对商品评价的三个方面

当打分高的人占比越多，也就意味着，你的产品被推荐给其他人的可能性越高 ，用户愿意使用自己的信用背书去推荐你的产品，证明用户真的满意，你的产品口碑真的不错！ 感兴趣的可以点击查看 17个使用NPS获得商业成功的案例 但是光看用户满意度，是远远不够的，why？假如a产品和b产品，功能服务都差不多，那么对a产品满意的用户，太容易转头就去使用b了，因为大家都差不多，都能让我满意！那我用谁其实没差别。
产品核心竞争力： 如果a产品相对b产品来说，在某些地方是有自己独特的优势，并且已经打造成了核心竞争力。
举个例子，微信，市面上跟微信功能差不多的app数不胜数，为什么它可以独霸天下？是因为他打造了微信生态壁垒，不管你在哪里玩什么app，要聊天沟通谈合作，大家还是要回到微信里面去。
如何构建自己产品核心竞争力？NPS也可以帮到一点小忙，在收集打分的过程中， NPSMeter的NPS调研可以设计开放式调研问题，追问用户打分的原因，挖掘用户真实的想法。
反馈给产品经理。
举个例子：推荐者的反馈，一定是产品的优势，贬损者的反馈，一定是产品的劣势。
这些反馈整理出来，构建核心竞争力也有大概的方向和思路了。

有了用户满意和产品的核心竞争力，我们还要考虑这个产品它未来流量或者变现能力怎么样？毕竟一款产品开发出来，就是要获取商业意义上的成功，不能白干啊！要不就是产品免费，但有流量就不会愁没钱；要不就是产品收费并且有一定的变现能力。
商业变现/业务数据： 可以简单想象一下，你已经通过用户满意以及产品核心竞争力，给产品打造出了良好的用户口碑，如果你能利用口碑外加一些奖励，驱动让现有客户把产品推荐给朋友，新来的人又推荐新的用户，那么产品就会有源源不断的用户增长，也预示着这款产品会有较好的变现能力。

对京东店铺的卖家们来说，自然希望能够做好京东店铺的动态评分。
而且当这个评分出现降低的情形时，那卖家们应该要怎么办呢？为什么会出现这种情况呢？ 评分降低怎么办？ 1、标题和封面要做好。
店铺动态的标题要研究好，尤其是对副标题的撰写，对于动态浏览量的影响十分之大。
2、控制店铺每天发布动态时间。
店铺动态发布的最佳时间在15：00~20:00，这个时间段阅读的人数较多，当然这只适合绝大多数店铺。
3、遵循店铺的动态发布条数限制的法则。
每天可以发3条，可以删除重发，但建议不要经常删除重发，京东抓取店铺动态到品牌头条展示的次数是有限的，一般一天一次。
4、店铺动态发送要选择标签。
增加店铺动态的标签，可以更精准地筛选目标人群，把有用的东西呈现到目标人群的手机上。
5、宣传店铺活动。
如何店铺有活动，可以把活动每天都发一条动态，起到宣传作用，对价格敏感的用户会被吸引来购买。
6、建议隔天发个买家秀(配合补单进行)，一方面增加店铺曝光度，让别人知道我们这个店铺，另一方面用买家的口碑进行宣传，更具说服力。
7、发签到有礼，签到有礼的规则有每天签到有礼、连续签到有礼。
设置不同的天数签到福利(适合对价格较敏感的客户)增加店铺粉丝粘性。
8、写好动态有三种处理：发布、定时发布、存草稿(下次编辑)。
有急事或其他情况就可以先写好，再设置定时发送，挺方便的。
9、发货和评价，发货的速度控制在24小时内(有京东仓库的最好放进去)，有效率一点，客人开心，你的钱也快到手一点，另外评价引导一下消费者，如果不会引导，那么补单的评价尽量写详细一点。
为什么下降？ 1、商品评分包括商品质量满意度、商品描述满意度和退换货。
这个主要是客户前面两个是客户评价及运营指标。
前两者都是根据客户完成订单后进行了评价结果给予打分。
这个就可以根据自己店铺的用户评价，进行评价的优化，跟买家进行沟通进行评价的修改。
2、服务评分包括卖家服务态度满意度、配送人员态度满意度、退换货处理满意度、在线客服满意度、工单回复率这几个方面组成。
其实前4项都属于客户评价范围，最后一项属于运营指标。
针对是客户评价这一点，可以在售前售中售后跟客户持续保持沟通，发现问题及时处理，这样可以减少差评的评价率，这样可以提高客户的评分。
而工单回复率的算法公式是：工单回复率=1-(3H超时量/工单量)，这项评分是越高越好的。
3、时效评分主要是包括物流速度满意度、发货及时率、退换货处理时长、在线客服响应时长这几个方面。
除了第一个处于客户评价之外，后面三个都是运营指标。
写在最后 这三个指标，前三个都是越高越好，最后一个是越短越好。
所以在客户评价方面，一定要加强沟通，把差评扼杀在摇篮里。
而在运营指标方面的话，就要提高运营人员的素质了，比如说客服就要提高她们的应答时间，提高效率。

