1. 引言
为了推进数字化转型，各大金融机构早已纷纷推出官方APP并不断升级换代，力图实现智能技术与金融业务场景的深度融合，从而为用户创造更加便捷的服务体验[1]。在各大银行不断推进数字赋能、服务创新的同时，APP用户在使用中所产生的看法与需求值得被开发者和运营者重视。除了经典的调研与访谈方式，互联网所带来的海量用户生成内容(UGC)反映了用户真实的使用体验、兴趣与需求，分析应用市场中APP页面的用户评论可以帮助银行机构更好地了解用户反馈和需求，从而进行产品研发和改进，改善市场推广和提升用户满意度[2]。本文以此为切入点，运用大数据算法进行金融机构APP用户的需求与情感倾向分析，力图提升APP的使用体验。
2. 研究设计与数据来源
2.1. 研究方法与研究步骤
为研究用户对于金融机构APP的真实需求以及情感倾向，本文将采用文本数据分析方法，通过数据挖掘获取金融机构类APP的用户评论，并运用LDA和SnowNLP模型及算法进行数据分析。
文本分析法旨在从文本数据的挖掘、处理和分析中获取有价值的信息，从而帮助研究者深入理解文本数据中所隐藏的信息与趋势，提升决策的效率[3]。基于文本分析法的研究思路，本文将对收集到的大量文本数据展开LDA主题模型分析以找出用户的需求，以SnowNLP算法了解用户的情感倾向。
LDA (Latent Dirichlet Allocation)是一种无监督学习算法。LDA主题挖掘在文本分析中已得到了广泛的应用，并在研究用户需求方面起到了重要的作用。例如，在旅游研究方面，已有多篇文献通过LDA模型分析OTA平台上的用户评论，了解各旅游目的地的感知形象[4]；在电子商务研究方面，LDA模型可用于分析电商平台和相关APP中产生的用户评论[5]。而在金融研究方面，已有学者对于金融类APP的隐私条款进行文本分析[6] [7]。本文将通过LDA模型确定金融机构类APP评论文本的主题分类，从而了解用户的真实需求。
随着人工智能和深度学习领域的飞速发展，自然语言处理(NLP)越发受到各行各业的重视，衍生出多种细分算法。其中，SnowNLP针对于中文文本处理，能够获取中文文本数据中的情感特征并量化情感倾向，反映用户对于APP的满意度，应用较为广泛[8]。但模型内置的训练语料库为电商评论文本，因此需要根据研究内容进行预训练，以获得更为准确的情感倾向结果。因此，本文在使用SnowNLP算法前，先拆分获取的金融机构类APP文本数据进行了预训练。
2.2. 数据来源
为达到上述研究目的，需要对金融机构APP所产生的用户评论进行收集和整理。本文通过八爪鱼数据采集器和七麦数据收集该类用户的公开评论。七麦数据是国内专业的移动应用数据分析平台，汇集了IOS和安卓主流应用商店的各项实时数据及排名，在该平台进行数据挖掘能够较为全面地获取大众用户对于金融机构APP的真实需求与看法。本文在IOS、华为、小米等应用商店根据各金融机构APP的热度和下载量进行了评论采集，评论的时间跨度为2022年2月至2024年2月，在去除无效、广告和重复文本后，最终获取有效文本数据共30,142条，涵盖了多个互联网银行APP及其旗下信用卡APP、非银行机构金融APP等。
3. 金融机构APP用户需求分析
3.1. 词频分析
在文本分析中，词频统计与分析必不可少，其中的高频词分析能够反映用户的普遍需求。本研究使用Python库中的Jieba分词工具，在去除副词、停用词、无效词和合并同义词后，对文本数据进行分词处理，并统计高频词，整理为表1，然后绘制词云图如图1所示。由高频词可见，用户评论涵盖了APP使用的方方面面，对于优点和缺点都直言不讳。在高频词中，“服务”、“功能”、“界面”、“活动”、“客服”和“业务”体现了用户对于银行APP覆盖的场景、提供的功能和推广活动的重视与了解，而在APP的使用过程中，“密码”的忘记与找回则成为用户最为关注的问题，“体验”反应了用户对于整体使用流程的感受，而其中“客服”的水平则成为影响用户体验的重要环节。客服的优异表现结合功能与界面的升级会让用户感到APP整体服务的人性化，而无法解决问题的客服则更容易引起用户的不满，影响APP的使用体验。
