listing优化测评：修复亚马逊评论的方法
关键词：listing优化，listing评论，亚马逊优化，亚马逊评论

亚马逊在20多年前推出了五星级客户评级系统，作为改善点击率和销售额的一种方式。起初，每本书的评级都是其所有客户评论的纯粹平均值。但没有人说过这个系统是完美的。

六年前，在书评领域发生了广泛的'suppuppetry'丑闻。然后，三年前，亚马逊起诉四个销售薪酬评论的网站，并开始使用机器学习给予书籍加权平均偏见，支持新评论，验证购买和评论人们标记为“有用”。但是在2018年，尽管它们对客户产生了巨大的影响，亚马逊的评论仍然很糟糕。

亚马逊选择了解决人类问题的标准技术解决方案并不会让任何人感到惊讶，但是他们可以对他们的社区做很多简单的事情，这将使一群人成为一股力量，而不是弱点。以下是五条建议：

1.拆分交货和产品的评论。

我不敢相信这还没有完成。看到有人对“标准交付”的含义抱怨，并对故事的质量进行评估，这真令人沮丧。它惩罚作家的交付家伙的罪。如何将包装与想象相提并论？ Audible将其评论分为故事和叙述者 - 为什么亚马逊不能做类似的事情？



2.为评论者提供更透明的评分。

而不是标记“前500名评论者”，或将评论标记为“有用”和“无益”，而是按照优步的主导，给予客户自己一个加星标的平均值。不要滥用系统的人显示评论。

3.只有在评论者发布超过三个评论时才显示评论。

Airbnb在第三次审核发布之前根本没有列出主机的评级，部分是为了给出一个公平的平均值，而且还优先考虑那些认真对待平台的人。

4.如果评论者没有“进行验证购买”（或者人类可能会将其从亚马逊购买），请不要让他们的帖子自动显示。

也许正如许多博客所做的那样，他们不得不写出100多个单词的实质性评论 - 这将使在线社区更难以出于意识形态的原因“旅行”。虽然并非不可能。



5.使评论更具社交性和社交性。

当亚马逊在2013年以1.5亿美元的价格购买GoodReads时，它的网站上已经拥有1600万“用户”（读者的一种奇怪的麻醉表达），现在它有6500万。对于他们必须在额外的用户数据和推荐算法中欢欣鼓舞的一切，他们错过了人们喜欢它的一个非常重要的原因：作为一种投机性购买，书籍感觉就像是时间和金钱的相对巨大的投入，而且很多人会只买一本他们认识并信任的人推荐的书。

其中一些建议实际上可能会使评论更难以参与，而增加摩擦的想法违背了硅谷（以及显然是西雅图）的基本精神。这可能意味着有些书有两篇评论，而不是二十篇。但是，如果我们寻求质量，我们应该寻找像维基百科这样的网站，这些网站允许任何人进行肤浅的参与，但在重要的地方设置障碍，包括锁定文章，论坛讨论，漫游管理员等，以确保不仅仅是人们正在网站上做一些事情，但这是一个良性循环，改善了社区和内容。因为关于亚马逊评论的最糟糕的事情是，嗯，其中很多都不是很好。