对商品评价的三个类型

采用分项评分：分项评分是交易评价的有力补充。
买家在交易成功结束后，除了可以给予卖家满意/不满意的评价等级之外，还可以从商品与描述相符的程度、卖家的服务态度、商品的送达速度这三个方面对卖家的本次交易进行满意度打分； 每项满意度打分从1星-5星。
分别代表待提高、不错、满意、很满意、非常满意。
如买家没有进行满意度打分，则该项分值也不会记入最后的商品评价总体满意度。

零售企业可以采用3种可能的评价方式：检查、抽查和描述。
具体选择哪种方法取决于商品的成本、特征和购买的规律。
检查即在购买之前和送货之后检测每个商品单位。
珠宝和艺术品是两种昂贵、相对特殊的商品，零售商必须认真检查每一件商品。
当零售商按规律采购大量易碎、易腐或昂贵商品时，要采用抽查的方法。
在这科，情况下，检查每一件商品是没有效率的。
因此，商品的质量和状况只好通过抽查了解。
当零售商购买标准化的、不易腐烂的商品时，就采用描述的方法。
零售商既不检查也不抽查，而是通过口头、书面或图片描述的方式大量订购这类商品。
例如，文具店采用商品目录或订单方式订购夹纸回形针、便笺簿和打印纸等。
不过，收到订单后，往往只有一部分商品可以得到。

如何评价商品的好坏，是否有相关的评价维度？消费者在选择商品的过程中，有很多商品不知道具体的评价维度，比如空调，很多人说这个牌子好，就买这个牌子了。
但是评价一款空调好坏的维度有哪些却不知道，能否…显示全部 谢邀~我是拜尔曼，专门解决消费行为设计问题~ 好与坏，其实是两个综合性的形容词，它可以包罗许多因素在里面，而且针对不同的商品，不同的消费群体给出的定义也不会相同。
例如手机吧，有的人觉得摄像效果好就是好，有的人却觉得三个摄像头很丑，反而认为不好。
——这个真是的众口难调。
所以，与其说要知道商品好与坏的维度，不如看看影响消费者觉得好还是坏的因素有哪些。
消费者觉得好或坏，其实是一种综合感觉，这种感觉来自他的需求以及需求被触发的程度：消费者的需求，决定了好或坏这两个站队中的因素有哪些——到底是白色好，还是彩色好；到底是价格划算好，还是价格更高好…… 关于消费者的需求，有许多不同类型的分类法，这里也可以给大家引入一个矩阵，比较适用于商品或服务对消费者感受的影响： 2. 而需求被触发的程度，就是商品本身所划分在这两个站队中的因素，有没有特别突出的，会触及到了消费者的敏感点，会产生感受上的明显变化。
比如价格高得离谱了，超过承受范围了，那立马就会被打入冷宫——这就是金钱这个因素触发了负面的需求敏感；又或者是某个喜欢的明星代言的，一下就心花怒放了，瞬间好感爆棚了——这就是情感诉求或自我认同因素触发了正面的需求敏感。
好与坏，虽然只是两个很笼统的词，但其产生的过程，却是复杂的，这与消费者的动机需求以及商品属性对消费者需求所带来的触发敏感程度关。
2020-05-15 11:51

合作过滤是指根据顾客的交易历史，并从具有相似消费经历的顾客群的交易记录去为这个顾客推荐其“可能喜欢的新品种”，亦即借由社交群体的偏好为个人提供信息、商品等推荐服务。
步骤 合作过滤是一项通过一组相似喜好的人的评价来寻找音乐、书籍、酒，或其他的任何符合一个人的现在的偏好的商品的技术。
这一分支也被称作社会信息过滤。
使用自动合作过滤系统为新客户提供建议有三个步骤： 1、通过让新客户对电影、歌曲、餐厅等项目进行选择，建立一个客户档案；合作过滤的一个困难实在可能有用的领域，相对任一人可能经历或愿意评价的，具有更多要评价的商品。
2、使用相似方法来比较新的客户和别的客户的档案；最明显的方法是把档案矢量当成几何点，然后计算它们之间的欧几里得距离。
3、对新的客户没有列出的商品，使用具有相似档案的客户的评价来预测新的客户会对这些商品做出的评价；方法是用分量与距离的倒数的比例座椅分量平均。
合作过滤对一个没人看过和评价过的新类型的节目没有用。
但内容过滤可以基于节目向导中列出的新节目的属性做出推荐。
另一方面，基于内容的过滤不能给出新的或出奇的建议，或处理新类型的影片。
然而合作过滤可以做的很好。
运用 合作过滤是用户本身在接收信息并继续传播出去的过程中会对传播内容有选择。
他们会在收到的信息中选择合适的内容发给合适的人。
不合适的内容就被筛选出局。
因此，在传播的同时，用户会对业务内容传播既保持合作的态度，同时也起到一定的过滤作用。
合作过滤是一种利用群体智慧的合作过滤模式，达到信息的个性化传播，其核心是围绕着用户展开的。
因此，我们就考虑，未来社区网站是不是应该围绕着“我”来架构呢？我不需要了解那么多资讯信息，我也不愿意主动去上一些网站去掏关键性的信息，我只想要看我关心的、我喜欢的信息能主动送到我面前。
在过去，通过传统的BI数据挖掘技术，并不能有效地实现信息筛选过滤。
但现在SNS技术能通过好友之间的合作过滤，将客户关心和喜欢的信息主动推送到客户的面前，这个就是我们所描述的以“I”为中心，一个以大写的我为中心，这是未来社区，也是互联网网站发展的方向。