《基于文本语义挖掘的商品评论信息可信度分析研究》是依托南京理工大学，由丁晟春担任项目负责人的青年科学基金项目。
项目摘要 商品评论信息的可信度会对用户购买决策产生重大影响，已有研究主要从用户行为、心理感知等方面，研究影响用户对评论信息信任程度的因素，但缺乏对评论信息可信度的定量分析研究。
本申请将结合文本挖掘、信息组织等方法，从商品评论信息的文本语义出发，拟在申请者前期对评论信息倾向性分析研究的基础上，探索有效的评论信息可信度定量分析模型。
进行如下三方面研究：1.从虚假商品评论信息的发布动机和行为出发分析其特征规律；2.结合领域本体和条件随机场模型进行可信度特征的选择及其特征库的构造，并据此构造规则集进行评论信息可信度文本特征词的自动抽取研究；这是研究重点。
3.在上述基础上，设计基于领域本体的评论信息可信程度计算规则，提出基于Jena推理机的文本可信程度语义推理计算算法，并通过该计算方法得到商品评论信息可信度分析结果。
这是研究的难点。
本项目旨在为意见挖掘提供可信的信息资源，为虚假评论信息的审核过滤提供有效方法。
结题摘要 商品评论信息的可信度会对用户购买决策产生重大影响，已有研究主要从用户行为、心理感知等方面，研究影响用户对评论信息信任程度的因素，但是缺乏对评论信息可信度的定量分析研究。
本课题结合了文本挖掘、信息组织、统计学等方法，从商品评论信息的文本语义出发，探索商品评论信息可信度定量分析模型，具体的研究包括以下三个方面：1.从虚假商品评论信息产生的动机、表现的行为和发布的渠道三个角度分析其特征规律，研究发现虚假评论信息产生的动机一般分为推销、诋毁、干扰和无意义四类，表现的行为为造假和隐藏，并在此基础上，从评论信息的内容、评论信息的来源以及评论者自身三个维度进行了评论信息可信度特征的分析；2.将领域本体和CRFs模型结合起来进行可信度特征的选择与特征词的自动抽取：首先通过商品评论信息可信度影响因素实证分析，验证了课题组所选各个可信度特征的有效性，之后分别通过商品评论信息领域本体构建与完善、基于CRFs模型和本体的评价词集构建，基于Jena推理的隐性商品评论对象抽取、基于CRFs模型的显性评价对象以及情感极性特征的自动识别来完成了评论信息可信度特征词的自动抽取，实验结果表明课题组所提方法的有效性和优越性，该部分为研究的重点；3.在上述基础上，针对商品评论信息可信度的计算进行了定性和定量两方面的研究。
首先，课题组提出了基于SVM模型的垃圾评论识别方法，成功地过滤了商品评论信息中的垃圾评论；之后采用CRFs模型和领域本体相结合的方法对商品评论信息的可信度进行了四级评估研究，依据实验结果对“人工效用评价”提出了改进建议：最后为了对商品评论信息的可信度进行更为准确的量化计算，又在可信度特征分析的基础上，设计了可信度特征的计算规则，并提出了基于SVR模型的商品评论可信度计算方法，并通过该计算方法得到商品评论信息可信度分析结果。
这是本研究的难点。
本项目将研究过程中提出的情感倾向性分析与评价对象抽取方法应用到了NLPCC2013、COAE2013和COAE2014等公开的中文倾向性测评的任务中，取得了不错的结果，验证了本文所提出的方法的有效性。
之后依托于本项目的研究成果，开发了“手机商品评论信息抓取与分析”应用系统，参与“2014年（第7届）中国大学生计算机设计大赛”，取得了良好的成绩，为垃圾评论的识别、商品评论信息可信度分析提供了有效的方法。