策略展开^[4-5]。对可食用非木质林产品市场的研究较少，即使有关于产品竞争力和电商营销的相关文献，也是从平台运营和企业行为角度分析^[6]，缺少对产品市场消费者满意度的研究。森林认证是保障可持续森林管理和创造社会经济效益的重要工具^[7],可以为林下经济向市场提供安全绿色的林产品做出保证^[8]，是产品的绿色、生态标签^[9]，有利于打消消费者的购买顾虑^[10]，但关于经过森林认证产品和未经过森林认证产品的消费者满意度的对比研究也比较缺乏。

二   基于在线评论的消费者满意度研究现状

在线评论有多种数据形式，包括评论星级、评论时间、评论反馈、评论文本等^[11]。对在线评论数据的运用也有多种视角，林园园等^[12]利用评论时间和评论文本，分析了消费者在不同时间段对产品的情感态度及其原因；吴维芳等^[13]利用评论星级衡量消费者满意度，探讨影响酒店用户满意度的因素；Gu等^[14]、李子茹^[15]基于在线评论研究了反馈管理对消费者满意度的影响，李子茹^[15]从反馈及时性、反馈速度、反馈篇幅、反馈语气4个方面进行了探讨。虽然在线评论数据有多种形式，但大多数基于在线评论满意度的研究离不开对评论文本的深入挖掘。李杰等^[16]、李玉萍等^[17]采用内容分析法对评论要素进行编码分析，探讨评论要素与满意度之间的关系。周振伟^[18]利用依存句法抽取手机评论中的特征观点对，计算基于属性特征的情感值。从研究方法来看，基于在线评论的满意度研究中内容分析法占比较大，虽然部分研究应用了自然语言处理技术^[19]，但缺少评论要素与整体满意度关系的深入分析。从研究对象来看，基于在线评论满意度的研究多聚焦在酒店、服装、电子产品等领域^[16-19]，少有针对可食用非木质林产品的研究。随着电子商务的快速发展，将在线评论满意度的研究扩展到可食用非木质林产品领域，可以为电商平台产品经营企业提供有效的提高消费者满意度的策略。

二.   研究理论与研究假设、模型

一   研究理论

1   感知价值与消费者满意度

1965年，Cardozo^[20]首次提出消费者满意度的概念，并将其应用到营销领域中。Kotler^[21]认为消费者满意度是消费者的一种主观感受和心理活动，可以反映产品或服务的实际效用与期望效用之间的差距。Zeithaml^[22]指出感知价值是消费者在均衡付出和利得后对产品或服务效用的整体评价。以Zeithaml研究为基础的感知价值理论核心是对利得与利失的权衡，随着研究的发展，权衡的因素也不断增加^[23]。Woodruff^[24]认为感知价值从产品属性开始，按照途径-目标的方式形成期望价值，并强调价值来源的消费情境。在感知价值与消费者满意度两者关系的研究中，有学者指出感知价值决定消费者满意度，且正向影响消费者满意度^[25-26]。Ruyter等^[27]通过实证研究阐述了消费者对酒店服务的感知价值直接影响消费者对酒店服务的满意度。赵文军等^[28]以移动阅读类APP为研究对象，验证了白长虹等^[25]和何建民等^[26]的研究。栾碧雅等^[29]将感知质量和感知价值纳入模型，同样验证了感知价值对消费者满意度的影响。

2   感知价值维度

针对感知价值维度划分的研究有很多，早期很多学者把质量和价格作为测度感知价值的要素^[23]。但仅从这两方面分析是不完整的，其他重要的维度会被忽略。Parasuraman等^[30]认为应从产品质量、服务质量和价格3个方面描述感知价值。李宗伟等^[31]从产品价值、服务价值和社会价值3个维度探讨了网络购物模式下的感知价值。感知价值维度的差异性主要源于研究对象或研究主题的不同，随着相关理论的完善，学者更加注重在不同情景下对感知价值维度的讨论。

综上所述，结合已有研究中关于感知价值维度的讨论，本研究确定可食用非木质林产品感知价值维度时，首先选取功能价值和经济价值两个常见维度。此外，笔者在整理评论文本高频词时，发现消费者除对产品的质量、功效、价格讨论较多外，对产品的品牌和基于网络交易环境的物流、配送以及售后服务也关注较多，同时无污染、纯天然、有机等体现产品绿色属性的词在评论语料中占一定比例。因此本研究最终确定功能价值、品牌价值、程序性价值、经济价值、绿色价值共同构成可食用非木质林产品感知价值五维度模型。变量定义和相关说明见表1。

