2019年10月7日下午两点，中国营销工程与创新研究中心(以下简称“MEI”)2019-2020年第一学期第6次研讨会(以下简称“Seminar”)在MEI如期举行，参与本次研讨会的有黄敏学老师及MEI各位成员。

　　本次Seminar由苏羽研读文章《Large-Scale Cross-Category Analysis of Consumer Review Content on Sales Conversion Leveraging Deep Learning》。

　　图一 苏羽分享文章

　　消费者现在生活在一个评论评分经常被夸大并失去信息价值的世界里。比如在亚马逊当中，超过一半的商品评分是五星;同样在淘宝中，“好评返现”也导致商品的评分与实际情况偏离。故而正面评论评级的普遍性使得消费者不再将其作为质量信号，消费者在做出购买决定时，越来越多地选择阅读评论内容。因此，电子商务平台需要了解评论内容是如何影响消费者的购买行为，从而及时为其提供最相关的内容。

　　以前关于评论影响的研究仅限于评论数量、评分和方差等易于获得的指标，他们提供的关于评论内容的信息很少。有些学者使用简单的情感或语言风格分析对评论内容进行研究，但却没有研究质量和价格有关的具体的内容。本文通过深入分析评论的内容并衡量它对销售转换的影响，来打开黑盒子。

　　以往对于评论内容的研究存在着四大挑战：一.缺少消费者读了多少及哪些评论的数据。因为消费者不可能读所有的评论，把那些已读评论挑选出来是研究的重点。二.由于购物评价属于消费者自由评价，所以评论内容的词语和句子非结构化，具有明显的个人色彩，如何精准把握句意成为难点。三.传统的信息检索和文本挖掘方法不容易跨类别扩展，成本过高。四.即使知道评论内容对转化有影响，营销人员也不知道如何应用。

　　为解决以上四大挑战，本研究获得了一个独特的数据集，不仅包含传统上的点击流和转化数据，还包括消费者的评论内容阅读行为。运用营销理论框架，获取评论的六个内容维度，接着将深度学习NLP技术作为监督学习，抽取评论的六个内容维度。最后，开发电子商务新的排名算法用于管理实践。

　　研究结果表明：如果假设消费者阅读了所有的评论，会低估评论内容对转化率的影响，平均低估20%。并且在众多不同的产品类别中，美学维度和价格维度是重要的内容维度。深度学习模型优于简单的传统NLP模型，并能更好地跨类别扩展。公司可以从基于内容的重新排序评论中获益。

　　至此，本次Seminar文章研读完毕。

　　之后李奥旗分享了最近的研究进展，针对其展示表达过程当中出现的一些问题，老师提出了许多宝贵的意见和建议，并希望每一个人做研究都能透过现象看到本质，而不要停留在表面做功夫。

　　本学期第六次Seminar圆满结束。

　　文字/王慧琪

　　供图/王慧琪

　　审核/陈晶晶

　　网站编辑 / 王宇雨