商标和专利的区别是什么?
最近树苗哥趁着Prime Day在亚马逊上扫货,无意间发现有些ASIN特别的神奇,先看其中一个吧,如下图
这个ASIN全5星好评,其中90%是直评,但是BSR排名(50w+)却非常低。树苗哥感觉比较奇怪的有以下两点:
-
如果是刷评分,提升转化,不用刷这么多,并且刷的评论也太假了
-
如果是刷排名,刷直评没用, 并且这个ASIN几乎没有排名
如果不是上面两个,树苗哥觉得只剩一种可能——刷评分稳定性,即用大量高评分评论来抵消未来可能出现的差评对评分的影响。但是这么做是否可行呢,那就要来看一下亚马逊是怎么计算评分的。
树苗哥挑了一批ASIN来验算亚马逊的计算方法(用diffuser这个关键词搜索结果前两页的非广告产品),这批ASIN大部分评论数量比较多,具有一定的统计意义。树苗哥把评论下载下来之后,重点统计了以下几个数据:
-
平均分(总得分除以总数量)
-
平均分与亚马逊得分偏差
-
VP评论分布及1星VP占总VP比例
下面是统计报表,按1星比例排序(重点关注标黄的部分):
需要说明的是,亚马逊上显示的得分是经过四舍五入的,而excel计算出来的是精确的,所以偏差这一列凡是在正负1个点以内的,可以认为跟亚马逊上的得分一致。所以从表里面不难看出,大部分ASIN的亚马逊得分与平均分是一致的,但是有几个ASIN(标黄的)偏差比较大,并且平均分都是偏高。我们也可以看到,得分偏差较大的几个ASIN同时1星VP评论占比也是最高的,这两者之间具有明显的相关性,下面这个图看起来会更清晰一点
1星VP占比高的ASIN实际得分低于平均值,说明1星VP不光是拉低分数,还自带放大作用(加重惩罚)。但同时,从图里可以看出来,得分偏差跟1星比例不是严格成正比的,这个说明,除了是否VP和单个评论得分以外,还有其他因素也参与了得分的计算,例如review的内容,vote,订单是否退货等,亚马逊在计算的时候,很有可能先对单个review进行打分,再用一个类似加权平均的算法去计算。对于1星VP,本身已自带放大作用,如果其他因素权重也很高(如资深reviewer的,点Yes人数很多的),那就会严重拉低得分和转化率,要想把评分拉回来,就要更多的5星好评.
所以,回到开头的那个全5星好评商品,卖家一口气刷这么多5星直评,即便有一两个高权重1星VP差评,也不会把平均分拉低特别多,推广前先做好评分稳定性,保证产品转化率,从而保证推广效果。对于差评,树苗哥认为一定要做到早发现,早处理。对于已有的差评,如果能够消除,就尽量消除,如果消除不了,就想办法降低其影响,例如点No。