解決方案從評(píng)論數(shù)據(jù)分析產(chǎn)品口碑

從評(píng)論數(shù)據(jù)分析產(chǎn)品口碑

以Kindle為實(shí)例分析數(shù)據(jù)分析的目的理解數(shù)據(jù)數(shù)據(jù)清洗及結(jié)構(gòu)建模案例總結(jié)分析01020304Kindle實(shí)例分析背景在網(wǎng)上購(gòu)物的時(shí)候，除了關(guān)注商品的價(jià)格和性能之外，人們往往會(huì)更加關(guān)注該類商品的評(píng)論內(nèi)容及好評(píng)度如何，這些都是購(gòu)買商品的重要指標(biāo)。

以Kindle為實(shí)例，從kaggle平臺(tái)上下載關(guān)于Kindle產(chǎn)品的消費(fèi)者評(píng)論數(shù)據(jù)，通過(guò)這份數(shù)據(jù)分析兩個(gè)方面內(nèi)容：用戶對(duì)Kindle相關(guān)產(chǎn)品的好評(píng)率如何？對(duì)Kindle相關(guān)產(chǎn)品備受好評(píng)的原因是什么？

數(shù)據(jù)分析目的提出問(wèn)題：

（1）Kindle相關(guān)產(chǎn)品的評(píng)論數(shù)排名和平均評(píng)分能反映哪些問(wèn)題？

（2）Kindle相關(guān)產(chǎn)品的好評(píng)率如何？推薦評(píng)論占比怎樣？

（3）Kindle相關(guān)產(chǎn)品隨時(shí)間變化其評(píng)論數(shù)的變化情況是怎樣？

（4）Kindle相關(guān)產(chǎn)品備受好評(píng)的原因主要是什么？010203理清數(shù)據(jù)來(lái)源根據(jù)數(shù)據(jù)分析目標(biāo)尋找合適，可靠的數(shù)據(jù)來(lái)源。此次數(shù)據(jù)分析的來(lái)源為：/datafiniti/consumer-reviews-of-amazon-products/home整理可用字段id-用戶編號(hào)name-產(chǎn)品名稱asins-產(chǎn)品編號(hào)，每一個(gè)產(chǎn)品編號(hào)對(duì)應(yīng)一個(gè)產(chǎn)品，可用它進(jìn)行產(chǎn)品分組brand-品牌categories-產(chǎn)品類別理解數(shù)據(jù)選取子集01初步處理02處理缺失03一致化處理04MarketsEXISITNGNEWNEWEXISITNG篩選復(fù)制數(shù)據(jù)處理缺失值1）對(duì)比缺失內(nèi)容，通過(guò)手動(dòng)輸入內(nèi)容補(bǔ)全2）刪除缺失的數(shù)據(jù)3）用平均值代替缺失值4）用統(tǒng)計(jì)模型計(jì)算出的值去代替缺失值重命名及刪除重復(fù)項(xiàng)目整體完善1）日期格式轉(zhuǎn)換2）分組數(shù)據(jù)清洗數(shù)據(jù)清洗1、選取子集

1）在產(chǎn)品類別(categories)中篩選含Kindle類別的產(chǎn)品，并將篩選的數(shù)據(jù)復(fù)制到新的文件中數(shù)據(jù)清洗1、選取子集

2）隱藏與分析問(wèn)題無(wú)關(guān)的字段，保留以下字段：name-產(chǎn)品名稱、asins-產(chǎn)品編號(hào)、categories-產(chǎn)品類別、reviews.date-評(píng)論時(shí)間、reviews.doRecommend-評(píng)論是否被推薦、reviews.rating-評(píng)分、reviews.text-評(píng)論文字內(nèi)容、reviews.title-評(píng)論標(biāo)題。數(shù)據(jù)清洗2、列重命名將數(shù)據(jù)集中字段的名稱更改為中文字段數(shù)據(jù)清洗3、刪除重復(fù)項(xiàng)

這里需要對(duì)評(píng)論文字內(nèi)容列進(jìn)行刪除重復(fù)項(xiàng)，此操作刪除0個(gè)重復(fù)項(xiàng)。4、處理缺失值缺失值處理方法有四種：1）對(duì)比缺失內(nèi)容，通過(guò)手動(dòng)輸入內(nèi)容補(bǔ)全；2）刪除缺失的數(shù)據(jù)；3）用平均值代替缺失值；4）用統(tǒng)計(jì)模型計(jì)算出的值去代替缺失值。通過(guò)篩選查看各字段內(nèi)容，發(fā)現(xiàn)產(chǎn)品名稱(name)、產(chǎn)品品牌(asins)、評(píng)分(rating)、評(píng)論時(shí)間(date)和是否被推薦(doRecommend)字段中均存在缺失值。a.

