1.png

2.png

3.png

4.png

5.png

6.png

7.png

8.png

9.png

10.png

11.png

12.png

13.png

14.png

下面是分析过程

1、 提出问题

（1） Kindle相关产品的评论数排名和平均评分能反映哪些问题？
（2） Kindle相关产品的好评率如何？推荐评论占比怎样？
（3） Kindle相关产品随时间变化其评论数的变化情况是怎样的？
（4） Kindle相关产品备受好评的原因主要是什么？

2、 理解数据

数据来源：

https://www.kaggle.com/datafiniti/consumer-reviews-of-amazon-products/home

数据集中有用的字段如下：

id-用户编号

name-产品名称

asins-产品编号，每一个产品编号对应一个产品，可用它进行产品分组

brand-品牌

categories-产品类别

keys-类别关键字

manufacturer-制造商

reviews.date-评论时间，可以分析各时间段评论数

reviews.dateAdded-追评时间

reviews.dateSeen-评论可见时间

reviews.doRecommend-评论是否被推荐

reviews.numHelpful-帮助性分子数

reviews.rating-评分，可进行求平均值等描述统计分析

reviews.sourceURLs-评论链接

reviews.text-评论文字内容，可以进行抽取关键字，分析评分原因

reviews.title-评论标题

reviews.username-用户名

3、 数据清洗

（1） 选取子集

1选择子集.png

1选择子集2.png

2隐藏字段.png

（2） 列重命名

3列重命名.png

（3） 删除重复项

这里需要对评论文字内容列进行删除重复项，此操作删除0个重复项。

（4） 处理缺失值

缺失值处理方法有四种：

1）对比缺失内容，通过手动输入内容补全

2）删除缺失的数据

3）用平均值代替缺失值

4）用统计模型计算出的值去代替缺失值

通过筛选查看各字段内容，发现产品名称(name)、产品品牌(asins)、评分(rating)、评论时间(date)和是否被推荐(doRecommend)字段中均存在缺失值

a. 产品名称(name)、产品编号(asins)、评分(rating)、评论时间(date)：对这4个字段中存在的缺失值，为了避免输入错误信息或删除有用的信息，这里选择直接删除空白项对应的行

操作：选择对应字段 – 定位条件 - 空值 - 删除行

b. 是否被推荐(doRecommend)：用FALSE手动补全评论是否被推荐(doRecommend)字段中的缺失值

操作：选择对应字段 - 定位条件 - 空值 - 输入FALSE - ctrl+Enter

（5） 一致化处理

1） 日期格式转换

评论时间字段中格式包含日期+时间，分析中并未使用到具体时间段，这里把评论日期拆分为三列，分别为年、月、日

4-1截取年份.png

4-2截取月份.png

4-3截取天数.png

2） 分组

在评分字段后面插入一列评价等级，对评分进行分组，0_{3分为差评，4}5分为好评

使用IF函数实现：=IF(P2<=3,"差评","好评"

5评价等级取值范围.png

6IF函数实现评分分组.png

4、 构建模型

（1） Kindle相关产品的评论数排名和平均评分能反映哪些问题？

7-1各产品评论数排名.png

7-2各产品评论数排名.png

由图上可以看出，产品(Amazon Kindle Paperwhite - eBook reader - 4 GB - 6 monochrome Paperwhite - touchscreen - Wi-Fi - black) 的评论数最多，前3名的评论数差别不大，从第4名起评论数明显减少，相比第1名减少5倍多，这说明 Kindle类产品容易出现聚集效应，绝大部分用户只喜欢特定的两三种产品。
产品的平均评分表示消费者对该产品的评价。

8各产品平均评分.png

由图上可知，大多数产品的平均评分都在4.5分或以上，这说明 Kindle类产品的评价都较高。但有些产品的评论数很少，考虑是知名度较低，或者相对其他产品有明显的缺点。
（2） Kindle相关产品评论总数中各评分的占比？推荐评论中好评数量占比怎样？

