用户满意度和忠诚度分析方法及装置与流程

本发明涉及计算机技术，尤其涉及一种用户满意度和忠诚度分析方法及装置。

背景技术：

用户满意度和忠诚度是衡量一个产品的顾客对企业产品或服务的满意程度及忠诚程度，通过获取用户满意度和忠诚度的数据，并对这些数据进行分析，可以帮助企业找出提高产品或服务水平的切入点，以及与竞争对手相比的优势及劣势。

现有技术中，主要通过问卷调查的方式来获取用户满意度和忠诚度数据，并对这些数据进行分析，进而根据分析结果采取相应的措施。其中，问卷调查的方式可以包括发放问卷调查表、电话询问、通过访谈对话询问等，在这些方式中，都是先由问卷发起者提出一个或多个问题，然后再由被调查用户回答问题。

但是，通过现有技术所获取到的用户满意度和忠诚度数据，并不能完全反应用户对于产品的实际看法，导致通过这些数据所分析出的结果的可信度不高。

技术实现要素：

本发明提供一种用户满意度和忠诚度分析方法及装置，用于解决使用现有技术所导致的用户满意度和忠诚度分析结果可信度不高的问题。

本发明第一方面提供一种用户满意度和忠诚度分析方法，包括：

获取用户评论数据，所述用户评论数据由用户根据使用结果生成；

根据所述用户评论数据，确定所述用户评论数据对应的评论维度类型以及评论结果类型；

根据用户评论数据对应的评论维度类型以及评论结果类型，确定用户满意度和忠诚度结果。

进一步地，所述获取用户评论数据，包括：

从至少一个网络渠道获取所述用户评论数据，所述网络渠道至少包括：论坛、博客、电商平台。

进一步地，所述根据所述用户评论数据，确定所述用户评论数据对应的评论维度类型以及评论结果类型，包括：

识别所述用户评论数据中的关键词；

根据所述用户评论数据中的关键词，确定所述用户评论数据对应的评论维度类型；

对所述用户评论数据进行语义分析，获取所述用户评论数据对应的评论结果类型。

进一步地，所述用户评论数据的评论维度类型包括多个评论父维度类型，每个评论父维度类型下包括多个评论子维度类型；所述根据所述用户评论数据中的关键词，确定所述用户评论数据对应的评论维度类型，包括：

判断所述用户评论数据中的第一关键词是否与第一评论父维度类型对应的关键词一致，若是，则：

确定所述用户评论数据的评论父维度类型为所述第一评论父维度类型；以及，

判断所述用户评论数据中的第二关键词是否与第一评论子维度类型对应的关键词一致，若是，则确定所述用户评论数据的评论子维度类型为所述第一评论子维度类型，其中，所述第一评论子维度类型为所述第一评论父维度类型下所包括的评论子维度类型。

