一、方案目标：
1.对现有商品评论进行质量评估，优化排序机制，浮现优质评论，提升买家购物决策效率
2.在质量评估的基础上建立监控机制，防控广告和虚假评论利益既得，降低买家售后纠纷（退款）等风险
3.建立方案机制，促进新优质评论不断产生
二、现状分析：
1.淘宝现状：
——主要功能点：
1）宝贝评论：a.好中差评、图片、追评、有内容的评价、排序选择（推荐排序、最近评价）b.大家印象--关键词提取c.有用、提问
2）售后服务评论：a.店铺售后服务情况、与同行业对比b.店铺全部售后评价、该宝贝售后评价
——个人使用体验：
可概括为“总→分→总”购物决策逻辑，上述功能点有用程度（使用频次）从高到低依次为：有内容的评价》图片》追评、中差评》大家印象，，即”内容评价和图片“提取出大致印象分；”追评中差评“步骤重点提取”关心点“信息，此时购买与否心理大致有个初步决策（和之前浏览商品进行比对）；”大家印象“结合商品价格等重要属性进一步增进决策权重，促使买家用户作出决策
——用户反馈问题：（来自朋友圈和知乎相关问题汇总）
1）读取评论信息并从中提取有价值评论的成本较高，导致决策链过长，效率低下→两个角度：优质评论本身的数量+浮现排序问题
2）查看评论时需要过滤掉虚假评论（例子：很长且商品各方面均夸到位的评论：“宝贝收到了，质量很好，卖家服务不错，快递很给力”），但虚假评论甄别成本过高，尤其对于新中小级别买家来说较难察觉
3）卖家用户的中差评诉求侧重不同（产品本身问题、包装问题、物流问题），未能进行打标签归类，用户需要提取信息来匹配自己需求
4）关于卖家诱导好评的做法（好评返现）是否应该予以限制
2.外部竞品：
——以商品评论口碑较好的亚马逊和国内垂直电商聚美优品为例
亚马逊的商品评论功能特色：星级量化评分、按有用程度排序（默认）、按发表时间排序（右侧）、对评论的社交互动反馈（有用与否、答案互动）
聚美优品的商品评论功能特色：星级量化评分、效用分维度评分、按年龄和肤质排序、优质评论的居首浮现
——借鉴点：引入社交反馈的优质评论浮现排序机制、垂直领域商品评论的分维度排序机制
3.学术研究：
由于中文分词语义于外语有所区别，因此先分析国内相关学术研究，在知网上搜索关键词“商品评论”，按引用次数降序排列，大于3的如下：
——借鉴点：深度挖掘模型的建立和应用
三、行动方案
1.引入社交反馈的优质评论浮现排序机制（借鉴亚马逊）
——a.从标品领域作为试点，放开“用户认为有用+回复”的效用评价机制，且默认排序采用“有用度”排序，界面排版上给与一定比例倾斜突出
b.权限问题：商品评论本身是否有资格进入效用评价机制（基础垃圾模型过滤通过才可以准入）+点击“认为有用+回复”的用户范围（为了防止卖家刷利于自己的评论，点击“认为有用”的用户设定为一定等级以上买家用户，回复权限的用户设置不限）
c.冷启动问题：官方激励措施（初始对于优质评论的用户给与一定的激励，比如淘金币、天猫积分）+社交互动反馈（为保护买家隐私，互动过程均为匿名，但可对某项优质评论进行第三方社交平台分享）
2.垂直领域商品评论的分维度排序机制（借鉴聚美优品）
——尝试从几个垂直领域针对用户评论反馈的集中问题作分维度排序机制（比如3C类的产品本身质量、尺寸规格外观、使用性能、售后服务等进行标准化提炼）
3.限制卖家诱导买家好评的行为
——在商品详情页进行“好评返现”关键词识别并召回，与卖家分层中的黑灰卖家进行关联，对交集卖家给与一定警示，且重点关注其是否存在“虚假评论泛滥“的现象
4.深度挖掘模型的建立和应用
——深度挖掘模型的建立和不断完善，识别优质评论和劣质评论，此为评论排序的基础和关键