產(chǎn)品名稱(name)、產(chǎn)品編號(hào)(asins)、評(píng)分(rating)、評(píng)論時(shí)間(date)：對(duì)這4個(gè)字段中存在的缺失值，為了避免輸入錯(cuò)誤信息或刪除有用的信息，這里選擇直接刪除空白項(xiàng)對(duì)應(yīng)的行操作：選擇對(duì)應(yīng)字段–定位條件-空值-刪除行b.是否被推薦(doRecommend)：用FALSE手動(dòng)補(bǔ)全評(píng)論是否被推薦(doRecommend)字段中的缺失值操作：選擇對(duì)應(yīng)字段-定位條件-空值-輸入FALSE-ctrl+Enter數(shù)據(jù)清洗5、一致化處理1）日期格式轉(zhuǎn)換評(píng)論時(shí)間字段中格式包含日期+時(shí)間，分析中并未使用到具體時(shí)間段，這里把評(píng)論日期拆分為三列，分別為年、月、日。年：插入一列年，使用LEFT()函數(shù)：

數(shù)據(jù)清洗5、一致化處理月：插入一列月，使用MID()函數(shù)和FIND()函數(shù)

數(shù)據(jù)清洗5、一致化處理日：插入一列日，使用MID()函數(shù)和FIND()函數(shù)

數(shù)據(jù)清洗5、一致化處理2）分組

在評(píng)分字段后面插入一列評(píng)價(jià)等級(jí)，對(duì)評(píng)分進(jìn)行分組，03分為差評(píng)，45分為好評(píng)使用IF函數(shù)實(shí)現(xiàn)：=IF(P2<=3,"差評(píng)","好評(píng)")

構(gòu)建模型1、Kindle相關(guān)產(chǎn)品的評(píng)論數(shù)排名和平均評(píng)分能反映哪些問(wèn)題？

利用數(shù)據(jù)透視表對(duì)每個(gè)產(chǎn)品進(jìn)行統(tǒng)計(jì)評(píng)論數(shù)，并按高低排名，通過(guò)產(chǎn)品評(píng)論數(shù)，可以大概了解到各產(chǎn)品的銷售情況，評(píng)論數(shù)越多，表示該產(chǎn)品銷量越多。

構(gòu)建模型1、Kindle相關(guān)產(chǎn)品的評(píng)論數(shù)排名和平均評(píng)分能反映哪些問(wèn)題？

由圖上可以看出，產(chǎn)品(AmazonKindlePaperwhite-eBookreader-4GB-6monochromePaperwhite-touchscreen-Wi-Fi-black)的評(píng)論數(shù)最多，前3名的評(píng)論數(shù)差別不大，從第4名起評(píng)論數(shù)明顯減少，相比第1名減少5倍多，這說(shuō)明Kindle類產(chǎn)品容易出現(xiàn)聚集效應(yīng)，絕大部分用戶只喜歡特定的兩三種產(chǎn)品。

產(chǎn)品的平均評(píng)分表示消費(fèi)者對(duì)該產(chǎn)品的評(píng)價(jià)。構(gòu)建模型1、Kindle相關(guān)產(chǎn)品的評(píng)論數(shù)排名和平均評(píng)分能反映哪些問(wèn)題？

由圖上可知，大多數(shù)產(chǎn)品的平均評(píng)分都在4.5分或以上，這說(shuō)明Kindle類產(chǎn)品的評(píng)價(jià)都較高。但有些產(chǎn)品的評(píng)論數(shù)很少，考慮是知名度較低，或者相對(duì)其他產(chǎn)品有明顯的缺點(diǎn)。構(gòu)建模型2、Kindle相關(guān)產(chǎn)品評(píng)論總數(shù)中各評(píng)分的占比？推薦評(píng)論中好評(píng)數(shù)量占比怎樣？

首先，統(tǒng)計(jì)評(píng)論中每個(gè)評(píng)分(1~5分)占有多少數(shù)量。使用數(shù)據(jù)透視表，將評(píng)分字段拉入行和值選框，得到如下數(shù)據(jù)：

構(gòu)建模型2、Kindle相關(guān)產(chǎn)品評(píng)論總數(shù)中各評(píng)分的占比？推薦評(píng)論中好評(píng)數(shù)量占比怎樣？

插入餅圖，了解各評(píng)分段的占比：通過(guò)數(shù)據(jù)透視表對(duì)評(píng)價(jià)等級(jí)中統(tǒng)計(jì)好評(píng)數(shù)量與差評(píng)的占比，并插入餅圖：