进一步地，所述对所述用户评论数据进行语义分析，获取所述用户评论数据对应的评论结果类型，包括：

对所述用户评论数据进行语义分析，判断语义分析结果是否与第一评论结果类型一致，若是，则确定所述用户评论数据对应的评论结果类型为所述第一评论结果类型。

进一步地，所述根据用户评论数据对应的评论维度类型以及评论结果类型，确定用户满意度和忠诚度结果，包括：

获取每种评论维度类型的用户评论数据中每种评论结果类型的比例；

根据每种评论维度类型的用户评论数据中每种评论结果类型的比例，确定每种评论维度类型对应的用户满意度和忠诚度结果。

进一步地，所述根据用户评论数据对应的评论维度类型以及评论结果类型，确定用户满意度和忠诚度结果，包括：

获取所有用户评论数据中每种评论结果类型的比例；

根据所有用户评论数据中每种评论结果类型的比例，确定整体的用户满意度和忠诚度结果。

进一步地，所述第一评论结果类型为推荐型评论、消极型评论、贬低型评论中的任意一种。

本发明第二方面提供一种用户满意度和忠诚度分析装置，包括：

获取模块，用于获取用户评论数据，所述用户评论数据由用户根据使用结果生成；

第一确定模块，用于根据所述用户评论数据，确定所述用户评论数据对应的评论维度类型以及评论结果类型；

第二确定模块，用于根据用户评论数据对应的评论维度类型以及评论结果类型，确定用户满意度和忠诚度结果。

进一步地，所述获取模块包括：

第一获取单元，用于从至少一个网络渠道获取所述用户评论数据，所述网络渠道至少包括：论坛、博客、电商平台。

进一步地，第一确定模块包括：

识别单元，用于识别用户评论数据中的关键词。

确定单元，用于根据用户评论数据中的关键词，确定用户评论数据对应的评论维度类型。

分析单元，用于对用户评论数据进行语义分析，获取用户评论数据对应的评论结果类型。

进一步地，用户评论数据的评论维度类型包括多个评论父维度类型，每个评论父维度类型下包括多个评论子维度类型。

相应地，确定单元具体用于：

判断用户评论数据中的第一关键词是否与第一评论父维度类型对应的关键词一致，若是，则：

确定用户评论数据的评论父维度类型为第一评论父维度类型；以及，判断用户评论数据中的第二关键词是否与第一评论子维度类型对应的关键词一致，若是，则确定用户评论数据的评论子维度类型为第一评论子维度类型，其中，第一评论子维度类型为第一评论父维度类型下所包括的评论子维度类型。

分析单元具体用于：

对用户评论数据进行语义分析，判断语义分析结果是否与第一评论结果类型一致，若是，则确定用户评论数据对应的评论结果类型为第一评论结果类型。

进一步地，第二确定模块包括：

第一获取单元，用于获取每种评论维度类型的用户评论数据中每种评论结果类型的比例。

第一确定单元，用于根据每种评论维度类型的用户评论数据中每种评论结果类型的比例，确定每种评论维度类型对应的用户满意度和忠诚度结果。

进一步地，第二确定模块还包括：

第二获取单元，用于获取所有用户评论数据中每种评论结果类型的比例。

第一确定单元，用于根据所有用户评论数据中每种评论结果类型的比例，确定整体的用户满意度和忠诚度结果。

本发明所提供的用户满意度和忠诚度分析方法及装置，通过获取用户主动发起的评论数据，并基于该评论数据确定其对应的评论维度类型以及评论结果类型，得到用户满意度和忠诚度结果。由于用户主动发起的评论数据是用户经过实际使用后所生成的“行为数据”，因此经过分析这些评论数据所得到的用户满意度和忠诚度结果能够反应用户对某产品的实际看法，从而保证用户满意度和忠诚度结果的可信度。进一步地，本实施例中通过对用户评论数据进行分析后确定出用户评论数据对应的评论维度类型以及评论结果类型，基于这些评论维度类型以及评论结果类型，可以得到用户在不同维度上或者整体上对于某产品的评价结果，从而帮助企业识别出更有针对性的改进方向和改进点。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的用户满意度和忠诚度分析方法实施例一的流程示意图；

图2为本发明提供的用户满意度和忠诚度分析方法实施例二的流程示意图；

图3为本发明提供的用户满意度和忠诚度分析方法实施例三的流程示意图；

图4为本发明提供的用户满意度和忠诚度分析方法实施例四的流程示意图；

图5为本发明提供的用户满意度和忠诚度分析装置实施例一的模块结构图；

图6为本发明提供的用户满意度和忠诚度分析装置实施例二的模块结构图；

图7为本发明提供的用户满意度和忠诚度分析装置实施例三的模块结构图；

图8为本发明提供的用户满意度和忠诚度分析装置实施例四的模块结构图；

图9为本发明提供的用户满意度和忠诚度分析装置实施例五的模块结构图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

现有通过问卷调查方式获取用户满意度和忠诚度数据的过程中，由问卷发起者提出问题，被调查用户回答问题。首先，对于问卷中的问题，被调查用户可能并没有遇到过，因此，被调查用户所提供的答案，只是一种“态度数据”，而并不是被调查者已经使用某产品之后的“行为数据”，因此，其参考价值并不能完全保证。其次，同样的调查问卷，在不同的时间发起、由不同的问卷发起者发起，其调查的结果可能并不相同。例如，如果调查问卷是在被调查者的闲暇时间发起，那么调查结果一般比较好，而如果是在被调查者忙碌的时间发起，则被调查者提供的答案可能和闲暇时完全不同。另外，调查问卷的问题设置也会影响最终的调查结果。总之，现有使用调查问卷的方式来获取用户满意度和忠诚度数据的方式，容易受到各种因素的影响，因此，并不能完全反应用户对于产品的实际看法，导致通过这些数据所分析出的结果的可信度不高。

本发明基于上述问题，提出一种用户满意度和忠诚度测量方法，通过收集用户评论数据的方式来获取用户对于某产品所主动提供的满意度和忠诚度数据，以提升满意度和忠诚度结果的可信度。

