淘寶商品評論價值挖掘的一點思考

一、方案目標(biāo):

1.對現(xiàn)有商品評論進行質(zhì)量評估,優(yōu)化排序機制,浮現(xiàn)優(yōu)質(zhì)評論,提升買家購物決策效率

2.在質(zhì)量評估的基礎(chǔ)上建立監(jiān)控機制,防控廣告和虛假評論利益既得,降低買家售后糾紛(退款)等風(fēng)險

3.建立方案機制,促進新優(yōu)質(zhì)評論不斷產(chǎn)生

二、現(xiàn)狀分析:

1.淘寶現(xiàn)狀:

——主要功能點:

1)寶貝評論:a.好中差評、圖片、追評、有內(nèi)容的評價、排序選擇(推薦排序、最近評價)b.大家印象--關(guān)鍵詞提取c.有用、提問

2)售后服務(wù)評論:a.店鋪售后服務(wù)情況、與同行業(yè)對比b.店鋪全部售后評價、該寶貝售后評價

——個人使用體驗:

可概括為“總→分→總”購物決策邏輯,上述功能點有用程度(使用頻次)從高到低依次為:有內(nèi)容的評價》圖片》追評、中差評》大家印象,,即”內(nèi)容評價和圖片“提取出大致印象分;”追評中差評“步驟重點提取”關(guān)心點“信息,此時購買與否心理大致有個初步?jīng)Q策(和之前瀏覽商品進行比對);”大家印象“結(jié)合商品價格等重要屬性進一步增進決策權(quán)重,促使買家用戶作出決策

——用戶反饋問題:(來自朋友圈和知乎相關(guān)問題匯總)

1)讀取評論信息并從中提取有價值評論的成本較高,導(dǎo)致決策鏈過長,效率低下→兩個角度:優(yōu)質(zhì)評論本身的數(shù)量+浮現(xiàn)排序問題

2)查看評論時需要過濾掉虛假評論(例子:很長且商品各方面均夸到位的評論:“寶貝收到了,質(zhì)量很好,賣家服務(wù)不錯,快遞很給力”),但虛假評論甄別成本過高,尤其對于新中小級別買家來說較難察覺

3)賣家用戶的中差評訴求側(cè)重不同(產(chǎn)品本身問題、包裝問題、物流問題),未能進行打標(biāo)簽歸類,用戶需要提取信息來匹配自己需求

4)關(guān)于賣家誘導(dǎo)好評的做法(好評返現(xiàn))是否應(yīng)該予以限制

2.外部競品:

——以商品評論口碑較好的亞馬遜和國內(nèi)垂直電商聚美優(yōu)品為例

亞馬遜


聚美優(yōu)品

亞馬遜的商品評論功能特色:星級量化評分、按有用程度排序(默認)、按發(fā)表時間排序(右側(cè))、對評論的社交互動反饋(有用與否、答案互動)

聚美優(yōu)品的商品評論功能特色:星級量化評分、效用分維度評分、按年齡和膚質(zhì)排序、優(yōu)質(zhì)評論的居首浮現(xiàn)

——借鑒點:引入社交反饋的優(yōu)質(zhì)評論浮現(xiàn)排序機制、垂直領(lǐng)域商品評論的分維度排序機制

3.學(xué)術(shù)研究:

由于中文分詞語義于外語有所區(qū)別,因此先分析國內(nèi)相關(guān)學(xué)術(shù)研究,在知網(wǎng)上搜索關(guān)鍵詞“商品評論”,按引用次數(shù)降序排列,大于3的如下:

來源知網(wǎng)

——借鑒點:深度挖掘模型的建立和應(yīng)用

三、行動方案

1.引入社交反饋的優(yōu)質(zhì)評論浮現(xiàn)排序機制(借鑒亞馬遜)

——a.從標(biāo)品領(lǐng)域作為試點,放開“用戶認為有用+回復(fù)”的效用評價機制,且默認排序采用“有用度”排序,界面排版上給與一定比例傾斜突出

b.權(quán)限問題:商品評論本身是否有資格進入效用評價機制(基礎(chǔ)垃圾模型過濾通過才可以準(zhǔn)入)+點擊“認為有用+回復(fù)”的用戶范圍(為了防止賣家刷利于自己的評論,點擊“認為有用”的用戶設(shè)定為一定等級以上買家用戶,回復(fù)權(quán)限的用戶設(shè)置不限)

c.冷啟動問題:官方激勵措施(初始對于優(yōu)質(zhì)評論的用戶給與一定的激勵,比如淘金幣、天貓積分)+社交互動反饋(為保護買家隱私,互動過程均為匿名,但可對某項優(yōu)質(zhì)評論進行第三方社交平臺分享)

2.垂直領(lǐng)域商品評論的分維度排序機制(借鑒聚美優(yōu)品)

——嘗試從幾個垂直領(lǐng)域針對用戶評論反饋的集中問題作分維度排序機制(比如3C類的產(chǎn)品本身質(zhì)量、尺寸規(guī)格外觀、使用性能、售后服務(wù)等進行標(biāo)準(zhǔn)化提煉)

3.限制賣家誘導(dǎo)買家好評的行為

——在商品詳情頁進行“好評返現(xiàn)”關(guān)鍵詞識別并召回,與賣家分層中的黑灰賣家進行關(guān)聯(lián),對交集賣家給與一定警示,且重點關(guān)注其是否存在“虛假評論泛濫“的現(xiàn)象

4.深度挖掘模型的建立和應(yīng)用

——深度挖掘模型的建立和不斷完善,識別優(yōu)質(zhì)評論和劣質(zhì)評論,此為評論排序的基礎(chǔ)和關(guān)鍵

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點,簡書系信息發(fā)布平臺,僅提供信息存儲服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容