基于相關性分析的產品評估研究

楊雅碧 蔣曉旭 曲玉新 王樂新 鄭佳瑞

摘? 要：陽光公司計劃在在線市場上推出和銷售三種新產品：微波爐，嬰兒奶嘴和吹風機。據此，本文提出了一種產品評估模型，它包括市場數據處理，標準設置和主要影響因素的相關性評估。該模型不僅可以應用于需求方的三種產品，而且可以應用于帶有注釋和評級的其他在線市場產品。在此模型中，我們采用兩種微觀方法：一種是基于兩個獨立變量的劃分，另一種是基于審查日期。根據該模型，可以對不同時期的商品進行分類和計分，以發現聲譽隨時間的變化關系。

關鍵詞：電子銷售，相關性分析，產品評估模型

引言

如今，隨著在線購物的成熟，主要電子商務平臺之間的競爭越來越激烈，這使得營銷策略的設計和管理在在線銷售中扮演著越來越重要的角色。因此，應充分研究企業對用戶的評價所形成的數據集，以制定合理的銷售計劃，實現公司產品的良性互動。本文提出了一種產品評估模型，它包括產品市場數據處理，標準制定和主要影響因素的相關評估。在該模型的基礎上，我們綜合運用相關軟件處理數據，分析變量之間的相關性，了解每個變量對因變量的當前影響并預測未來的發展趨勢。

1標準設定

本文將詳細分析過去五年在亞馬遜平臺上三種產品（吹風機，微波爐和奶嘴）的評分以及評價，并且據此獲得此類產品的銷售成功與它們的評分和評級信息之間的關系。首先，根據三個產品數據集建立分析結構模型。假設Grade_n，Grade_w，Grade_c是trust_np，ntrust_p，ntrust_np的最終注釋標準。W_n1，W_n2，W_n3，W_w1，W_w2，W_w3，W_c1，W_c2，W_c3是上述三個乘積中trust_np，ntrust_p和ntrust_np的權重，A_n1，A_n2，A_n3，A_w1，A_A2，A_w2，A_w1，A_w2，A_w1平均數，因此可以得到以下公式：

其次，為了確定權重值，通過比較三個評級組來構建成對的比較矩陣：

進一步的使用MATLAB處理和分析可以得到：

如果每個客戶的評級水平大于度量標準，則信譽提升，如果小于評估標準，則信譽下降。例如，如果微波爐的測量標準為4，則在分析數據集時，評分星級為4或5，這將使聲譽得到提高。假設sum = 120，j = 0.5，則n = 24，也就是說，以6個月為間隔捕獲信譽增加和減少的數據，并計算24個增值或減值。考慮到每個半年的樣本總數不同，因此我們采用該比率，然后根據Matlab的相關數據分析當前情況。

2 相關性分析

通過分析數據集，我們發現客戶滿意度和評論質量基于時間的變化。因此，我們建立該模型來分析星級，評論數量和評論質量之間的關系。本文使用相關分析方法來分析評論的數量和星級。首先，選擇2014年作為分析的時間節點。其次，在綜合考慮先前模型結果的分析之后，將重點放在2014年1月的中級4星級星級中的星級比率與2014年2月和2015年1月的評論比例（評論總數除以每月的評論總數）。

基于上述分析，本文使用2014年的數據從1-5顆星中隨機選擇500條評論作為樣本。使用數據選擇方法和詞頻分析工具可以直觀地看到1星的“熱情”屬性為0，而5星的“失望”屬性為0。隨著星數的增加，“熱情”屬性為增加，而“失望”屬性則在減少。為了進一步驗證，本文以熱情和失望的態度表達評論的具體質量，并分析了總樣本中特征質量樣本的比例與星級評價比率之間的相關性。結果如下：

結論

隨著在線購物時代的到來，互聯網時代的數據散發出獨特而無與倫比的魅力。學習和掌握數據分析方法是互聯網業務長期發展的必要技能。為了更好地分析數據并為需求方提供可靠的幫助，本文提出了產品評估模型。它包括市場數據處理，標準設置和主要影響因素的相關性評估。該模型不僅可以應用于需求方的三種產品，而且可以應用于帶有注釋和評級的其他在線市場產品。

參考文獻

[1] ?Amazon.What is the meaning of Amazon's VP evaluation？ Under what circumstances，there will be a VP logo for comments[EB/OL].https：//www.cifnews.com/article/28971，20170-09-19.

[2]? Lifeng Hu.Algorithm design of Chinese sentiment analysis based on dictionary[EB/OL].https：//www.cnblogs.com/data2value/p/5310189.html，2016-06-23.

[3]? NVIVO.Automatically detect and code sentiment[EB/OL].https：//help-nv.qsrinternational.com/12/win/v12.1.90-d3ea61/Content/coding/auto-detect-code-sentiment.htm，2018-03-04.