图1为本发明提供的用户满意度和忠诚度分析方法实施例一的流程示意图，如图1所示，该方法包括：

S101、获取用户评论数据，该用户评论数据由用户根据使用结果生成。

具体地，可以通过多种方式来获取用户评论数据，例如网络、报刊、杂志、电视等媒体上收集用户对于某产品的评论数据。

用户对于某产品的评论数据并不是通过被动的回答而产生的，而是用户在购买、使用过某产品后的真实体会，即，用户评论数据是一种“行为数据”，而与现有技术中的“态度数据”完全不同，并且，这些评论数据都是由用户主动生成的。因此，获取这些评论数据并对其进行分析，所得到的结果能够反应用户对某产品的实际看法。

S102、根据用户评论数据，确定用户评论数据对应的评论维度类型以及评论结果类型。

其中，用户评论数据对应的评论维度类型是指用户的某条评论是针对产品的哪个维度的，例如质量维度、服务维度等。评论维度类型可以根据产品的实际需要进行具体设置，并且，评论维度也可以不限于一级，可以根据实际需要设置为多级维度，即可以对每种评论维度进行细分，将其划分为多种评论子维度。

用户评论数据对应的评论结果类型是指用户的某条评论的分析结果属于哪种范畴，根据产品的实际需要，评论结果类型可以进行不同的划分。例如，可以将评论结果类型划分为：非常满意、满意、较满意、一般、不太满意、不满意和很不满意。或者，基于特定的满意度和忠诚度分析方法来设置评论结果类型，例如，如果要应用净推荐值(Net Promoter Score，简称NPS)方法来分析某产品的用户满意度和忠诚度，则评论结果类型为NPS中所规定的推荐型、消极型以及贬低型。

S103、根据用户评论数据对应的评论维度类型以及评论结果类型，确定用户满意度和忠诚度结果。

当获取到用户评论数据之后，通过对用户评论数据进行分析，可以确定其对应的评论维度类型以及评论结果类型。基于所确定出的评论维度类型以及评论结果类型，就可以得到用户在不同维度上或者整体上对于某产品的评价结果，从而帮助企业识别出更有针对性的改进方向和改进点。

需要说明的是，本实施例中在获取用户评论数据时，可以同时获取针对多个产品的用户评论数据。当获取到多个产品的用户评论数据后，可以通过分类筛选，将各个产品的用户评论数据筛选出来，并针对每个产品的用户评论数据，采用步骤S102-S103的方法来确定用户满意度和忠诚度结果。从而实现通过一次采集用户评论数据而获取多个产品的用户满意度和忠诚度结果的效果。

本实施例中，通过获取用户主动发起的评论数据，并基于该评论数据确定其对应的评论维度类型以及评论结果类型，得到用户满意度和忠诚度结果。由于用户主动发起的评论数据是用户经过实际使用后所生成的“行为数据”，因此经过分析这些评论数据所得到的用户满意度和忠诚度结果能够反应用户对某产品的实际看法，从而保证用户满意度和忠诚度结果的可信度。进一步地，本实施例中通过对用户评论数据进行分析后确定出用户评论数据对应的评论维度类型以及评论结果类型，基于这些评论维度类型以及评论结果类型，可以得到用户在不同维度上或者整体上对于某产品的评价结果，从而帮助企业识别出更有针对性的改进方向和改进点。

在上述实施例的基础上，本实施例涉及获取用户评论数据的具体方法，即，上述步骤S101的一种具体实施方法为：

从至少一个网络渠道获取用户评论数据，其中，网络渠道至少包括：论坛、博客、电商平台。

随着网络技术的不断发展，越来越多的用户更倾向于通过网络渠道来发表评论，通过网络发表评论的方式相比于其他方式要更加便捷和高效，并且能够获取到比其他方式更多的样本数据。例如，如果用户使用电商平台购买了一台电视，在购买、接收以及使用该电视的过程中，用户可能会有很多使用感受，用户可以将这些感受通过电商平台提供的评价页面来提交自己对于该电视的评价，这些评价反应的是用户的真实使用感受。如果该电商平台的交易量很大，则通过电商平台所获取到用户评论数据就会很多，即能够保证获取到足够多的样本数据。或者，用户也可以通过论坛、博客、微博、微信等各种网络渠道来发表自己对于某产品的评论数据。

