一項(xiàng)最新的調(diào)查研究發(fā)現(xiàn)，消費(fèi)者在進(jìn)行購物決策時(shí)更加依賴于亞馬遜的搜索和瀏覽功能，相較于谷歌的搜索量而言，亞馬遜上的消費(fèi)者產(chǎn)品搜索更為頻繁。亞馬遜高達(dá)90%的產(chǎn)品瀏覽量來自于其自有網(wǎng)站的搜索，而非廣告或外部渠道。這一現(xiàn)象對(duì)于賣家來說至關(guān)重要，他們亟需了解如何利用亞馬遜搜索引擎A9算法進(jìn)行優(yōu)化。

眾所周知，亞馬遜搜索引擎的目標(biāo)是根據(jù)產(chǎn)品的銷售潛力進(jìn)行排名，許多因素可以影響產(chǎn)品的銷售，如價(jià)格、評(píng)論以及產(chǎn)品頁面的文案等。在競(jìng)爭激烈的環(huán)境中，表現(xiàn)出色的產(chǎn)品在這些方面往往能夠獲得更好的排名。對(duì)于賣家而言，確定這些因素的相對(duì)重要性是一項(xiàng)巨大的挑戰(zhàn)，因?yàn)閬嗰R遜并未公開這些影響因素。

為了預(yù)測(cè)產(chǎn)品的銷售潛力，我們可以借助機(jī)器學(xué)習(xí)的力量。在瀏覽亞馬遜的熱門產(chǎn)品榜單時(shí)，不難發(fā)現(xiàn)熱銷產(chǎn)品通常擁有最多的評(píng)論，特別是在“Electronics電子產(chǎn)品”和“Automotive汽車”等關(guān)鍵類別中。那么，產(chǎn)品評(píng)論的數(shù)量是否能代表產(chǎn)品的銷售和排名呢？答案是肯定的，因?yàn)橘I家在留評(píng)之前已經(jīng)購買了產(chǎn)品。

接下來，我們將通過一系列步驟教您如何使用機(jī)器學(xué)習(xí)來預(yù)測(cè)產(chǎn)品銷售潛力。準(zhǔn)備一個(gè)包含亞馬遜熱銷產(chǎn)品信息的機(jī)器學(xué)習(xí)源文件，包括評(píng)論數(shù)據(jù)；然后，利用谷歌的自然語言API對(duì)評(píng)論進(jìn)行情感分析以擴(kuò)充源文件；接著，將這個(gè)文件上傳到BigML機(jī)器學(xué)習(xí)工具中；之后，生成深度神經(jīng)網(wǎng)絡(luò)模型來預(yù)測(cè)數(shù)據(jù)集中評(píng)論的數(shù)量；分析對(duì)模型預(yù)測(cè)影響最大的特性，這些特性對(duì)于獲取更多評(píng)論和提高銷售至關(guān)重要。

源文件中包含了2017年第四季度熱銷產(chǎn)品的清單，這份清單涵蓋了大約10000種不同類別的產(chǎn)品。我們關(guān)注的是“Automotive”這個(gè)類別的示例。數(shù)據(jù)集包含了多列信息，如亞馬遜標(biāo)準(zhǔn)標(biāo)識(shí)號(hào)（ASIN）、產(chǎn)品子類別和產(chǎn)品名稱等。

我們還可以提取產(chǎn)品評(píng)論文本，計(jì)算評(píng)論的情緒（評(píng)論的褒貶），以防它們具有預(yù)測(cè)性。加州大學(xué)圣地亞哥分校計(jì)算機(jī)科學(xué)助理教授Julian McAuley編寫了亞馬遜評(píng)論文本，我們從他的網(wǎng)站上下載了 automotive評(píng)論以供測(cè)試。

合并這兩個(gè)數(shù)據(jù)集，我們得到了許多潛在的預(yù)測(cè)因素，包括reviewerID、asin、reviewerName、helpful、reviewText、overall、summary、unixReviewTime、reviewTime、gl_product_group_desc、Subcategory、upc1、item_name、merchant_brand_name等。

接下來，我們可以使用谷歌的自然語言處理API來識(shí)別亞馬遜文本評(píng)論背后消費(fèi)者的情緒。該API可以處理評(píng)論文本并捕獲額外字段，如明顯積極、明顯消極、中性和混合的情緒。

在添加了情緒數(shù)據(jù)后，我們可以了解哪些因素最具預(yù)測(cè)性。使用BigML進(jìn)行機(jī)器學(xué)習(xí)，將源文件上傳到BigML這個(gè)機(jī)器學(xué)習(xí)工具中。選擇customer_reviews_count作為預(yù)測(cè)目標(biāo)，并選擇深度神經(jīng)網(wǎng)絡(luò)作為要構(gòu)建的機(jī)器學(xué)習(xí)模型類型。BigML搜索了多種模型組合以找到最佳性能。

根據(jù)使用BigML進(jìn)行的機(jī)器學(xué)習(xí)分析的結(jié)果，亞馬遜上的產(chǎn)品類別是預(yù)測(cè)銷售額的最佳指標(biāo)。選擇正確的產(chǎn)品類別和名稱可能會(huì)產(chǎn)生重大影響，因?yàn)橐恍┊a(chǎn)品和類別本身就非常受歡迎并產(chǎn)生強(qiáng)烈的需求。同樣地，產(chǎn)品的數(shù)量也能預(yù)示整體銷售的變化。令人驚訝的是，評(píng)論的情緒似乎并沒有直接影響銷售額的預(yù)測(cè)，而客戶評(píng)級(jí)和價(jià)格的影響也相對(duì)較小。

關(guān)于如何優(yōu)化亞馬遜A9算法以獲取更好的產(chǎn)品排名，這是一個(gè)復(fù)雜且神秘的議題。要深入了解A9算法的工作原理及其影響因素，建議探索亞馬遜的風(fēng)口星平臺(tái)專區(qū)?！军c(diǎn)擊此處】進(jìn)入專區(qū)，探索A9算法的奧秘！請(qǐng)注意，以上內(nèi)容純屬個(gè)人觀點(diǎn)，不代表風(fēng)口星網(wǎng)的立場(chǎng)。本文經(jīng)原作者獨(dú)家授權(quán)供稿，轉(zhuǎn)載需經(jīng)風(fēng)口星網(wǎng)授權(quán)同意。