在理解了商品标题的词频分析技术与应用后，运营者可以将该技术同样应用于商品review文本的分析中。将以一个高review数量的服饰产品listing为例进行讲解，其产品ASIN为B07G599PB7，listing标题为“Amoretu Women Summer TunicDress V Neck Casual Loose Flowy Swing Shift Dresses”。
截至2021年2月8日，该listing链接具有23930个review，其review评分为4颗星。在使用Python 爬虫脚本抓取了所有的review文本后，删除“a”“the”“I”“to”“do”“is”“was”等非形容词，然后将不同形容词的出现频率保存在Excel表格中。笔者已经将这些数据保存在名为“Frequencies Of Keywords Reviewsi的Excel文件中。
“NumOfWord”表示单词的总数，第二列开始表示不同的形容词及其出现的频率，随着单词总数的增加，不同形容词的出现频率也会产生相应的变化。
通过Python可视化技术对上述的数据文件进行了分析，得到review文本词频分析正序动态排列图。正序动态排列图展现了review文本由少到多时，不同形容词出现的频率变化，随着review单词的增多，频率上升的形容词为最新review文本(最近时间段内由用户生成的review)中经常出现的词汇，代表了最近消费者对该产品的主观描述。
倒序动态排列图展现了review文本由多到少时，不同形容词出现的频率变化，随着review单词的减少，频率上升的形容词为最热门review (排在前列的review，也是点赞数量最多的review)文本中经常出现的词汇，代表了最受消费者认可的产品卖点，以及与使用体验相关的主观描述。
词云图可以发现消费者对该产品的最大主观感受词为“cute"“little”“small”“short”等单词，如果运营者自身的产品与该listing的产品相似，那么就可以选择将review词频分析中高频率出现的词汇，添加到listing关键词与五点描述中，从而增加搜索曝光的概率和关键词匹配度。
