透过review综合评分计算看优化

透过review综合评分计算看优化

据说最近大家开始关心起review评分权重及计算方法这方面的事情来了。我们先来看看原汁原味的Amazon对于评分计算的官宣:大意是说:Amazon计算一个产品评价星级是基于一个机器学习模型来评定,而不是简简单单的将原始评分数据进行一个平均。Amazon的这个评分模型考虑以下几点因素:1.买家账户因素2.评价的存在时间长短3.VP评价4.Amazon所建立的可信赖的评论者体系这里我们先计算几组rev

据说最近大家开始关心起review评分权重及计算方法这方面的事情来了。

我们先来看看原汁原味的Amazon对于评分计算的官宣:

Image title

大意是说:Amazon计算一个产品评价星级是基于一个机器学习模型来评定,而不是简简单单的将原始评分数据进行一个平均。

Amazon的这个评分模型考虑以下几点因素:

  • 1.买家账户因素

  • 2.评价的存在时间长短

  • 3.VP评价

  • 4.Amazon所建立的可信赖的评论者体系


这里我们先计算几组review评分来做做对比,对这微妙的变化做做对比+定量研究。

情形1:接近五星好评的listing的每项review评分的分布情况

Image title

评分平均计算:(5*12*0.92+4*12*0.08)/12=4..92

Amazon评分计算模型得分.9 < 平均评分 说明有某个评价拖了后腿,这个评价托后腿的地方就可以从官宣的计算模型考虑的因素来分析了。

我们来一起看看:

Image title

Image title

有这么一个5星直评存在。如果说评分模型不计算这个直评,那么(10*5+1*4)/ 11大约等于4.909 还是略大于评分模型的出的评分值4.9 =(9*5+1*4)/10还是有个好评拖了一点点及其细微的后腿。

但这里可以得出确切结论:在一个listing的稍成熟的review阶段,非VP的评价是影响不到总体评分的了。


情形2:我们在来看一个评分中等的产品的review:

Image title

评分平均计算:(5*35*0.57+4*35*0.09+3*35*0.08+2*35*0.06+1*35*0.2)/35= 3.77 > 系统评分 3.6,还是优先怀疑5分评价中的拖后腿问题,因为得分少的评价如果拖后腿那么总体系统评分肯定要偏高的。


我们来仔细看看:

Image title

发现一个差评直评,如果去掉这个直评,平均计算一下:

(5*20+4*3+3*3+2*2+1*6)/34=3.85 > 3.77 >3.6 从结果可以看出去掉直评差评总体平均的分较大幅度增大,说明:直评如果是差评的情况下系统评分还是考虑进去的。


再看是哪些好评托了后腿:

Image title

这个listing下面的好评有个特点“works great” 无图无真相,亚马逊还是精挑细选了一个比较走心的review作为most helpful

Image title

从以上分析结果我们不难得出关键结论:直评(非VP Review)在是好评的情况下权重会几乎降低到没有,在差评的情况下是一定会被统计并赋予权重的。


以上现象给到我们在优化产品review时的一些重要启示:

1)做好评不要浪费时间在直评(非Verified Purchase Review)上

2)如果被一个确切的竞争对手恶意袭击,还是可以用直评差评的方式去复仇的

3)测评人员买家账号要确保安全有效

4)真实评价还是尽量有图、视频、细节描述的真相,权重会高

5)写的漂亮的Positive Review要适当让站外的人们多点进去看看,提高Amazon权重

6)Amazon可能正着力于建立一个 测评人员 / review 人员信任体系,谨慎培养自己的买家账号,以便将来可能参与到该体系。核心理念,将自己作为一个正常消费者思维,热衷于推荐自己觉得好的产品优势点。


***操作评论罪很大,请大家注意安全。

5
收藏6
评论9分享至
参与评论
后参与评论
暂无数据

简介: 作者很懒,还未填写简介