摘要：为精准识别社区驿站末端物流服务质量的核心影响因素，破解物流“最后一百米”服务痛点，本文以主流社区快递驿站消费者在线评论数据为研究样本，通过文本挖掘方法探究末端物流服务质量的关键影响因子，提出针对性质量提升对策。首先运用Python完成评论数据清洗、去重、去噪及jieba分词预处理；其次借助Word2Vec模型筛选末端物流服务相关高频词汇，生成词云图完成初步可视化分析；最后采用BERTopic主题模型开展深度文本主题挖掘，通过句子向量嵌入、UMAP降维、HDBSCAN聚类及c-TF-IDF主题表征完成实证分析。研究表明：取件便捷性、包裹完好度、配送时效、驿站服务态度、仓储环境、问题售后补救是影响社区驿站末端物流服务质量的六大核心因素。基于各因素权重占比与现存服务问题，针对性提出优化服务流程、完善设施配置、健全售后机制等提升对策，可为社区末端物流服务提质增效、行业规范化发展提供实践参考。

关键词：社区驿站；末端物流；服务质量；在线评论；BERTopic主题分析

一、引言

随着电子商务行业的持续扩容与居民消费升级，我国快递物流行业进入高速发展阶段，末端物流作为物流体系的“最后一百米”，直接关联消费者服务体验，是物流服务质量提升的核心环节。社区驿站凭借便民化、集约化、低成本的优势，成为当前国内末端物流配送的主流模式，有效解决了上门配送效率低、用户收件时间错配、二次配送成本高等行业痛点，逐步构建起社区末端物流服务核心体系[1]。

国家邮政局数据显示，2024年全国快递业务量累计完成1320.7亿件，同比增长16.3%，其中超75%的快件通过社区驿站、智能快递柜完成末端配送，社区驿站已成为末端物流配送的核心载体[2]。同时，《2024中国末端物流行业发展白皮书》指出，国内社区快递驿站存量超28万家，乡镇驿站覆盖率突破82%，末端集约化配送模式已全面普及，但行业整体存在服务标准化程度低、设施配置参差不齐、售后响应滞后等问题，消费者末端物流投诉率年均占比达32.6%，成为制约末端物流高质量发展的关键瓶颈[3]。随着消费者服务需求从“送达即可”向“高效、优质、贴心、安全”升级，传统粗放式的驿站服务模式已无法适配精细化消费需求，提升社区驿站末端物流服务质量成为行业研究与实践的重点课题。

在线评论作为消费者真实体验的直观反馈，蕴含大量服务质量相关信息，是挖掘行业服务痛点、识别质量影响因素的核心数据来源，目前已被广泛应用于物流服务、电商服务、零售服务等领域的质量研究。诸多学者依托在线评论开展服务质量实证研究，形成了成熟的研究体系。王悦等[4]基于生鲜物流在线评论数据，挖掘出配送时效、包装质量、售后服务三大核心影响因素，构建了生鲜末端物流服务质量评价体系。李昊等[5]通过聚类分析电商物流评论数据，得出人员服务、配送效率、仓储条件、问题补救是影响消费者物流满意度的关键维度。张楠等[6]聚焦社区末端物流场景，通过文本分析发现驿站服务规范性、取件便捷度、包裹安全性显著影响消费者复购意愿。刘阳等[7]基于用户在线反馈，证实末端物流服务的及时性、可靠性、共情性是提升消费者满意度的核心要素。

在末端物流服务质量专项研究中，国内学者多采用问卷调研、传统文本挖掘等方法开展研究。陈雨等[8]基于SERVPERF服务质量模型，通过问卷调查法分析社区驿站物流服务现存问题，明确了设施、人员、时效、售后四大评价维度。赵凯等[9]运用TF-IDF关键词提取、LDA主题模型挖掘末端物流服务痛点，得出配送时效、包裹安全、服务沟通、问题补救正向影响末端物流服务质量。周鑫等[10]以城市社区驿站为研究对象，通过情感分析算法量化用户满意度，验证了驿站服务规范性与物流服务质量的正相关关系。

在文本主题挖掘模型应用方面，传统LDA模型存在无法捕捉文本上下文语义、一词多义识别偏差等缺陷，难以适配复杂网络评论数据的挖掘需求[11]。而BERTopic主题模型依托预训练语言模型，可精准捕捉文本深层语义信息，无需预设主题数量，聚类结果更贴合真实文本特征，有效弥补了LDA模型的不足，现已广泛应用于各领域文本挖掘研究。黄泽宇等[12]基于BERTopic模型挖掘物流行业政策文本主题，梳理末端物流发展演进趋势。吴佳琪等[13]运用BERTopic模型分析快递用户评论数据，精准识别末端配送服务痛点。马子轩等[14]将BERTopic模型应用于社区服务文本挖掘，验证了该模型在民生服务领域实证研究的适用性。

