[改进]评论分析--增加不在售变体分析和评论rating比分析

评论分析的思路和操作重新完整地梳理了一下,具体分为以下几个方面:

一、好评差评统计分析

->包含评论rating比,由这个指标判断竞品的评论策略

二、5个星级统计分析

->找到评分低的变体来拆分,使listing评分提升

三、单个竞品评论分析

->[一键分析]国家,评论类型,每年每月好评率变化趋势,评论内容词频分析等等

->抓取不在售的变体ASIN及评论情况

四、批量下载多个竞品的评论下来分析

->分析所有同款竞品的评论内容,了解客户在意的产品特性,以及差评点

======================

举例说明:

一、好评差评统计分析,如图:

数据解读:

1)从价格可以分析是否有引流款利润款

2)通过rating数判断哪个变体卖得最好

3)好评率最低的变体可以拆出来,增加listing的评分

4)评论rating比如果过高(比如>30%),则有可能是主动测评的,也有可能被对手恶意扔差评

======================

二、5个星级统计分析,如图:

数据解读:

可以将1,2星比较多的变体拆分掉,提升listing的评分

======================

三、单个竞品评论分析

1.【国家】

可以看出,美国销量最多,其次加拿大,英国,德国,日本,日本好评率最低,但销量也最少

2.【评论类型】

这个产品一共140个评论,VINE VOICE有18个,比例比较高,可以推测一开始是用VINE VOICE获取评论的

3.【每年每月好评率趋势】

可以看出,这个产品在2021年4月份前,好评率基本上都在70%以上的,但2021年4月份之后到10月份,一直都是5,60%,推测是因为这段时间不敢刷单

4.【每年每月评论rating比趋势】

可以看出,这个产品一开始的评论rating比比较高,是因为做了VINE VOICE,后面慢慢地就降下来了

5.【变体颜色尺码属性统计分析】

可以看出,Color那里,黑色卖得最好

6.【缺货变体分析】

先把缺货变体下载下来,然后用数据透视表把变体名称1筛选为(空白),如图:

可以把好评率比较低的变体拆分(因为本身就没库存了),使得listing评分提升

同时可以用ASIN识图功能,即可把这些缺货的ASIN的图片显示出来,如图:

7.【评论内容词频分析】

• 所有评论的单字词根分析,了解客户关注的点:重点看形容词,名词,动词,如图:

看标箭头的词根,可以知道客户在意最多的是fit(是否合身),leggings,pants(使用场景),size(大小,也是关于是否合身),high,waist(款式),comfortable(舒适),等等

• 所有差评的2字词根分析,分析主要差评点,如图:

看由此可以看出一些高频描述的差评点,比如too small,too long之类,等等

8.【评论内容翻译】

如果需要翻译评论,可以选择评论内容,然后点[快捷按钮]->[打开谷歌浏览器翻译],即可翻译成中文,再粘贴回来即可,如图:

======================

四、批量分析多个竞品评论

当单个产品评论比较少时,我们可以批量下载多个同款ASIN的所有评论,然后类似于单个竞品的评论这样进行分析国家维度,变体属性,评论内容等等