完成对review评分的分布分析后，即可开始针对review数量进行分布分析。下面将以“清洗后的商品画像数据”Excel表中的review评分数量数据为例进行讲解。选中表格中“评分数量”列，并通过Excel图表插入折线图时(具体操作和插入图表的操作类似)。
运营者从评分数量折线图可以了解到review评分数量的波动变化趋势，从整体上看高排序的商品(在搜索页前几页出现的产品)拥有的review数量整体较高(5000以上).而且review分布也从一定程度上体现了历史销量分布 (因为同一类目下review来源于销量的一定比例，而类似商品的review 转化比例差异不会很大)。运营者会发现即使有部分listing拥有接近5000的review(排序4000附近、排序7000附近、排序10000-以上的部分)，但是其曝光排序数值较高，这说明在dress关键词下，商品存在较短的生命周期，即商品与商品之间的竞争较为激烈，因为部分商品在拥有较高历史销量(较高review数量)的情况下曝光排序也不理想，这与大多数服饰行业从业者的经验是一致的因此，使用商品review数量分布分析可以帮助运营者分析不同关键词下的商品总体生命周期。
除了判断生命周期外，review数量分布分析还可以帮助运营者判断不同类目消费者需求的不同。为了与“dress”关键词搜索结果形成对比，再以“compression springs关键词进行搜索和review数量分布分析。
将“compression springs”搜索结果下所有listing的review数量通过爬虫程序抓取下来后，存放在名为“compression springs Listing Catch”的Excel表格里(读者可以自行下载查看)，对表格中“评分数量”列数据进行可视化处理。
与“dress”搜索词下的review分布相比，“compression springs”搜索词下的review分布并不存在明显的“二八分布”现象，review数量分布更像是“平均分布”，不同搜索排序区间既存在高review数量的listing，也存在低review数量的listing。
造成这种分布差异的原因来自消费者需求的不同，对于“dress”相关商品，消费需求较大，且以“感性”需求为主，即大多数消费者会购买当下热销且自己觉得适合的商品;而对于“compression springs”相关商品，消费需求较少，以“理性”需求为主,即大多数消费者会根据自身对五金用品的需求仔细寻找匹配的商品，所以会更有耐心去翻页寻找感兴趣的商品，产生的review分布更倾向于平均分布。