表  1  模型变量说明

感知价值维度	变量符号	概念	评论文本代表性词语举例
功能价值	U	消费者对产品质量和功能的评价[32-33]	口感、味道、品相、功效
品牌价值	B	消费者对产品品牌的偏好程度[23]	牌子、信誉、良心、品牌
程序性价值	P	消费者在网络环境下对购物过程的体验和评价[34]	物流、配送、客服、售后
经济价值	E	消费者对付出成本的感知[35]	价格、物超所值、划算、折扣
绿色价值	G	消费者对绿色产品安全性和环境友好性的评价[36]	原产地、纯天然、野生、认证

下载: 导出CSV 

| 显示表格

二   研究假设与模型

功能价值体现了产品对消费者的有用性，是消费者对产品质量和功能的评价^[32-33]。可食用非木质林产品的功能价值源自产品的质量和功效，比如蜂蜜有排毒养颜的功效，猴头菇有养胃的功效。当然产品的口味、外观以及新鲜程度等也会影响消费者的消费体验，产品质量好、安全健康、有相应的营养价值会正向影响消费者的满意度。据此，笔者提出假设H1：消费者对可食用非木质林产品功能价值的感知正向显著影响消费者满意度。

品牌价值体现了消费者对品牌的偏好程度^[23]。企业能否吸引并保留有价值的顾客受企业品牌的影响^[37]，因此企业品牌在企业经营中有重要作用。可食用非木质林产品也有很多被消费者熟知的品牌。崔冬冬等^[38]指出品牌声誉有利于提高消费者信赖度，消费者在购买品牌产品时，对产品的态度会更积极。据此，笔者提出假设H2：消费者对可食用非木质林产品品牌价值的感知正向显著影响消费者满意度。

程序性价值是指在网络环境下消费者对购物过程的体验和评价^[34]。可食用非木质林产品的程序性价值是指在电商平台消费者购买产品、商家交付产品、消费者签收产品等一系列过程中，消费者对平台活动、客服、物流、配送、售后等服务的感知，若消费者对相关服务的评价越高则越满意。据此，笔者提出假设H3：消费者对可食用非木质林产品程序性价值的感知正向显著影响消费者满意度。

经济价值来源于消费者对付出成本的感知，当消费者的付出成本大于预期，消费者感知的经济价值就会降低；反之，若消费者感受到较低的付出成本，经济价值就会体现。仇雪等^[35]指出消费者感知到的成本越低，消费者对产品越满意。因此，若消费者对可食用非木质林产品的感知是物美价廉、性价比高，那么他们对产品的满意度也会增加。据此，笔者提出假设H4：消费者对可食用非木质林产品经济价值的感知正向显著影响消费者满意度。

绿色价值是消费者因绿色产品的安全性和对环境的友好性而获得的价值^[36]。杨晓燕等^[36]验证了绿色价值作为感知价值的有效性，张国政等^[39]以农产品为研究对象，也验证了上述结论。可食用非木质林产品源于大自然，特别是来源于森林的产品有绿色、有机、无污染的特性^[10]。据此，笔者提出假设H5：消费者对可食用非木质林产品绿色价值的感知正向显著影响消费者满意度。

对于不同类别的产品, 消费者关注的利益点是有差异的^[40-41]。在营销领域，围绕不同的研究目的, 学者对产品提出了不同的分类标准^[42]。森林认证为林下经济向市场提供安全绿色的林产品作出保证，是产品的绿色、生态标签^[9]。本文以产品是否经过森林认证为依据，将可食用非木质林产品分为经过森林认证的产品和未经过森林认证的产品。针对不同类别的产品，在形成产品体验效用的过程中, 各维度感知价值对于消费者满意度的影响也应不尽相同。因此，笔者提出假设H6：功能价值（H6a）、品牌价值（H6b）、程序性价值（H6c）、经济价值（H6d）和绿色价值（H6e）对经过森林认证产品、未经过森林认证产品的消费者满意度的正向影响存在显著差异。

基于上述研究假设，构建可食用非木质林产品消费者满意度影响因素模型：$ S={\alpha }_{1}U+{\alpha }_{2}B+{\alpha }_{3}P+ {\alpha }_{4}E+ {\alpha }_{5}G+{\alpha }_{0}+\varepsilon $。其中：S为星级评定数据，U、B、P、E和G为消费者对5个产品感知价值维度的情感量化值，α_i(i = 1，2，…，5)为模型回归系数，α₀为常数，ε表示随机误差。

