疫情后金融科技的恢复韧性

J. Arivazagan,Pondicherry大学银行技术系研究学者，电子邮件：arivazagan @gmail. com S. Sudalaimuthu博士,Pondicherry大学银行技术系教授，电子邮件：smvca s @gmail. com Abstract 新冠肺炎疫情对包括金融服务在内的各个行业产生了广泛影响。新兴的金融科技行业对大流行的反应不同，金融科技支付板块出现大幅增长，而金融科技贷款板块面临低迷。大量文献和行业报告证实了大流行对金融科技贷款的负面影响。尽管金融科技行业一直在逐步复苏，但大流行后金融科技贷款部门的弹性却反应不一。本文使用客户满意度方法研究了大流行后印度金融科技贷款行业的弹性。企业的弹性与客户满意度有关，这表明企业能够承受挑战并长期表现如何。为了衡量客户满意度，本研究使用Fitech Ledig平台上提供的在线评论，应用基于词典的情感分析和主题建模。研究发现，在大流行期间，贷款活动已经枯竭。然而，Fitech贷款平台通过其在线服务提供更好的客户体验和满意度。此外，该研究表明，在周转时间，文档/ KYC，移动应用程序功能和数据问题等领域，客户体验有了积极的增长。 关键字:金融科技贷款,弹性,客户满意度,情感分析,主题建模 Introduction 通信技术的创新给金融行业带来了巨大的变化，特别是在贷款领域。互联网改变了人们随时随地获取资金的方式。随着智能手机技术的出现，贷款活动变得更快，带来了更多的透明度和灵活性。金融科技贷款平台提供定制贷款，周转时间更短。移动应用程序的开发在采用在线借贷方面发挥了重要作用。借款人可以方便地通过移动应用程序访问贷款产品。 随着新冠肺炎持续到2020年，许多企业使用各种战略重新发展，以确保业务连续性，改变他们的产品和服务，如定价和成本结构变化、服务协议和政策修订、新产品供应或停止现有产品或服务(CCAF等人，2022年)。 然而，一些行业报告指出，COVID - 19封锁导致基于移动的在线金融服务使用量大幅上升。借款人涌向在线贷款机构，使用手机应用程序满足短期贷款和其他信贷需求的新借款人明显增加。除地铁外，印度2、3和4级城市的借款人也可以使用在线贷款。在COVID - 19封锁期间，许多通过移动应用程序提供贷款和信贷服务的贷款平台的需求激增。从桌面到移动设备的在线借贷活动发生了显着变化。这些报告提供了关于金融科技贷款平台在大流行期间和之后的弹性的见解。 鉴于金融科技贷款公司是政府援助中小企业行业计划的交付或实施合作伙伴，鉴于大流行，企业融资增加并不完全出乎意料。例如，SBA薪水保护计划，RBI的暂停计划，英国的业务中断贷款计划以及澳大利亚的中小企业担保计划都允许许多金融科技数字贷方通过这些计划发放贷款（CCAF等。，2022）。 尽管发生了这些事件，但尚不清楚这些金融科技贷款平台的弹性如何。然而，金融科技贷款平台报告称，几乎所有关键风险指标都有所增加。在全球范围内，公司报告的流动性风险、监管风险和网络风险的增幅最高(CCAF等人。，2022）。在大流行危机期间，金融科技贷款平台向所有企业的贷款枯竭，表明业务增长缓慢或为零(Be - David等人。，2022）。大多数金融科技贷款平台在大流行期间由于收款和恢复问题而蒙受损失（SIDBI和Eqifax，2020）。 在这种情况下，最好了解这些平台在大流行后的业务弹性。企业的成功取决于建立弹性以保持相关性和竞争力。有很多方法可以评估业务弹性，如财务稳定性，生态系统，组织结构，市场地位和客户满意度（Zhao＆Che，2021）。客户满意度是业务弹性的一个方面。它以多种方式与业务弹性相关联。具有高客户满意度的企业更有可能拥有稳定的客户群并吸引新客户，这可以帮助企业发展并随着时间的推移变得更具弹性（Edeh等人。，2019）。因此，监控客户满意度和情绪是了解企业弹性的重要因素。此外，可以确定需要改进的领域，并继续发展，从而在快速变化的商业环境中取得成功。 