Table 1. High-frequency words statistics
表1. 高频词统计
高频词 |
频数 |
密码 |
2705 |
垃圾 |
2142 |
服务 |
1654 |
功能 |
1619 |
界面 |
956 |
活动 |
881 |
体验 |
828 |
客服 |
807 |
版本 |
700 |
验证码 |
676 |
办理 |
644 |
人脸识别 |
626 |
业务 |
608 |
信息 |
594 |
用户 |
566 |
人性化 |
551 |
限额 |
525 |
页面 |
524 |
短信 |
489 |
柜台 |
488 |
Figure 1. Overall word cloud distribution
图1. 总体词云分布
3.2. LDA主题挖掘与可视化分析
在Python中调用LDA模型进行主题挖掘，提取1000个特征词并迭代1000次，获取不同主题分类的结果。由于LDA模型为非监督学习，需要通过可视化辅助确定最优主题个数，即k的取值。运用pyLDAvis对生成的不同主题个数进行多次可视化模拟，结果如图2所示，气泡代表聚类生成的主题，气泡的大小代表主题的重要性，气泡的距离代表各主题间的差异性，结合困惑度，当k = 9，即主题数量为9时，各主题重叠较小，差异较大，能够有效地概括总体。由此，将金融机构APP的需求主题概括为9种类型。
Figure 2. Visualisation results based on LDA model
图2. LDA主题模型可视化结果
主题一涉及的词汇主要为“密码”、“验证码”等，与身份验证相关，因此概括为“身份验证”。主题二的词汇主要为“客服”、“人工”和“页面”等，以提供基础服务的人工客服为主，因此将主题二概括为“基础客服”。主题三的词汇主要为“办理”、“业务”和“系统”等，涉及各项基础业务的办理与线下网点的查询，因此概括为“业务流程”。主题四的词汇主要为“活动”、“优惠”和“生活”等，与银行的推广活动相关，表现了用户对于活动和优惠信息的关注，因此概括为“活动参与”。主题五的词汇主要为“界面”、“体验”和“人脸识别”等，反映了用户对于界面设计与相关功能的体验，因此概括为“UI界面”。主题六中的负面形容词体现了用户对于该类别涉及服务的严重不满，其他主要词汇为“账户”、“资金”和“余额”等，主要与基础的账户服务相关，因此概括为“基础服务”。主题七的词汇主要为“信赖”、“公司”和“信誉”等，体现了用户对于银行机构的信任程度，因此概括为“机构信誉”。主题八的词汇主要为“功能”、“信息”、“建议”、“空间”和“客户端”等，与APP在应用商店的运营较为相关，因此概括为“运营管理”。主题九的词汇主要为“服务”、“客户”、“理财产品”、“收益”和“基金”等，因此概括为“理财服务”。
综上，从LDA主题模型的聚类结果来看，主题一和主题五主要与APP的使用功能相关，主题四、主题七和主题八主要与APP的宣传和推广相关，主题二、主题三、主题六和主题九则主要与金融服务相关，因此将用户对于金融机构APP的主要需求划分为功能类、推广类和服务类三大主题，如表2所示。
Table 2. Topic categories and feature words based on LDA model
表2. LDA模型主题类别及其关键词
需求类别 |
主题 |
关键词 |
功能类 |
身份验证 |
密码、验证码、短信、网络、设置、重置、程序、流量、图表、指纹、登录密码、浪费 |
UI界面 |
界面、体验、人脸识别、用户、人性化、办法、方式、习惯、美观、照片、工具、直观 |
推广类 |
活动参与 |
活动、版本、优惠、生活、设计、优化、时间、人性化、交易、学校、实惠、只能、优惠券、力度 |
机构信誉 |
垃圾、信赖、地方、公司、服务器、影响、纪念币、服务质量、外包、团队、效率领导、信誉 |
