市面上有很多针对亚马逊平台的选品工具，这些工具的功能也很强大，但是唯独review的分析工具却是十分的匮乏，从我刚开始从事产品开发以来，就一直在想法设法简化review分析工作，但是无奈，没有发现什么比较好的工具来缓解，直到我发现了语义分析工具，我简直喜出望外！
在开始分享语义分析工具之前，我们先来理一理我们需要分析review哪些方面。
一般我们研究分析review，主要是需要获得热卖属性，review的趋势，不同属性的一个趋势分布，时间点，还有产品的优缺点主要集中在那一块，按照以往都是直接使用Helium 10或者是Amazon Reviews exporter的插件版将每一个产品的review下载下来，然后使用数据透视化，也只能得出不同颜色，尺寸款式的review评论数（以此判断那个颜色，款式，尺寸最好卖）
一些选品工具也只能做到这个部分而已。
当然Helium10跟Amazon reviews exporter都支持按照关键词来筛选review，也就是说如果你要看有多少个因为价格贵的review，选择4-5星，可以看出有多少觉得性价比高，差评基本上可以判定为性价比不高的想法了，但是这个还是比较的粗糙的，而且也比较麻烦，
当然如果全部导出，使用excel来做的话，也是非常复杂的。
我们分析review其中一个最重要的就是要查看客户群体对于产品的评价，以此梳理出使用场景，使用年龄段，使用的感受，差评的点集中在哪些方面，客户喜欢这款产品的原因有哪些。
如果要将这项工作使用工具来做的话，就一定借助语义分析工具，也就是机器人学习，现在已经慢慢的有一些比较好的，比较容易使用的工具可以供我们这些小白来操作了，当然这些工具还是无法全部都涵盖到的，如果你们是做十分垂直类的，基本上品类不会怎么改动的，会非常适用，起码解决一些非常繁琐的工作。
Monkeylearn
mokeylearn他们家有三款产品，第一款就是机器学习分类的，第二个是接口用的，第三个就是词频分析（这个功能的 工具市面上有很多的，大家自己捡喜欢的用就好了，无差别）
我们主要要说的就是monkeylearn studio
这个工具主要帮助我们将海量的review内容分类，整理出规律，但是这个还是需要我们自己先做一下机器学习分类，让机器不断学习内容，判断内容，然后就可以直接使用了
如何建立机器学习分类的规则，大家可以参考这篇文章：
https://blog.csdn.net/weixin_33991727/article/details/90330223
只要数据够多，机器学习次数多，你前期一定做好分类，越仔细越好，所以做好一个品类很重要，如果是不同的产品，那么彼此之间所分类的也是不同的，比如美妆产品跟电子产品的，美妆产品的评论内容会涉及到肤质，上妆效果等等，然而电子产品就是电池问题，使用寿命，续航能力等等，这两者的评论内容是不同属性来的，所以最好一个分类做一种类型的产品，这样长期出来的效果会越来越精确。
最后具体出来的效果是怎么样的呢？看下图👇
我们可以看到表格中根据不同分类的占比，类型之类的，换一个思路，我们可以根据产品的不同属性来划分优缺点，
举例：
好评类型
性价比高
外观设计
质量好
易使用
。。。。
差评类型
性价比不高
使用寿命短
质量差
售后服务差
。。。。
然后以此看每个类型的占比，分布等等。
总而言之，这款工具要是真正可以用起来的话，也可以作为收集产品的好差评来使用，作为后续产品升级，改善的一个工具，当然啦，这款工具肯定是要钱的，大概200美金一个月，啧啧
大家也可以自行找一找目前市面上有没有比较好用的语义分析工具，另外提醒一下中文跟英文的工具还是有所不同的。
The end
