Amazon运营技巧篇—差评应对之Review星级算法

本号第001篇文章，今天聊聊买家评论问题，欢迎吐槽。

图片发自App

不少Seller说，Jimmy，好不容易搞起来的listing被人搞了，从之前的4.2星，来了一星以后评价直接掉到了3.8星，销量和转化刷刷就掉了，我该肿么办？额，这心里落差是有点大，不过莫慌，接下来的系列我们手把手教你如何应对。

嗯，评论也分三六九等，先了解星级的算法。

关于star ratings，亚马逊官方说法：

图片发自App

Amazon calculates a product’s star ratings using a machine learned model instead of a raw data average. The machine learned model takes into account factors including: the age of a review, helpfulness votes by customers and whether the reviews are from verified purchases.

评论星级的高低与评论时间、点赞数量和是否VP有关。评论越久，权重越高；点赞数量越多，权重越高；带VP的比直评权重要高。另外，观察大卖的listing还会发现，带视频和图片的VP评价权重要高于纯文字类评价，往往都是处于top review位置。

文字直白易懂，然而并没什么卵用。。。具体操作还是一脸懵逼，对不？

比如来了一个差评，该来多少个好评才能抵消影响？经过无数测算发现，有一套简化的方法，公式如下：

Star ratings≈(5星VP review数量x5+4星VP review数量x4+3星VP review数量x3+2星VP review数量x2+1星VP review数量x1)/VP review总数

PS：非VP评价权重很低，基本可以忽略不计。这种估算到底准确性多高？

举个栗子：

图片发自App

上面这个listing有210个reviews，VP review是208个，其中5星123个，4星37个，3星24个，2星12个，1星12个，按照上面的公式，

Star ratings≈（123*5+37*4+24*3+12*2+12*1）/208=871/208=4.18星

图片发自App

我们发现这和实际的星级是很接近的。各位卖家也可以多找些例子亲测。

明白了review星级的算法，那么下一篇文章我们将重点讲如何运用星级算法应对差评，包括你们关心的怎样用最低的成本shua评~

欢迎关注我，我是跨境电商Jimmy，五年亚马逊运营管理经验，单店铺月销售额突破百万美金，擅长爆款打造、产品开发、数据分析，曾凭一己之力数次将因客观原因挂掉的账号挽救回来。欢迎大家向我提各种稀奇古怪的问题，你们问的越多，我写作的动力就越大哦。