亚马逊评论分析指南

几乎所有亚马逊消费者在购买前都会查看产品评论。产品评论通常是许多消费者的决策因素，如此宝贵的评论到底如何能发挥最大价值呢？本篇文章让我们一起来探索如何进行亚马逊评论分析。

为什么亚马逊评论分析很重要？ 

「97%的客户说评论会影响他们的购买决策」

产品评论会告诉消费者当下的流行趋势是什么，哪些产品有市场需求？哪些产品不再热销，以及同款产品不同品牌的差异分别是什么。很多卖家为了获得更多的评论甚至会去付费刷评，而对此种行为真正有购买需求的消费者是十分反感的，甚至还会主动去筛查虚假评论。所以真实的消费者评论对于卖家来说是十分宝贵的资源，那怎样能将这样宝贵的资源利用到极致呢？

亚马逊评论通常是消费者的真实情绪反馈，所以VOC（客户之声）的深度聆听，对卖家来说可以进行消费者的真实情绪监控，也可以通过数据的洞察分析，确保自己的产品在搜索排名中占据一席之地，还可以在和竞争对手的比对之中，扬长避短从而进行产品的优化创新。但亚马逊的评论分析还是具有一定的挑战性，因为优秀的产品都有数百万条评论，而如此庞大的数据量是没办法通过人工的方式进行精准分析，所以对于卖家来说，没有科学的VOC（客户之声）聆听，是具有一定风险。

  如何能做好亚马逊评论分析  

「 请注意这八个关键问题 」

在进行产品产品评论时，您需要考虑以下问题：

1、有多少人留下了反馈？

2、产品的平均评分是多少？

3、客户情绪是什么样的？

4、哪些关键词出现频次最高？

5、反馈中是否有常用短语？

6、随着时间推移，评论趋势发生了怎样的变化？

7、最喜欢和最不喜欢的产品功能分别是什么？

8、竞争对手的评分如何？

以上这些问题，通过人工去精准完成几乎是不可能的，即使可以也非常耗时；而借助工具即可事半功倍。Shulex 可以帮助卖家进行VOC（客户之声）分析，在亚马逊评论收集后，通过ABSA（细粒度情感分析）识别，多维度展现出卖家最关心的核心数据。

  情感分析的能力支撑什么是ABSA

情绪表达是我们经常做的事情，从1954 年开始，就有研究者针对“情绪分析”进行研讨，也有这方面的相关文献。针对情感识别分析，我们通常会先识别出每个单词背后的情绪——愤怒、厌恶、恐惧、喜悦、悲伤或是惊讶。自然语言处理可以完成这个步骤。在这之后去进行模型的训练，教会机器弄清楚文本的真正含义——是什么引起了情绪或者它们是如何相互关联的。 

ABSA是基于方面的情绪分析(aspect-based sentiment analysis, ABSA)，是一个重要的细粒度情感分析问题，旨在分析和理解人们在方面层面的观点，在过去的十年中受到了广泛的关注。在不同的场景中处理ABSA，引入了不同的任务来分析不同的情感元素及其关系，包括方面术语、方面类别、观点术语和情感极性。

  如何借助产品评论来推动产品创新  

产品评论是推动产品创新的有力工具，只有倾听客户真实的心声，才能打造出动人心弦的好产品。但如今，仅凭产品的核心能力去吸引消费者是不够的，还要与市场趋势紧密结合，时刻了解消费者想要的到底是什么，从而去进行产品优化创新。

通过产品评论分析，可以清楚的知道产品在整个客户体验旅程中究竟有哪些不足，不论是购买前期还是购买后期，客户的评论永远是最真实的，所有可能出现的问题都会被显露出来。除了问题之外，客户评论中还会呈现出他们的“want need 和 hope”，这些分析结果，不论是在你的产品优化还是新品开发计划中，都有极大的价值。

当消费者被我们很好的满足的时候，这会进一步提升客户忠诚度及口碑。从长远来看，也会为品牌带来增长。所以产品评论是推动产品创新的有力工具，所有成功企业的共同特性之一一定是重视VOC（客户之声），不论是好评还是差评，对企业来说都是十分宝贵的。

评论分析对企业来说有着重要意义，当消费者被很好的满足，产品的星级也会随之提升；在亚马逊平台上，产品在搜索排名的位置与星级的高低也有一定关联；评论中的好评还会影响意向客户的购买决策，所以，产品得优化创新离不开消费者的真实情绪感受。