随着互联网的普及和物流水平的提高，网上购物逐渐成为人们购物的主要方式之一，越来越多的公司倾向于投资在线业务。在网络环境下，消费者对产品的评价已成为企业制定营销策略的重要指标。已有的产品评价可以作为后续顾客购买行为的参考依据，评价内容对产品的美誉度反映了消费者对产品的认可度，一定程度上影响着未来一段时间内产品的销售潜力。因此，对在线评价内容的积极性和有效性进行评估，合理预测产品的市场前景，从而获取商业成功，已成为企业关心的重要问题。对于评价内容的特征分析，国内外学者主要采用基于情感分析的文本挖掘方法［1］，将文本内容所包含的词汇分类，通过加权赋值使文字内容中的情感趋向得以量化。基于这种方法，Susan等建立了评价帮助度模型以描述评价的积极性［2］，但是没有考虑Vine(Vine是亚马逊邀请那些可信度最高的评论者，让他们发表对新产品或预售产品的看法和意见，以此来帮助其他买家作出明智的购物决定)与普通顾客评价的区别，缺乏精确性。单纯的评价内容情感分析问题已经基本得到解决，但是评论内容对其他顾客决策的帮助度评定受到电商平台附加功能的影响，还要综合考虑多种限制因素。本文主要针对亚马逊电商平台日益激烈的商业竞争，通过合理的模型建立量化在线评价对产品销售潜力的影响，为企业制定科学的电商营销计划提供参考依据。针对此，本文主要解决的问题如下。1)充分量化评论文本内容的情感色彩以及多种附加因子影响下的有效性，并综合产品美誉度和评价帮助度2项指标对产品销售潜力进行预测分析。2)建立基于时间序列的预测模型对产品未来一段时间的销量进行预测，验证产品销售潜力综合评估模型的有效性。针对第一个问题，文本内容的情感与所用形容词的褒贬、副词的程度、否定词的频率等密切相关，基于英语分词词典和TF-IDF识别算法的文本挖掘可以对文本词汇分类归纳［3］，通过加权赋值的方法得到评价内容的总体情感值。评价的帮助度投票率受总体投票人数影响，通过样本统计衡量无人投票时评价内容的帮助度。以综合加权的方法得到表征产品销售潜力的综合得分，可以全面考虑影响产品美誉度和评价帮助度的各项指标，科学地预测未来产品的购买力。针对第二个问题，通过统计过去较长一段时间内产品的销量数据，与对应的时间参数匹配，建立基于时间序列的产品销量预测模型，可以得到未来一段时间内产品的销量情况。如果产品的销售潜力综合得分与销量走势大致呈正相关，则证明模型较为客观，参考价值较大。
1预备工作
1．1假设与定义
对针对基于在线评价的商品销售潜力评估问题建立模型前，本文先作如下的基本假设。评论按时间顺序排列，即消费者最先看到的评论恰好是其他消费者最新发布的，购买商品的行为受在线评论内容影响具有一定的即时时间效应;不考虑电商平台通过机器学习删除虚假评论对模型结果的影响。此外，在本文中，Uip表示情感关键词与评价内容的相关性;Rij表示商品的美誉度指标得分(下标i表示第i种商品，j表示第j条评论);Hij表示评价的帮助度;sij表示第i个产品的第j个有效评论的评价星级;F代表综合产品美誉度和评价帮助度后的产品销售潜力得分。在给出主要模型及结果前，本文先定义以下内容。1)产品美誉度是指在线评价内容对产品性能、品质等特征进行描述反馈时所用词语包含的积极感情色彩。2)评价帮助度，描述一条网购评价在考虑了评论星级、帮助度投票率、发布者身份、是否经官方验证等制约因素后体现出的有效性与可信赖程度。3)销售潜力，通过分析某商品目前累积在线评论的总体情感趋势，对该商品未来一段时间内销量走势的预测。
1．2数据的来源
本文以2020年美国大学生数学建模竞赛C题为依据，针对亚马逊线上商务平台某品牌销售商为旗下经营产品进行销271售潜力评估并制定销售策略的问题，建立了基于在线评价美誉度和帮助度的产品销售潜力综合评估模型，对3种产品的市场销售前景进行了预测，为电商决策营销计划提供参考。
