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(chǎn)品的星級評級和評價。這樣的分析有助于我們了解產(chǎn)品的優(yōu)缺點，同時掌握客戶對這些產(chǎn)品的關(guān)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(quán)重，進而得到銷售成功率。首先剔除數(shù)據(jù)集數(shù)據(jù)，并篩選出原始數(shù)據(jù)中包含的無效數(shù)據(jù)。我們對數(shù)據(jù)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(shù)，并計算出他們在數(shù)據(jù)集中的權(quán)重。研究結(jié)果表明：吹風機產(chǎn)品上市后成功率為68.3%，微波爐產(chǎn)品上市后成功率為65%，奶嘴產(chǎn)品上市后成功率為82.15%。該研究不僅可以幫助公司的產(chǎn)品取得成功，還可以幫助產(chǎn)品不斷更新和改進，促進產(chǎn)品的升級換代，取得更好的銷售效果。

關(guān)鍵詞：層次分析模型;權(quán)重;市場銷售評估

1 研究背景

近年來，隨著互聯(lián)網(wǎng)的普及，網(wǎng)上購物方興未艾，購物網(wǎng)站上的用戶評論也開始引起更多的關(guān)注[1]。目前，越來越多的網(wǎng)站運營商、投資者和用戶已經(jīng)意識到網(wǎng)站評價的重要性，很多企業(yè)也開始建立自己的網(wǎng)站評價指標。正確的評估可能會導致較高的轉(zhuǎn)換率，這是每個電子商務(wù)商店的關(guān)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(yè)務(wù)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(chǎn)品數(shù)據(jù)集，并使用數(shù)學方法對提供的數(shù)據(jù)信息進行識別和描述。提取出最有價值的信息，總結(jié)歸納出形成有效結(jié)論和挖掘數(shù)據(jù)最大價值的過程。觀察數(shù)據(jù)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(xiàn)，可以使用數(shù)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(chǎn)品之間的關(guān)系，為三個產(chǎn)品推向市場提供參考。

2.2數(shù)據(jù)處理

在數(shù)據(jù)分析過程中，往往需要對數(shù)據(jù)進行有針對性的清理，即對無關(guān)數(shù)據(jù)和不重要數(shù)據(jù)進行處理。雖然標題提供了大量的數(shù)據(jù)，但是要想對這些海量數(shù)據(jù)進行有效的分析，仍然需要從前端對數(shù)據(jù)進行分類，并且可以在導入的基礎(chǔ)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(shù)據(jù)，我們執(zhí)行了以下操作來清理數(shù)據(jù)集，提高數(shù)據(jù)的可靠性，避免不必要的計算。刪除所有數(shù)據(jù)具有的相同列（市場、產(chǎn)品類別）。這樣可以減少數(shù)據(jù)樣本的大小并刪除數(shù)據(jù)樣本中的冗余數(shù)據(jù)。

2.3模型建立

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

步驟2：剔除數(shù)據(jù)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(guān)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(jù)結(jié)果反映的信息，在查閱相關(guān)信息后，對變量進行分類討論。用總票數(shù)討論有用票數(shù)。

步驟4：更好地顯示幫助投票與總投票之間的關(guān)系。我們引入幫助系數(shù)來表示兩者之間的關(guān)系。在過去，這種關(guān)系通常用有幫助的選票與總選票的比率來表示。在這種關(guān)系表示模式下，當有助票數(shù)和總票數(shù)僅與比率有關(guān)，且有助票數(shù)和總票數(shù)均為0時，無法進行計算。具體投票對這種關(guān)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(yōu)化。在我們建立的關(guān)系模型中，我們希望客觀地反映投票對這種關(guān)系的影響。當幫助投票數(shù)和總投票數(shù)為0時，此時的幫助系數(shù)可以判斷為0。當有助票數(shù)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(shù)的乘積。在數(shù)據(jù)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(shù)的方法來減小幫助系數(shù)之間的差距。

步驟5：我們對幫助系數(shù)進行分類，得到以下公式：

步驟6：對評論內(nèi)容進行情緒分析。我們使用同步數(shù)據(jù)并行化在Amazon評論數(shù)據(jù)集上進行語料庫訓練。情緒分析通過一個Python庫（TextBlob）執(zhí)行，用于處理文本數(shù)據(jù)。繼續(xù)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(shù)。情緒系數(shù)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(quán)重，并根據(jù)矩陣判斷標準進行判斷。定量地顯示各元素的重要性，并構(gòu)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(gòu)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(jié)果進行一致性分析。首先，計算一致性指數(shù)。

為其最具信息性的評級和評論確定數(shù)據(jù)指標。因此，需要建立一個多目標線性回歸方程系統(tǒng)來確定情緒系數(shù)、幫助系數(shù)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(jié)果如下：[0，2]，[2，4]，[4，6]，[6，8]，對清理后的數(shù)據(jù)進行分類，并統(tǒng)計每個類別的數(shù)量。經(jīng)統(tǒng)計，成功系數(shù)大于4。得到的比值為68.3%。產(chǎn)品上市后，獲得好評的概率為68.3%。同樣，電磁爐產(chǎn)品上市后，獲得好評的概率為65%。奶嘴產(chǎn)品上市后，獲得好評的概率為82.15%。

3 小結(jié)

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