三.   研究方法和研究步骤

一   研究方法

细粒度情感分析多用于产品或服务的特征挖掘，是以短句为单位的情感倾向分析^[43]。对产品属性的抽取和情感分类是细粒度情感分析的主要步骤^[44]。本文突破传统的消费者满意度研究，通过问卷调查收集数据的方式，基于在线评论进行可食用非木质林产品的消费者满意度影响因素研究。利用爬虫软件爬取电商平台目标产品评论；获取产品属性词并将属性词与感知价值匹配；运用细粒度情感分析技术对评论文本进行评价单元的抽取以及情感态度的量化，获得产品感知价值的情感量化值。

二   研究步骤

1   采集数据与预处理

可食用非木质林产品包括坚果、林果及其加工品、蜂产品和食用菌等^[1-2]。在电商平台发展较成熟的细分产品包括木耳、香菇、猴头菇、榛子、松子、苹果、冬枣、蓝莓、蜂蜜等。在爬取数据前为确保产品来源，人工筛选目标品牌，其中部分品牌经过中国森林认证委员会（China Forest Certification Council，简称CFCC）认证，部分未经过森林认证。2020年3月笔者利用爬虫软件在电商平台搜索目标企业和目标产品，爬取从2018年11月至2020年1月的产品评论，共采集到35 375条评论数据，包括用户昵称、会员级别、评论文本、评论星级、点赞数、评论数和商品名称等内容。爬虫软件可对评论数据进行清洗，自动去重，人工去除与产品无关的评论数据、无意义短文本，如“还好”“不错”等缺少评价对象的评论文本，以及重复符号和系统默认好评的评论，最后以商品名称和评论星级为筛选条件得到15 386条有效评论。本研究从有效评论文本中挖掘产品属性情感值，作为模型自变量的数据来源。

2   构建属性词集

属性是我们对事物抽象的描述，是对象性质与关系的总集合，包括内在属性和外在属性。本文基于产品—感知价值—属性词3个层级刻画目标产品的属性特点。属性词来源于对评论语料的挖掘。首先对预处理后的语料进行分词、关键词抽取和同义词扩展，获得初始属性词集；然后加入搜狗细胞词库、THUOCL（THU Open Chinese Lexicon，清华大学开放中文词库）相关领域词集，筛选味觉词集、食品饮料词集、海鲜干货词集中合适的词语，纳入属性词集。最后，人工将属性词与产品感知价值维度匹配，构建产品属性词集Z = A_K，K表示可食用非木质林产品的感知价值维度，每个维度下包含其属性词，即A_K = {A_K1，A_K2，A_K3，…，A_Kn}。表2展示了5个感知维度下可食用非木质林产品的部分产品属性词。

表  2  可食用非木质林产品属性词集

感知价值维度	属性词
功能价值	口感、口味、味道、香味、异味、颜色、色泽、水分、品相、结晶、密度、颗粒、肉质、个头、保质期、质量、功效、营养价值、养生、养胃、养颜、果肉、果粒、颗粒、添加剂、防腐剂、色素
品牌价值	牌子、老牌子、品牌、黑森、蓝百蓓、富昌、维多宝、北大荒、龙江森工、八荒、绿野、信赖、信任、信誉、诚信、信用、放心、良心、信得过
程序性价值	平台、商城、自营、包装、外包装、包装袋、快递、物流、配送、运费、送货、发货、收货、客服、服务态度、售后、活动、双十一、双十二、双11、双12、618
经济价值	价钱、价位、便宜、小贵、实惠、超值、合理、性价比、货真价实、物美价廉、物超所值、划算、优惠券、赠品、赠送、降价、减价、打折、促销、特价
绿色价值	原产地、当地、纯天然、有机、绿色、认证、森林认证、正宗、纯正、干货、特产、山珍、野生、大兴安岭、小兴安岭、长白山、东北、黑龙江、福建、山东、林区、山区、林下

下载: 导出CSV 

| 显示表格

3   抽取评价单元

评价单元即包含属性词和情感词的特征观点对。情感词用以修饰属性词。句法分析作为自然语言处理的关键技术，可以根据特定语法分析句子的结构，明确句中依存关系。本文评价单元中的属性词和情感词基于依存关系建立连接。因此，通过句法分析获取评论短句的句法树，明确评论短句中的依存关系，并根据抽取规则获取短句中的评价单元。