运营管理 |
功能、信息、建议、账单、消费、五星、身份、鸡肋、客户端、空间、充值、收支、视频、用心 |
服务类 |
基础客服 |
客服、页面、省级、招商、电话、人工、设备、指纹、速度、平台、后台、权限、重新安装、定位、解决问题 |
业务流程 |
办理、业务、限额、柜台、系统、网点、线下、营业厅、工作人员、交易、流程、原因、工作、时间、排队 |
基础服务 |
账户、服务态度、无语、自动、资金、余额、管理、关键、办卡、电子、借记卡、评分、收费 |
理财服务 |
服务、客户、理财产品、收益、基金、经理、内容、热情、态度、手续费、专业、速度快、投资、利率 |
3.3. 情感分析
首先，为获取更有针对性的研究结果，对SnowNLP模型进行训练。在获取的文本数据中抽取1200条进行人工情感分类，然后将所得的积极文本和消极文本迭代入SnowNLP模型完成训练，随机抽取测试数据进行模型检测，发现该模型的准确率达到了85%以上，适合用作本研究的情感倾向分析。
接下来正式运用SnowNLP模型进行情感分析。SnowNLP模型计算得出的情感倾向数值范围为0~1，数值越大情感倾向越正向，反之，数值越低情感倾向则越负向。以0.5为区分，数值大于0.5为正向情感，低于0.5则为负向。金融机构APP所产生的评论文本总体情感倾向得分为0.3972，表明用户对于该类APP具有较大的负面情感，满意度不高，抱怨较大，急需改善用户体验。
由于情感倾向能够反映用户对于APP的满意度，对于相关机构而言，积极评论能够体现APP的优势，而了解消极评论中隐含的用户抱怨，有助于进一步优化APP，提升数字化推进的质量。为此，本研究对积极和消极评论分别进行了高频词统计，以了解目前用户的真实体验。由表3和图3、图4所示，积极评论与消极评论的高频词存在相似之处，例如“服务”、“功能”和“办理”均出现在前十五名之内，这说明服务与功能是金融机构APP的核心，优质的服务与人性化的功能设计将带来良好的用户体验，极大地提升用户的评价和满意度，使用户对于APP更加信任；反之，消极的体验将对用户产生更大的负面影响，更易产生用户抱怨，降低APP的满意度与口碑。
Table 3. High frequency words statistics for positive and negative comments
表3. 积极评论与消极评论高频词统计
积极评论高频词 |
频数 |
消极评论高频词 |
频数 |
服务 |
930 |
密码 |
2609 |
活动 |
628 |
垃圾 |
2134 |
功能 |
584 |
功能 |
1035 |
界面 |
538 |
客服 |
750 |
优惠 |
362 |
服务 |
724 |
感觉 |
275 |
人脸识别 |
609 |
人性化 |
269 |
版本 |
606 |
生活 |
256 |
体验 |
582 |
招商 |
251 |
验证码 |
527 |
信赖 |
250 |
信息 |
524 |
体验 |
246 |
办理 |
477 |
业务 |
185 |
限额 |
477 |
额度 |
181 |
用户 |
453 |
办理 |
167 |
柜台 |
449 |
设计 |
152 |
网络 |
433 |
4. 金融机构APP优化策略与建议
4.1. 优化APP的用户使用体验
从用户对于APP的功能类需求可见，简化各项流程、方便用户操作是提升用户整体使用体验的核心[9]。其中，身份验证是用户提及最多的功能类需求，与之相关的用户注册、登录和密码找回是几乎所有用户都要进行的操作流程，应引起产品经理的重视。除此之外，应设计简洁直观的APP界面，方便用户快速找到需要的功能和信息。具体而言，可设计便捷的导航栏和快速入口，让用户能够快速访问常用功能；通过提供快捷的搜索功能，让用户能够快速找到需要的信息和服务。必要时可设置清晰简明的新手指引，帮助新用户迅速了解APP的各项功能入口，减少用户的学习成本。
Figure 3. Word cloud distribution of words with positive tendency