2商品销售潜力评估模型的建立与求解
2．1基于情感分析的产品美誉度模型
顾客在亚马逊平台撰写评价时，可以根据自身对商品的体验和感受对其进行1星至5星不等的星级评定。首先使用Py-thon的NLTK模块来分割文本内容并标记词性。然后，基于评论中的情感词，定义美誉度综合评分指标:
2.2评价帮助度模型
对于多数评价，需要考虑评论发布者的身份来评价其帮助性。权威评论员经过亚马逊平台的考核可以免费试用产品，其评价不需要经过官方验证，可以认为这一类评价最具有客观性;对于非权威评论员发布的评论，如果经过官方认证则认为较有参考意义;如果是非权威评论员的评论且没有经过官方验证通过，则该评论有可能是顾客享受了折扣优惠后做出的评价，这类评价主观因素较大。定义组合权重因数u。
2．3产品销售潜力评估模型
根据上述准备工作，我们建立产品销售潜力评估模型，定义目标函数:国外一项著名的研究表明，84%的用户认为网络购物评论是有效的，16%的用户认为网购评论毫无帮助［4］。据此对2项指标分别赋予权重a1=0．16，a2=0．84。
2．4模型的求解
结合已知的亚马逊某品牌商的产品线上销售评论数据，我们对安抚奶嘴，吹风机和微波炉这3种产品的销售潜力进行了评估，通过matlab编程计算出各自的目标函数F值如表1所示。此外，本文根据修饰语的语气强度将其分为6类，按从非常积极到非常消极逐级降低的顺序，分别配以不同的权重。考虑到反义词在句子中的使用，在评论中给予反义词与贬义词同等的权重。随后我们建立了基于情感分类的深度学习模型，图1展示了构建模型的流程图。经过以上处理，用特定的区间衰减函数控制重复强调的程度，使情感词典和识别算法得到了进一步优化。由此，我们可以得到介于－6和+6之间的总体情感值，以及分段分析的结果。从表1中的结果可以看出，奶嘴这款商品的综合得分F值最高，也就是说，3种商品中奶嘴的市场前景最可观。
2．5模型的验证
产品的销售潜力也可以从实际销量数据中定性预测，如果过去较长时间内产品的销量呈现积极增长的态势，就可以认为未来一段时期产品具有较大的销售潜力;相反，如果产品销量始终较低，甚至呈现逐渐下降的趋势，不加人为因素干扰的情况下该产品的未来销售走势也将较为低迷。根据时间变化对数据进行统计分析，选择2010－2014年的数据，以季度为周期，获取时间序列t=1，2，…，20，并保留2015年的数据作为测试值。计算每个周期的目标函数F，进行一阶差分和零均值运算，得到新的序列:使用SPSS进行统计回归计算得到3种商品的销量拟合曲线，可以得出奶嘴的销量拟合曲线在早期阶段随时间波动很大，但在2015年前后趋于稳定，并在未来一段时间有上升的趋势，而且销量基数也是3种产品中最大的，可以认为其具有最大的销售潜力，这与评估模型中的结果恰恰吻合，证明了销售潜力评估模型的合理性。
3结语
本文研究了在线购物评价对产品销售潜力的影响，定义了产品美誉度和评价帮助度两项评价指标，通过加权组合的方法构建了产品销售潜力评估模型，依据2020年美国大学生数学建模竞赛C题提供的权威数据对本模型进行验证，并建立了基于时间序列的销量预测模型进行了进一步验证。计算结果表明:品牌商经营的3种商品中奶嘴具有最好的市场前景，应继续扩大生产，保持销售优势;同时微波炉的销售潜力较低，但未来一段时间仍呈现上升的趋势，说明该产品在市场竞争中还有提升空间，应该采取提高产品质量，加大宣传力度等措施以挽回该商品的市场竞争力。本文从理论上构建了对在线评论数据的分析评估方法，从已有的数据中挖掘潜在的商品市场竞争力信息，这对网上销售商预测商品的销售潜力，合理制定未来的销售策略，科学调度生产力安排生产具有重要的理论和实际意义，但仍存在销量与评价数量不匹配等实际情况的影响，在下一步的研究中应对理论模型做进一步的修正和改进。