在商品画像中，如果要对review评分趋势进行分析，可以使用“review评分累计平均数”这个指标。当对“商品画像”Excel表中的“评分”列数据进行累计平均数的计算后，可以通过Excel的折线图对其进行可视化处理。
通过观察累计平均数折线图，可以发现在“dress”关键词曝光结果下,如果搜索排序高于1000，review评分累计平均数就从4分左右一路下滑到3.4分附近,这说明大多数处于搜索排序1000后的商品并没有针对review评分进行优化。这时可以结合这个结论进行listing优化:一方面，如果自己的listing处于“dress”搜索排序下1000名以后，可以通过直评/测评/送评等方式提升review评分，增强listing的竞争力;另一方面，如果自己的listing处于“dress”搜索排序下1000名以前，则可以再对前1000名或者前500名的review累计平均数变化进行分析。
review评分累计平均数波动可以发现很多头部listing的规律。
1头部listing并不是review评分表现都非常稳定，从搜索排序第一名的listing到搜索排序200名的listing之间review评分波动明显，这说明畅销榜中的商品质量仍然存在差异，运营者可以针对较低review评分的商品通过供应链改进质量，从而增加自己listing反超的可能性。
2虽然头部listing的review评分表现有一定差异性，但是其总体review评分累计平均数维持在4分左右，所以如果运营者想要冲刺头部搜索位置，必须要将自己listing的review评分提升到4分左右的位置。
（本文内容根据网络资料整理，出于传递更多信息之目的，不代表连连国际赞同其观点和立场）