综上，现有研究多聚焦整体末端物流或生鲜物流领域，针对社区驿站专属场景的服务质量精细化实证研究较少，且传统研究方法对用户真实服务诉求的挖掘深度不足。基于此，本文以社区驿站末端物流为研究对象，抓取主流平台消费者真实在线评论数据，采用BERTopic主题模型开展文本挖掘，精准识别末端物流服务质量核心影响因素与现存痛点，结合行业实际提出针对性提升对策，为社区驿站末端物流规范化、高质量发展提供理论支撑与实践参考。

二、研究设计

（一）数据来源与采集

本文数据来源于淘宝、京东、拼多多主流电商平台及大众点评消费者发布的社区驿站末端物流服务相关在线评论，涵盖全国一线、新一线、二三线及乡镇社区驿站，样本覆盖范围广、用户群体多元，能够真实反映不同区域、不同规模驿站的服务现状，数据具备极强的代表性与真实性。采集内容包含用户对驿站取件服务、配送服务、人员服务、包裹保管、售后处理、仓储环境等全维度体验评价，为后续服务质量影响因素挖掘提供充足的数据支撑。

（二）研究方法

1. BERTopic主题分析

BERTopic是基于预训练BERT模型与无监督聚类算法的新型主题挖掘模型，核心优势是可精准捕捉文本上下文语义关系，解决传统文本挖掘模型语义识别偏差、主题划分模糊等问题，适配非结构化网络评论数据的挖掘分析[15]。模型核心流程包含语义嵌入、降维聚类、主题表征三大模块，各模块可编辑核心公式与原理如下：

（1）语义嵌入：通过Sentence-Transformers预训练模型将每条评论文本转化为高维语义向量，向量生成公式为：$$V_{i}=f(x_{i})$$，其中$$x_{i}$$为第$$i$$条评论文本，$$f(\cdot)$$为预训练嵌入函数，$$V_{i}$$为文本对应的语义向量。

（2）降维聚类：采用UMAP算法对高维语义向量进行非线性降维，保留核心语义特征；通过HDBSCAN密度聚类算法对降维后的向量进行聚类，自动识别有效主题与噪声数据，无需预设主题数量。

（3）主题表征：采用改进型c-TF-IDF算法计算各主题关键词权重，公式为：$$c\text{-}TF\text{-}IDF_{t,w}=\frac{n_{t,w}}{\sum_{w}n_{t,w}}\times\log\frac{N}{N_{w}+1}$$，其中$$n_{t,w}$$为主题$$t$$中词汇$$w$$的出现频次，$$N$$为总文本数，$$N_{w}$$为包含词汇$$w$$的文本总数，最终实现各主题精准表征。

2. 词频统计与可视化分析

通过jieba分词工具完成文本分词处理，结合自定义物流词典与停用词表筛选有效词汇，统计核心词汇出现频次，绘制词云图实现高频影响因素可视化，直观反映消费者核心关注重点。

（三）研究内容与流程

本文整体研究流程分为四步：第一，数据采集与预处理，通过爬虫技术抓取社区驿站物流服务相关在线评论，完成数据清洗、去重、去噪、分词与停用词剔除；第二，关键词筛选与可视化，借助Word2Vec模型完善末端物流服务专属词典，统计高频词并绘制词云图，初步识别服务质量影响因素；第三，深度主题挖掘，通过BERTopic模型完成文本聚类与主题分析，归类核心影响维度并计算各维度权重；第四，问题总结与对策提出，结合实证结果梳理社区驿站末端物流服务现存痛点，针对性制定服务质量提升对策。

三、数据预处理

（一）数据清洗

本次研究初始采集社区驿站物流服务相关在线评论数据21864条，原始数据包含大量非结构化无效信息，主要涵盖空白评论、系统默认好评、重复复制评论、无意义符号、无效数字及广告话术等。为保障实证结果精准性，本文通过Excel与Python工具联合完成数据清洗工作，剔除全部无效数据与噪声数据。清洗规则为：删除空白及字符不足2字的无意义评论、去除完全重复评论、剔除系统默认好评、过滤广告及无关吐槽内容。经过多轮清洗筛选，最终保留有效评论数据15682条，数据有效率为71.73%，有效样本可支撑后续实证研究。预处理数据统计结果如表1所示。

