一、方案目標(biāo)：
1.對現(xiàn)有商品評論進行質(zhì)量評估，優(yōu)化排序機制，浮現(xiàn)優(yōu)質(zhì)評論，提升買家購物決策效率
2.在質(zhì)量評估的基礎(chǔ)上建立監(jiān)控機制，防控廣告和虛假評論利益既得，降低買家售后糾紛（退款）等風(fēng)險
3.建立方案機制，促進新優(yōu)質(zhì)評論不斷產(chǎn)生
二、現(xiàn)狀分析：
1.淘寶現(xiàn)狀：
——主要功能點：
1）寶貝評論：a.好中差評、圖片、追評、有內(nèi)容的評價、排序選擇（推薦排序、最近評價）b.大家印象--關(guān)鍵詞提取c.有用、提問
2）售后服務(wù)評論：a.店鋪售后服務(wù)情況、與同行業(yè)對比b.店鋪全部售后評價、該寶貝售后評價
——個人使用體驗：
可概括為“總→分→總”購物決策邏輯，上述功能點有用程度（使用頻次）從高到低依次為：有內(nèi)容的評價》圖片》追評、中差評》大家印象，，即”內(nèi)容評價和圖片“提取出大致印象分；”追評中差評“步驟重點提取”關(guān)心點“信息，此時購買與否心理大致有個初步?jīng)Q策（和之前瀏覽商品進行比對）；”大家印象“結(jié)合商品價格等重要屬性進一步增進決策權(quán)重，促使買家用戶作出決策
——用戶反饋問題：（來自朋友圈和知乎相關(guān)問題匯總）
1）讀取評論信息并從中提取有價值評論的成本較高，導(dǎo)致決策鏈過長，效率低下→兩個角度：優(yōu)質(zhì)評論本身的數(shù)量+浮現(xiàn)排序問題
2）查看評論時需要過濾掉虛假評論（例子：很長且商品各方面均夸到位的評論：“寶貝收到了，質(zhì)量很好，賣家服務(wù)不錯，快遞很給力”），但虛假評論甄別成本過高，尤其對于新中小級別買家來說較難察覺
3）賣家用戶的中差評訴求側(cè)重不同（產(chǎn)品本身問題、包裝問題、物流問題），未能進行打標(biāo)簽歸類，用戶需要提取信息來匹配自己需求
4）關(guān)于賣家誘導(dǎo)好評的做法（好評返現(xiàn)）是否應(yīng)該予以限制
2.外部競品：
——以商品評論口碑較好的亞馬遜和國內(nèi)垂直電商聚美優(yōu)品為例
亞馬遜的商品評論功能特色：星級量化評分、按有用程度排序（默認(rèn)）、按發(fā)表時間排序（右側(cè)）、對評論的社交互動反饋（有用與否、答案互動）
聚美優(yōu)品的商品評論功能特色：星級量化評分、效用分維度評分、按年齡和膚質(zhì)排序、優(yōu)質(zhì)評論的居首浮現(xiàn)
——借鑒點：引入社交反饋的優(yōu)質(zhì)評論浮現(xiàn)排序機制、垂直領(lǐng)域商品評論的分維度排序機制
3.學(xué)術(shù)研究：
由于中文分詞語義于外語有所區(qū)別，因此先分析國內(nèi)相關(guān)學(xué)術(shù)研究，在知網(wǎng)上搜索關(guān)鍵詞“商品評論”，按引用次數(shù)降序排列，大于3的如下：
——借鑒點：深度挖掘模型的建立和應(yīng)用
三、行動方案
1.引入社交反饋的優(yōu)質(zhì)評論浮現(xiàn)排序機制（借鑒亞馬遜）
——a.從標(biāo)品領(lǐng)域作為試點，放開“用戶認(rèn)為有用+回復(fù)”的效用評價機制，且默認(rèn)排序采用“有用度”排序，界面排版上給與一定比例傾斜突出
b.權(quán)限問題：商品評論本身是否有資格進入效用評價機制（基礎(chǔ)垃圾模型過濾通過才可以準(zhǔn)入）+點擊“認(rèn)為有用+回復(fù)”的用戶范圍（為了防止賣家刷利于自己的評論，點擊“認(rèn)為有用”的用戶設(shè)定為一定等級以上買家用戶，回復(fù)權(quán)限的用戶設(shè)置不限）
c.冷啟動問題：官方激勵措施（初始對于優(yōu)質(zhì)評論的用戶給與一定的激勵，比如淘金幣、天貓積分）+社交互動反饋（為保護買家隱私，互動過程均為匿名，但可對某項優(yōu)質(zhì)評論進行第三方社交平臺分享）
2.垂直領(lǐng)域商品評論的分維度排序機制（借鑒聚美優(yōu)品）
——嘗試從幾個垂直領(lǐng)域針對用戶評論反饋的集中問題作分維度排序機制（比如3C類的產(chǎn)品本身質(zhì)量、尺寸規(guī)格外觀、使用性能、售后服務(wù)等進行標(biāo)準(zhǔn)化提煉）
3.限制賣家誘導(dǎo)買家好評的行為
——在商品詳情頁進行“好評返現(xiàn)”關(guān)鍵詞識別并召回，與賣家分層中的黑灰賣家進行關(guān)聯(lián)，對交集賣家給與一定警示，且重點關(guān)注其是否存在“虛假評論泛濫“的現(xiàn)象
4.深度挖掘模型的建立和應(yīng)用
——深度挖掘模型的建立和不斷完善，識別優(yōu)質(zhì)評論和劣質(zhì)評論，此為評論排序的基礎(chǔ)和關(guān)鍵
