论文部分内容阅读
摘 要：阳光公司计划在在线市场上推出和销售三种新产品：微波炉，婴儿奶嘴和吹风机。据此，本文提出了一种产品评估模型，它包括市场数据处理，标准设置和主要影响因素的相关性评估。该模型不仅可以应用于需求方的三种产品，而且可以应用于带有注释和评级的其他在线市场产品。在此模型中，我们采用两种微观方法：一种是基于两个独立变量的划分，另一种是基于审查日期。根据该模型，可以对不同时期的商品进行分类和计分，以发现声誉随时间的变化关系。
关键词：电子销售，相关性分析，产品评估模型
引言
如今，随着在线购物的成熟，主要电子商务平台之间的竞争越来越激烈，这使得营销策略的设计和管理在在线销售中扮演着越来越重要的角色。因此，应充分研究企业对用户的评价所形成的数据集，以制定合理的销售计划，实现公司产品的良性互动。本文提出了一种产品评估模型，它包括产品市场数据处理，标准制定和主要影响因素的相关评估。在该模型的基础上，我们综合运用相关软件处理数据，分析变量之间的相关性，了解每个变量对因变量的当前影响并預测未来的发展趋势。
1标准设定
本文将详细分析过去五年在亚马逊平台上三种产品（吹风机，微波炉和奶嘴）的评分以及评价，并且据此获得此类产品的销售成功与它们的评分和评级信息之间的关系。首先，根据三个产品数据集建立分析结构模型。假设Grade_n，Grade_w，Grade_c是trust_np，ntrust_p，ntrust_np的最终注释标准。W_n1，W_n2，W_n3，W_w1，W_w2，W_w3，W_c1，W_c2，W_c3是上述三个乘积中trust_np，ntrust_p和ntrust_np的权重，A_n1，A_n2，A_n3，A_w1，A_A2，A_w2，A_w1，A_w2，A_w1平均数，因此可以得到以下公式：
其次，为了确定权重值，通过比较三个评级组来构建成对的比较矩阵：
进一步的使用MATLAB处理和分析可以得到：
如果每个客户的评级水平大于度量标准，则信誉提升，如果小于评估标准，则信誉下降。例如，如果微波炉的测量标准为4，则在分析数据集时，评分星级为4或5，这将使声誉得到提高。假设sum = 120，j = 0.5，则n = 24，也就是说，以6个月为间隔捕获信誉增加和减少的数据，并计算24个增值或减值。考虑到每个半年的样本总数不同，因此我们采用该比率，然后根据Matlab的相关数据分析当前情况。
2 相关性分析
通过分析数据集，我们发现客户满意度和评论质量基于时间的变化。因此，我们建立该模型来分析星级，评论数量和评论质量之间的关系。本文使用相关分析方法来分析评论的数量和星级。首先，选择2014年作为分析的时间节点。其次，在综合考虑先前模型结果的分析之后，将重点放在2014年1月的中级4星级星级中的星级比率与2014年2月和2015年1月的评论比例（评论总数除以每月的评论总数）。
基于上述分析，本文使用2014年的数据从1-5颗星中随机选择500条评论作为样本。使用数据选择方法和词频分析工具可以直观地看到1星的“热情”属性为0，而5星的“失望”属性为0。随着星数的增加，“热情”属性为增加，而“失望”属性则在减少。为了进一步验证，本文以热情和失望的态度表达评论的具体质量，并分析了总样本中特征质量样本的比例与星级评价比率之间的相关性。结果如下：
结论
随着在线购物时代的到来，互联网时代的数据散发出独特而无与伦比的魅力。学习和掌握数据分析方法是互联网业务长期发展的必要技能。为了更好地分析数据并为需求方提供可靠的帮助，本文提出了产品评估模型。它包括市场数据处理，标准设置和主要影响因素的相关性评估。该模型不仅可以应用于需求方的三种产品，而且可以应用于带有注释和评级的其他在线市场产品。
参考文献
[1] Amazon.What is the meaning of Amazon's VP evaluation？ Under what circumstances，there will be a VP logo for comments[EB/OL].https：//www.cifnews.com/article/28971，20170-09-19.
[2] Lifeng Hu.Algorithm design of Chinese sentiment analysis based on dictionary[EB/OL].https：//www.cnblogs.com/data2value/p/5310189.html，2016-06-23.