表1 数据清洗前后样本统计

（二）分词与停用词处理

本文采用jieba分词工具对清洗后的有效评论文本进行逐句分词处理，为解决通用分词词典对物流专业词汇、驿站专属词汇的分词偏差问题，自定义社区末端物流专业词典，涵盖“驿站入库”“超时取件”“错件漏件”“上门派送”“仓储潮湿”“售后赔付”等专属词汇，避免专业词汇拆分误差。同时，引入哈工大停用词表，结合研究场景剔除“的、地、得、非常、一般”等无意义虚词、副词及无效语气词汇，保证分词结果精准有效，为后续关键词筛选与主题挖掘奠定基础。

（三）物流核心词汇筛选

原始评论文本包含大量商品质量、价格、售后平台等与末端物流服务无关的信息，为聚焦研究主题，本文基于分词结果，先筛选高频基础词汇构建初始物流词库，再借助Word2Vec模型计算词汇语义相似度，扩充末端物流服务相关词汇，完善专属词库。最后通过关键词匹配算法，精准筛选出仅与社区驿站末端物流服务相关的评论文本，剔除无关文本噪声，进一步提升实证研究准确性。

四、社区驿站末端物流评论文本实证分析

（一）高频词与词云可视化分析

基于预处理后的有效物流评论文本，本文通过Python3.12完成词频统计，筛选排名前100的高频词汇绘制词云图。词云图中词汇字体越大、显示越突出，代表用户关注度越高、对应服务问题越突出。通过可视化分析可得，消费者对社区驿站末端物流服务的关注核心集中在取件便捷性、包裹完好度、配送速度、驿站工作人员服务态度、仓储环境、售后问题处理六大维度，高频核心词汇包含：取件快、排队久、包裹破损、配送延迟、服务敷衍、堆放杂乱、超时收费、售后推诿、环境潮湿、错拿漏件等，直观体现了当前社区驿站末端物流服务的核心优势与突出痛点。统计排名前20的高频服务词汇及频次如表2所示。

表2 末端物流服务高频词汇及频次（前20）

（二）BERTopic主题模型实证分析

1. 模型参数设置

本文采用Sentence-Transformers框架下MiniLM-L12-v2预训练模型完成文本向量嵌入，保障语义识别精准度。降维聚类环节采用UMAP算法与HDBSCAN算法，结合样本数据量与多轮参数调试结果，最终确定最优超参数：n_neighbors=25，n_components=5，random_state=42；HDBSCAN算法参数设置为min_cluster_size=40，min_samples=15。其中random_state=42用于固定随机种子，保证实验结果可复现；min_cluster_size与min_samples用于调控聚类精度，规避主题碎片化与聚类冗余问题，确保主题划分科学合理。

2. 主题聚类结果

通过BERTopic模型初始聚类，共生成58个初始主题，剔除topic-1离群噪声主题后，剩余有效主题57个。为提升研究针对性，结合余弦相似度与主题语义关联度，对碎片化相似主题进行人工合并归类，最终凝练出六大核心服务质量影响主题，分别为：取件便捷性、包裹完好度、配送时效、驿站服务态度、仓储环境、问题售后补救。通过c-TF-IDF算法完成各主题权重归一化处理，得到各主题关键词、权重及影响力排序，具体结果如表3所示。

表3 社区驿站末端物流服务质量六大核心主题及权重

3. 实证结果分析

由表3权重数据可知，六大主题对社区驿站末端物流服务质量的影响程度存在显著差异，可清晰划分消费者核心诉求与次要诉求。其一，取件便捷性权重占比28.7%，是影响末端物流服务质量的首要核心因素。当前多数社区驿站存在高峰期排队拥堵、营业时间与居民作息错配、自助取件设备故障率高等问题，极大降低了用户取件体验，成为消费者最关注的核心痛点。其二，包裹完好度权重21.3%，位居第二。驿站包裹无序堆放、人工分拣粗放、仓储防护设施缺失，导致包裹破损、丢失、受潮问题频发，直接影响物流服务核心品质。其三，配送时效权重18.5%，主要问题集中在快递员未经用户同意私自投递驿站、入库信息更新延迟、取件通知漏发滞后，导致用户无法及时收件，引发大量投诉。其四，驿站服务态度与仓储环境权重分别为12.8%、10.2%，属于服务软性与硬件短板，工作人员专业素养不足、驿站硬件设施简陋，是行业普遍存在的共性问题。其五，问题售后补救权重8.5%，占比最低但不可或缺，驿站普遍存在售后响应滞后、责任划分模糊、赔付机制不健全等问题，无法有效解决用户售后诉求，降低用户服务满意度与信任度。

