[互联网]B2C优化.pdf

基于用户评论的情感分析算法2 ebay 排名算法更新 - 基于eTRS2.0 3 如何优化电子商务网站-电商网站优化思路3 Magento SEO 优化指南4 9-17 更新 立志打造国内最全面 Magento SEO 优化 列表10 给Magento 提速的方法12 Magento 中文视频教程——来自16 Magento 主题开发系列教程——熟悉Magento 模板设计图结构17 给Magento 添加谷歌Rich Snippets25 Magento 新手教程-本地安装篇26 安装magento 出现500 错误的解决方法32 Magento 主题设计用到的技巧33 Magento 主题开发系列教程2——创建Magento 基本主题框架34 基于用户评论的情感分析算法 作为电商，销售平台上的用户反馈或意见都是很重要的，直接影响到品牌的价值和客户的忠 诚度，所以对客户评论的内容进行数据挖掘和分析也是势在必行的。 一般常见的电商评论平台都会有类似的打分系统： 这是截自京东商城的，基本都差不多，就是有几个选择项，淘宝网如下： 这两种类型的评论都让用户进行了给定条件的选择和处理，从而获得用户对购物满意度的量 化分数。 这个值的确能代表用户的一部分想法，但是作为我们电商如果完全相信这个数据，那么就错 大了， 其实这个数据只是给其他的用户看的而已，而且用户有很多的想法和评价是通过这 个量化的分数看不出来的，那么我们应该怎么做呢？ 这里我们就要用到一种基于情感分析模型算法来获取用户满意度的做法，我们先了解两个模 型，一个是TF-DIF 模型，一个是 FP-树算法，这个有点太学术化了，大家自己百度一下， 很多文献都有记载，我这里就谈下具体实现的方法。 1. 首先先要对用户评论进行大规模的采集，可能是自己的评论系统，论坛交流系统，这个 比较好做，如果是要采集外部出现与我们相关的内容的，我们都可以采集，实现方法最简单 的就是直接去搜索引擎通过短时间范围收录进行采集。 2.采集后的内容，我们进行一次TF-DIF 的分析，要找出相关性最强内容确定为用户评论的 种子，然后对这些种子进行语义分析。 3.分析的原理是将内容进行拆分成多句，然后对每个句子进行拆分，得出中心点，然后对中 心点进行打分，得出每句句子的情感内容，然后再统计整个文章的句子句子得分，得出文章 的情感趋向，这个说的很绕口，大家可以参考FP-数算法。 4.当获取的评论的总体情感趋向后，就知道了这篇评论是好是坏，然后根据这篇评论产生的 背景，比如买的产品，订单产生的背景（正常单，促销单等），物流运输的方式，时间，用 户城市等信息，可以比较全面的获取出产品在不同活动或不同用户群体间，物流配送等各方 面的影响。 虽然说这种做法有很大的片面性，不是非常的精准，但是在海量数据处理中，这种分析带来 的优势是很明显的，前提是要对这个系统进行大数据量的训练学习，所谓训练学习，就是要 存入大量的句法，关键词，情感词。 比如山东的用户评论：这个产品挺好的，但是物流送的太慢了。 通过句型拆分，我们分成A ―这个产品挺好的‖，B ―但是物流送的太慢了‖两句，然后通过情 感词组进行打分，A 包含了―好‖+1 分，B 包含了―慢‖-1 分，那么我们能得知这个评论是趋 于中性的，然后再引入句子的关键词情感匹配，在A 中―好‖形容的是―产品‖，在B 中―慢‖形 容的是―物流‖，那么我们得出的结论就是产品质量没问题，问题出在物流，再通过引入背景 分析，得出这笔单子山东的客户，在使用 XXX 快递慢了，当数据量大的时候，可以发现这 种情况是普遍的还是个例，如果是普遍的那么对于山东地区，XXX 快递是否就不能继续用了 呢？ 目前我们自己正准备上这个系统，在实际中有更多的经验后再交流。 ebay 排名算法更新 - 基于eTRS2.0 从今年6 月开始，ebay 开始对产品曝光排名算法进行了更新，目前只是在美国站点实行， 其他站点也会跟进的。 根据最新的ebay 算法,eTRS 更新为2.0 版本，主要是增加了产品对用户的满意度。 一般满足下面3 个情况，你的产品会得到排名的高权重： 1. 店铺级别：发货单跟踪码填写率在90% 以上，也就意味着一些走新加坡小包，香港小包 的客户会失去一些排名优势。 2. 产品级别：交运时间在1 天以内，这个拼的就是企业的流程和规模了。 3. 产品级别：承诺14 天以上的退换货政策。 其中店铺级别指的是总体的店铺权重，产品级别指的是上架的产品页面的权重。