在商品画像体系中，分析商品review 的分布规律可以帮助运营者在新品上架和老款优化时有准确的review数据参考，下面将以“清洗后的商品画像数据”Excel表中的review评分数据为例进行讲解。
选中表格中“评分”列，并通过Excel图表插入柱状图时(具体操作和上面插入图表的操作类似，在此不再赘述)，可以得到review评分分布图。
根据review评分分布图，可以发现review评分有明显的集中性趋势，即0~0.23.8~4、4~4.2、4.2~4.4、4.8-5区间。因此，如果运营者刚刚上架新品，则推荐适当做测评、送评或者直评来提升销量。这是因为4.8~5区间review评分的数量相当高，有2568个listing符合这个review评分区间。与此同时，4.6~4.8区间review评分的数量并不多这意味着并不是大量的商品质量优秀从而具有4.8~5区间的review评分，而是有大量的listing运营者采取了测评、送评或者直评的运营行为(如果有大量商品质量优秀，则4.8~5区间的review评分数量与4.6~4.8区间的review评分数量，应该相差不大)。
如果运营者想要优化老款listing，则可以使用3.8~4.4区间的review评分作为参考而并不需要将review强行抬高至4.4以上，这是因为3.8~4.4区间review评分数量占据了高评分review的主流，而4.4以上的评分(4.4~4.6与4.6~4.8)数量则并不多。
除了对review评分分布进行分析，还可以对review评分利用直方图做帕累托分析。
根据review评分直方图，可以明显发现与上述相似的结论，即在该类目下所有的搜索曝光结果中，review评分主要集中在0~0.2 (新品无review评分 )、4.8~5 (做过测评送评、直评的listing )、3.8~4.4 (高质量商品的listing)。
