- 1、本文档共6页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
基于医疗健康APP产品产品的公众健康需
求分析
根据iiMediaResearch(艾媒咨询)数据显示,2020年中国大健康产业整
体营收规模达到7.4万亿元,增幅为7.2%。互联网医疗服务行业在2020年迎
来重大普及发展的历史机遇期,互联网医疗经济持续布局。医疗健康APP产品
产品作为互联网+医疗的重要组成部分,因其可获得性和易用性,越来越被大众
认可和使用,成为探讨公众健康需求的一个良好途径。国内外学者对健康需求研
究一直比较关注,既有涉及公众健康信息需求的发展趋势,也有针对某种疾病的
特定研究。安初滢对国内在线健康平台进行梳理,从用户需求的角度出发提出建
议展望未来。PalmerNR等收集癌症幸存者最常见的信息需要,提出要加强对
农村癌症幸存患者提供信息支持。ZhaoW等基于社会问答社区的抑郁症案例研
究,研究中国消费者的健康信息需求。盛铭等通过发放问卷的方法来了解不同年
龄阶段的健康信息需求,为医学院图书馆服务提供事实依据。KoohkanE等针
对儿童癌症家庭的健康信息需求展开定性研究。本文以医疗健康类APP产品产
品的基本信息及用户评论数据为基础,寻找APP产品产品应用描述中的关注集
中点,发现折射出公众的健康信息需求以及演变,对于有关部门如何向公众提供
医疗保健服务具有一定的借鉴意义。通过对用户评论数据进行处理,整理出表征
APP产品产品特点的关键词,对关键词进行分类,归纳移动医疗APP产品产品
的共性,建立移动医疗APP产品产品用户评价指标,可以作为判断APP产品产
品性能的方法。将整理出的用户疑问和需求反馈给APP产品产品开发者,帮助
其弥补漏洞、改善问题,更加满足用户需求。
1.需求数据采集与处理
1.1APP产品产品相关数据采集
本文主要利用七麦数据平台采集有关医疗健康类APP产品产品数据,七麦
数据(原ASO100)是为iOS系统打造的APP产品产品Store大数据服务平
台,该平台支持提供iOS、Android应用市场、微信、小程序等数据查询。根据
研究需要采集两部分信息:第一部分的数据按照时间段来采集,采集2011年1
月-2013年12月,2019年1月-2021年4月这两个时间段APP产品产品
leStore中医疗类APP产品产品免费榜单前200款APP产品产品数据,通过
八爪鱼采集器爬取应用名、发布日期、应用描述等信息。
第二部分对2020年1月-2021年3月APP产品产品leStore中医疗类和
健康健美类APP产品产品共15个月的月度下载量及收入排行榜的应用作具体
分析,筛选出上榜频次>50%的应用,并结合APP产品产品的用户受众范围、
总下载量和总评论数等具体信息,最终选定42款医疗健康类APP产品产品,对
其用户评论进行详细研究。用户评论可以直接通过七麦数据平台下载,为提高评
论数据质量,保证研究结果的准确性,选取七麦数据中标注“最有帮助”的用户
评论进行下载。
1.2数据过滤
由于爬取和下载的数据中包含与研究无关的内容,为了避免冗余数据的干扰,
故需对原始文本进行查重、一致性检验、去空白值等数据预处理。对爬取和下载
数据进行研究发现,个别列会出现重复数据或空白行,下载的评论中包含开发者
回复信息和被标注“该评论已经被删除”的评论,使用Excel对数据进行清洗,
查找删除重复值、空白值,对被标注已删除的评论通过查找替换进行格式统一等。
1.3文本分词
研究利用python的jieba库对已清洗的应用描述和用户评论数据进行分
词,由于用户评论中带有许多网络流行词语,故建立自定义词典将网络用语、流
行词等纳入,将自定义词典导入python中,以提高分词结果的正确性和准确性。
表1展示了Keep应用部分用户评论分词结果。
表1
文档评论(0)