基于層次分析的市場銷售評估研究

郝雨晴 陳奇

摘 ?要：在亞馬遜的運營中，一項非常重要的工作是分析客戶對產品的星級評級和評價。這樣的分析有助于我們了解產品的優缺點，同時掌握客戶對這些產品的關注，揚長避短。通過建立層次分析模型，得到星級評定評分的權重，進而得到銷售成功率。首先剔除數據集數據，并篩選出原始數據中包含的無效數據。我們對數據集中的變量進行分類后，建立層次分析模型。通過驗證他們是否符合一致性指數，并計算出他們在數據集中的權重。研究結果表明：吹風機產品上市后成功率為68.3%，微波爐產品上市后成功率為65%，奶嘴產品上市后成功率為82.15%。該研究不僅可以幫助公司的產品取得成功，還可以幫助產品不斷更新和改進，促進產品的升級換代，取得更好的銷售效果。

關鍵詞：層次分析模型;權重;市場銷售評估

1 研究背景

近年來，隨著互聯網的普及，網上購物方興未艾，購物網站上的用戶評論也開始引起更多的關注[1]。目前，越來越多的網站運營商、投資者和用戶已經意識到網站評價的重要性，很多企業也開始建立自己的網站評價指標。正確的評估可能會導致較高的轉換率，這是每個電子商務商店的關鍵性能指標。它還可以影響您的性能的許多其他方面，進而影響業務的總體增長。

2 基于層次分析的的市場銷售評估模型

2.1 問題分析

分析問題提供的三個產品數據集，并使用數學方法對提供的數據信息進行識別和描述。提取出最有價值的信息，總結歸納出形成有效結論和挖掘數據最大價值的過程。觀察數據是否有異常值、空值等，如果存在，可以剔除或替換為合理值。如果上面的值都沒有出現，可以使用數學運算對它們進行擬合，得到星級、評論和幫助評級中三個產品之間的關系，為三個產品推向市場提供參考。

2.2數據處理

在數據分析過程中，往往需要對數據進行有針對性的清理，即對無關數據和不重要數據進行處理。雖然標題提供了大量的數據，但是要想對這些海量數據進行有效的分析，仍然需要從前端對數據進行分類，并且可以在導入的基礎上做一些簡單的清理和預處理。為了有效利用問題提供的數據，我們執行了以下操作來清理數據集，提高數據的可靠性，避免不必要的計算。刪除所有數據具有的相同列（市場、產品類別）。這樣可以減少數據樣本的大小并刪除數據樣本中的冗余數據。

2.3模型建立

步驟1：對提供的數據進行數據剔除，對部分數據項進行分析處理。只保留有用的信息和數據處理。因此，該問題提供的數據可以有效地用于提高數據的可靠性，避免不必要的計算。

步驟2：剔除數據后，仍有許多變量。變量過多無疑會增加分析問題的難度和復雜性。考慮到多個變量之間存在一定的相關性。因此，我們用更多的新變量替換更少的舊變量，并使這些更少的新變量盡可能多地保留原始變量中的信息。

步驟3：根據結果反映的信息，在查閱相關信息后，對變量進行分類討論。用總票數討論有用票數。

步驟4：更好地顯示幫助投票與總投票之間的關系。我們引入幫助系數來表示兩者之間的關系。在過去，這種關系通常用有幫助的選票與總選票的比率來表示。在這種關系表示模式下，當有助票數和總票數僅與比率有關，且有助票數和總票數均為0時，無法進行計算。具體投票對這種關系的影響無法反映出來。

這是這種表述的兩個缺點。為了改善這一缺點，我們對表示方法進行了優化。在我們建立的關系模型中，我們希望客觀地反映投票對這種關系的影響。當幫助投票數和總投票數為0時，此時的幫助系數可以判斷為0。當有助票數為1時，此時可直接用二者之比表示。在其他情況下，我們使用比率和投票數的乘積。在數據集中，不同客戶之間的投票差距較大，最終的差距會更大。所以我們引入了表示投票數的方法來減小幫助系數之間的差距。

步驟5：我們對幫助系數進行分類，得到以下公式：

步驟6：對評論內容進行情緒分析。我們使用同步數據并行化在Amazon評論數據集上進行語料庫訓練。情緒分析通過一個Python庫（TextBlob）執行，用于處理文本數據。繼續句子中隱藏的想法。極性定義了句子中的否定或肯定，主觀性意味著句子的表達是模糊和肯定的。它是通過分析主觀顧客的情感色彩（即消極和積極/消極）來確定文本的觀點、偏好和情感傾向。通過計算得到情感系數。情緒系數的取值范圍是[-1，1]，我們在一定程度上處理了這個問題。

步驟7：對星級進行分層分析，建立一個層次模型。通過相互比較確定三個目標的權重，并根據矩陣判斷標準進行判斷。定量地顯示各元素的重要性，并構造各方案層的判斷矩陣，得到三個判斷矩陣。在矩陣的i行和j列的位置填充兩個因子比較得到的值，然后構造一個所謂的比較矩陣。比較矩陣的對角線為1，因為它與自身進行比較。然后對所得結果進行一致性分析。首先，計算一致性指數。

為其最具信息性的評級和評論確定數據指標。因此，需要建立一個多目標線性回歸方程系統來確定情緒系數、幫助系數和星級評定的最佳值。多目標線性回歸方程可以表示為：

對成功因素進行分類。分類結果如下：[0，2]，[2，4]，[4，6]，[6，8]，對清理后的數據進行分類，并統計每個類別的數量。經統計，成功系數大于4。得到的比值為68.3%。產品上市后，獲得好評的概率為68.3%。同樣，電磁爐產品上市后，獲得好評的概率為65%。奶嘴產品上市后，獲得好評的概率為82.15%。

3 小結

計算結果表明，吹風機產品上市后正反饋的概率為68.3%，可以預測產品上市后的效果。我們可以得出結論，該產品可以成功地銷售。奶嘴產品上市后受歡迎的概率為82.15%，可以預測產品上市后的效果。我們可以得出結論，該產品可以成功地銷售。電磁爐產品上市后受歡迎的概率為65%，可以預測產品上市后的效果。我們可以得出結論，該產品可以成功地銷售。

參考文獻

[1] ?Susan（Si Xue）Jia. Motivation and satisfaction of Chinese and U.S. tourists in restaurants：A cross-cultural text mining of online reviews[J]. Tourism Management

[2] ?Cai，C. J.（2013）Shangpin pinpai DUI zaixian pinglun youyong xing yingxiang de shi zheng yanjiu（Empirical study on the influence of brand to online reviews' helpfulness）. MA thesis，Chongqing University.