图3. 积极评论词云图
Figure 4. Word cloud distribution of words with negative tendency
图4. 消极评论词云图
UI的美观度也是影响用户满意的重要因素[10]。界面设计应简洁清晰，突出重点功能，避免过多的装饰和复杂的布局，并使用统一的风格和色彩搭配，保持整体的视觉统一性，提升用户体验。
4.2. 提升数智化服务质量
服务质量关乎于银行的满意度与口碑，而提升APP的数智化服务质量，是金融机构数字化转型和智能化发展的必经之路，既能够满足用户日益增长的金融服务需求，也有助于提升银行的服务水平和品牌价值[11]。
为提升数智化服务质量，首先，银行APP需合理进行用户数据挖掘，建立完善的数据采集系统，运用机器学习等大数据分析技术，对用户数据进行深度分析，了解用户需求和行为规律，为产品与功能的设计提供支持，从而实现更精准的个性化推荐服务，满足用户的多元化需求。其次，可引入智能客服系统，通过自然语言处理和人工智能技术，提供智能化的客户服务支持作为人工客服的补充，并及时更新技术，丰富线上服务的场景，提升智能客服的交互能力，在便捷用户的同时降低银行的服务成本；还可开发自助服务功能，如智能问答系统、在线办理业务等，提升用户体验和服务效率。
与此同时，也应注意到目前的人工智能还不足以取代人工客服，因此对于人工客服的培训和管理仍应引起重视，确保用户能够及时获取人性化的服务，提升对于APP的服务体验。
4.3. 建立数字化的运营推广体系
建立数字化的运营推广体系对于银行APP的推广和用户获取至关重要[12]。由前文分析可见，活跃的用户参与和全方位的运营推广能够在获取新用户的同时，提升用户对于APP的关注，并从活动参与中获得良好的体验，产生对于APP和银行机构的信任感，从而转化为忠诚客户。为建立数字化的运营推广体系，首先需要对APP市场进行深入分析，了解目标用户的需求和偏好，针对不同用户群体推送个性化的推广活动和内容[13]。在获取用户方面，可增加流量入口，在各大互联网平台投放链接广告，通过有趣、新奇的活动吸引新用户的关注和下载；或通过优化APP在各大应用商店的排名，制定有效的SEO策略，提高APP的曝光度和搜索可见性，吸引更多用户了解和使用银行APP。在维系用户方面，全面利用社交媒体平台，发布有吸引力的内容与活动，如省钱攻略等，保持与用户的互动，提升用户的黏性。建立用户口碑和社区管理机制，关注用户评价和分享，及时收集用户的反馈，进行数据分析和评估，并适时调整和优化数智化服务策略，从而提升银行APP的口碑和信誉。
4.4. 提升数据安全和隐私保护力度
随着数字化技术的发展，社会对于数据安全和隐私保护更为关注，而银行APP有责任维护用户的相关权益[14]。为此，银行APP应提升数据加密和安全传输技术，保护用户数据在传输和存储过程中的安全性，防止数据被恶意攻击者窃取或篡改；采用多因素身份认证技术，确保用户身份的真实性和安全性，限制未授权用户的访问权限，防止数据被盗用；严格遵守相关隐私保护法规，明确用户数据收集和使用目的，保护用户的隐私信息不被滥用或泄露。与此同时，也应设立相关员工的安全意识培训，强化对数据安全和隐私保护的重视，提升员工的安全意识和防范能力。
5. 结语
数字化转型的推进让各类官方APP成为金融机构与客户沟通的窗口，APP的使用体验与服务的整体质量密不可分，值得引起各大金融机构的重视[15]。通过大数据挖掘，本文对于获取的APP评论文本数据进行了LDA主题构建，将金融机构APP的用户需求分为功能类、服务类和推广类，并细化了每一个类别内的需求主题。然而，尽管目前金融机构APP的应用广泛，但用户评价却不高。SnowNLP情感分析发现，用户在APP的使用中面临着诸多问题，体验欠佳。因此，各机构应当进一步优化APP使用体验，不断提升数智化服务质量，并在大力推广APP的同时提升数据安全和隐私保护的力度，从而真正贴近用户，为用户创造价值。