[3] NVIVO.Automatically detect and code sentiment[EB/OL].https：//help-nv.qsrinternational.com/12/win/v12.1.90-d3ea61/Content/coding/auto-detect-code-sentiment.htm，2018-03-04.
关键词：电子销售，相关性分析，产品评估模型
引言
如今，随着在线购物的成熟，主要电子商务平台之间的竞争越来越激烈，这使得营销策略的设计和管理在在线销售中扮演着越来越重要的角色。因此，应充分研究企业对用户的评价所形成的数据集，以制定合理的销售计划，实现公司产品的良性互动。本文提出了一种产品评估模型，它包括产品市场数据处理，标准制定和主要影响因素的相关评估。在该模型的基础上，我们综合运用相关软件处理数据，分析变量之间的相关性，了解每个变量对因变量的当前影响并預测未来的发展趋势。
1标准设定
本文将详细分析过去五年在亚马逊平台上三种产品（吹风机，微波炉和奶嘴）的评分以及评价，并且据此获得此类产品的销售成功与它们的评分和评级信息之间的关系。首先，根据三个产品数据集建立分析结构模型。假设Grade_n，Grade_w，Grade_c是trust_np，ntrust_p，ntrust_np的最终注释标准。W_n1，W_n2，W_n3，W_w1，W_w2，W_w3，W_c1，W_c2，W_c3是上述三个乘积中trust_np，ntrust_p和ntrust_np的权重，A_n1，A_n2，A_n3，A_w1，A_A2，A_w2，A_w1，A_w2，A_w1平均数，因此可以得到以下公式：
其次，为了确定权重值，通过比较三个评级组来构建成对的比较矩阵：
进一步的使用MATLAB处理和分析可以得到：
如果每个客户的评级水平大于度量标准，则信誉提升，如果小于评估标准，则信誉下降。例如，如果微波炉的测量标准为4，则在分析数据集时，评分星级为4或5，这将使声誉得到提高。假设sum = 120，j = 0.5，则n = 24，也就是说，以6个月为间隔捕获信誉增加和减少的数据，并计算24个增值或减值。考虑到每个半年的样本总数不同，因此我们采用该比率，然后根据Matlab的相关数据分析当前情况。
2 相关性分析
通过分析数据集，我们发现客户满意度和评论质量基于时间的变化。因此，我们建立该模型来分析星级，评论数量和评论质量之间的关系。本文使用相关分析方法来分析评论的数量和星级。首先，选择2014年作为分析的时间节点。其次，在综合考虑先前模型结果的分析之后，将重点放在2014年1月的中级4星级星级中的星级比率与2014年2月和2015年1月的评论比例（评论总数除以每月的评论总数）。
基于上述分析，本文使用2014年的数据从1-5颗星中随机选择500条评论作为样本。使用数据选择方法和词频分析工具可以直观地看到1星的“热情”属性为0，而5星的“失望”属性为0。随着星数的增加，“热情”属性为增加，而“失望”属性则在减少。为了进一步验证，本文以热情和失望的态度表达评论的具体质量，并分析了总样本中特征质量样本的比例与星级评价比率之间的相关性。结果如下：
结论
随着在线购物时代的到来，互联网时代的数据散发出独特而无与伦比的魅力。学习和掌握数据分析方法是互联网业务长期发展的必要技能。为了更好地分析数据并为需求方提供可靠的帮助，本文提出了产品评估模型。它包括市场数据处理，标准设置和主要影响因素的相关性评估。该模型不仅可以应用于需求方的三种产品，而且可以应用于带有注释和评级的其他在线市场产品。
参考文献
[1] Amazon.What is the meaning of Amazon's VP evaluation？ Under what circumstances，there will be a VP logo for comments[EB/OL].https：//www.cifnews.com/article/28971，20170-09-19.
[2] Lifeng Hu.Algorithm design of Chinese sentiment analysis based on dictionary[EB/OL].https：//www.cnblogs.com/data2value/p/5310189.html，2016-06-23.
[3] NVIVO.Automatically detect and code sentiment[EB/OL].https：//help-nv.qsrinternational.com/12/win/v12.1.90-d3ea61/Content/coding/auto-detect-code-sentiment.htm，2018-03-04.