常见的依存关系包括主谓关系SBV（subject-verb）、状中关系ADV（adverbial）、定中关系ATT（attribute）和动宾关系VOB（verb-object）等，且这些依存关系会影响句子的情感倾向^[45]，是本文评价单元的来源结构。哈尔滨工业大学社会计算与信息检索研究中心研发的语言技术平台（Language Technology Platform，简称LTP）针对Python等常用语言提供LTP封装^[46]，方便开发者调用。因此，本文基于Python的LTP封装自定义代码，设计语义关系搭配模式和相关规则完成评价单元的抽取任务，规则描述如下：

规则1：以SBV依存关系为中心，辅以ATT和ADV扩展其语义结构。其中SBV的支配词作为评价单元的评价对象，核心词作为评价单元的情感词。此规则涵盖的关系搭配模式包括SBV+ATT和SBV+ADV+ATT，抽取结果示例见表3。

表  3  语义模型结构与评价单元抽取结果示例

语义搭配模式	例句	评价单元抽取结果
SBV + VOB	保证产地是关键	<产地，是><关键，是>
SBV + ADV + ATT + VOB	家里人特别喜欢这个牌子的木耳	<木耳，喜欢><家里人，喜欢><木耳，牌子><牌子，这个>
SBV + ATT	口感好的黑木耳	<口感，好><黑木耳，好>
SBV + ADV + ATT	价格非常实惠的产品	<价格，实惠><产品，实惠>
ATT + VOB	一直买北大荒的木耳	<木耳，买><木耳，北大荒>
SBV + ADV + VOB	赞一下配送特别快的物流	<物流，赞><配送，快>
ADV + ATT + VOB	一直很喜欢北大荒的木耳	<木耳，喜欢><木耳，北大荒>

下载: 导出CSV 

| 显示表格

规则2：以VOB依存关系为中心，辅以ATT和ADV扩展其语义结构。其中VOB的支配词作为评价对象，核心词作为情感词。此规则涵盖的关系搭配模式包括ATT + VOB和ADV + ATT + VOB，抽取结果示例见表3。

规则3：句子中同时存在SBV和VOB 依存关系，当两个依存关系的核心词一致时，分别抽取SBV和VOB的支配词作为评价对象，SBV和VOB的核心词作为情感词。此规则涵盖的关系搭配模式包括：SBV + VOB 、SBV + ADV + VOB和SBV + ADV + ATT + VOB，抽取结果示例见表3。

4   量化评价单元情感值

在完成评价单元的抽取后，利用情感词典量化评价单元情感值，并将评价单元与感知价值匹配，基于感知价值维度细粒度挖掘评论文本的不同情感态度。本研究涉及4类情感词典：情感词词典、程度副词词典、否定词词典和动态词词典。根据研究领域实际情况对现有情感词词典进行整理、筛选和扩充，以便更好地为情感分析服务。程度副词来自中国知网程度副词词典。本文参考文献[45]共整理出86个否定副词。考虑到产品评论语料对价格、质量、促销活动等讨论较多，加入提高、提升、上升、降低、减少、减轻等30个动态词，构成动态词词典^[45]。算法描述如下：

输入：评论语料短句{C₁{c₁₁，c₁₂，c₁₃，…，c_1j}，C₂{c₂₁，c₂₂， c₂₃，…，c_2j}，…，C_i{c_i1，c_i2，c_i3，…，c_ij}}，短句语义结构树LTPTree{}，短句评价单元即“评价对象-情感词对”（<object，emotion>简称<O，E>），属性词集{A_K1，A_K2，A_K3，…，A_Kn}，情感词词典，否定词词典，程度副词词典，动态词词典。

量化过程：针对第i条评论，遍历其所有短句，基于短句语义结构树和词典获取评价单元初始情感值与加权情感值；匹配评价单元与产品感知价值维度。设第i条评论在感知价值K下对应q个评价单元，单个评价单元情感值记为$ {S}_{iKq}={\prod }_{1}^{n}{r}_{n}\times {S}_{0} $，其中S₀表示初始情感值，r_n表示加权情感值；第i条评论在感知价值K下的平均情感值记为$ {S}_{iK}= \displaystyle {\sum }_{1}^{q}{S}_{iKq}\times \frac{1}{q} $。

输出：评论语料感知价值情感量化结果，保存为excel文件。

根据输出结果获得每条评论5个感知价值维度下的情感量化值。15 386条评论语料中有6 159条评论提及1个感知价值维度，4 237条评论提及2个感知价值维度，1 392条评论提及3个感知价值维度（其余评论未提及感知价值）。因此一条评论并不一定体现消费者对产品所有价值的情感倾向，默认评论中没有提及的价值情感为中立情感，赋值0。表4展示了评论文本的细粒度情感分析结果。