9评分统计.png

10各评分段的占比.png

11评论中好评数量占比.png

由图上可以看出，评分中3分及3分以下的占比5%，4分及以上的占比95%，由此可见该类好评率高达95%，虽然不能保证所有评论评分都值得相信，但是仍然反映用户对Kindle相关产品的使用普遍感到满意。
（3） Kindle相关产品随时间变化其评论数的变化情况是怎样的？

12-1总评论数随时间的变化趋势 .png

12-2总评论数随时间的变化趋势.png

13-1统计Kindle类各产品评论数 (1).png

13-2 统计Kindle类各产品评论数 .png

13-3分析Kindle类各产品评论数随时间的变化趋势.png

由图上可知 ，评论数量是从2015年开始快速变化的，从15年急剧增加到6000多，有关Kindle的产品种类也是从15年快速上升。

14-1总评论数在15、16和17年的变化情况.png

14-2分析Kindle类各产品评论数在15、16和17年的变化情况.png

由图上可以看出，评论数量是从2015年开始迅速增加，在2016年12月达到最高峰，用户一年中的消费主要集中在11月、12月和1月。
（4） Kindle相关产品广受好评的原因主要是什么？
对评论文字内容字段进行关键字提取，获取产品受欢迎的原因有哪些？
该部分使用到Python软件，通过调用第三方工具包，对评论内容生成词云，从而获得关键信息。
Python代码如下：

#导入相关模块
import numpy as np
import pandas as pd
from wordcloud import WordCloud,STOPWORDS,ImageColorGenerator 
import matplotlib.pyplot as plt
from scipy.misc import imread

# 加载数据
word = pd.read_csv(r'C:\Users\Administrator\Desktop\amazon.csv')

# for循环遍历每个单词
text = ''
for i in word['评论文字内容']:
    i = i.lower().replace(".","")    # lower将单词改为小写
    text += i + ' '

# 生成词云图
"""
WordCloud参数
collocations：是否包括两个词的搭配
width : int (default=400) #输出的画布宽度，默认为400像素
height : int (default=200) #输出的画布高度，默认为200像素
background_color：设置背景颜色
scale：按照比例进行放大画布，如设置为1.5，则长和宽都是原来画布的1.5倍
"""
font = r'C:\Windows\Fonts\simfang.ttf'
wordcloud = WordCloud(collocations=True,font_path=font,background_color='white',width=500, height=300).generate(text)
# 显示词云图片
plt.imshow(wordcloud)
plt.axis('off')
plt.show()

15词云图.png

由图上可知，Oasis(钢化膜)、cover(封面)、电池寿命长(battery life)、轻便(very handy)、小巧(small)、运行流畅(works great)这些字样特别明显，这说明消费者喜欢该类产品的原因是它轻便小巧、电池寿命长、运行流畅、价格实惠、封面漂亮，但是屏幕易碎，需要贴膜。
5、 总结与建议
（1）总结
1）Kindle及周边各产品评分比较高，但评论数排名前3和排名第4名起其数目差距比较大，大部分产品只有少数评论数，绝大部分用户只喜欢特定的两三种产品。
2）Kindle及周边商品深受消费者喜爱，好评度很高。
3）Kindle及周边产品在每年1月、11月和12月评论数骤增，应加大销售手段，刺激消费增长销售额。
4）Kindle及周边产品广受好评的主要原因是：其产品特点轻便小巧、电池寿命长、运行流畅、价格实惠、封面漂亮。
（2）建议
1）选择最受欢迎的三种产品作为主要商品，分别是
I. Amazon Kindle Paperwhite - eBook reader - 4 GB - 6 monochrome Paperwhite - touchscreen - Wi-Fi – black
II. Echo (White)
III. Amazon Fire Tv
2）利用商品使用、性能及价格的优势作为主要宣传手段。
3）在黄金时期(11、12、1月)，加大宣传力度，刺激产品销售，提高销售量。