使用情绪分析评估客户满意度是了解业务弹性的有效方法。情感分析通过分析客户评论和确定整体情感，为客户满意度提供了有价值的见解(Al - Otaibi等人。，2018）。一些研究已经应用文本挖掘和情感分析来确定银行服务中的客户满意度(Charabarti等人，2018年；米塔尔和阿格拉瓦尔，2022年；Chadramar等人。，2022）。在本文中，我们使用情绪分析和主题建模来分析客户满意度，以了解大流行后金融科技贷款平台的弹性。 文献回顾： 客户满意度和弹性 由于令人难忘和持久的客户体验，将为消费者创造积极的情感价值，有助于提高客户满意度（Mulyono＆Situmorang，2018）。对于营销人员来说，创造良好的客户体验对于扩大客户群，提高业务盈利能力以及与客户建立更紧密联系至关重要（Kumar＆Mokha，2021）。 根据Yawised等人的研究。(2021)，客户满意度对公司成功至关重要，因为它使公司能够理解客户需求，从而保持相关性和扩展。有关客户满意度的数据包括关键信息，例如消费者类型，最喜欢的产品以及对这些事物的满意度。客户满意度数据对于评估供应链网络的绩效，弹性和可持续性至关重要。 在旅游和旅游业中，2020年1月至9月，许多大陆的酒店提供的款待，即COVID - 19大流行，是Mehta等人的一项研究的主题，该研究通过对客户评估进行情绪分析和主题建模来衡量客户的幸福感(Mehta等人，2021年)。 世界经济论坛的一项研究将2020年上半年Covid - 19对金融科技企业的影响与2019年同期进行了比较。在垂直层面，数字借贷平台似乎比其他公司受到疫情的不利影响更大。总体而言，该研究的结果表明，尽管不同的商业模式和国家存在显著差异，但全球金融科技行业对大流行的抵御能力更强，满足了消费者的需求，并成为政府救济计划的分销合作伙伴(世界经济论坛，2020年)。 Edeh等人（2019）使用横断面研究调查，研究了客户关系管理对尼日利亚存款货币银行组织弹性的影响。根据该研究，客户关系管理显着提高了尼日利亚存款货币机构的组织弹性。 Zhao & Chen (2021)将反映企业适应性和可持续性的弹性相关指标纳入信用评估体系。他们的研究使得扩展组织弹性理论的使用成为可能，同时也增强了电子商务企业的信用评估模型。 Sog等人。，(2022)调查了COVID - 19疫情前后影响酒店业务客户满意度的参数变化。为了确定在COVID - 19流行前后影响客户满意度和心理稳定性的变量，研究人员检查了在线酒店评论，并采用了潜在狄利克雷分配和情绪分析。此外，他们发现，在整个疫情期间，服务质量对酒店顾客的幸福感有重大影响。 在线评论和情绪分析 评论者的行为可能类似于互联网口碑（WOM）。口碑在传播知识方面具有重要意义，尤其是在涉及积极经验的情况下。用户生成的在线评估从用户感知的质量中推断出“感知的有用性”和“感知的易用性”，这些评论隐含地传达了这些信息。旅游业和电子商务一直是社交媒体产生的用户评论的研究主题。任何基于移动的应用程序都允许用户查看移动应用程序的使用情况以及他们对所提供的技术和服务的体验。另一个文本挖掘应用程序是情感分析，它自动从文本数据中提取正面或负面的评论（Pag和Lee，2004）。情绪分析扫描和监控互联网数据，以发现关键情况，重大问题和新事件（Kaiser等人。，2011；Levy等人。，2013)。 Leem & Em (2021a)使用文本挖掘方法对客户在线评论进行各种服务质量维度的分析。同样，Geetha等人。(2017)通过情绪分析解释了基于在线评级的酒店客户满意度。其他几项研究在不同的背景下使用在线评论来了解客户体验并预测影响他们对基于移动应用程序的服务的情绪的功能（Leem＆Em，2021a；Che McCai等人。，2021年；SitiMastroh，2020年）。尽管如此，这些研究仅限于酒店、零售、旅游和银行业。 