表  4  评论文本感知价值情感量化结果示例

评论语料	功能价值	绿色价值	品牌价值	经济价值	程序性 价值
非常棒的木耳，肉非常厚实，很容易泡发	8.36	0.00	0.00	0.00	0.00
味道不错，已经是第二次购买了。价格实惠，物流也很快	3.85	0.00	0.00	0.00	5.45
北大荒这个牌子还是挺不错的，值得信赖。快递小哥辛苦了	0.00	0.00	4.39	0.00	1.62
贵，质量一般，不值得这个价钱	−1.83	0.00	0.00	−3.01	0.00

下载: 导出CSV 

| 显示表格

四.   结果分析

本文利用SPSSAU统计软件对变量进行描述性统计分析，并使用软件中的分组回归方法研究不同维度感知价值对可食用非木质林产品消费者满意度的影响。

一   高频属性词分析

对15 386条有效评论的评论文本进行分词处理，分词数为182 004个，去重后得到3 126个词语，基于词频对去重后的词语排序，词频较高的词语除属性词外，还包括“不错”“挺好”“喜欢”“非常”等这些表示情感态度及程度的词。图1是对部分属性词的词频统计，从总体来看，产品质量和电商服务整体词频较高，特别是“口感”“味道”“质量”“物流”“包装”这些属性词，绿色属性中“野生”“纯天然”的词频较高。“价格”“划算”“性价比”“活动”“品牌”等词为其他词频较高的属性词。

图  1  属性词词频统计（前21）

下载: 全尺寸图片 幻灯片

二   变量描述性统计分析

对量化所得5个感知价值维度情感值进行描述性统计分析，针对15386条有效评论，表5展示了变量的情感均值、情感最小值和情感最大值等统计结果。各个感知价值维度下消费者的情感倾向有正有负。其中功能价值的情感均值最大；从感知价值的最大值来看，绿色价值得分最高，消费者有更强烈的正向情感；从感知价值的最小值来看，绿色价值的情感值为−0.096，与其他价值维度相比，消费者对产品的绿色属性抱怨程度最少。

表  5  情感值变量描述性统计分析

感知价值维度	均值	标准差	最小值	最大值
功能价值	2.182	2.277	−4.713	9.979
品牌价值	0.817	2.109	−3.686	10.656
程序性价值	2.048	2.778	−2.394	10.822
经济价值	1.013	2.166	−2.004	9.971
绿色价值	1.207	3.292	−0.096	15.909

下载: 导出CSV 

| 显示表格

三   回归分析

将5个感知价值维度的情感量化值作为自变量，星级评定数据作为因变量，产品是否经过森林认证作为分组项输入模型，模型的回归结果见表6~7。 R²表示模型的拟合度， F 是对模型的显著性检验。

表  6  产品整体和分组标准化系数结果

	整体					未经过森林认证的产品					经过森林认证的产品
	β	t	p	VIF		β	t	p	VIF		β	t	p	VIF
常数		248.051	0.000				249.694	0.000				115.140	0.000
功能价值	0.130	10.439	0.000	1.009		0.068	4.158	0.000	1.023		0.217	11.719	0.000	1.015
品牌价值	0.224	17.604	0.000	1.058		0.278	16.602	0.000	1.076		0.226	11.934	0.000	1.062
程序性价值	0.149	11.692	0.000	1.054		0.093	5.630	0.000	1.051		0.219	11.566	0.000	1.064
经济价值	0.075	6.073	0.000	1.003		0.039	2.431	0.015	1.004		0.164	8.858	0.000	1.011
绿色价值	0.058	4.702	0.000	1.002		0.008	0.500	0.617	1.006		0.140	7.595	0.000	1.009
注：β表示模型的标准化系数，t表示对标准化系数的显著性检验值，p用于判断其分析项是否有显著性差异，VIF用于多重共线性判断。

下载: 导出CSV 

| 显示表格

表  7  产品整体和分组回归模型结果

	整体	未经过森林认证的产品	经过森林认证的产品
R2	0.519	0.508	0.613
F	156.857	83.662	127.164
p	0.000	0.000	0.000