可选地，在通过网络渠道获取用户评论数据时，可以通过直接访问特定网络渠道的评价数据库来来获取用户评论数据。例如，对于某个特定产品，可以选定多个销售该产品的电商平台，通过定期访问这些电商平台的评价数据库，来获取该特定产品的用户评论数据。

或者，也可以使用某个或某类产品对应的关键字，在各种网络渠道上搜索该产品对应的评论数据，并将搜索的评论数据集中保存起来，后续直接对所保存的评论数据进行分析即可。

本实施例中，通过从网络渠道获取用户评论数据，不仅能够保证这些评论数据能够反应用户的真实感受，同时，由于网络用户数量非常大，因此，还能够保证获取到足够数量的样本数据，这些足够数量的样本数据能够进一步保证用户满意度和忠诚度结果的可信度。

在上述实施例的基础上，本实施例涉及确定用户评论数据对应的评论维度类型以及评论结果类型的具体方法，即，图2为本发明提供的用户满意度和忠诚度分析方法实施例二的流程示意图，如图2所示，上述步骤S102具体包括：

S201、识别用户评论数据中的关键词。

可选地，可以使用分词技术来识别出用户评论数据中的关键词，其中，分词技术的具体实现方法可以参考现有技术。

需要说明的是，使用分词技术识别用户评论数据中的关键词时，可以识别出不同类型的关键词，主要包括评论主体关键词和情感类关键词。例如，用户所发表的一条评论数据为“购买XX电视时销售人员的服务态度很好”，则使用分词技术识别出的两类关键词为：评论主体关键词为“销售”以及“服务态度”，情感类关键词为“很好”。

S202、根据用户评论数据中的关键词，确定用户评论数据的评论维度类型。

如前所述，用户评论数据对应的评论维度类型是指用户的某条评论是针对产品的哪个维度的，例如质量维度、服务维度等。本步骤中，当获取到用户评论数据中的关键词之后，就可以根据关键词来确定评论维度类型。

举例来说，假设评论维度类型包括一级，分别为：质量维度、服务维度、销售维度。用户所发表的一条评论数据为“购买XX电视时销售人员的服务态度很好”，通过前述步骤所识别出的评论主体关键词为“销售”以及“服务态度”，评论主体关键词即对应于用户评论数据的评论维度类型。其中，关键词“销售”与销售维度对应，因此，可以确定本条评论数据的评论维度类型为销售维度。

S203、对用户评论数据进行语义分析，获取用户评论数据对应的评论结果类型。

具体地，在上述步骤S201中使用分词技术识别关键词时，可以识别出情感类关键词，本步骤中，即可以对已识别出的情感类关键词进行语义分析，确定用户在这条评论中的情感倾向。例如，前述的用户所发表的一条评论数据“购买XX电视时销售人员的服务态度很好”中的情感类关键词为“很好”，则可以分析出该情感类关键词“很好”对应的语音应该是用户满意并可能会推荐的，进而可以确定出该条用户评论数据对应的评论结果类型。

本实施例中，通过对用户评论数据进行识别关键词和语义分析处理，可以得到用户评论数据对应的评论主体和情感态度，进而，可以通过所确定出的评论主题和情感态度确定出用户评论数据对应的评论维度类型以及评论结果类型。由于通过关键词识别和语义分析可以准确得到评论主体和情感态度，因此，可以保证基于其所确定出的评论维度类型以及评论结果类型的准确性。

如前所述，评论维度类型可以根据产品的实际需要进行具体设置，并且，评论维度也可以不限于一级，可以根据实际需要设置为多级维度，即可以对每种评论维度进行细分，将其划分为多种评论子维度。在一种优选的实施方式中，可以将评论维度划分为两级，即，评论维度类型包括多个评论父维度类型，每个评论父维度类型下包括多个评论子维度类型。以下以智能电视环节分类为例来说明两级评论维度下的各级评论维度类型。

智能电视相关的环节可以总结为：研发设计、销售、质量以及服务，在每个环节下又包含多项子环节。智能电视的环节和子环节可以分别对应评论父维度类型以及评论子维度类型。表1为智能电视的评论维度类型的划分。

表1

表1仅是智能电视的评论维度类型的一种示例性划分，根据实际需要，可以将智能电视或其他产品的评论维度类型进行更细致的划分，形成更加细化的评论维度类型层次结构。基于这些层次的评论维度类型，可以得出更加详细的用户满意度和忠诚度结果，从而为企业提供更加有针对性的提升建议。