五、研究结论与提升对策

（一）研究结论

本文以社区驿站末端物流服务为研究对象，基于15682条消费者真实在线评论数据，采用BERTopic主题模型完成文本挖掘实证分析，系统识别出影响社区驿站末端物流服务质量的六大核心因素，按影响权重依次为取件便捷性、包裹完好度、配送时效、驿站服务态度、仓储环境、问题售后补救。当前社区驿站末端物流服务主要存在四大核心问题：一是服务流程不规范，私自投递、入库延迟、取件效率低等时效与便捷性问题突出；二是硬件设施不完善，仓储环境简陋、防护设备缺失，包裹安全无法保障；三是人员服务标准化不足，工作人员专业素养参差不齐，服务规范性差；四是售后体系不健全，问题处置效率低、补救机制缺失。基于以上实证结论，结合末端物流行业发展现状，针对性提出全方位服务质量提升对策。

（二）服务质量提升对策

1. 优化取件服务流程，提升取件便捷度

针对取件便捷性权重最高、用户诉求最强烈的问题，全面优化驿站取件服务体系。一是推行错峰服务与弹性营业时间，结合社区居民上下班作息，延长晚间营业时间，周末及节假日正常值守，解决居民取件时间错配问题；二是优化驿站场地布局，划分快件分类存放区域、自助取件区域、大件寄存区域，配备智能分拣设备，减少人工分拣误差与排队拥堵问题，将平均取件时长控制在3分钟以内；三是规范快件入库流程，要求快件到站后30分钟内完成扫码入库、信息同步、短信推送，杜绝入库延迟、通知漏发问题；四是开通多元化取件渠道，支持自助取件、上门派送、预约取件、代取寄存等服务，满足不同用户差异化需求，全面提升取件便捷性。

2. 规范仓储管理体系，保障包裹完好安全

聚焦包裹破损、丢失、受潮等核心问题，完善驿站仓储管理与防护体系。首先，统一配备防潮膜、气泡垫、防尘货架、温控设备等基础设施，对生鲜、易碎、贵重快件实行分类单独存放，杜绝挤压、受潮、破损问题；其次，建立快件出入库核对制度，实行“入库扫码登记、出库核对核验”双机制，全程留存操作记录，精准追溯包裹异常问题责任；最后，规范快件堆放标准，严禁超高、超密无序堆放，定期清理积压快件，针对长期未取快件进行短信提醒、电话告知，减少包裹丢失、错拿、积压损坏问题，全方位保障包裹完好度。

3. 严控末端配送时效，规范投递服务标准

针对配送时效乱象，严格落实快递投递服务规范，杜绝违规投递问题。一方面，明确投递规则，严格执行“用户同意前置”原则，未经消费者明确许可，严禁将快件私自投递至社区驿站，尊重用户上门配送诉求；另一方面，优化末端配送链路，快递网点与社区驿站建立实时信息联动机制，动态同步快件运输、入库、派送进度，保障物流信息透明可查。同时，高峰期增派配送人力、优化配送区域划分，缓解大促期间物流积压、配送延迟问题，稳定末端配送时效，提升用户时效满意度。

4. 强化人员培训管理，标准化服务流程

针对驿站人员服务不规范、态度参差不齐的问题，建立系统化人员培训与考核机制。制定社区驿站服务标准化手册，明确接待话术、操作流程、答疑规范、服务禁忌等标准要求；定期开展服务礼仪、快件管理、问题处置、应急处理等专项培训，提升工作人员专业素养与服务意识。同时，建立用户评价考核机制，将消费者好评、差评、投诉数据与工作人员绩效、薪资挂钩，对消极服务、违规操作的人员进行整改处罚，倒逼服务质量规范化提升。

5. 升级硬件设施配置，优化仓储服务环境

推进社区驿站硬件设施智能化、标准化升级，改善仓储服务环境。老旧驿站全面完成货架翻新、防潮防尘改造、通风照明升级，杜绝阴暗潮湿、杂乱拥挤问题；规模化驿站引入智能分拣系统、高清监控设备、温控存储设备，实现快件智能分类、全程溯源、生鲜恒温存放。同时，落实5G+物联网智能运维体系，实现驿站环境、设备、客流实时监测，提升驿站智能化服务水平，为包裹安全存储、高效流转提供硬件保障。

6. 健全售后补救机制，保障用户合法权益

构建高效、规范的末端物流售后处置体系，解决用户售后诉求难问题。设立专属售后对接岗位，明确破损、丢失、错件、延迟等各类问题的处置流程与时效标准，要求普通售后问题24小时内响应、48小时内办结；建立清晰的责任划分与赔付标准，明确驿站、快递网点、快递员各方责任，杜绝售后推诿、赔付滞后问题。同时，开通线上线下双向投诉反馈渠道，主动收集用户服务建议，建立服务问题台账，定期复盘整改，持续优化末端物流服务体系，提升消费者整体满意度。