由于在线贷款平台与用户的直接互动很少，因此了解借款人通过移动应用程序访问金融的经验可能会很有趣。与以前的研究不同，以前的研究通过使用调查方法进行实证研究来关注用户的满意度，本研究使用在线评论来了解借款人在技术和服务方面的经验。 随着Fintech借贷平台的受欢迎程度不断提高，它作为银行等传统金融机构的有力竞争者，在金融市场上造成了混乱。尽管有关Fintech借贷平台的文献有限，但很少有研究讨论它们。 在快速数字化时代，移动应用程序已经开始主导数字体验（Malhotra，2020）。移动金融服务，如移动银行，移动支付和移动股票交易已被广泛采用（Chog等人。，2021）。移动股票交易系统可能会改变股票在证券交易所的交易方式（Veatesh;＆Shyamsdar，2016）。Palese＆Piccoli（2016）在从意大利最大的在线定价比较网站获得74, 775个在线评估后，采用了训练不足的主题模型来从用户生成的材料中识别相关的服务质量参数。Bolle等人利用Twitter情绪来预测股市。，（2011年）。找到了微博上的专家投资者，Bar - Haim等人对股票进行了情绪分析。，(2011)和Feldma等人。，（2011年）。J和Palacios（2016）研究了在顶级移动市场咨询公司之一的网站上发布的移动银行应用程序的客户评论，以确定哪些关键因素与移动银行客户对移动银行服务的满意度或不满意度最相关。为了评估金融应用程序功能对其评级的影响，Heber等人。（2018）使用基于机器学习的技术评估了来自Google Play商店和Apple App Store中发现的1610个财务应用程序的300, 000多个评论词。Pegate & Riggis (2020)利用情绪分析来检查和提取非结构化P2P贷款数据收集中的情绪。Leem & Em (2021)采用文本挖掘来分析Kaao移动银行在线客户评估中的情绪，以估计服务质量。 目前只有有限的研究集中在银行和金融领域的消费者反馈，特别是在数字贷款领域。因此，本研究评估了借款人对金融科技贷款平台的情绪，以了解其在大流行后的弹性。 研究方法 本研究使用在线评论来分析借款人通过使用移动应用程序的经验对Fintech贷款平台的情绪。根据他们在在线论坛上的受欢迎程度选择了三个Fintech贷款平台（表1）。从2017年7月到2022年6月，这三个应用程序的在线评论从Google Playstore报废了五年（60个月）。 情感分析和主题建模涉及的数据预处理步骤如图1所示。 情感分析 基于词典的情感分析方法使用诸如单词和情感之类的特征来将每个单词分类为正面或负面。此方法将文本中使用的单词与先前准备的词典之一（例如Big和AFINN）进行比较。这些词典缺少特定领域的情感词。因此，准备了一个定制的词典，其中包含与借贷特征相关的情感词，并将其添加到Big和AFINN词典中以分析借款人的情感。此外,识别诸如“不、不、都不是”之类的否定单词,并将其添加到具有适当情感值的定制词典中。 主题建模 主题模型是“基于分层贝叶斯网络的概率技术，用于发现非结构化文档集合中的主要主题”。最近，在主题模型的研究中，尤其是在诸如LDA之类的生成主题模型中，已经有了重要的时刻。潜在狄利克雷分配（LDA）是最简单的主题模型，它将主题混合权重视为“K维隐藏随机变量”（Blei等人。，2010)。多项研究已经应用了LDA情绪分析(Bagheri等人，，2014；Bastai等人。，2019年；牛等人。，2020年）。Tabiaa＆Madai（2021）分析了Google Playstore中八个摩洛哥移动银行应用程序的用户评论，并使用LDA提取了主题。Leem & Em，(2021b)利用LDA对负面评论投诉进行主题建模，从流程、技术、互动和便利性等方面找出客户投诉。 分析和结果 从2017年7月到2022年6月，所有三个金融科技贷款平台的评论总数和