当评论维度类型为上述的两层结构，即包括评论父维度类型以及评论子维度类型时，上述步骤S202的一种优选实施方式为：

判断用户评论数据中的第一关键词是否与第一评论父维度类型对应的关键词一致，若是，则：

确定用户评论数据的评论父维度类型为该第一评论父维度类型；以及，判断用户评论数据中的第二关键词是否与第一评论子维度类型对应的关键词一致，若是，则确定用户评论数据的评论子维度类型为该第一评论子维度类型，其中，第一评论子维度类型为第一评论父维度类型下所包括的评论子维度类型。

其中，第一关键词和第二关键词既可以是同一关键词，也可以是不同的关键词。

当第一关键词和第二关键词是不同的关键词时，首先将字符数量较少的关键词作为第一关键词，判断该第一关键词与第一评论父维度类型是否一致，具体可以直接通过比较字符的匹配程度来确定是否一致。例如，第一关键词为“销售人员”，而第一评论父维度类型为“销售”，即第一关键词中包括了第一评论父维度类型，则可以确定第一关键词与第一评论父维度类型匹配。进而，判断第二关键词与第一评论子维度类型是否一致，也可以通过比较字符的匹配程度来确定是否一致。例如，第二关键词为“服务的态度”，而第一评论子维度类型为“态度”，则可以确定第二关键词与第一评论子维度类型匹配。

当第一关键词和第二关键词是相同的关键词时，例如，一条用户评论数据为“XX电视屏幕质量不错”，识别出的评论主体关键词只有一个，为“屏幕质量”，则在确定用户评论数据的评论父维度类型时以及评论子维度类型时，都使用该关键词进行匹配，由于“屏幕质量”可以和“质量”这个评论父维度类型匹配上，因此，可以确定本条用户评论数据的评论父维度类型为“质量”，同时，“屏幕质量”也可以和“屏幕质量”这个评论子维度类型匹配上，因此，可以确定本条用户评论数据的评论子维度类型为“屏幕质量”。

其中，上述第一评论父维度类型是指任意一个评论父维度类型，第一评论子维度类型是一个特定评论父维度类型下的任意一个评论子维度类型。即，在匹配时，可以按照评论维度类型的顺序，逐个将关键词与评论维度类型进行匹配，以确定关键词所对应的评论维度类型。

如果用户评论数据中所识别出的关键词与所有的评论父维度类型和评论子维度类型都匹配不上，则将该条用户评论数据确定为综合评论维度类型，被确定为综合评论维度类型的用户评论数据，可以作为产品整体评价时的指标，但是不会作为某个维度评价时的指标。

本实施例中，通过将用户评论数据中的关键词与评论维度类型进行匹配，可以准确确定出用户评论数据所属的评论维度类型，以保证最终所确定出的用户满意度和忠诚度的结果的准确性。

当评论维度类型为上述的两层结构，即包括评论父维度类型以及评论子维度类型时，上述步骤S203的一种优选实施方式为：

对用户评论数据进行语义分析，判断语义分析结果是否与第一评论结果类型一致，若是，则确定用户评论数据对应的评论结果类型为第一评论结果类型。

具体地，进行语义分析的过程取决于评论结果类型的划分，如前所述，评论结果类型可以进行不同的划分。例如，可以将评论结果类型划分为：非常满意、满意、较满意、一般、不太满意、不满意和很不满意。或者划分为NPS所规定的推荐型、消极型以及贬低型。即，不同的评论结果类型划分方案会有不同数量的等级，每种等级对应不同的评价程度。当进行语义分析时，根据用户评论数据中所识别出的情感关键词，根据该情感关键词的含义，将其对应到确定的等级。例如，一条用户评论数据为“购买XX电视时销售人员的服务态度很好”，情感关键词为“很好”，使用NPS所规定的三种级别作为评论结果类型，则语义分析时，就会将“很好”与“推荐型”对应，即得到该条用户评论数据对应的评论结果类型为“推荐型”。

本实施例中，通过将用户评论数据中的情感关键词进行语义分析，并与评论结果类型进行匹配，可以准确确定出用户评论数据所属的评论结果类型，以保证最终所确定出的用户满意度和忠诚度的结果的准确性。