構(gòu)建模型2、Kindle相關(guān)產(chǎn)品評(píng)論總數(shù)中各評(píng)分的占比？推薦評(píng)論中好評(píng)數(shù)量占比怎樣？

由圖上可以看出，評(píng)分中3分及3分以下的占比5%，4分及以上的占比95%，由此可見(jiàn)該類好評(píng)率高達(dá)95%，雖然不能保證所有評(píng)論評(píng)分都值得相信，但是仍然反映用戶對(duì)Kindle相關(guān)產(chǎn)品的使用普遍感到滿意。

構(gòu)建模型3、Kindle相關(guān)產(chǎn)品隨時(shí)間變化其評(píng)論數(shù)的變化情況是怎樣的？

使用數(shù)據(jù)透視表，將年拉入行標(biāo)簽處，對(duì)評(píng)論文字內(nèi)容進(jìn)行計(jì)數(shù)統(tǒng)計(jì)，并插入折線圖，分析總評(píng)論數(shù)隨時(shí)間的變化趨勢(shì)：

構(gòu)建模型3、Kindle相關(guān)產(chǎn)品隨時(shí)間變化其評(píng)論數(shù)的變化情況是怎樣的？

使用數(shù)據(jù)透視表，將年拉入行標(biāo)簽處，將產(chǎn)品名稱拉入列標(biāo)簽處，對(duì)評(píng)論文字內(nèi)容進(jìn)行計(jì)數(shù)統(tǒng)計(jì)：

構(gòu)建模型3、Kindle相關(guān)產(chǎn)品隨時(shí)間變化其評(píng)論數(shù)的變化情況是怎樣的？

插入折線圖，分析Kindle類各產(chǎn)品評(píng)論數(shù)隨時(shí)間的變化趨勢(shì)：

由圖上可知，評(píng)論數(shù)量是從2015年開(kāi)始快速變化的，從15年急劇增加到6000多，有關(guān)Kindle的產(chǎn)品種類也是從15年快速上升。構(gòu)建模型3、Kindle相關(guān)產(chǎn)品隨時(shí)間變化其評(píng)論數(shù)的變化情況是怎樣的？

選取15、16和17年三個(gè)主要年份進(jìn)行逐月分析：

由圖上可以看出，評(píng)論數(shù)量是從2015年開(kāi)始迅速增加，在2016年12月達(dá)到最高峰，用戶一年中的消費(fèi)主要集中在11月、12月和1月。構(gòu)建模型4、Kindle相關(guān)產(chǎn)品廣受好評(píng)的原因主要是什么？

對(duì)評(píng)論文字內(nèi)容字段進(jìn)行關(guān)鍵字提取，獲取產(chǎn)品受歡迎的原因有哪些？

該部分使用到Python軟件，通過(guò)調(diào)用第三方工具包，對(duì)評(píng)論內(nèi)容生成詞云，從而獲得關(guān)鍵信息

Python代碼如下：

構(gòu)建模型4、Kindle相關(guān)產(chǎn)品廣受好評(píng)的原因主要是什么？

最后生成詞云圖片為：

由圖上可知，Oasis(鋼化膜)、cover(封面)、電池壽命長(zhǎng)(batterylife)、輕便(veryhandy)、小巧(small)、運(yùn)行流暢(worksgreat)這些字樣特別明顯，這說(shuō)明消費(fèi)者喜歡該類產(chǎn)品的原因是它輕便小巧、電池壽命長(zhǎng)、運(yùn)行流暢、價(jià)格實(shí)惠、封面漂亮，但是屏幕易碎，需要貼膜?？偨Y(jié)建議1、總結(jié)Kindle及周邊各產(chǎn)品評(píng)分比較高，但評(píng)論數(shù)排名前3和排名第4名起其數(shù)目差距比較大，大部分產(chǎn)品只有少數(shù)評(píng)論數(shù)，絕大部分用戶只喜歡特定的兩三種產(chǎn)品。Kindle及周邊商品深受消費(fèi)者喜愛(ài)，好評(píng)度很高。Kindle及周邊產(chǎn)品在每年1月、11月和12月評(píng)論數(shù)驟增，應(yīng)加大銷售手段，刺激消費(fèi)增長(zhǎng)銷售額。Kindle及周邊產(chǎn)品廣受好評(píng)的主要原因是：其產(chǎn)品特點(diǎn)輕便小巧、電池壽命長(zhǎng)、運(yùn)行流暢、價(jià)格實(shí)惠、封面漂亮2、建議

選擇最受歡迎的三種產(chǎn)品作為主要商品，分別是Amazon