在商品畫像中，如果要對review評分趨勢進行分析，可以使用“review評分累計平均數(shù)”這個指標。

當對“商品畫像”Excel表中的“評分”列數(shù)據(jù)進行累計平均數(shù)的計算后，可以通過Excel的折線圖對其進行可視化處理。

通過觀察累計平均數(shù)折線圖，可以發(fā)現(xiàn)在“dress”關(guān)鍵詞曝光結(jié)果下,如果搜索排序高于1000，review評分累計平均數(shù)就從4分左右一路下滑到3.4分附近,這說明大多數(shù)處于搜索排序1000后的商品并沒有針對review評分進行優(yōu)化。

這時可以結(jié)合這個結(jié)論進行l(wèi)isting優(yōu)化:一方面，如果自己的listing處于“dress”搜索排序下1000名以后，可以通過直評/測評/送評等方式提升review評分，增強listing的競爭力;另一方面，如果自己的listing處于“dress”搜索排序下1000名以前，則可以再對前1000名或者前500名的review累計平均數(shù)變化進行分析。

review評分累計平均數(shù)波動可以發(fā)現(xiàn)很多頭部listing的規(guī)律。

1頭部listing并不是review評分表現(xiàn)都非常穩(wěn)定，從搜索排序第一名的listing到搜索排序200名的listing之間review評分波動明顯，這說明暢銷榜中的商品質(zhì)量仍然存在差異，運營者可以針對較低review評分的商品通過供應(yīng)鏈改進質(zhì)量，從而增加自己listing反超的可能性。

2雖然頭部listing的review評分表現(xiàn)有一定差異性，但是其總體review評分累計平均數(shù)維持在4分左右，所以如果運營者想要沖刺頭部搜索位置，必須要將自己listing的review評分提升到4分左右的位置。