一、数据获取
我们选取大多数人购物最常光顾的两个网站——京东、天猫，并选取一些品牌商品销量最大或关注度最高的店铺——一般就是官方自营店或旗舰店，采用request或selenium记录下京东、天猫用户的评论数据。不论京东还是天猫，用户评论数据都默认展示100页，每个店铺评论数据可以使用一个url携带cookie获得，返回的对象包含在一个json对象中。通过对json对象进行“拆包”便可获取用户评论的内容、时间、id等关键信息。
二、数据预处理
我们将京东、天猫数据合并，并增加一列用户的评分，由于天猫原始数据不展示用户对该商品的评分，所以我们使用第三方的开源平台——百度飞浆对评论进行情感分析，该分析返回一段文字为正面情感的概率，那么我们将该值乘以5，作为对此条用户评论的评分，这样做的好处是不需要训练数据并省去了模型训练的过程。
三、数据探索（data exploration）阶段
基于上述评论数据和用户评分，我们可以按照品牌、渠道（京东、天猫）等不同的维度查看用户评论数据，在此我们将数据可视化结果展示如下，有兴趣的读者可以查看原文：https://mp.weixin.qq.com/s?__biz ... 08269&lang=zh_CN#rd，并后台留言获取完整notebook
三、部分结果展示限于篇幅，我们只展示部分分析结果
3.1用品评论的时间分布


从图中我们可以看出，我们选取的28000余条婴儿用品用户评论数据的时间分布，在疫情最为严重的2020年一季度，评论数据最为稀少，此后的高峰出现在6月和11月，这恰好与两大电商的传统促销时间6.18，双11吻合。此外，2021年双11的用户评论明显多于2020年11月，2021年四季度用户评论数据也多于2020年四季度，考虑到国家全面放开3胎的时间为2021年5月，不排除2022年有可能会出现一波生育小高峰，当然具体数字还需要各位等待统计局的公布。


3.2各渠道（京东、天猫）按商品大类婴儿用品用户评论的时间分布


从图中我们可以看出，婴儿车、婴儿床等耐用品的用户评论数，天猫远远多于京东，而纸尿裤、1段奶粉两类快消品在2020年时，天猫的评论数据多于京东，2021年后出现了反转，更为奇特的是6月作为京东618传统促销季，11月作为天猫双11传统促销季，这两个月出现了天猫商品评论数和京东商品评论数倒挂的现象，这可能说明京东、天猫在对方促销季推出了更优惠的力度，从而促使用户购买量激增。


3.3各渠道（京东、天猫）一段奶粉评论的字数分布



从图中我们可以看出，京东用户撰写评论显然更走心，字数均值都在100字左右，而天猫用户普遍不到50字。从品牌看，爱他美和A2的奶粉用户评论较多，而君乐宝的用户评论最少。上图使用的图表类型为箱线图，关注本频道的读者们对于这种类型的图表应该不陌生，它能直观反映一组数据的最小值、25%分位数、中位数、75%分位数和最大值，以及最大值上面无统计意义的偏离值。不过对于用户评论字数的统计，最大值上方的散点可以反映重度用户，也就是撰写评论字数特别多用户的数量以及他们所撰写的评论数。


3.4各一段奶粉品牌用户评分

从条数看，飞鹤的5星好评条数虽然最多，但这可能与其本身销量大，用户评价多有关系，如果从5星好评占比看，飞鹤则滑落至垫底，A2评价最高。上述按百分比形成的堆叠图，小编也放到了notebook中，并封装成了一个函数，有兴趣的读者可以直接查看并使用。



3.5各一段奶粉品牌用户评论形成的词云



四、结语
用户评论作为电商平台重要的数据不仅可以为我们网购提供参考，我们认为除此之外还蕴含着巨大的价值，至少有以下一些功能和用户：
1、通过评论的时间分布，反向推算商品的销量以及618，双11的促销力度和用户购买量；
2、通过评论字数的比较可以看出用户对不同品牌商品的关注度；

3、如果某些电商平台——如天猫未提供逐条评论的用户评分值，那么我们可以基于第三方人工智能库，如本文使用的百度飞浆进行用户评论的情感分析，这样就能够基于用户的评论文字大致给出对本次购物的评分；

4、通过用户评论的词云，我们能够直观展示不同品牌商品的差异化优势，而对于一些正面评价的词语如“好”，“不错”，如果字体越大，那么用户的整体好评也越高。
--
FROM 123.119.234.*