momo客服ptt的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

大數據分析電商平台用戶評論以改善使用體驗-以東森購物APP為例

為了解決momo客服ptt的問題，作者賴吉盛 這樣論述：

在社群媒體越來越成熟的當下，使用者可以在平台上討論各式各樣的話題，消費者也傾向在網路上購買商品，在選擇商品跟電商品牌時，社群媒體的曝光度跟使用心得都大大的影響使用者的最終決定，各大電商平台也傾向利用社群媒體網站的留言與建議，來對APP的功能與行銷方向進行改善跟推廣。 本研究將會以東森購物APP為研究目標，蒐集Google Play、Apple Store、PTT E-Shopping 2019年1月至2022年1月28號為止的留言當作研究樣本，並撰寫Python程式作為研究大數據分析的工具，使用selenium library進行網路爬蟲跟文字探勘，詞頻分析工具jieba來對留言進行關

鍵字提取，TF-IDF加權技術來輔助分析模型，最後利用LDA主題分析歸類出四大面向進行分析討論，包含（1）經營面向建議、（2）客服引導、（3）更新反饋、（4）功能提問，透過本研究，期望把使用者在網路上的留言，通過大數據分析的幫助下，讓企業在APP的功能改善與行銷政策上有更明確的參考方向。 實驗結果顯示，詞頻分析結果前五名為購物(0.1673)，更新(0.1257)，商品(0.1162)，客服(0.0887)，方便(0.0762)，在TF-IDF整體關鍵字前五名為，無法(0.16346)、更新(0.12280)、客服(0.11354)、問題(0.09847)、方便(0.08667)，在LDA分群

結果中，比人工分群在經營面向主題上，抓出了momo，更新反饋抓到了line，功能提問則多了打卡遊戲，也就是說本研究在時間成本與資料準確度上，比人工分群來的更為優勢。

客戶對商品提問之多重標籤辨識-以網路拍賣網為例

為了解決momo客服ptt的問題，作者林怡如 這樣論述：

　　網路購物（電子商務E-commerce）儼然已成為現今不可或缺的一種消費型態。面對客戶新型態購物行為的轉變，許多傳統線下消費平台（實體門市、電視購物、型錄郵購等）業者，均面臨經營型態轉型的挑戰，紛紛增設線上購物平台搶食網路商機。在網路行銷活動多元化、業績與日俱增的同時，電子商務各後勤單位之服務與系統是否完備、足以因應消化龐大訂單量，正是考驗各大電商的重要課題。　　電商後勤中又以客服中心所面對的問題是更多面向、複雜的。這個介於客戶與企業之間的第一線服務單位，如何有效運用大數據技術精進改善作業流程、快速的提供更貼近客戶需求的服務品質與解決方案，是本研究所要探究的核心內容。實驗以露天拍賣網客戶

對商品提問內容，進行十類細分類與五類大分類之多重標籤分類預測模型訓練。本研究分別以TF-IDF與Word Embedding兩種特徵值萃取方法，搭配極限樹（Extra Trees Classifier）、邏輯式迴歸、隨機森林與支持向量機四種分類模型，交叉組合進行實驗。實驗結果整體以測試資料集使用文字探勘技術TF-IDF方法萃取之特徵值，搭配極限樹分類模型的預測效果Micro F1 score 0.82846較為顯著。