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)