基于相關(guān)性分析的產(chǎn)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(jì)劃在在線市場上推出和銷售三種新產(chǎn)品：微波爐，嬰兒奶嘴和吹風(fēng)機(jī)。據(jù)此，本文提出了一種產(chǎn)品評估模型，它包括市場數(shù)據(jù)處理，標(biāo)準(zhǔn)設(shè)置和主要影響因素的相關(guān)性評估。該模型不僅可以應(yīng)用于需求方的三種產(chǎn)品，而且可以應(yīng)用于帶有注釋和評級(jí)的其他在線市場產(chǎn)品。在此模型中，我們采用兩種微觀方法：一種是基于兩個(gè)獨(dú)立變量的劃分，另一種是基于審查日期。根據(jù)該模型，可以對不同時(shí)期的商品進(jìn)行分類和計(jì)分，以發(fā)現(xiàn)聲譽(yù)隨時(shí)間的變化關(guān)系。

關(guān)鍵詞：電子銷售，相關(guān)性分析，產(chǎn)品評估模型

引言

如今，隨著在線購物的成熟，主要電子商務(wù)平臺(tái)之間的競爭越來越激烈，這使得營銷策略的設(shè)計(jì)和管理在在線銷售中扮演著越來越重要的角色。因此，應(yīng)充分研究企業(yè)對用戶的評價(jià)所形成的數(shù)據(jù)集，以制定合理的銷售計(jì)劃，實(shí)現(xiàn)公司產(chǎn)品的良性互動(dòng)。本文提出了一種產(chǎn)品評估模型，它包括產(chǎn)品市場數(shù)據(jù)處理，標(biāo)準(zhǔn)制定和主要影響因素的相關(guān)評估。在該模型的基礎(chǔ)上，我們綜合運(yùn)用相關(guān)軟件處理數(shù)據(jù)，分析變量之間的相關(guān)性，了解每個(gè)變量對因變量的當(dāng)前影響并預(yù)測未來的發(fā)展趨勢。

1標(biāo)準(zhǔn)設(shè)定

本文將詳細(xì)分析過去五年在亞馬遜平臺(tái)上三種產(chǎn)品（吹風(fēng)機(jī)，微波爐和奶嘴）的評分以及評價(jià)，并且據(jù)此獲得此類產(chǎn)品的銷售成功與它們的評分和評級(jí)信息之間的關(guān)系。首先，根據(jù)三個(gè)產(chǎn)品數(shù)據(jù)集建立分析結(jié)構(gòu)模型。假設(shè)Grade_n，Grade_w，Grade_c是trust_np，ntrust_p，ntrust_np的最終注釋標(biāo)準(zhǔn)。W_n1，W_n2，W_n3，W_w1，W_w2，W_w3，W_c1，W_c2，W_c3是上述三個(gè)乘積中trust_np，ntrust_p和ntrust_np的權(quán)重，A_n1，A_n2，A_n3，A_w1，A_A2，A_w2，A_w1，A_w2，A_w1平均數(shù)，因此可以得到以下公式：

其次，為了確定權(quán)重值，通過比較三個(gè)評級(jí)組來構(gòu)建成對的比較矩陣：

進(jìn)一步的使用MATLAB處理和分析可以得到：

如果每個(gè)客戶的評級(jí)水平大于度量標(biāo)準(zhǔn)，則信譽(yù)提升，如果小于評估標(biāo)準(zhǔn)，則信譽(yù)下降。例如，如果微波爐的測量標(biāo)準(zhǔn)為4，則在分析數(shù)據(jù)集時(shí)，評分星級(jí)為4或5，這將使聲譽(yù)得到提高。假設(shè)sum = 120，j = 0.5，則n = 24，也就是說，以6個(gè)月為間隔捕獲信譽(yù)增加和減少的數(shù)據(jù)，并計(jì)算24個(gè)增值或減值。考慮到每個(gè)半年的樣本總數(shù)不同，因此我們采用該比率，然后根據(jù)Matlab的相關(guān)數(shù)據(jù)分析當(dāng)前情況。

2 相關(guān)性分析

通過分析數(shù)據(jù)集，我們發(fā)現(xiàn)客戶滿意度和評論質(zhì)量基于時(shí)間的變化。因此，我們建立該模型來分析星級(jí)，評論數(shù)量和評論質(zhì)量之間的關(guān)系。本文使用相關(guān)分析方法來分析評論的數(shù)量和星級(jí)。首先，選擇2014年作為分析的時(shí)間節(jié)點(diǎn)。其次，在綜合考慮先前模型結(jié)果的分析之后，將重點(diǎn)放在2014年1月的中級(jí)4星級(jí)星級(jí)中的星級(jí)比率與2014年2月和2015年1月的評論比例（評論總數(shù)除以每月的評論總數(shù)）。

基于上述分析，本文使用2014年的數(shù)據(jù)從1-5顆星中隨機(jī)選擇500條評論作為樣本。使用數(shù)據(jù)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(shù)的增加，“熱情”屬性為增加，而“失望”屬性則在減少。為了進(jìn)一步驗(yàn)證，本文以熱情和失望的態(tài)度表達(dá)評論的具體質(zhì)量，并分析了總樣本中特征質(zhì)量樣本的比例與星級(jí)評價(jià)比率之間的相關(guān)性。結(jié)果如下：

結(jié)論

隨著在線購物時(shí)代的到來，互聯(lián)網(wǎng)時(shí)代的數(shù)據(jù)散發(fā)出獨(dú)特而無與倫比的魅力。學(xué)習(xí)和掌握數(shù)據(jù)分析方法是互聯(lián)網(wǎng)業(yè)務(wù)長期發(fā)展的必要技能。為了更好地分析數(shù)據(jù)并為需求方提供可靠的幫助，本文提出了產(chǎn)品評估模型。它包括市場數(shù)據(jù)處理，標(biāo)準(zhǔn)設(shè)置和主要影響因素的相關(guān)性評估。該模型不僅可以應(yīng)用于需求方的三種產(chǎn)品，而且可以應(yīng)用于帶有注釋和評級(jí)的其他在線市場產(chǎn)品。

參考文獻(xiàn)

[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.