下载: 导出CSV 

| 显示表格

对整体模型的回归结果进行分析：模型拟合较好，VIF值小于5，变量不具有多重共线性。可食用非木质林产品的功能价值、品牌价值、程序性价值、经济价值和绿色价值的p值均小于0.01，5个感知价值维度均对产品的消费者满意度有显著的正向影响。由此，前文的假设H1、H2、H3、H4、H5均已得证。其中品牌价值与程序性价值对消费者满意度的影响因子较大，功能价值和经济价值对消费者满意度的影响因子次之，绿色价值对消费者满意度的影响因子较小。

表8展示了不同维度感知价值分别对消费者满意度的影响，以及在区分是否经过森林认证的产品的情况下标准化系数的差异情况。功能价值、程序性价值和经济价值对消费者满意度的正向影响在两组产品间存在差异（p < 0.01），相对而言，经过森林认证的产品功能价值、程序性价值和经济价值对消费者满意度的影响更大（见图8），由此，假设H6a、H6c、H6d得到验证。品牌价值对消费者满意度的影响在两组产品中均显著，但不存在差异，假设H6b未得到验证。绿色价值对消费者满意度的正向影响在两组产品间存在差异：对于未经过森林认证的产品，绿色价值对消费者满意度的影响不显著（0.008），对于经过森林认证的产品绿色价值显著正向影响消费者满意度（0.140），假设H6e得到验证。综上所述，以是否经过森林认证为依据划分的产品类别在功能价值、程序性价值、经济价值和绿色价值对消费者满意度的影响关系中起到了调节作用。

表  8  标准化系数差异检验

假设	路径	模型标准化系数		系数差值（未经过 认证的产品系数- 经过认证的产品系数）	t	p	结论
		未经过森林 认证的产品	经过森林 认证的产品
H6a	功能价值→满意度	0.068**	0.217**	−0.149	−8.507	0.000**	支持
H6b	品牌价值→满意度	0.278**	0.226**	0.052	0.474	0.636	不支持
H6c	程序性价值→满意度	0.093**	0.219**	−0.126	−6.985	0.000**	支持
H6d	经济价值→满意度	0.039*	0.164**	−0.125	−5.183	0.000**	支持
H6e	绿色价值→满意度	0.008	0.140**	−0.132	未经过森林认证的产品绿色价值 对满意度的影响不显著		支持
注：*表示p <0.05 ，**表示p<0.01。

下载: 导出CSV 

| 显示表格

五.   结论与建议

一   结　论

本文利用细粒度情感分析技术对评论文本进行深入挖掘，设计语义搭配模式和抽取规则，实现对评论文本的评价要素抽取和情感态度量化，分析评价要素与整体满意度间的关系，将在线评论的满意度研究扩展到可食用非木质林产品领域，构建了可食用非木质林产品感知价值五维度模型。研究结果表明，功能价值、程序性价值、品牌价值、经济价值和绿色价值显著正向影响消费者满意度，其中品牌价值和程序性价值对消费者满意度的影响最大，功能价值和经济价值次之；绿色价值较小。森林认证在功能价值、程序性价值、经济价值和绿色价值对消费者满意度的影响关系中具有调节作用。经过森林认证的产品功能价值、程序性价值和经济价值对消费者满意度的影响强于未经过森林认证的产品；绿色价值仅对经过森林认证的可食用非木质林产品的消费者满意度有显著正向影响；品牌价值对消费者满意度的正向影响不存在显著的产品类别差异。

二   建　议

基于上述研究结果，笔者提出以下建议：经营企业可以将更多的资源投入到品牌的宣传与建设，加强消费者对品牌的认同与信赖；与电商平台加强合作，积极参与“618”“双11”等平台促销活动，利用其物流、配送资源实现从生产端到消费端的产品服务；同时企业自身也需要注重售后服务、反馈管理等问题，在保证产品质量的同时优化产品包装，提高产品性价比，提高消费者的购物体验。随着居民绿色消费意识的提升，绿色产品市场有更广阔的发展空间，绿色价值也是不容忽视的因素，经营企业可以加强对产品原产地、人工培育、绿色加工等绿色属性的挖掘，提高可食用非木质林产品在电商平台的竞争优势。

森林认证是森林可持续经营理念的体现，经过森林认证的产品可追溯到产地，其生产加工也是安全绿色的。经过森林认证的可食用非木质林产品的功能价值、程序性价值、经济价值和绿色价值对消费者满意度的正向影响更强，森林认证产品市场更广阔、更有前景。因此非木质林产品行业可以加强对森林认证的宣传，鼓励企业对经营产品进行森林认证，使得相关部门、企业和消费者共同参与，促进森林认证产品市场的发展。