图3为本发明提供的用户满意度和忠诚度分析方法实施例三的流程示意图，如图3所示，上述步骤S103的一种具体实施方式为：

S301、获取每种评论维度类型的用户评论数据中每种评论结果类型的比例。

S302、根据每种评论维度类型的用户评论数据中每种评论结果类型的比例，确定每种评论维度类型对应的用户满意度和忠诚度结果。

本实施例中，对于每种评论维度类型分别进行用户满意度和忠诚度计算，从而得出每种评论维度类型下的用户满意度和忠诚度结果。从而使得企业可以清楚得了解哪些方面做得比较好，哪些方面还需要改进，以明确改进的方向。

图4为本发明提供的用户满意度和忠诚度分析方法实施例四的流程示意图，如图4所示，上述步骤S103的另一种具体实施方式为：

S401、获取所有用户评论数据中每种评论结果类型的比例。

S402、根据所有用户评论数据中每种评论结果类型的比例，确定整体的用户满意度和忠诚度结果。

本实施例中，对于每种评论维度类型，分别进行用户满意度和忠诚度计算，从而得出每种评论维度类型下的用户满意度和忠诚度结果。从而使得企业可以清楚得了解哪些方面做得比较好，哪些方面还需要改进，明确改进的方向。

在上述两个实施例的基础上，还可以进一步分析用户满意度和忠诚度的趋势发展，具体地，可以按照预设周期进行上述两种满意度和忠诚度的分析计算，经过多次的分析计算之后，就可以得到一段时间内某产品在某个维度上的用户满意度和忠诚度的变化情况，从而进一步帮助企业衡量和分析在各维度上的待改进点。

图5为本发明提供的用户满意度和忠诚度分析装置实施例一的模块结构图，如图5所示，该装置包括：

获取模块501，用于获取用户评论数据，该用户评论数据由用户根据使用结果生成。

第一确定模块502，用于根据用户评论数据，确定用户评论数据对应的评论维度类型以及评论结果类型。

第二确定模块503，用于根据用户评论数据对应的评论维度类型以及评论结果类型，确定用户满意度和忠诚度结果。

该装置用于实现前述的方法实施例，其实现原理和技术效果类似，此处不再赘述。

图6为本发明提供的用户满意度和忠诚度分析装置实施例二的模块结构图，如图6所示，获取模块501包括：

第一获取单元5011，用于从至少一个网络渠道获取用户评论数据，该网络渠道至少包括：论坛、博客、电商平台。

图7为本发明提供的用户满意度和忠诚度分析装置实施例三的模块结构图，如图7所示，第一确定模块502包括：

识别单元5021，用于识别用户评论数据中的关键词。

确定单元5022，用于根据用户评论数据中的关键词，确定用户评论数据对应的评论维度类型。

分析单元5023，用于对用户评论数据进行语义分析，获取用户评论数据对应的评论结果类型。

另一实施例中，用户评论数据的评论维度类型包括多个评论父维度类型，每个评论父维度类型下包括多个评论子维度类型。

相应地，确定单元5022具体用于：

判断用户评论数据中的第一关键词是否与第一评论父维度类型对应的关键词一致，若是，则：

确定用户评论数据的评论父维度类型为第一评论父维度类型；以及，判断用户评论数据中的第二关键词是否与第一评论子维度类型对应的关键词一致，若是，则确定用户评论数据的评论子维度类型为第一评论子维度类型，其中，第一评论子维度类型为第一评论父维度类型下所包括的评论子维度类型。

分析单元5023具体用于：

对用户评论数据进行语义分析，判断语义分析结果是否与第一评论结果类型一致，若是，则确定用户评论数据对应的评论结果类型为第一评论结果类型。

图8为本发明提供的用户满意度和忠诚度分析装置实施例四的模块结构图，如图8所示，第二确定模块503包括：

第一获取单元5031，用于获取每种评论维度类型的用户评论数据中每种评论结果类型的比例。

第一确定单元5032，用于根据每种评论维度类型的用户评论数据中每种评论结果类型的比例，确定每种评论维度类型对应的用户满意度和忠诚度结果。

图9为本发明提供的用户满意度和忠诚度分析装置实施例五的模块结构图，如图9所示，第二确定模块503还包括：

第二获取单元5033，用于获取所有用户评论数据中每种评论结果类型的比例。

第二确定单元5034，用于根据所有用户评论数据中每种评论结果类型的比例，确定整体的用户满意度和忠诚度结果。

另一实施例中，上述第一评论结果类型为推荐型评论、消极型评论、贬低型评论中的任意一种。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。